基于圖像處理的鐵路軌枕分割方法研究

李志 陳建政

摘 要：軌枕作為鐵路線路重要的基礎(chǔ)設(shè)施，其工作狀態(tài)是否正常對(duì)鐵路線路的安全有著重要的影響。文章提出了一種基于圖像處理的鐵路軌枕分割方法，包含鐵路圖像采集、圖像預(yù)處理、軌枕圖像分割提取等部分。在對(duì)灰度圖像進(jìn)行Laplacian邊緣檢測(cè)處理后采用區(qū)域掃描定位法對(duì)軌枕位置進(jìn)行定位，提取軌枕圖像，以期應(yīng)用到后續(xù)狀態(tài)檢測(cè)中。

關(guān)鍵詞：軌枕圖像分割；Laplacian算子；邊緣檢測(cè)；區(qū)域掃描

軌枕作為支撐鋼軌，保持鋼軌位置的重要部件，它的維修保養(yǎng)工作對(duì)于軌道交通系統(tǒng)的安全運(yùn)行具有重要意義。近年來(lái)，我國(guó)對(duì)高速鐵路客運(yùn)專線以及城市軌道交通等軌道交通的投入力度不斷加大，軌道交通地位日益提高，其安全問(wèn)題也逐漸突顯出來(lái)。

長(zhǎng)期以來(lái)，我國(guó)的鐵路道路養(yǎng)護(hù)工作一直以人工和靜態(tài)檢測(cè)為主，這對(duì)養(yǎng)路工人的經(jīng)驗(yàn)以及責(zé)任心有較高的要求，而且很難保證結(jié)果的準(zhǔn)確性和客觀性；隨著我國(guó)軌道交通事業(yè)的蓬勃發(fā)展，傳統(tǒng)的巡邏檢測(cè)作業(yè)方式己經(jīng)不能正常地滿足鐵路運(yùn)輸安全的需求，所以我們亟需有一種快速、準(zhǔn)確的鐵路養(yǎng)護(hù)方法以保證鐵路的安全運(yùn)營(yíng)，為了適應(yīng)我國(guó)鐵路發(fā)展的要求和解決鐵路道路養(yǎng)護(hù)中存在的實(shí)際問(wèn)題，研究運(yùn)用于鐵路道路安全巡檢的自動(dòng)化設(shè)備提上了日程。

隨著基于計(jì)算機(jī)視覺(jué)的非接觸式檢測(cè)技術(shù)的發(fā)展，圖像處理技術(shù)漸漸地被應(yīng)用到鐵路線路的狀態(tài)檢測(cè)中來(lái)， 法國(guó)、美國(guó)、德國(guó)、日本等國(guó)家已長(zhǎng)期致力于采用計(jì)算機(jī)圖像技術(shù)實(shí)現(xiàn)軌道結(jié)構(gòu)部件的視覺(jué)檢測(cè)，我國(guó)近年來(lái)也開(kāi)始自主研制裝載了鐵路視覺(jué)檢測(cè)系統(tǒng)的綜合檢測(cè)車(chē)[1]。文章主要研究目的就是為后續(xù)的軌枕狀態(tài)檢測(cè)提供可靠的、精確度高的軌枕分割圖像。

1 圖像采集處理系統(tǒng)設(shè)計(jì)

該系統(tǒng)一般由攝像采集系統(tǒng)和圖像處理系統(tǒng)兩部分構(gòu)成。

1.1 攝像采集系統(tǒng)

攝像采集系統(tǒng)主要由高速CCD相機(jī)和照明系統(tǒng)構(gòu)成。攝像系統(tǒng)負(fù)責(zé)采集軌道存儲(chǔ)圖像并將圖像發(fā)送到后端進(jìn)行處理；照明系統(tǒng)則負(fù)責(zé)在光照條件差的時(shí)候提供均勻、穩(wěn)定的光照。

1.2 圖像處理系統(tǒng)

圖像處理系統(tǒng)一般由工控機(jī)構(gòu)成。主要功能有：（1）鐵路圖像預(yù)處理：為了突出圖像中的軌枕區(qū)域，抑制或消除不必要的信息，我們通常用濾波去噪的方式來(lái)提高圖像質(zhì)量。（2）定位與圖像分割：采用邊緣檢測(cè)和區(qū)域掃描統(tǒng)計(jì)法從采集的整幅圖像中定位出軌枕位置，然后從中分割出軌枕的圖像。系統(tǒng)示意圖如圖1所示。

2 圖像預(yù)處理

在進(jìn)行圖像數(shù)據(jù)采集時(shí)，由于采集圖像的質(zhì)量有限，為了能使效果達(dá)到最好，需要進(jìn)行相應(yīng)的預(yù)處理操作改善圖像質(zhì)量，以便后續(xù)的處理工作得到更好的識(shí)別效果。預(yù)處理技術(shù)一般包括圖像二值化、圖像濾波、圖像壓縮等步驟。（1）圖像二值化：將灰度圖像轉(zhuǎn)化為只有0和1兩個(gè)值的圖像的過(guò)程。（2）圖像濾波：選擇合適的濾波算法進(jìn)行濾波處理，使圖像更加清晰，提高圖像質(zhì)量。（3）圖像壓縮：通常由于系統(tǒng)本身計(jì)算存儲(chǔ)能力有限，需要對(duì)原始圖像進(jìn)行壓縮處理。

3 軌枕的定位與分割

3.1 軌枕定位基本原理

鐵路圖像的采集干擾多，運(yùn)算量大，為了突出我們所關(guān)心的軌枕區(qū)域，因此首先需要對(duì)圖像進(jìn)行一系列預(yù)處理操作，排除掉鋼軌、道砟等我們不關(guān)心的因素，再定位并裁剪出軌枕。

在軌枕表面區(qū)域，灰度只在垂直方向上有明顯跳變，在水平方向是連續(xù)的； 而鋼軌以外的區(qū)域，道砟的紋理比較復(fù)雜，在各個(gè)方向都存在跳變，可以根據(jù)這個(gè)特征找到軌枕邊緣，同理，找到鋼軌兩內(nèi)側(cè)邊緣便可分割提取出軌枕圖像[2]。

具體步驟為：

（1）利用Laplacian邊緣檢測(cè)算法對(duì)圖像進(jìn)行邊緣檢測(cè)，邊緣檢測(cè)閾值由Otsu方法確定；（2）采用區(qū)域掃描統(tǒng)計(jì)法，以軌枕寬度為區(qū)域?qū)挾?，在二值圖像上從上向下區(qū)域掃描，統(tǒng)計(jì)區(qū)域內(nèi)的亮點(diǎn)數(shù)目，投影在水平方向，其最小值即為軌枕的上邊界；（3）同理，可以得到軌枕的其它邊界信息；（4）分割軌枕圖像。

3.2 基于拉普拉斯算子的邊緣檢測(cè)

Laplacian算子來(lái)源于Marr視覺(jué)理論中提出的邊緣提取思想[3]，即為了盡可能實(shí)現(xiàn)對(duì)噪聲最大程度上的抑制，首先對(duì)原始圖像進(jìn)行濾波處理，然后再對(duì)濾波后的圖像進(jìn)行邊緣檢測(cè)，對(duì)圖像的處理過(guò)程采用的是二維高斯函數(shù)G（x，y）：

其函數(shù)圖形大約可以看作為倒扣著的鐘的形狀，其中？啄為高斯函數(shù)的空間分布系數(shù)，它決定了下垂的鐘壁的斜率，即決定了其開(kāi)口范圍的大小，對(duì)該函數(shù)取拉普拉斯變換，即對(duì)高斯函數(shù)取二階方向?qū)?shù)，則得二維Laplacian算子的函數(shù)形式[4]：

用該Laplacian算子對(duì)輸入圖像I（x，y）進(jìn)行卷積運(yùn)算后，輸出圖像為：

按照Laplacian算子計(jì)算方法對(duì)圖像進(jìn)行邊緣檢測(cè)后，其檢測(cè)結(jié)果如圖2所示。

3.3 軌枕區(qū)域提取

根據(jù)前文所述區(qū)域掃描統(tǒng)計(jì)法，提取軌枕所在區(qū)域。針對(duì)文章的圖像大小，設(shè)置軌枕寬度為w，大小約為55像素；為方便掃描作圖將圖像逆時(shí)針?lè)D(zhuǎn)90度。以軌枕的像素寬度w為區(qū)域掃描統(tǒng)計(jì)寬度，在水平方向自左而右進(jìn)行區(qū)域掃描，得到在垂直方向上的亮點(diǎn)統(tǒng)計(jì)值的最小值位置即為軌枕的上邊界；在水平方向自右向左進(jìn)行區(qū)域掃描，得到在垂直方向上的亮點(diǎn)統(tǒng)計(jì)值的最小值位置即為軌枕的下邊界。定位方法如圖3所示：

如圖4所示，掃描結(jié)果的橫坐標(biāo)最小值為65，為軌枕的上邊界；掃描結(jié)果的橫坐標(biāo)的最小值為122，為軌枕的下邊界，即求得軌枕的像素寬度為57像素。同理，可以得到軌枕的長(zhǎng)度左右邊界分別為60和507，即求得軌枕長(zhǎng)度的像素寬度為447像素。因此，將軌枕圖像大小統(tǒng)一設(shè)為60*450像素。對(duì)灰度圖像和邊緣檢測(cè)結(jié)果進(jìn)行區(qū)域截取，結(jié)果如圖5所示。

4 結(jié)束語(yǔ)

圖像分割不僅是一種基本的計(jì)算機(jī)視覺(jué)技術(shù)，更是對(duì)圖像的研究從圖像處理階段進(jìn)階到圖像分析階段的關(guān)鍵步驟[5]。軌枕圖像分割的好壞不僅對(duì)后續(xù)軌枕狀態(tài)的檢測(cè)性能的提高有著重要影響，而且也直接關(guān)系著鐵路自動(dòng)化巡檢系統(tǒng)的實(shí)用價(jià)值。文章采用高速CCD相機(jī)采集軌道圖像，首先對(duì)原始圖像進(jìn)行灰度化、濾波處理，其次在對(duì)圖像進(jìn)行Laplacian算子邊緣處理后采用區(qū)域掃描統(tǒng)計(jì)法對(duì)軌枕位置進(jìn)行定位，取得軌枕位置信息，最后將采集到的鐵路圖像中的軌枕分割提取出來(lái)，為后續(xù)的軌枕狀態(tài)檢測(cè)提供可靠保障。

參考文獻(xiàn)

[1]李海浪.高速綜合檢測(cè)列車(chē)視頻監(jiān)測(cè)系統(tǒng)[J].鐵路技術(shù)創(chuàng)新，2012（1）：20-22.

[2]官鑫，趙智雅，高曉蓉.圖像處理技術(shù)在鋼軌表面缺陷檢測(cè)和分類中的應(yīng)用[J].鐵路計(jì)算機(jī)應(yīng)用，2009（6）：27-30.

[3]Marr D，Hildreth E.Theory of edge detection[J].Proceedings of the Royal Society of London（SeriesB），Biological Sciences，1980，207（1167）： 187-217.

[4]嚴(yán)國(guó)萍，何俊峰.高斯-拉普拉斯邊緣檢測(cè)算子的擴(kuò)展研究[J].華中科技大學(xué) 學(xué)報(bào)（自然科學(xué)版），2006，10.

[5]章毓晉.圖像工程：圖像理解[M].北京：清華大學(xué)出版社，2010.