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。在對灰度圖像進(jìn)行Laplacian邊緣檢測處理后采用區(qū)域掃描定位法對軌枕位置進(jìn)行定位，提取軌枕圖像，以期應(yīng)用到后續(xù)狀態(tài)檢測中。

關(guān)鍵詞：軌枕圖像分割；Laplacian算子；邊緣檢測；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)工作對于軌道交通系統(tǒng)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(yǎng)護(hù)工作一直以人工和靜態(tài)檢測為主，這對養(yǎng)路工人的經(jīng)驗以及責(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；隨著我國軌道交通事業(yè)的蓬勃發(fā)展，傳統(tǒng)的巡邏檢測作業(yè)方式己經(jīng)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(zhǔn)確的鐵路養(yǎng)護(hù)方法以保證鐵路的安全運營，為了適應(yīng)我國鐵路發(fā)展的要求和解決鐵路道路養(yǎng)護(hù)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(shè)備提上了日程。

隨著基于計算機(jī)視覺的非接觸式檢測技術(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)檢測中來， 法國、美國、德國、日本等國家已長期致力于采用計算機(jī)圖像技術(shù)實現(xiàn)軌道結(jié)構(gòu)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(tǒng)的綜合檢測車[1]。文章主要研究目的就是為后續(xù)的軌枕狀態(tài)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(tǒng)設(shè)計

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提高圖像質(zhì)量。（2）定位與圖像分割：采用邊緣檢測和區(qū)域掃描統(tǒng)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(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，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1兩個值的圖像的過程。（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)本身計算存儲能力有限，需要對原始圖像進(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，在各個方向都存在跳變，可以根據(jù)這個特征找到軌枕邊緣，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邊緣檢測算法對圖像進(jìn)行邊緣檢測，邊緣檢測閾值由Otsu方法確定；（2）采用區(qū)域掃描統(tǒng)計法，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)計區(qū)域內(nèi)的亮點數(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

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(xiàn)對噪聲最大程度上的抑制，首先對原始圖像進(jìn)行濾波處理，然后再對濾波后的圖像進(jìn)行邊緣檢測，對圖像的處理過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，即決定了其開口范圍的大小，對該函數(shù)取拉普拉斯變換，即對高斯函數(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算子對輸入圖像I（x，y）進(jìn)行卷積運算后，輸出圖像為：

按照Laplacian算子計算方法對圖像進(jìn)行邊緣檢測后，其檢測結(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)計法，提取軌枕所在區(qū)域。針對文章的圖像大小，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針翻轉(zhuǎn)90度。以軌枕的像素寬度w為區(qū)域掃描統(tǒng)計寬度，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統(tǒng)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(jìn)行區(qū)域掃描，得到在垂直方向上的亮點統(tǒng)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(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(tǒng)一設(shè)為60*450像素。對灰度圖像和邊緣檢測結(jié)果進(jìn)行區(qū)域截取，結(jié)果如圖5所示。

4 結(jié)束語

圖像分割不僅是一種基本的計算機(jī)視覺技術(shù)，更是對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后續(xù)軌枕狀態(tài)的檢測性能的提高有著重要影響，而且也直接關(guān)系著鐵路自動化巡檢系統(tǒng)的實用價值。文章采用高速CCD相機(jī)采集軌道圖像，首先對原始圖像進(jìn)行灰度化、濾波處理，其次在對圖像進(jìn)行Laplacian算子邊緣處理后采用區(qū)域掃描統(tǒng)計法對軌枕位置進(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，為后續(xù)的軌枕狀態(tài)檢測提供可靠保障。

參考文獻(xiàn)

[1]李海浪.高速綜合檢測列車視頻監(jiān)測系統(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和分類中的應(yīng)用[J].鐵路計算機(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)國萍，何俊峰.高斯-拉普拉斯邊緣檢測算子的擴(kuò)展研究[J].華中科技大學(xué) 學(xué)報（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.