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設施，其工作狀態是否正常對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、圖像預處理、軌枕圖像分割提取等部分。在對灰度圖像進行Laplacian邊緣檢測處理后采用區域掃描定位法對軌枕位置進行定位，提取軌枕圖像，以期應用到后續狀態檢測中。

關鍵詞：軌枕圖像分割；Laplacian算子；邊緣檢測；區域掃描

軌枕作為支撐鋼軌，保持鋼軌位置的重要部件，它的維修保養工作對于軌道交通系統的安全運行具有重要意義。近年來，我國對高速鐵路客運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，其安全問題也逐漸突顯出來。

長期以來，我國的鐵路道路養護工作一直以人工和靜態檢測為主，這對養路工人的經驗以及責任心有較高的要求，而且很難保證結果的準確性和客觀性；隨著我國軌道交通事業的蓬勃發展，傳統的巡邏檢測作業方式己經不能正常地滿足鐵路運輸安全的需求，所以我們亟需有一種快速、準確的鐵路養護方法以保證鐵路的安全運營，為了適應我國鐵路發展的要求和解決鐵路道路養護中存在的實際問題，研究運用于鐵路道路安全巡檢的自動化設備提上了日程。

隨著基于計算機視覺的非接觸式檢測技術的發展，圖像處理技術漸漸地被應用到鐵路線路的狀態檢測中來， 法國、美國、德國、日本等國家已長期致力于采用計算機圖像技術實現軌道結構部件的視覺檢測，我國近年來也開始自主研制裝載了鐵路視覺檢測系統的綜合檢測車[1]。文章主要研究目的就是為后續的軌枕狀態檢測提供可靠的、精確度高的軌枕分割圖像。

1 圖像采集處理系統設計

該系統一般由攝像采集系統和圖像處理系統兩部分構成。

1.1 攝像采集系統

攝像采集系統主要由高速CCD相機和照明系統構成。攝像系統負責采集軌道存儲圖像并將圖像發送到后端進行處理；照明系統則負責在光照條件差的時候提供均勻、穩定的光照。

1.2 圖像處理系統

圖像處理系統一般由工控機構成。主要功能有：（1）鐵路圖像預處理：為了突出圖像中的軌枕區域，抑制或消除不必要的信息，我們通常用濾波去噪的方式來提高圖像質量。（2）定位與圖像分割：采用邊緣檢測和區域掃描統計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。系統示意圖如圖1所示。

2 圖像預處理

在進行圖像數據采集時，由于采集圖像的質量有限，為了能使效果達到最好，需要進行相應的預處理操作改善圖像質量，以便后續的處理工作得到更好的識別效果。預處理技術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：將灰度圖像轉化為只有0和1兩個值的圖像的過程。（2）圖像濾波：選擇合適的濾波算法進行濾波處理，使圖像更加清晰，提高圖像質量。（3）圖像壓縮：通常由于系統本身計算存儲能力有限，需要對原始圖像進行壓縮處理。

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，運算量大，為了突出我們所關心的軌枕區域，因此首先需要對圖像進行一系列預處理操作，排除掉鋼軌、道砟等我們不關心的因素，再定位并裁剪出軌枕。

在軌枕表面區域，灰度只在垂直方向上有明顯跳變，在水平方向是連續的； 而鋼軌以外的區域，道砟的紋理比較復雜，在各個方向都存在跳變，可以根據這個特征找到軌枕邊緣，同理，找到鋼軌兩內側邊緣便可分割提取出軌枕圖像[2]。

具體步驟為：

（1）利用Laplacian邊緣檢測算法對圖像進行邊緣檢測，邊緣檢測閾值由Otsu方法確定；（2）采用區域掃描統計法，以軌枕寬度為區域寬度，在二值圖像上從上向下區域掃描，統計區域內的亮點數目，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

Laplacian算子來源于Marr視覺理論中提出的邊緣提取思想[3]，即為了盡可能實現對噪聲最大程度上的抑制，首先對原始圖像進行濾波處理，然后再對濾波后的圖像進行邊緣檢測，對圖像的處理過程采用的是二維高斯函數G（x，y）：

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

用該Laplacian算子對輸入圖像I（x，y）進行卷積運算后，輸出圖像為：

按照Laplacian算子計算方法對圖像進行邊緣檢測后，其檢測結果如圖2所示。

3.3 軌枕區域提取

根據前文所述區域掃描統計法，提取軌枕所在區域。針對文章的圖像大小，設置軌枕寬度為w，大小約為55像素；為方便掃描作圖將圖像逆時針翻轉90度。以軌枕的像素寬度w為區域掃描統計寬度，在水平方向自左而右進行區域掃描，得到在垂直方向上的亮點統計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行區域掃描，得到在垂直方向上的亮點統計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，掃描結果的橫坐標最小值為65，為軌枕的上邊界；掃描結果的橫坐標的最小值為122，為軌枕的下邊界，即求得軌枕的像素寬度為57像素。同理，可以得到軌枕的長度左右邊界分別為60和507，即求得軌枕長度的像素寬度為447像素。因此，將軌枕圖像大小統一設為60*450像素。對灰度圖像和邊緣檢測結果進行區域截取，結果如圖5所示。

4 結束語

圖像分割不僅是一種基本的計算機視覺技術，更是對圖像的研究從圖像處理階段進階到圖像分析階段的關鍵步驟[5]。軌枕圖像分割的好壞不僅對后續軌枕狀態的檢測性能的提高有著重要影響，而且也直接關系著鐵路自動化巡檢系統的實用價值。文章采用高速CCD相機采集軌道圖像，首先對原始圖像進行灰度化、濾波處理，其次在對圖像進行Laplacian算子邊緣處理后采用區域掃描統計法對軌枕位置進行定位，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，為后續的軌枕狀態檢測提供可靠保障。

參考文獻

[1]李海浪.高速綜合檢測列車視頻監測系統[J].鐵路技術創新，2012（1）：20-22.

[2]官鑫，趙智雅，高曉蓉.圖像處理技術在鋼軌表面缺陷檢測和分類中的應用[J].鐵路計算機應用，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]嚴國萍，何俊峰.高斯-拉普拉斯邊緣檢測算子的擴展研究[J].華中科技大學 學報（自然科學版），2006，10.

[5]章毓晉.圖像工程：圖像理解[M].北京：清華大學出版社，2010.