摘要

针对轨面缺陷样本数量少、种类多的特点,以及在真实场景下存在迁移学习效果不稳定、阈值分割易受环境因素影响的问题,提出一种零样本的改进马尔可夫缺陷分割方法。首先对采集数据使用Gabor函数处理,突出缺陷特征、降低数据维度得到降维特征图;对处理后的特征图进行Kmeans聚类,缩减数据的分布并降低反光和阴影的影响,并将聚类结果作为预分类矩阵;通过降维特征图和预分类矩阵构建改进马尔可夫随机场双层图模型并进行推理;根据模型推理出的分类矩阵特征值来分析缺陷部分的局部几何结构;最终标记出缺陷区域并完成缺陷分割。实验部分使用自采样数据集,根据对比实验与消融实验得出最终结论。实验结果表明,该方法在自采样数据集上的像素准确率、平均像素准确率、加权交并比、均交并比分别达93.6%、80.7%、89.4%、68.2%,超过其他对比检测算法精度。

全文