CN106355185A - 一种振动条件下快速提取钢轨表面区域的方法 - Google Patents

Abstract

本发明公开了一种振动条件下快速提取钢轨表面区域的方法，包括以下步骤：S1图像采集以及预处理；S2图像阈值分割；S3提取钢轨表面区域的连通分量：通过设置阈值分割后二值图像的8邻接连通分量的面积与周长阈值，提取包含钢轨表面区域的连通分量；S4、提取钢轨表面边界直线：采用Hough变换提取轨面边缘图像中存在的直线线段，并删除偏转角度较大的线段；S5提取钢轨表面边界参考点；S6轨面边界直线拟合修正；S7根据修正后的偏转角度对图像进行旋转仿射变换。通过与现有几种典型的轨面提取算法对比，本方法的速度、精度及稳定性均具有明显优势，更适用于高速自动化轨面缺陷分割方法中。

Description

一种振动条件下快速提取钢轨表面区域的方法

技术领域

本发明属于图像处理技术领域，具体指一种振动条件下快速提取钢轨表面区域的方法。

背景技术

随着列车高速、重载、高密度的运行，列车对钢轨会产生不同程度的伤损。当伤损超过一定限度后会使列车产生剧烈振动，不仅会导致列车的重要连接件松动，而且会影响传感器寿命，更有可能会使列车车轮表面不光滑或车轮变形进而形成恶性循环。因此，及时了解钢轨运行状况并进行相应的维护修理，对于确保安全、连续的铁路运营是十分必要的。

目前，国内钢轨缺陷检测方法主要有人工巡视法、电涡流法、磁粉法、视觉检测法。其中，人工巡视法因受外界环境和员工主观因素影响较大，检测效率低，检测精度不高；电涡流法检测速度慢，且需要人员实时跟进，检测的自动化程度较低；磁粉法检测虽然灵敏度高，但缺陷显示不够直观，且检测速度较慢；而视觉检测法可通过图像处理技术与模式识别算法对钢轨表面缺陷区域进行检测并识别分类，具有高速度、高精度、高自动化的特性。因此，研究基于铁轨图像的缺陷自动检测技术具有重要的现实意义。

在视觉检测法过程中，利用工业相机采集的钢轨图像中通常含有大量的无关区域，如：砟石、树叶、轨底、轨枕等，不仅冗余数据量大，而且对于轨面缺陷的精确分割以及后续的缺陷识别易产生严重的干扰。因此，在分割钢轨表面缺陷前通常需要先提取出钢轨表面区域。现有的轨面提取算法大都基于轨面灰度阈值，如龙建武等利用图像中轨面区域灰度值高，非轨面区域灰度值低及钢轨宽度不变的特点，提出了对轨面列灰度直方图最小值法提取钢轨区域。Dimitris Samaras等则首先通过边缘检测算法提取轨面边缘，进而定位钢轨表面区域；Orhan Yaman等先对图像进行阈值分割，然后通过提取阈值分割后图像的边缘来定位钢轨表面区域。上述轨面区域提取算法在轨检车剧烈振动、相机偏转、钢轨弯道等环境因素的影响下，存在误提取以及漏提取的现象，均不能精确、快速地提取钢轨表面区域。鉴于此，本发明提供一种复杂条件下准确、快速提取钢轨表面区域的方法，以解决上述技术问题。

发明内容

针对钢轨表面区域提取时易受振动、相机偏转、钢轨弯道等因素影响，导致误提取、漏提取、提取不精确的问题，本发明提供了一种振动条件下快速提取钢轨表面区域的方法，确保在复杂环境影响下，能快速、精确、稳定提取钢轨表面区域。

本发明通过以下技术方案来实现上述目的：

一种振动条件下快速提取钢轨表面区域的方法，具体包括以下步骤：

S1、图像采集以及预处理：通过图像采集装置采集钢轨图像，并通过滤波算法和图像增强算法对采集的图像进行预处理，以增强图像中钢轨边缘的轮廓及轨面缺陷的边缘；

S2、图像阈值分割：分析钢轨图像的灰度直方图特征，确定合适的阈值对图像进行二值化；

S3、提取钢轨表面区域的连通分量：通过设置阈值分割后二值图像的8邻接连通分量的面积与周长阈值，提取包含钢轨表面区域的连通分量；

S4、提取钢轨表面边界直线：采用Hough变换提取轨面边缘图像中存在的直线线段，并删除偏转角度大于5°的线段；

S5、提取钢轨表面边界参考点：在步骤4中提取的各直线线段上等间距选择参考点，并根据各线段的位置确定上边界参考点集合和下边界参考点集合；

S6、轨面边界直线拟合修正：拟合上下边界直线的斜率，得到边界直线的偏转角度，再根据偏转方向和偏转幅度对轨面边界进行修正；

S7、图像仿射变换：根据修正后的偏转角度对图像进行旋转变换。

作为本案的优化方案，上述步骤4中，Hough变换是基于点与线的对偶性检测直线，在直角坐标系中直线l到坐标原点的垂直距离为ρ，该直线的垂线与x轴的夹角为θ，则该直线方程为：xcosθ+ysinθ＝ρ(1)，采用Hough变换提取轨面边界直线，具体包括以下步骤：

1)将(ρ,θ)空间量化，得到二维矩阵M(ρ,θ)，M(ρ,θ)为累加器，初始值为0；

2)对图像边缘上的每一个点(x_i,y_i)，将θ的所有量化值代入上述直线方程(1)中计算相应的ρ，并将累加器加1，即M(ρ,θ)＝M(ρ,θ)+1；

3)将全部(x_i,y_i)处理后，分析M(ρ,θ)，并对M(ρ,θ)进行排序，选择前五个最大值作为轨面边界线段的极坐标参数；

4)由(ρ,θ)和(x_i,y_i)共同确定图像中的直线段，并将线段断裂部分连接，即为提取的轨面边界直线。

作为本案的优化方案，上述步骤6中，利用最小二乘法拟合轨面边界直线。

作为本案的优化方案，上述步骤6中，轨面边界直线的修正：拟合后上、下边界直线的偏转方向为P，偏转幅度为Q，则

$P=\left\{\begin{array}{cc}1& ({\mathrm{\θ}}_1>{\mathrm{\θ}}_2>0.5);\\ 2& ({\mathrm{\θ}}_1>0.5,-0.5>{\mathrm{\θ}}_2);\\ 3& ({\mathrm{\θ}}_2>{\mathrm{\θ}}_1>0.5);\\ 4& ({\mathrm{\θ}}_2>0.5,-0.5>{\mathrm{\θ}}_1);\\ 5& (-0.5>{\mathrm{\θ}}_2>{\mathrm{\θ}}_1);\\ 6& (-0.5>{\mathrm{\θ}}_1>{\mathrm{\θ}}_2);\end{array}\right.$

$Q=\left\{\begin{array}{cc}1& \left(\right|{\mathrm{\&theta;}}_1-{\mathrm{\&theta;}}_2|<0.5);\\ 2& \left(\right|{\mathrm{\&theta;}}_1-{\mathrm{\&theta;}}_2|\&GreaterEqual;0.5).\end{array}\right.$

根据不同的P与Q值，对上、下边界进行修正变换；具体方法如下：

1)当Q＝1时,令θ₁＝θ₂；

2)当Q＝2，P＝1或P＝2时，θ₁沿顺时针旋转|θ₁-θ₂|/2，θ₂沿逆时针时针旋转|θ₁-θ₂|/2；P＝3或P＝4时，θ₁沿逆时针旋转|θ₁-θ₂|/2，θ₂沿顺时针时针旋转|θ₁-θ₂|/2；P＝5或P＝6时，θ₁沿逆时针旋转|θ₁-θ₂|/2，θ₂沿顺时针时针旋转|θ₁-θ₂|/2；

3)当Q＝3时，令θ₁＝0或θ₂＝0；

4)当Q＝4时，不做修改变换。

作为本案的优化方案，上述步骤2中，图像灰度阈值优选为40对图像进行二值化处理。

本发明的有益效果是：在轨面区域提取中，现有方法主要是利用轨面灰度与砟石及轨枕等无关区域的灰度差异性，或利用轨面列灰度值突变的特征来提取，前者不能解决当钢轨在轨头磨耗、轨头压溃等伤损时，存在轨面区域漏提取的问题；后者不能解决在采集装置振动或钢轨弯道，也即采集的钢轨图像中轨面区域相对于整幅图像未处于水平或竖直方向时，存在轨面区域漏提取及误提取的问题。本发明利用钢轨具有线路长、形状特定的特征，采用Hough变换原理提取轨面的边界线段，并利用最小二乘法对线段进行拟合以提取轨面区域，然后对提取的轨面区域进行旋转变换，最终使得提取的轨面区域图像处于水平方向，解决了受图像采集装置振动或钢轨弯道等原因导致的轨面区域漏提取及误提取的问题；通过与现有几种典型的轨面提取算法对比，方法的速度、精度及稳定性均具有明显优势，更适用于高速自动化轨面缺陷分割方法中。

具体实施方式

实施例：

为了使本发明的目的、内容及优点更加清楚明白，选用钢轨图像采集装置采集的300张混凝土轨枕的钢轨图像及300张木枕的钢轨图像，本发明的具体实施步骤如下所示：

一：图像预处理

将采集的钢轨图像均转化为灰度图像，并采用Bilateral滤波器对图像进行滤波预处理，以增强图像中钢轨边缘的轮廓及轨面缺陷的边缘，其中Bilateral滤波器通过滤波算法和图像增强算法对采集的图像进行预处理；

二：钢轨表面区域粗提取，包括图像阈值分割、二值化、连通分量提取：

1)分析灰度化后的钢轨图像灰度直方图特征，确定合适的阈值对图像进行二值化，图像灰度阈值优选为40对图像进行二值化处理；本案在图像采集装置上设置遮光罩，由于遮光罩的作用，使得图像采集视场基本不受自然光线的影响，且图像边缘特征较为突出，因此阈值可根据多次实验进行选择。

2)对二值化后的图像依次标注8邻接连通分量，并计算各连通分量的面积(即区域总像素数)与周长(即区域边缘像素数)，通过设置面积、周长的阈值提取包含钢轨表面区域的连通分量；

3)对提取的包含轨面区域的连通分量区域进行开运算、闭运算、取最小外接矩形等操作提取出包含钢轨表面的矩形区域，并对该矩形区域的上下边界进行适当的扩充。

三：采用Hough变换提取轨面边界直线线段，并删除偏转角度大于5°的线段；

Hough变换检测直线的基本思想是点与线的对偶性，即在直角坐标系中存在一条直线l，该直线到原点的垂直距离为ρ，该直线的垂线与x轴的夹角为θ，则该直线方程为：

xcosθ+ysinθ＝ρ

具体地，采用Hough变换提取轨面边界直线包括以下步骤：

1)将(ρ,θ)空间量化，得到二维矩阵M(ρ,θ)，M(ρ,θ)为累加器，初始值为0；

2)对图像边缘上的每一个点(x_i,y_i)，将θ的所有量化值代入(1)式中计算相应的ρ，并将累加器加1，即M(ρ,θ)＝M(ρ,θ)+1；

3)将全部(x_i,y_i)处理后，分析M(ρ,θ)，为了能在提取出轨面真实边界线段的情况下，达到干扰线段最少的效果，经过大量实验，本文首先对M(ρ,θ)进行排序，最终然后选择前五个最大值作为轨面边界线段的极坐标参数；

4)由(ρ,θ)和(x_i,y_i)共同确定图像中的线段，并将断裂部分连接。

四：选取轨面边缘参考点：

从线段左端点起，在各线段上选取n_s个纵坐标点y_ls,y_ls+d,y_ls+2*d,y_ls+3*d,…,y_ls+(n_s-1)d(其中当y_ls+(n-1)d≥y_rs时，最后一个点纵坐标取y_rs)，将纵坐标代入相应线段的直线方程：y＝k_sx+b_s便可得到各参考点的横坐标。

根据线段的归属情况可得到上边界参考点集合：((x_u1,y_u1),(x_u2,y_u2),…,(x_um,y_um))及下边界参考点集合：((x_d1,y_d1),(x_d2,y_d2),…,(x_dn,y_dn))。

五：利用最小二乘法拟合轨面边缘直线方法

利用最小二乘法可拟合得到轨面上边界直线方程：y＝k_ux+b_u及下边界直线方程：y＝k_dx+b_d。

六：轨面边缘修正变换

根据拟合后上下边界直线的偏转角度及方向，定义P为偏转方向，Q为偏转幅度，具体定义如下所示：

$P=\left\{\begin{array}{cc}1& ({\mathrm{\&theta;}}_1>{\mathrm{\&theta;}}_2>0.5);\\ 2& ({\mathrm{\&theta;}}_1>0.5,-0.5>{\mathrm{\&theta;}}_2);\\ 3& ({\mathrm{\&theta;}}_2>{\mathrm{\&theta;}}_1>0.5);\\ 4& ({\mathrm{\&theta;}}_2>0.5,-0.5>{\mathrm{\&theta;}}_1);\\ 5& (-0.5>{\mathrm{\&theta;}}_2>{\mathrm{\&theta;}}_1);\\ 6& (-0.5>{\mathrm{\&theta;}}_1>{\mathrm{\&theta;}}_2);\end{array}\right.$

$Q=\left\{\begin{array}{cc}1& \left(\right|{\mathrm{\&theta;}}_1-{\mathrm{\&theta;}}_2|<0.5);\\ 2& \left(\right|{\mathrm{\&theta;}}_1-{\mathrm{\&theta;}}_2|\&GreaterEqual;0.5).\end{array}\right.$

针对不同的P与Q，本文采取的策略是先对上、下边界进行修正变换，具体方法如下：

1)当Q＝1时,令θ₁＝θ₂；

2)当Q＝2，P＝1或P＝2时，θ₁沿顺时针旋转|θ₁-θ₂|/2，θ₂沿逆时针时针旋转|θ₁-θ₂|/2；P＝3或P＝4时，θ₁沿逆时针旋转|θ₁-θ₂|/2，θ₂沿顺时针时针旋转|θ₁-θ₂|/2；P＝5或P＝6时，θ₁沿逆时针旋转|θ₁-θ₂|/2，θ₂沿顺时针时针旋转|θ₁-θ₂|/2；

3)当Q＝3时，令θ₁＝0或θ₂＝0；

4)当Q＝4时，不做修改变换。

七：轨面图像旋转变换

采用仿射变换对图像进行旋转，其中旋转变换的定义为：在(w,z)坐标系上的图像F经过旋转变换产生了定义在(x,y)坐标系上的图像f，该坐标系可以表示为：

$\left(\begin{array}{c}x\\ y\\ 1\end{array}\right)=\left(\begin{array}{ccc}cos\mathrm{\&theta;}& sin\mathrm{\&theta;}& 0\\ -sin\mathrm{\&theta;}& cos\mathrm{\&theta;}& 0\\ 0& 0& 1\end{array}\right)\left(\begin{array}{c}w\\ z\\ 1\end{array}\right)$

钢轨表面区域提取：对钢轨图像边缘修正后上边界线段AB所在直线方程为：y＝k_fx+b_uf，下边界线段CD所在直线方程为：y＝k_fx+b_df，由此可得上边界线段端点坐标：A(0,b_uf)，B(640,640k_f+b_uf)，下边界线段端点坐标:C(0,b_df)，D(640,640k_f+b_df)，将以上四个点坐标代入式(4)中可得到旋转后钢轨表面边界线段的端点坐标：A'(x₁,y₁),B'(x₂,y₁),C'(x₃,y₂),D'(x₄,y₂)。由于旋转会删除轨面左右边缘部分，因此可根据不同的旋转方向重新定义各端点的取值，具体取值如下式所示：

$(x_1,x_4)=\left\{\begin{array}{cc}{x}_1=x_1,x_4=640& \mathrm{\&theta;}>0;\\ x_1=0,x_4=x_4& \mathrm{\&theta;}<0.\end{array}\right.$

通过Hough变换检测的线段端点为图像像素坐标，其值为整数，而采用直线拟合及仿射变换后的线段端点可能存在小数，为了能直接提取钢轨表面区域像素点坐标，四个端点的坐标值直接向上取整，如x或y为1.1时，其值取2，由此可得最终的钢轨表面区域的四个端点A'(x₁,y₁),E(x₄,y₂),F(x₁,y₃),D'(x₄,y₄)坐标值。

最后，利用提取时间、提取精度、提取稳定性三个标准与现有的两种轨面提取方法对比，证明了本发明方法在提取时间与现有方法相近，但提取精度、提取稳定性明显优于现有方法。并且，本发明提出的轨面提取方法非常适用于快速轨面缺陷检测方法中。

首先结合阈值分割与形态学方法如二值化、连通分量提取对钢轨表面区域进行粗提取，然后通过采用Hough变换提取钢轨表面边缘线段及参考点，再利用直线拟合的方法对钢轨表面边缘进行精确定位，最后再利用仿射变换提取出水平、完整的钢轨表面区域，通过与现有几种典型的轨面提取算法对比，本文的速度、精度及稳定性均具有明显优势，更适用于高速自动化轨面缺陷分割方法中。

以上实施例仅是示例性的，并不会局限本发明，应当指出对于本领域的技术人员来说，在本发明所提供的技术启示下，所做出的其它等同变型和改进，均应视为本发明的保护范围。

Claims (5)

1.一种振动条件下快速提取钢轨表面区域的方法，其特征在于，具体包括以下步骤：

S1、图像采集以及预处理：通过图像采集装置采集钢轨图像，并通过滤波算法和图像增强算法对采集的图像进行预处理，以增强图像中钢轨边缘的轮廓及轨面缺陷的边缘；

S2、图像阈值分割：分析钢轨图像的灰度直方图特征，确定合适的阈值对图像进行二值化；

S3、提取钢轨表面区域的连通分量：通过设置阈值分割后二值图像的8邻接连通分量的面积与周长阈值，提取包含钢轨表面区域的连通分量；

S4、提取钢轨表面边界直线：采用Hough变换提取轨面边缘图像中存在的直线线段，并删除偏转角度大于5°的线段；

S5、提取钢轨表面边界参考点：在步骤4中提取的各直线线段上等间距选择参考点，并根据各线段的位置确定上边界参考点集合和下边界参考点集合；

S6、轨面边界直线拟合修正：拟合上下边界直线的斜率，得到边界直线的偏转角度，再根据偏转方向和偏转幅度对轨面边界进行修正；

S7、图像仿射变换：根据修正后的偏转角度对图像进行旋转变换。

2.根据权利要求1所述的振动条件下快速提取钢轨表面区域的方法，其特征在于：上述步骤4中，Hough变换是基于点与线的对偶性检测直线，在直角坐标系中直线l到坐标原点的垂直距离为ρ，该直线的垂线与x轴的夹角为θ，则该直线方程为：xcosθ+ysinθ＝ρ(1)，采用Hough变换提取轨面边界直线，具体包括以下步骤：

1)将(ρ,θ)空间量化，得到二维矩阵M(ρ,θ)，M(ρ,θ)为累加器，初始值为0；

2)对图像边缘上的每一个点(x_i,y_i)，将θ的所有量化值代入上述直线方程(1)中计算相应的ρ，并将累加器加1，即M(ρ,θ)＝M(ρ,θ)+1；

3)将全部(x_i,y_i)处理后，分析M(ρ,θ)，并对M(ρ,θ)进行排序，选择前五个最大值作为轨面边界线段的极坐标参数；

4)由(ρ,θ)和(x_i,y_i)共同确定图像中的直线段，并将线段断裂部分连接，即为提取的轨面边界直线。

3.根据权利要求1所述的振动条件下快速提取钢轨表面区域的方法，其特征在于：上述步骤6中，利用最小二乘法拟合轨面边界直线。

4.根据权利要求1所述的振动条件下快速提取钢轨表面区域的方法，其特征在于：上述步骤6中，轨面边界直线的修正：拟合后上、下边界直线的偏转方向为P，偏转幅度为Q，则

$P=\left\{\begin{array}{cc}1& ({\mathrm{\&theta;}}_1>{\mathrm{\&theta;}}_2>0.5);\\ 2& ({\mathrm{\&theta;}}_1>0.5,-0.5>{\mathrm{\&theta;}}_2);\\ 3& ({\mathrm{\&theta;}}_2>{\mathrm{\&theta;}}_1>0.5);\\ 4& ({\mathrm{\&theta;}}_2>0.5,-0.5>{\mathrm{\&theta;}}_1);\\ 5& (-0.5>{\mathrm{\&theta;}}_2>{\mathrm{\&theta;}}_1);\\ 6& (-0.5>{\mathrm{\&theta;}}_1>{\mathrm{\&theta;}}_2);\end{array}\right.$

$Q=\left\{\begin{array}{cc}1& \left(\right|{\mathrm{\&theta;}}_1-{\mathrm{\&theta;}}_2|<0.5);\\ 2& \left(\right|{\mathrm{\&theta;}}_1-{\mathrm{\&theta;}}_2|\&GreaterEqual;0.5).\end{array}\right.$

根据不同的P与Q值，对上、下边界进行修正变换；具体方法如下：

1)当Q＝1时,令θ₁＝θ₂；

2)当Q＝2，P＝1或P＝2时，θ₁沿顺时针旋转|θ₁-θ₂|/2，θ₂沿逆时针时针旋转|θ₁-θ₂|/2；P＝3或P＝4时，θ₁沿逆时针旋转|θ₁-θ₂|/2，θ₂沿顺时针时针旋转|θ₁-θ₂|/2；P＝5或P＝6时，θ₁沿逆时针旋转|θ₁-θ₂|/2，θ₂沿顺时针时针旋转|θ₁-θ₂|/2；

3)当Q＝3时，令θ₁＝0或θ₂＝0；

4)当Q＝4时，不做修改变换。

5.根据权利要求1所述的振动条件下快速提取钢轨表面区域的方法，其特征在于：上述步骤2中，图像灰度阈值优选为40对图像进行二值化处理。