軌道板圖片的智能切割和拼接算法研究

朱浩森 中國鐵路上海局集團(tuán)有限公司科研所

1 引言

隨著高速鐵路電氣化、信息化進(jìn)程的推進(jìn)，里程數(shù)的不斷增加，線路安全狀態(tài)成為一個(gè)十分重要的關(guān)注點(diǎn)，軌道板作為無砟軌道的重要組成之一，是整體支撐鋼軌的基礎(chǔ)，在長期承受列車通過鋼軌傳遞的載荷、經(jīng)歷風(fēng)吹日曬后，難免會遇到軌道板破損、扣件缺失等一系列的問題。以往的人工巡檢需要花費(fèi)大量的人力和時(shí)間，周邊環(huán)境條件也會對作業(yè)造成一定程度的影響，夜間作業(yè)還要考慮到的上道安全問題，嚴(yán)重影響了巡檢效率。在車載軌道巡檢系統(tǒng)的幫助下，可以通過安裝在車底的線陣列相機(jī)高效采集軌道板圖片。由于圖像采集軟件受車輪編碼器控制，采集到的圖像為固定尺寸，無法按照軌道板的長度對每一塊軌道板進(jìn)行拍攝。因此，將原始圖片按照板縫位置進(jìn)行智能分割后再重新拼接成完整的軌道板，通過專業(yè)檢測人員對軌道板圖片進(jìn)行檢測分析，可以減少上道作業(yè)的風(fēng)險(xiǎn)，減輕巡檢工人的負(fù)擔(dān)。

2 圖片的預(yù)處理

圖像預(yù)處理在數(shù)字圖像中起著重要的作用。圖像質(zhì)量直接影響分析，如分類、識別、分割等。在該系統(tǒng)中，圖像的預(yù)處理分為兩個(gè)步驟：二值化和提取特征區(qū)域。其主要目的是將圖像中對特征影響相對較小的信息過濾處理掉，提高相關(guān)信息的可檢測性，最大限度地簡化數(shù)據(jù)，從而改進(jìn)特征選取、圖像分割、匹配和識別的可靠性。

2.1 圖像二值化

圖像二值化就是將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255 的一個(gè)過程，即整個(gè)圖像呈現(xiàn)出明顯的黑白效果。在二值化處理前，首先要將圖像轉(zhuǎn)化為灰度圖，通過加權(quán)法或者平均值法求出灰度值Gray，將原來RGB(r,g,b）三通道中的r,g,b 統(tǒng)一使用Gray 替換，得到新的顏色RGB(Gray,Gray,Gray)，也就是說，通過選擇合適的閾值，256 個(gè)亮度等級的灰度圖像仍然能夠反映圖像整體和局部特征。在數(shù)字圖像處理中，二值圖像起著非常重要的作用，尤其是在實(shí)際的圖像處理中，許多系統(tǒng)通過二值圖像處理來實(shí)現(xiàn)。

Otsu 算法（大津算法）是由日本學(xué)者大津于1979 年提出，是一種可以快速確定圖像二值化分割閾值的算法，其原理和計(jì)算簡單，不受圖像亮度和對比度的影響。該算法假設(shè)圖像中的像素能夠根據(jù)閾值，被劃分為前景和背景兩個(gè)部分，然后計(jì)算出使得前景與背景圖像類間方差最大的閾值。

將t記為前景與背景的分割閾值，前景點(diǎn)數(shù)占圖像比例為w0，平均灰度為u0；背景點(diǎn)數(shù)占圖像比例為w1，平均灰度為u1。

則圖像的總平均厚度為：

u=w0×u0+w1×u1

前景和背景圖像的方差：

g=w0×(u0-u)×(u0-u)+w1×(u1-u)×(u1-u)

等價(jià)公式：

g=w0×w1×(u0-u1)×(u0-u1)

當(dāng)方差g最大時(shí)，可以認(rèn)為此時(shí)前景和背景差異最大，此時(shí)的灰度t是最佳閾值sb=w0×w1×(u1-u0)×(u0-u1)。二值化前后圖片如圖1 所示。

圖1 二值化前后圖片對比

2.2 提取特征區(qū)域

軌道板的結(jié)構(gòu)如圖2a 所示。兩塊軌道板之間由凸型擋臺間隔，即凸型擋臺所在的位置為板縫處。受采集相機(jī)光源照射影響，板縫越靠近凸型擋臺，陰影越明顯，因此選取凸型擋臺向左100 像素寬度的圖片進(jìn)行研究。在此區(qū)域內(nèi)的圖像不受到扣件及電務(wù)軌旁設(shè)備影響，可以過濾掉絕大多數(shù)干擾。以樣本圖片為例，取1 500 到1 600 像素的區(qū)域作為特征區(qū)域處理。對于不同批次采集到的原始圖片，特征區(qū)域的選取也會進(jìn)行調(diào)整。提取的特征區(qū)域如圖2b 所示。

圖2a 軌道板結(jié)構(gòu)

圖2b 特征區(qū)域圖片

3 具體操作流程

圖3 流程圖

系統(tǒng)流程圖如圖3 所示。第一步，將原始圖片進(jìn)行灰度化處理及二值化處理，獲得黑白的二值化圖片。第二步，提取特征區(qū)域，將其保存至新的文件夾內(nèi)完成預(yù)處理。第三步，讀取預(yù)處理過的圖片，圖片分為兩類：有板縫圖片和無板縫圖片。對于有板縫的圖片，可以判定板縫以上部分為一塊軌道板的底端，將其向前一張圖片拼接完成一張軌道板的圖片并輸出；板縫以下部分為新的一塊軌道板的首端將其作為一張新的圖片保存。如果是無板縫的圖片，則拼接到上一張圖片。重復(fù)操作，直至讀取完文件夾內(nèi)所有圖片。

通過預(yù)處理，原始圖像由2048×2087 像素轉(zhuǎn)化為100×2087 的矩陣，其中黑色點(diǎn)的像素值為0，白色點(diǎn)的像素值為255。經(jīng)過測量得知，板縫的寬度在圖像中約占80 像素，板縫處的像素點(diǎn)大多為黑色點(diǎn)。如果把一塊區(qū)域內(nèi)的像素點(diǎn)值求和，那么總和越大，說明白色像素點(diǎn)越多，相反黑色像素點(diǎn)越多。設(shè)置檢索區(qū)域?yàn)?00×40 的矩陣，以確保板縫一定會完整落在一個(gè)矩陣內(nèi)。假定一個(gè)100×40 矩陣內(nèi)全是白色像素點(diǎn)，則總和為100×40×255=1 020 000，記為sum，然后自上至下逐行對圖像的矩陣進(jìn)行像素點(diǎn)求和，像素點(diǎn)之和記為n。n 與sum 的比值p 代表了一個(gè)矩陣內(nèi)黑色像素點(diǎn)的出現(xiàn)率，p 的值越小，說明黑色像素點(diǎn)越多。為了過濾掉一些受到光照影響和表面破損出現(xiàn)的陰影干擾，設(shè)置當(dāng)p 值小于0.15，則判斷為板縫處。圖4 為一張?jiān)紙D片的p 值圖，可以明顯看出在600 像素到640 像素區(qū)間段p 值的變化趨勢很大，即此區(qū)間段為板縫處。將p 值返回原圖處理，即可對原圖板縫處進(jìn)行切割。

圖4 p 值圖

圖5 拼接后的軌道板圖片

在用于測試的8 000 張軌道板圖片中，實(shí)際板縫為3316處，檢測到板縫為3 342 處。其中漏檢23 處，漏檢率為0.69%；誤檢49 處，主要出現(xiàn)道岔位置。由于道岔處軌道狀態(tài)復(fù)雜，容易將部分鐵軌識別為板縫。拼接的軌道板圖片如圖5所示。

4 優(yōu)化方案

由于受到道岔影響的圖片較多，針對該問題的解決方案是對軌道板圖片的長度h 增加判斷條件。通過拼接獲得的軌道板圖片的長度分為2 種型號，一種長度范圍在3 900 像素到4 000 像素之間，另一種長度在5 200 像素到5 300 像素之間。當(dāng)一張圖片拼接完成，獲取該圖片的尺寸，如果長度在任一范圍區(qū)間之內(nèi)，則說明正確拼接；否則繼續(xù)向前一張圖片拼接。

5 結(jié)論

使用該系統(tǒng)可以快速高效地將軌道板原始圖片進(jìn)行分割和拼接，獲得清晰完整的軌道板圖片。檢測人員只需要使用電腦對軌道板圖片進(jìn)行，如果發(fā)現(xiàn)軌道板、光帶或扣件等異常故障，可以將問題報(bào)告給工務(wù)部門，再根據(jù)軌道板位置進(jìn)行上道檢修，可以避免大量的重復(fù)勞動，減少天窗作業(yè)的次數(shù)，為后續(xù)基礎(chǔ)設(shè)備設(shè)施的智能檢測和定位提供便利，更為信息化鐵路的推進(jìn)做出貢獻(xiàn)。