基于幾何特性的電氣化鐵路支撐裝置管帽定位算法研究

韓 帥， 王碩禾， 鞏方超

（石家莊鐵道大學(xué) 電氣與電子工程學(xué)院，河北 石家莊 050043）

接觸網(wǎng)懸掛檢測(cè)監(jiān)測(cè)裝置（4C）通過安裝在高速巡檢車車頂?shù)母咚俑咔鍞z像頭采集接觸網(wǎng)懸掛的圖像信息，然后運(yùn)用數(shù)字圖像技術(shù)對(duì)采集的圖片進(jìn)行識(shí)別，判斷支持裝置故障。針對(duì)4C圖像的故障識(shí)別，國(guó)內(nèi)外學(xué)者已經(jīng)做了很多相關(guān)研究。張春春等［1］利用機(jī)器學(xué)習(xí)和幾何特征完成了接觸網(wǎng)定位線夾的狀態(tài)識(shí)別；李巖［2］利用HOG+SVM 完成絕緣子的定位，然后利用灰度統(tǒng)計(jì)特征完成其故障識(shí)別；韓燁等［3］利用HOG 特征與二維Gabor小波變換完成了支撐裝置耳片斷裂故障識(shí)別；但是對(duì)于支撐裝置的管帽定位識(shí)別問題，還沒有學(xué)者做過相關(guān)研究。以北京鐵路局集團(tuán)公司供電部門數(shù)據(jù)采集車采集的4C圖片（4 400×6 600）為研究對(duì)象，提出了一種基于支撐裝置幾何特性的管帽區(qū)域定位算法。

1 預(yù)處理

1.1 直方圖均衡化

由于數(shù)據(jù)采集車是夜間拍攝，會(huì)出現(xiàn)支撐裝置補(bǔ)光不足的情況，使采集到的圖像較暗，整體像素灰度值偏低，對(duì)比度不明顯，如圖1。這會(huì)影響定位的準(zhǔn)確性。因此必須對(duì)該類圖片進(jìn)行處理。

本文采用直方圖均衡化的方法，對(duì)圖像進(jìn)行調(diào)整［4］?；舅枷胧峭ㄟ^灰度級(jí)的概率密度函數(shù)求出灰度變換函數(shù)，從而得到新的圖像灰度，變換函數(shù)如式（1），調(diào)整后結(jié)果如圖2。

式中，ni為灰度值為i的總像素?cái)?shù)；N 為圖像總像素?cái)?shù)；L＝256；Pr（rk）為灰度級(jí)出現(xiàn)的相對(duì)頻數(shù)。

圖1 支撐裝置圖片及其直方圖

圖2 均衡化后支撐裝置圖片及其直方圖

1.2 調(diào)整圖像分辨率

現(xiàn)場(chǎng)采集的圖像為4 400×6 600，對(duì)于圖像處理技術(shù)來(lái)說(shuō)，圖片過于巨大，這會(huì)大大增加算法的運(yùn)算量，嚴(yán)重拖慢算法運(yùn)行速度。因此在預(yù)處理階段可以先降低圖片的分辨率，以縮小后的圖像為對(duì)象繼續(xù)后續(xù)的算法處理［5］。而降低圖像分辨率則必定會(huì)使圖像的某些細(xì)節(jié)信息丟失，因此在降低分辨率的同時(shí)，最大程度的保留細(xì)節(jié)信息是該步的重點(diǎn)。雙線性插值法考慮原始圖像像素之間的關(guān)聯(lián)性，可以保證縮放后圖像的連續(xù)性，不會(huì)出現(xiàn)人為加工的痕跡，可以最大程度的保留圖像的細(xì)節(jié)［6］。

對(duì)于某個(gè)坐標(biāo)，通過向后映射，得到它在原圖中的浮點(diǎn)坐標(biāo)（i+x，j+y），其中，i，j為非負(fù)整數(shù)，x，y∈［0，1］。則該像素的值I′（i+x，j+y）可由原圖中I（i，j），I（i+1），I（i+1，j），I（i+1，j+1）4個(gè)像素點(diǎn)確定［7］，利用雙線性插值原理即可得到：I′（i+x，j+y）＝（1-x）×（1-y）×I（i，j）+（1-x）×y×I（i，j+1）+x×（1-y）×I（i+1，j）+x×y×I（i+1，j+1）。

2 管帽區(qū)域定位

圖3（a）、圖3（b）為現(xiàn)場(chǎng)采集的支撐裝置圖像，圖3（c）為局部放大圖，可以看出現(xiàn)場(chǎng)照片存在各種情況，包括拍攝的結(jié)構(gòu)不全，角度不同，拍攝的部位不同等情況，這會(huì)給定位帶來(lái)很大的困難，本文算法就是針對(duì)該問題而提出的。

分析支撐裝置的結(jié)構(gòu)特點(diǎn)，可以看出支撐裝置主體腕臂鋼管表面都有亮銀色的鍍鋅涂層，這使得其在圖片中的灰度值普遍大于其它部位；還可以看出凡是帶有管帽的腕臂鋼管，其高亮的銀色涂料部分（R區(qū)域）都會(huì)被U 型抱箍和鏈接套管分成幾段，而不帶有管帽的腕臂鋼管的高亮銀色涂料部分則是一個(gè)完整的連通區(qū)域。該特點(diǎn)屬于支撐裝置本身的結(jié)構(gòu)特點(diǎn)，且不會(huì)因?yàn)橹窝b置結(jié)構(gòu)拍攝不完整和拍攝角度的變化而改變，因此以此結(jié)構(gòu)特點(diǎn)作為入手點(diǎn)，實(shí)現(xiàn)管帽區(qū)域的定位。

圖3 現(xiàn)場(chǎng)支撐裝置圖像

2.1 銀色鍍鋅部分提取

2．1．1 二值化提取鍍鋅部分

為了提取支撐裝置的R 區(qū)域，需要對(duì)縮小后的圖像進(jìn)行二值化。由圖3（a）可以看出，R 區(qū)域的灰度值在整個(gè)圖像中是最大的。因此，當(dāng)二值化閾值選擇為稍小于R 區(qū)域灰度值時(shí)，比較此時(shí)像素與設(shè)定閾值大小，如果其數(shù)值大于閾值，則該像素點(diǎn)設(shè)置為白色；若小于閾值則設(shè)為黑色［4］，如公式（2）所示這樣即可把R 區(qū)域提取出來(lái)。

2．1．2 二值化閾值選擇

如圖3（a）所示，在整幅圖片中R 區(qū)域是灰度值最大的區(qū)域，但是也存在某些非R 區(qū)域（如定位套管），雖然其灰度值小于R 區(qū)域，但是兩者灰度值比較接近。對(duì)比支撐裝置主體結(jié)構(gòu)可知，若把二值化閾值從小到大逐步變化，則銀色部分形成的連通區(qū)域個(gè)數(shù)是最多，且其形成的連通區(qū)域中面積最小和最大的連通區(qū)域的面積相差也不超過25倍。

圖4 二值化提取銀色部分效果

根據(jù)二值化后連通區(qū)域的數(shù)量來(lái)確定閾值。根據(jù)大量現(xiàn)場(chǎng)圖片直方圖分析可知，R 區(qū)域的灰度值都在120以上。留下一定的閾度，把閾值從100以一定的步長(zhǎng)逐步增加到255，以每個(gè)閾值對(duì)縮小后的圖像進(jìn)行二值化，然后統(tǒng)計(jì)一幅圖中最大連通區(qū)域的面積，為了排除某些區(qū)域極大值的干擾，對(duì)于某個(gè)連通區(qū)域，如果其面積大于最大連通區(qū)域面積的1／25則保留；否則舍去。最后統(tǒng)計(jì)圖中所有剩下的連通區(qū)域個(gè)數(shù)，選擇連通區(qū)域數(shù)量最大的閾值，作為最終的二值化閾值，這樣就可以非常準(zhǔn)確地提取R 區(qū)域，提取效果如圖4所示。

2.2 連通區(qū)域中心

連通區(qū)域中心是根據(jù)連通區(qū)域中所有的點(diǎn)計(jì)算得到的，其計(jì)算公式

根據(jù)上步刪選出的R 區(qū)域，求取每個(gè)連通區(qū)域的中心點(diǎn)像素坐標(biāo)。由于連通區(qū)域中心求解涉及到多次循環(huán)，如果圖片過大，則會(huì)嚴(yán)重影響程序的運(yùn)行速度。因此，選擇在預(yù)處理階段縮小后的圖片中求解每個(gè)連通區(qū)域的中心坐標(biāo)。然后根據(jù)縮小前后圖像中的像素坐標(biāo)對(duì)應(yīng)關(guān)系，即可推出原圖中對(duì)應(yīng)的中心坐標(biāo)［7］。

2.3 每個(gè)連通區(qū)域?qū)?yīng)直線

求解該步，需要用到支撐裝置完整結(jié)構(gòu)的二值化圖像，為了得到支撐裝置的完整二值圖像，設(shè)定較小閾值，對(duì)原圖像進(jìn)行二值化［8］，同時(shí)為了排除噪聲和背景干擾，根據(jù)大量數(shù)據(jù)對(duì)比實(shí)驗(yàn)，選擇10為閾值，效果最佳。

如圖5，在二值化后的圖像中標(biāo)記上步得到的連通區(qū)域中心。利用最近像素法求每個(gè)連通區(qū)域?qū)?yīng)的直線，中心點(diǎn)局部示意如圖6所示。中心點(diǎn)位于銀色鋼管二值化連通區(qū)域，在圖5二值圖中，銀色鍍鋅部分為長(zhǎng)條形，且兩邊平行。根據(jù)幾何原理可知，距離該中心點(diǎn)最近的黑色像素點(diǎn)與中心點(diǎn)的連線必定垂直于邊界。由此就可以得到一個(gè)區(qū)域?qū)?yīng)的平行直線。由于該方法是像素級(jí)操作，圖像分辨率越高準(zhǔn)確性越高。因此，在原圖的二值圖像中用最近像素法求解平行線。所有連通區(qū)域?qū)?yīng)直線如圖7所示。

圖5 小閾值二值化及中心點(diǎn)標(biāo)記

圖6 最近像素法原理

2.4 直線合并

所有連通區(qū)域?qū)?yīng)直線如圖7。帶有管帽的鋼管對(duì)應(yīng)的直線大于一條；沒有管帽的鋼管則只對(duì)應(yīng)一條直線，設(shè)定直線個(gè)數(shù)閾值為1。任意2個(gè)連通區(qū)域中心之間可以確定一條直線，若這2個(gè)連通區(qū)域處于同一條腕臂上，則這條直線與這2個(gè)連通區(qū)域單獨(dú)確定的2個(gè)直線斜率是非常接近的。把所有直線按照斜率以及對(duì)應(yīng)的連通區(qū)域中心點(diǎn)兩兩形成的直線斜率分類［9］。把所有直線類別中直線個(gè)數(shù)小于閾值的類舍去，剩下的即為有管帽的鋼管對(duì)應(yīng)的直線。

因?yàn)殇摴荛L(zhǎng)條形是由一個(gè)個(gè)像素組成，因此其邊界不是平滑的直線，而是呈現(xiàn)像素交錯(cuò)排列的鋸齒狀。因此上步所求的每個(gè)連通區(qū)域?qū)?yīng)的直線斜率都有一定的誤差。但是由于圖片是6 600×4 400的，幾個(gè)像素的誤差對(duì)直線的角度影響很小。且由于每個(gè)帶有管帽的鋼管對(duì)應(yīng)多條直線，每條直線都有一定的不規(guī)律的小誤差，因此求一個(gè)鋼管對(duì)應(yīng)的唯一一條直線，可以采用求處于同一類中所有連通區(qū)域單獨(dú)確定的直線和該類中的連通區(qū)域兩兩之間確定的直線的所有斜率均值的方法來(lái)確定合并后的唯一直線斜率；同時(shí)求取該類中所有連通區(qū)域中心坐標(biāo)的均值，結(jié)果作為合并后直線的中心點(diǎn)。這樣就可以確定每條帶有管帽的腕臂對(duì)應(yīng)的唯一直線，實(shí)驗(yàn)結(jié)果見圖8。

圖7 連通區(qū)域所有直線

2.5 管帽端定位

從上步求得的唯一直線合并后的中心點(diǎn)坐標(biāo)出發(fā)，沿直線向兩端進(jìn)行逐像素搜索。遇到第一個(gè)黑色像素點(diǎn)或超出圖像范圍則停止搜索，并記錄該點(diǎn)坐標(biāo)。結(jié)果如圖9所示。

圖8 直線合并

圖9 管帽區(qū)域初定位

圖9顯示了初定位后得到的幾種典型端點(diǎn)類型，由于存在拍攝的照片支撐裝置不完整，或者圖中不存在管帽部位，這時(shí)就需要進(jìn)一步從所有定位到的端點(diǎn)中刪選出管帽區(qū)域。

分析支撐裝置結(jié)構(gòu)特點(diǎn)，可以發(fā)現(xiàn)帶有管帽的腕臂其管帽末端與該腕臂上距離管帽末端最近的銀色連通區(qū)域中心的距離處于一定范圍內(nèi)，且遠(yuǎn)遠(yuǎn)小于腕臂另一端末端與距離其最近的銀色連通區(qū)域中心的距離，根據(jù)此特征即可確定上步定位到的端點(diǎn)是否為管帽端。

根據(jù)大量現(xiàn)場(chǎng)圖片分析，支撐裝置在所有圖片中尺度變化不是太大，管帽末端與距離其最近的處于同一腕臂的連通區(qū)域的中心之間的距離處于一定范圍內(nèi)（30～280），而不是管帽端的話，兩者之間的距離會(huì)遠(yuǎn)遠(yuǎn)大于280。通過此特點(diǎn)，設(shè)定距離閾值D＝300。統(tǒng)計(jì)定位到的端點(diǎn)和距離其最近且處于同一腕臂的連通區(qū)域中心之間的距離，若該距離小于D，則確定該端點(diǎn)為管帽端，否則為非管帽端；同時(shí)，對(duì)于定位到的端點(diǎn)坐標(biāo)，如果處于圖像的邊緣，則舍去該端點(diǎn)，如式（4）所示。即可精確定位管帽端，最后以定位到的管帽端頂點(diǎn)坐標(biāo)為中心，截取管帽區(qū)域，定位結(jié)果如圖10所示。

式中，D 為定位的端點(diǎn)與距離其最近的處于同一腕臂的銀色連通區(qū)域中心點(diǎn)之間的距離。

圖10 定位結(jié)果

3 實(shí)驗(yàn)結(jié)果

為了對(duì)算法性能進(jìn)行分析，在直線檢測(cè)階段把算法與傳統(tǒng)的Hough變換方法進(jìn)行了對(duì)比；并隨機(jī)選擇現(xiàn)場(chǎng)圖像樣本，對(duì)本文的定位算法進(jìn)行實(shí)驗(yàn)。

3.1 Hough變換腕臂直線檢測(cè)與本文腕臂直線檢測(cè)方法對(duì)比實(shí)驗(yàn)

3．1．1 Hough變換法腕臂直線檢測(cè)

傳統(tǒng)的Hough變換腕臂直線檢測(cè)的思路為：首先對(duì)圖像進(jìn)行濾波去噪預(yù)處理，對(duì)預(yù)處理后的圖像進(jìn)行邊緣檢測(cè)；然后利用Hough變換直線檢測(cè)算法提取邊緣圖像中的直線特征［10］；最后融合所有檢測(cè)到的直線，得到最終的直線檢測(cè)結(jié)果［11］，如圖11所示。圖12為本文直線檢測(cè)結(jié)果。

圖11 Hough方法檢測(cè)結(jié)果

圖12 本文檢測(cè)結(jié)果

3．1．2 對(duì)比實(shí)驗(yàn)及分析

選擇50張不同類型的現(xiàn)場(chǎng)支撐裝置圖片，其中包括完整支撐裝置結(jié)構(gòu)的、不同部位支撐裝置結(jié)構(gòu)、正反定位、不同補(bǔ)光強(qiáng)度等類型，分別用2種方法進(jìn)行檢測(cè)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表1所示。 由檢測(cè)結(jié)果可以看出：Hough變換檢測(cè)方法雖然可以檢測(cè)出圖像中的直線特征，但是檢測(cè)出的結(jié)果僅僅只是腕臂的邊緣部分直線特征，檢測(cè)效果極差，存在很多誤檢和漏檢情況，且檢測(cè)時(shí)間相比于本文方法也較長(zhǎng)。而本文方法不僅可以很好地檢測(cè)腕臂的直線，而且該直線處于腕臂上，可以很好地代表腕臂直線，檢測(cè)準(zhǔn)確性遠(yuǎn)遠(yuǎn)高于Hough方法，且在檢測(cè)時(shí)間上也優(yōu)于前者。因此，本文提出的線檢測(cè)方法更加適用于支撐裝置的腕臂直線檢測(cè)。

表1 Hough檢測(cè)與本文檢測(cè)實(shí)驗(yàn)結(jié)果

3.2 本文管帽定位算法實(shí)驗(yàn)

選擇50張不同類型的現(xiàn)場(chǎng)支撐裝置圖片，其中包括完整支撐裝置結(jié)構(gòu)的、不同部位支撐裝置結(jié)構(gòu)、正反定位、不同補(bǔ)光強(qiáng)度等類型，利用本文檢測(cè)算法進(jìn)行定位實(shí)驗(yàn)，結(jié)果如表2所示。

表2 本文方法實(shí)驗(yàn)結(jié)果

4 結(jié)語(yǔ)

根據(jù)實(shí)驗(yàn)，本文算法可以很好地完成管帽區(qū)域的定位，檢測(cè)結(jié)果不受光照、角度和支撐裝置拍攝的完整性影響，魯棒性強(qiáng)；在檢測(cè)時(shí)間方面平均每張圖像的處理時(shí)間不到1 s，滿足實(shí)際應(yīng)用的要求，具有較好的實(shí)用前景和研究意義。