基于改進Canny算法的鐵軌邊緣檢測

王燕芩 李沛奇

當列車運行速度達到200km/h時，即使很小的異物侵入到線路，都會導(dǎo)致非常嚴重的行車事故。目前我國對異物侵入的監(jiān)測方式主要是視頻監(jiān)測，即在事故易發(fā)地段設(shè)置攝像機，通過對采集的視頻實時分析處理，判斷是否發(fā)生異物侵限。這種視頻監(jiān)測需要人工觀測處理，耗費大量人力，為此提出利用Canny邊緣檢測算法檢測異物侵限，不僅提高了整個監(jiān)測過程的自動化程度，也提高了整個系統(tǒng)的可靠性。

Canny定義了邊緣檢測的3條準則：信噪比準則、定位精度準則和單邊緣響應(yīng)準則。提出最佳邊緣檢測算子，即Canny邊緣檢測算子。Canny算子具有良好的檢測效果，成為評價邊緣檢測方法的標準。在異物侵限監(jiān)測現(xiàn)場，光照度和天氣等因素都會影響到圖片拍攝的質(zhì)量，導(dǎo)致圖像出現(xiàn)噪聲，使檢測出的軌道邊緣出現(xiàn)模糊。因此需根據(jù)現(xiàn)場的監(jiān)測環(huán)境，結(jié)合Canny算法的特點對傳統(tǒng)Canny算法進行改進，使改進后的算法更符合實際應(yīng)用。

1 傳統(tǒng)Canny邊緣檢測算法

1.1 算法流程

1.平滑圖像。對要處理的圖像用高斯濾波器做卷積運算，從而可以在計算梯度時，減小噪聲對圖像的影響。高斯濾波器的公式：

其中，σ為高斯濾波器參數(shù)。

2.計算梯度幅值分量。在水平和垂直兩方向，用一階差分算子計算梯度幅值M，以及梯度方向θ，計算公式：

3.非極大值抑制。對梯度幅值圖像M ［i，j］上的像素逐一進行檢測，把當前像素的梯度幅值與其梯度方向上2個相鄰像素的梯度幅值進行比較，如果當前像素的梯度幅值不小于這2個值，則該像素可能是邊緣點；如果梯度幅值小于這2個值，則該像素點是非邊緣點。通過對圖像M ［i，j］非極大值抑制，獲得圖像NMS［i，j］。

4.雙閾值檢測和邊緣連接。傳統(tǒng)檢測方法分別用高、低閾值Th和Tl來提取圖像的邊緣。對圖像NMS［i，j］，用Th和Tl分別進行閾值化得到邊緣圖像E1和E2。E1和E2分別為強、弱邊緣點，其中，E1可能會出現(xiàn)邊緣間斷的情況，需進行邊緣連接。追蹤圖像E1的邊緣，當邊緣到端點時，就在E2中搜索邊緣點來連接E1中的間斷，直到將E1邊緣的間斷全部連接起來為止。

1.2 異物監(jiān)測中的缺陷

1.高斯濾波器對噪聲嚴重的圖像抑制效果不理想，容易誤檢出假邊緣，也會將真實邊緣的一些細節(jié)丟失，從而使檢測結(jié)果的信噪比變小。在監(jiān)測現(xiàn)場，由于環(huán)境因素的影響，會有大量的噪聲出現(xiàn)，如果不對這些噪聲做有效地處理，必定會影響到檢測的精度，從而降低整個監(jiān)測系統(tǒng)的可靠性。

對大多數(shù)老年人來說，在所有關(guān)節(jié)中，髖關(guān)節(jié)和膝關(guān)節(jié)是最易受傷的部位。堅持練習(xí)一套保髖操，不但能起到舒筋活血的作用，還能保養(yǎng)關(guān)節(jié)。

2.邊緣連接過于簡單，不會考慮到鐵軌具有連續(xù)的邊緣走向，檢測出的邊緣會顯得粗糙、不光滑，也會存在間斷，從而影響監(jiān)測精度。

傳統(tǒng)的邊緣檢測方法雖然計算簡單，但是存在諸多問題，最主要的是無法保證檢測的精度和可靠性，因此需對傳統(tǒng)算法進行改進。

2 改進Canny算法

2.1 改進的開關(guān)型中值濾波器

2.1.1 中值濾波原理

近年來，基于噪聲檢測的中值濾波器在圖像處理方面表現(xiàn)效果良好，得到了廣泛的應(yīng)用，其算法如下。

設(shè)xi表示像素強度，則｛x1，x2，…xN｝是由濾波窗口構(gòu)成的輸入序列集。把y記為濾波器輸出。首先對輸入序列進行升序排列，即x（1）＜x（2）＜ … ＜x（N），得到新的序列集｛x（1），x（2），…x（N）｝，則有：

中值濾波是基于范數(shù)L1的最佳估值，即符合以下條件：

中值濾波器的脈沖噪聲抑制和細節(jié)特征保護能力比線性濾波器強，但在除噪的同時不可避免的破壞了圖像的細節(jié)部分，處理噪聲嚴重的圖像效果不是很理想，所以需進一步改進。

采用分段統(tǒng)計的方式，首先對于一個像素點P，確定以P點為中心點的 （2N＋1）×（2N＋1）領(lǐng)域；這里把領(lǐng)域稱為窗口，按照灰度等級把窗口中的像素排序，然后把排序后的像素值平均分成N＋2段，每段含N＋2個像素，并把中間段的N＋2個像素值的平均值作為P點像素灰度的新值。領(lǐng)域圖像中間一段N＋2個像素灰度值的平均值，決定了改進算法的輸出像素。由于窗口內(nèi)數(shù)據(jù)點間具有相關(guān)性，因此孤立的噪聲點可以進一步消除，被破壞的數(shù)據(jù)也可以得到很好的恢復(fù)。在圖像中移動窗口，直到處理完所有像素。實驗表明，改進的中值濾波算法在圖像的細節(jié)保護方面表現(xiàn)更好，提高了現(xiàn)場監(jiān)測的精度。

2.1.3 開關(guān)濾波原理

開關(guān)濾波處理的算法，將全部像素分為保持原值不變的信號S和需要進行處理的噪聲N，算法原理如圖1所示。

圖1 開關(guān)濾波結(jié)構(gòu)

噪聲檢測器可以對噪聲進行判定，從而控制開關(guān)單元。噪聲檢測器如果判定該像素點不是噪聲點，則把該點直接輸出，不作任何處理；如果判定該像素點是噪聲點，則把開關(guān)和濾波處理單元連接起來，對該點進行濾波處理。

2.1.4 基于改進中值濾波算法的開關(guān)去噪

對所有的像素點都采取統(tǒng)一的方法處理是傳統(tǒng)中值濾波器的一大弊端，會造成圖像模糊并降低檢測的精度。把開關(guān)用到濾波處理中，可以有效區(qū)分信號點和噪聲點，最大程度上提高檢測效率和檢測精度。該算法對圖像的細節(jié)保護能力也非常強，尤其對沖擊噪聲有很好的檢測效果，非常適合Canny邊緣檢測。

去噪算法步驟：①把 （3×3）濾波窗口在圖像中移動，并把濾波窗口的中心位置與圖像中某一像素點P0的位置重合；②讀取此時像素點P0對應(yīng)的灰度值；③利用max－min算子，對像素點P0進行噪聲檢測；④若P0點對應(yīng)的灰度值不是局部極值，則判定該點不是噪聲點，把該點原值輸出；⑤若P0點對應(yīng)的灰度值是局部極值，則判定該點是噪聲點，此時利用改進的中值濾波算法對該點進行處理；⑥用以上步驟處理其他像素，直到全部處理完畢。

2.2 利用慣性原理進行邊緣跟蹤

在如圖2所示的3×3窗口中，邊緣方向總共有8種情況。圖中箭頭指向陰影方塊代表的像素點，表示之前檢測到的邊緣方向。在追蹤邊緣時，首先檢測箭頭指向陰影方塊代表的像素點；然后再檢測旁邊2個陰影方塊代表的像素點，體現(xiàn)慣性原理；由于鐵軌具有連續(xù)的邊緣走向，所以不用檢測空白方塊代表的像素點，空白方塊表示邊緣中的尖銳角點。

圖2 3×3窗口中邊緣的方向情況

經(jīng)過非極大值抑制過的圖像，其梯度直方圖存在邊緣像素梯度分布，邊緣像素梯度分布在距離最值梯度相對較遠的位置，因此，像素最值梯度方差很大。依據(jù)梯度分布，設(shè)定高閾值Th和低閾值Tl：

Th＝Hmax＋（1＋β）×σmax，

Tl＝Hmax＋（1－β）×σmax，

其中，β為閾值調(diào)整因子，0＜β＜1；Hmax為像素最值梯度 （Hmax一般是非邊緣點的梯度值）；σmax為像素最值梯度方差 （是圖像內(nèi)全部像素的梯度相對于Hmax的方差）。

由上述表達式可以看出，Th必然在非邊緣區(qū)域以外，從而避免偽邊緣的產(chǎn)生；而Tl應(yīng)該在若邊緣附近，從而有效地修補高閾值的邊緣；根據(jù)慣性原理，設(shè)定圖像的邊緣跟蹤過程步驟如下：

步驟1，在非極大值抑制圖像中，找到一個梯度值大于Th的像素點，若在該像素點的3×3窗口中的8個相鄰點中存在一個點的梯度值大于低域值，以該像素點為起始點，用步驟2開始跟蹤；如果沒有這樣的像素點，則在圖像中找一個梯度值不小于Th的像素點，則以該像素點為起始點用步驟2開始跟蹤；如果這樣的像素點也沒有，則結(jié)束跟蹤。

步驟2.在該像素點的3×3窗口中找1個梯度值最大的像素點，如果新的像素點的梯度值不大于Tl，則跳回步驟1；如果新的像素點梯度值大于Tl，則將該像素點轉(zhuǎn)到邊緣圖像，根據(jù)之前的像素點和新的像素點標記邊緣方向，到步驟3。

步驟3，基于慣性原理，規(guī)定追蹤邊緣的次序如下：①如果箭頭指向的像素點梯度值大于Tl，則該點即為追蹤目標，并將該點轉(zhuǎn)到邊緣圖像中，保持邊緣的方向不變，重復(fù)步驟3；②如果箭頭指向的像素點旁邊2個點中，梯度值較大的那個像素點的梯度值大于Tl，則該點就是跟蹤目標，將該點轉(zhuǎn)到邊緣圖像中，再修正邊緣的方向，重復(fù)步驟3，直到把全部像素追蹤完畢。

3 實驗結(jié)果及分析

用傳統(tǒng)Canny算法和改進算法分別處理圖像，如圖3，圖4所示，其中圖3（a）為無干擾的鐵軌圖，圖4（a）為加了25%噪聲鐵軌圖。比較圖3（b）和圖3（c）可以看出，改進的算法不僅保持了傳統(tǒng)Canny算法的優(yōu)點，而且還比傳統(tǒng)Canny算法檢測細節(jié)邊緣的能力強，檢測出的邊緣更加光滑、細膩。比較圖4（b）和圖4（c）可以看出，改進算法比傳統(tǒng)Canny算法有更好的噪聲抑制能力，加入的噪聲對改進算法影響非常小。

圖3 無干擾時鐵軌邊緣檢測圖

圖4 有干擾時鐵軌邊緣檢測圖

軌道圖的邊緣檢測是軌道異物檢測的核心，只有準確檢測出線路的雙軌，才能確定障礙物監(jiān)測的區(qū)域。經(jīng)過多次試驗，得到試驗結(jié)果：用改進算法檢測出的邊緣和傳統(tǒng)Canny算法相比，具有更好的連續(xù)性和細節(jié)邊緣表現(xiàn)力，而且噪聲抑制能力也遠優(yōu)于傳統(tǒng)算法，更為重要的是在現(xiàn)場監(jiān)測中表現(xiàn)出了較強的可靠性，提高了整個監(jiān)測系統(tǒng)的自動化程度。

［1］ 王彤，史宏，王前，等.客運專線異物侵限監(jiān)控系統(tǒng)技術(shù)的研究［J］.鐵路計算機應(yīng)用，2009，18（7）：8－10.

［2］ Canny J.A computational approach to edge detection［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence，1986，8（6）：679－698.

［3］ 王植，賀賽先.一種基于Canny理論的自適應(yīng)邊緣檢測方法［J］.中國圖象圖形學(xué)報，2004，9（8）：957－962.

［4］ 王小俊，劉旭敏，關(guān)永.基于改進Canny算子的圖像邊緣檢測算法［J］.計算機工程，2012，38（14）：196－202

［5］ 徐國寶，尹怡欣，周美娟，等.基于中值和多尺度的組合優(yōu)化濾波器［J］.計算機應(yīng)用，2012，32（6）：1557－1559，1573.

［6］ Sun T，Neuvo Y.Detail－preserving median based filters in image processing［J］.Pattern Recognition Letters，1994，15（4）：341－347.