基于改進Canny算子的鐵軌邊緣檢測方法

李丹丹，侯 濤，魏世鵬,2

（1.蘭州交通大學 自動化與電氣工程學院，甘肅 蘭州 730070；2.中國人民解放軍部隊，甘肅 定西 730500）

基于改進Canny算子的鐵軌邊緣檢測方法

李丹丹1，侯 濤1，魏世鵬1,2

（1.蘭州交通大學 自動化與電氣工程學院，甘肅 蘭州 730070；2.中國人民解放軍部隊，甘肅 定西 730500）

邊緣檢測是鐵軌異物入侵檢測的關鍵技術，針對鐵軌圖像邊緣檢測效果不佳的問題，設計了一種基于改進Canny算子的邊緣檢測算法。通過極值中值濾波平滑圖像，提出加權系數梯度幅值和方向計算方法，并采用改進的迭代式閾值分割方法來確定Canny算子的最優高、低閾值，從而實現鐵軌邊緣的精確檢測。對檢測結果進行定性定量分析，結果表明，該方法提高了邊緣檢測定位精度，有較好的連續性、抗噪性能和清晰度。

鐵軌；邊緣檢測；Canny算子；加權系數；迭代式閾值分割

隨著我國鐵路的發展，列車車速不斷提高，采用具有實時性的鐵路路障檢測系統來保障列車安全行駛是未來發展的必然趨勢[1]。而鐵軌邊緣檢測是鐵軌異物入侵檢測系統的關鍵技術，鐵軌異物入侵系統根據檢測到的鐵軌邊緣劃定異物入侵范圍從而實現異物的準確檢測。

傳統的邊緣檢測算子有Sobel、Prewitt、Roberts和Canny算子等，隨著人工智能的發展和實際應用的需求，近年來，研究學者提出了許多新的邊緣檢測算法[2]。文獻[3]提出基于多方向梯度邊緣預測器邊緣檢測方法，文獻[4]提出結合小波融合和形態學的圖像邊緣檢測方法，文獻[5]提出了自適應Can?ny算子邊緣檢測技術，文獻[6]提出了一種改進Canny邊緣檢測算法，文獻[7]提出基于Canny邊緣檢測和聚合連接法的檢測方法。以上方法都有一定的優點，但是也有不足之處，文獻[3]在實現快速檢測的同時不能提高檢測結果的清晰度，文獻[5]和文獻[6]在實現自適應的同時不能保證有效的抗噪性能，文獻[4]和[7]實現了圖像連續、完整的邊緣檢測，但算法復雜。本文考慮了鐵軌圖像邊緣檢測的特點后，在深入研究Canny算子的基礎上提出了一種改進的Canny邊緣檢測方法，實現了一種抗噪性能好、檢測精度好、清晰度高的圖像邊緣檢測方法。

1 傳統Canny邊緣檢測算法

傳統Canny算法通過濾波、增強、檢測和定位完成對圖像的邊緣檢測，滿足迄今Canny提出的最為嚴格的邊緣檢測準則：信噪比準則、定位精度準則、單邊響應準則[8]。它具有良好的方向性和邊緣強度，并且算法簡單，邊緣定位性能較高，其流程框圖如圖1所示。

圖1 Canny邊緣檢測算法流程框圖

除此之外，Canny算法也存在一些不足：采用高斯濾波平滑圖像，對沖擊噪聲的抑制效果很差，容易丟失圖像細節；在2×2鄰域內求有限差分計算梯度幅值，對噪聲較敏感，容易檢測出偽邊緣[9]，檢測結果粗糙；同時人為設定高低閾值來檢測圖像邊緣，自適應能力差等。如何處理這些問題一直是圖像處理研究中的難點和熱點。

2 改進Canny邊緣檢測算法

2.1 極值中值濾波去噪算法

對于一幅要處理的原圖像，往往是信號和噪聲共同存在，最大限度地保留信號、消除噪聲是對一幅圖像進行預處理的關鍵。極值中值濾波算法[10]根據噪聲的特點，給出了判斷圖像中像素的信號點Signal和噪聲點Noise的標準，并分別對其進行處理：某點的灰度值如果為鄰域的最小值或最大值，則該點為噪聲，如果大于鄰域的最小值并小于最大值，則該點為信號。該算法的噪聲判斷標準和濾波方法原理用數學公式表示如下：

1）噪聲判斷標準

式中：矩陣[xij]表示一幅數字化的圖像；W[xij]表示以點(i,j)為中心對圖像中的點xij做窗口操作；min( ) W[xij]表示對窗口W[xij]內的所有點取最小值；max( ) W[xij]表示對窗口W[xij]內的所有點取最大值。

2）濾波方法

式中：med[W(xij)]表示對窗口W[xij]內的所有點取中值；yij為圖像[xij]經過中值濾波后的圖像。

極值中值濾波代替高斯濾波平滑圖像，不僅可以克服高斯濾波平滑圖像帶來的圖像過度模糊，而且可以有效地提高抗噪性能，保持較好的輸出信噪比，有利于圖像的進一步處理。

2.2 加權系數梯度幅值和方向計算方法

傳統的Canny算法通過在2×2領域內求有限差分來計算梯度幅值，該方法對噪聲比較敏感[11]。本文算法改進了傳統梯度幅值的計算方法，提出在3×3鄰域內計算梯度幅值和方向，并對x,y方向確定的圖像梯度幅值和方向與45°，135°方向確定的圖像梯度幅值和方向引入加權系數，通過調整加權系數來確定最終的圖像梯度，過程如下：

1）x與y方向確定的梯度幅值計算

x方向偏導數

y方向偏導數

求得梯度幅值為

梯度方向為

2）45°與135°方向確定的梯度幅值計算

45°方向偏導數

135°方向偏導數

求得梯度幅值為

梯度方向為

3）計算加權系數梯度幅值和方向

梯度幅值為

梯度方向為

該方法將圖像像素45°與135°方向考慮在內，增加了計算像素偏導數的方向，并提出用加權求和的方法確定最終的圖像梯度，提高了邊緣定位精度。

2.3 改進迭代法閾值分割

閾值分割是根據圖像中目標和背景在灰度特性上的差異，利用閾值把圖像灰度值分為不同的等級，通過設置灰度區間來分割圖像邊界，閾值的選擇要滿足劃分目標和背景的錯誤分割的圖像像素點數為最小[12]。本文采用改進迭代式閾值分割方法來確定高低閾值，通過圖像中最大與最小灰度值的均值將圖像分為高灰度值區域S1和低灰度值區域S2，并采用迭代法在S1中和S2中分別求得最優閾值T3和T4，T3即為高閾值，T4即為低閾值。該改進方法，可以有效降低噪聲的影響，在消除無用信息的同時可以最大限度地保留有用信息，并且具有一定的自適應性。改進算法步驟如下：

1）令初始閾值T0=(Zmax+Zmin)/2，其中Zmax為圖像的最大灰度值，Zmin為圖像的最小灰度值。

2）采用閾值T0將圖像分割成兩部分：灰度值大于T0的像素組成高灰度值區域S1，灰度值小于或等于T0的像素組成低灰度值區域S2。

3）設定參數T1，求出高灰度值區域S1中的最大灰度值Y1和最小灰度值Y2，并令閾值T2=(Y1+Y2)/2。

4）根據閾值T2將高灰度區域S1分割為前景和背景，分別計算出兩者的平均灰度值U1和U2

式中：Y(i,j)是圖像上(i,j)點的灰度值；N(i,j)是點(i,j)的權重系數。

5）求出新的閾值T3=(U1+U2)/2。

6）若 ||T3-T2＜T1，則推出，T3即為最優高閾值；否則，將T3賦值給T2，重復3）～5），直到獲取最優高閾值。

7）按照與步驟3）～7）同樣的方法在低灰度值區域中求取最優低閾值T4。

2.4 改進Canny邊緣檢測算法實現

本文通過采用極值中值濾波消除噪聲，在保留有用信息的同時提高了圖像的清晰度，同時提出加權系數梯度幅值和方向計算方法，并采用改進的迭代式閾值分割方法確定高低閾值，能達到更精確的鐵軌邊緣檢測效果，改進后算法實現流程框圖如圖2所示。

圖2 改進Canny算法流程框圖

3 仿真結果與分析

3.1 結果定性對比分析

為了檢驗本文算法的有效性，在MATLAB仿真軟件中，分別采用Sobel算法、prewitt算法、Soberts算法、Log算法、傳統Canny算法、文獻[11]算法和改進Canny算法對鐵軌圖像進行邊緣檢測驗證。

圖3是鐵軌灰度圖。圖4a～圖4f分別為采用Sobel算法、Roberts算法、Log算法、傳統Canny算法、文獻[11]算法和本文算法檢測得到的鐵軌邊緣圖像。對比圖4中所有的檢測結果可以看出：Sobel算子和Roberts算子檢測的鐵軌圖像均含有較多無用信息，并且檢測的鐵軌邊緣不夠連續光滑，有斷續現象；Log算子檢測的鐵軌圖像含有較多噪聲和偽邊緣；傳統Canny算子檢測的鐵軌圖像無用信較少，但有漏檢現象；文獻[11]算法檢測的鐵軌圖像比較光滑連續，仍然含有較多噪聲；相比之下，文中算法檢測的鐵軌圖像較為清晰、完整，而且有較好的連續性和完整性，偽邊緣極少，整體輪廓較好，方便鐵軌異物檢測系統的下一步處理。

圖3 鐵軌灰度圖

圖4 鐵軌邊緣檢測

3.2 結果定量對比分析

選用圖像邊緣清晰度[13]（Image Edge Definition，IED）作為評價邊緣檢測指標，其值越高，邊緣信息越清晰。定義如下：

式中，P(i,j)表示邊緣檢測圖像坐標為(i,j)的像素值。N，M表示圖像矩陣的行列數。依據式（15）分別計算圖4中各個鐵軌邊緣圖像的清晰度，結果見表1。

表1 圖像邊緣檢測結果清晰度對比

由表1可以看出，文獻[11]算法檢測的鐵軌圖像效果雖然優于傳統Canny算子檢測的鐵軌圖像，但IED卻沒有傳統Can?ny算子高，本文算法檢測得到的鐵軌圖像的IED不但高于So?bel、Roberts、Log算法，而且高于傳統Canny算法和文獻[11]算法檢測的鐵軌圖像的IED，佐證了定性分析中的結果。

4 結論

本文針對鐵軌異物入侵檢測系統的需要，提出了一種基于改進Canny算子的鐵軌邊緣檢測算法，針對Canny算子在濾波、梯度計算和雙閾值邊緣檢測的不足，對傳統Canny算法進行了改進。經過MATLAB仿真驗證表明：本文算法有效地抑制了噪聲，較好地保留了鐵軌圖像的有用信息，減少了偽邊緣，提高了清晰度，能夠檢測出清晰、光滑、連續、較完整的鐵軌邊緣，在鐵軌異物入侵檢測系統中有較強的實用性。

[1] 張霞，黨建武，馬宏鋒.基于雙結構元素數學形態學的鐵軌圖像邊緣檢測方法[J].鐵路計算機應用[J]，2011，20（5）：28-31.

[2]李國寧，李沛奇，王燕芩.基于改進蟻群算法的軌道圖像邊緣檢測方法[J].傳感器與微系統，2013，32（6）：130-133.

[3] 黨向盈，鮑蓉，姜代紅.基于多方向梯度邊緣預測器快速邊緣檢測算法[J].計算機應用，2013，33（3）：674-676.

[4] 黃劍玲，鄒輝.結合小波融合和形態學的圖像邊緣檢測方法[J].計算機工程與應用，2012，48（19）：187-189.

[5]李玫，閆繼紅，李戈，等.自適應Canny算子邊檢測技術[J].哈爾濱工程大學學報，2007，28（9）：1002-1007.

[6] 周志宇，劉迎春，張建新.基于自適應Canny算子的柑橘邊緣檢測[J].農業工程學報，2008，24（3）：21-24.

[7] 彭飛，陳維榮，冒波波，等.基于Canny邊緣檢測和聚合接續法的路軌邊緣提取方法[J].鐵道學報，2012，34（2）：52-57.

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

[9]王小俊，劉旭敏，關永.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.

[10] 邢藏菊，王守覺，鄧浩江，等.一種基于極值中值的新型濾波算法[J].中國圖像圖形學報，2001，6（6）：533-536.

[11]米林，馬亞洲，郝建軍，等.一種基于Ca-nny理論的邊緣提取改進算法[J].重慶理工大學學：自然科學版，2010，24（5）：54-58.

[12]楊丹，趙海濱，龍哲，等.MATLAB圖像處理實例詳解[M].北京：清華大學出版社，2013.

[13]李哲濤，李仁發，謝井雄.基于全向小波的圖像邊緣檢測算法[J].電子學報，2012，40（12）：2451-2454.

Image Edge Detection Method Based on Improved Canny Algorithm for Rail

LI Dandan1，HOU Tao1，WEI Shipeng1,2
（1.School of Automation and Electrical Engineering,Lanzhou Jiaotong University,
Lanzhou 730070,China;2.The Chinese People’s Liberation Army,Gansu Dingxi 730500,China）

Edge extraction is the key technology of rail foreign intrusion detection,aiming at poor results for edge detedtion of railway,an improved Canny edge detection algorithm is proposed.The smooth of rail images is completed by extremum median filter,furthermore,one method of weighting coefficient is put forward,which is used to computer gradient amplitude and direction,and the improved iteration arithmetic is used to produce the optimal high and low threshold,so as to achieve the accurate detection of the rail edge.The quailtative and quantitative analysis of detection results show that this method can improve edge positioning precision as well as has good connectivity,strong anti-noise performance and definition.

railway;edge detection;Canny algorithm;weighting coefficient;iteration arithmetic threshold methods

TP391

A

10.16280/j.videoe.2015.08.014

李丹丹（1986—），女，碩士，主研數字圖像處理及應用；

2014-10-16

【本文獻信息】李丹丹，侯濤，魏世鵬.基于改進Canny算子的鐵軌邊緣檢測方法[J].電視技術，2015，39（8）.

甘肅省自然科學基金項目（1308RJZA116）；甘肅省高等學校科研項目（2013A-051）；蘭州交通大學科技支撐計劃項目（ZC2013004）

侯 濤（1975—），副教授，主要從事智能控制與智能信息處理研究。

責任編輯：閆雯雯