基于多特征融合的復(fù)雜背景鐵路護(hù)欄網(wǎng)格提取

黎富泉　吳健

摘要：鐵路護(hù)欄是列車高速安全運(yùn)行免受異物入侵的必要保障，其護(hù)欄完整性與高速運(yùn)行的列車以及沿線居民生命財(cái)產(chǎn)安全息息相關(guān)。傳統(tǒng)的解決辦法都是通過人工進(jìn)行沿線檢查，費(fèi)工費(fèi)時(shí)并且不能及時(shí)發(fā)現(xiàn)。

本文提出一種由搭載在列車車廂上的高速攝像機(jī)拍攝鐵路兩側(cè)防護(hù)欄網(wǎng)格圖像并經(jīng)計(jì)算機(jī)處理以識別其完整性方法。首先對采集的鐵路護(hù)欄圖像進(jìn)行預(yù)處理;然后提取護(hù)欄的相關(guān)特征（線性特征、方差特征和矩特征），然后利用加權(quán)融合與連通域去燥提取護(hù)欄網(wǎng)格。實(shí)驗(yàn)結(jié)果表明，本文方法對鐵路護(hù)欄網(wǎng)格提取具有較強(qiáng)的魯棒性。

關(guān)鍵詞：鐵路防護(hù)欄網(wǎng)格? 特征提取? 伽馬變換? 連通域

1 引言

鐵路防護(hù)欄網(wǎng)是重要的鐵路交通基礎(chǔ)設(shè)施，作為鐵路系統(tǒng)的配套工程，一旦架設(shè)在鐵路線兩側(cè)的防護(hù)欄網(wǎng)被盜、丟失或人為損壞，將會給列車運(yùn)行和沿線居民生命財(cái)產(chǎn)安全造成嚴(yán)重威脅。目前已有的研究方法僅對鐵路沿線防護(hù)網(wǎng)較粗的水泥欄桿是否完好進(jìn)行識別，且存在適應(yīng)性差、漏判率和誤判率高等缺點(diǎn)，同時(shí)均未能有效識別鐵路沿線中面積占比最大的防護(hù)欄網(wǎng)是否完好，如對于破損面積達(dá)200cm2的防護(hù)欄網(wǎng)進(jìn)行正確識別。為了降低成本、提高護(hù)欄檢測準(zhǔn)確率和即時(shí)性，亟需研發(fā)一套完備的自動化智能識別系統(tǒng)。

由于鐵路護(hù)欄所涉背景類型多樣，開展護(hù)欄網(wǎng)格提取相關(guān)研究文獻(xiàn)相對較少。文獻(xiàn)[2]基于HMM（Hidden Markov Model）統(tǒng)計(jì)模型解碼方法提取一類網(wǎng)格圖像的直線，但其研究對象未涉及圖像背景干擾。文獻(xiàn)[3] 提出一種改進(jìn)型Mean Shift的鐵路護(hù)欄網(wǎng)格提取算法，即經(jīng)過雙閾值分割、帶寬選擇、區(qū)域合并和直線檢測等步驟較有效地實(shí)現(xiàn)網(wǎng)格提取，但存在過分割和分割精度有待提高問題。針對鐵路護(hù)欄圖像背景復(fù)雜多樣以及上述算法存在的誤分割、抗噪性差和精度低等問題，綜合考慮鐵路護(hù)欄網(wǎng)格的顯著幾何特征，本文提出一種多特征融合的鐵路護(hù)欄網(wǎng)格提取算法，以期在復(fù)雜背景下提取出完整的護(hù)欄。

2圖像預(yù)處理

2.1雙邊濾波降噪

常見的圖像降燥方法有高斯濾波，均值濾波、中值濾波、維納濾波等，該類濾波器容易導(dǎo)致圖像的邊緣細(xì)節(jié)模糊，丟失護(hù)欄的空域信息。為了能夠保留護(hù)欄的空域特征，采用雙邊濾波降噪，克服傳統(tǒng)降燥方法存在的護(hù)欄邊緣細(xì)節(jié)模糊和易丟失的空域信息。本文雙邊濾波降噪采取像素空間鄰近度與圖像亮度相似度一種折衷的處理方法，既保留邊緣細(xì)節(jié)信息，又考慮保邊去燥作用。

2.2圖像增強(qiáng)

為了降低光照因素干擾，有效地提取護(hù)欄網(wǎng)格特征，對降噪后的護(hù)欄圖像進(jìn)行圖像增強(qiáng)。本文利用伽馬變換將圖像的亮度級變換到更窄或更寬的區(qū)域。

3 網(wǎng)格圖像提取

3.1線性特征

鐵路護(hù)欄網(wǎng)格具有優(yōu)良的線性幾何特征，可近似看成水平直線和垂直直線，故可以選取方向和方向的線性特征。考慮到護(hù)欄使用一段時(shí)間后可能會有輕微變形，以及受地形等因素影響，護(hù)欄網(wǎng)格并非絕對的水平與垂直走向，故還需在和的基礎(chǔ)上正負(fù)偏移，再選取4個(gè)方向的線性特征。為便于下文表述，不妨記角度對應(yīng)的線性特征為，其中。

綜上，在加權(quán)融合進(jìn)行權(quán)重選擇時(shí)，線性特征權(quán)重應(yīng)不小于0.5，方差特征權(quán)重應(yīng)大于矩特征權(quán)重。當(dāng)時(shí)，加權(quán)融合結(jié)果如圖2（a）所示;當(dāng)時(shí)，加權(quán)融合結(jié)果如圖2（b）所示;當(dāng)時(shí)，加權(quán)融合結(jié)果如圖3（a）所示，對圖3（a）進(jìn)行連通域去燥，其結(jié)果如圖3（b）所示。

圖2（a）由于方差特征權(quán)重過大，導(dǎo)致提取的護(hù)欄過粗和斷裂;圖2（b）由于矩特征權(quán)重過大，導(dǎo)致噪聲過多，提取的護(hù)欄有孔洞和斷裂;圖3（a）各特征權(quán)重比例合適，融合后護(hù)欄完整且粗細(xì)合適。圖3（b）為連通域去燥處理結(jié)果，能夠?qū)崿F(xiàn)較為完整地護(hù)欄提取，提取的護(hù)欄左上角和右下角較細(xì)，主要是因?yàn)樵诓杉脑瓐D像中護(hù)欄的左上角和右下角出現(xiàn)生銹的情況，這也間接反映了護(hù)欄的這兩個(gè)部分可能需要進(jìn)行維護(hù)。

6 總結(jié)

鐵路防護(hù)欄網(wǎng)作為鐵路運(yùn)行安全的重要防護(hù)設(shè)施之一，其網(wǎng)格精確提取是后續(xù)鐵路護(hù)欄檢測關(guān)鍵步驟。本文以鐵道防護(hù)欄圖像為對象，以網(wǎng)格結(jié)構(gòu)為先驗(yàn)，以多特征融合為手段，以完整性檢測為目標(biāo)，綜合應(yīng)用幾何學(xué)、形態(tài)學(xué)和統(tǒng)計(jì)學(xué)等理論解決了單一特征易造成誤分割和欠分割問題，實(shí)現(xiàn)鐵道防護(hù)欄網(wǎng)格智能識別，為后續(xù)研制鐵路防護(hù)欄網(wǎng)格自動檢測系統(tǒng)奠定理論基礎(chǔ)。通過實(shí)例仿真實(shí)驗(yàn)驗(yàn)證，證明本文方法在護(hù)欄網(wǎng)格提取方面較一些傳統(tǒng)的方法有優(yōu)異的性能，但也存在不足之處，如實(shí)驗(yàn)參數(shù)需要手動調(diào)節(jié)，不具備自適應(yīng)性;基于模板的特征提取，會導(dǎo)致圖像的四周邊緣無法被檢測等。因此，下一步工作主要是解決參數(shù)自適應(yīng)問題和如何根據(jù)同態(tài)性讓圖像邊緣內(nèi)側(cè)鄰域像素灰度值近似代替邊緣像素值，以減小特征提取誤差。

參考文獻(xiàn)

[1]王勝春，羅四維，王旭，等.基于全景圖像拼接的鐵路護(hù)欄缺損檢測[J].數(shù)據(jù)采集與處理，2017，32（2）：338.

[2]Zhang Y F， Li H O， Doermann D. A Parallel Line Detection Algorithm Based on HMM Decoding[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2005，27（5）： 777-792.

[3]梁禮明，吳健，夏雨辰.均值漂移算法的鐵路護(hù)欄網(wǎng)格提取[J].河南科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，36（3）：28-32.

[4]許博聞，王敏，李琛，等.基于圖像去噪的導(dǎo)向?yàn)V波算法的硬件實(shí)現(xiàn)[J].微電子學(xué)與計(jì)算機(jī)，2019，36（7）：22-23.[XU B W，WANG，M，LIC，et al. Hardwaredesignforimagedenoisingusingguidedfilter[J]. Microelectronics&Computer，2019，36（7）：22-23.

[5]Papari G，Idowu N，Varslot T. Fast bilateralfilteringfordenoisinglarge 3Dimages[J].IEEE TransactiononImageProcessing，2017，26（1）：251-261.

[6]彭海龍，鄧勇，赫建偉，等.基于多窗口自適應(yīng)雙邊濾波去噪方法研究與應(yīng)用[J].石油物探，2019，58（1）：65.

[7]胡鈺，李甜甜，黃梁松，等.基于雙邊伽馬校正的保亮度圖像增強(qiáng)方法[J].計(jì)算機(jī)應(yīng)用與軟件，2019，36（5）：205-206.

[8]邱東岳，吉喆，朱騰飛，等.基于方差和顯著性特征的超聲圖像分割方法研究[J].計(jì)量學(xué)報(bào)，2018，39（5）：713.

[9]PapageorgiouCP，OrenM，PoggioT.A GeneralFrameworkforObjectDetection//Proceedings of the IEEE International Conference on Computer Vision，Bombay，India，1998：555-562.

[10]LIUH，ZHAO QJ，ZHANG C，et al.Boosting VLAD with weighted fusion of local descriptorsfor image retrieval[J].Multimedia Tools and Applications，2019，78（9）：11839-11842.

作者簡介

黎富泉（1997-），男，漢族，本科生，研究方向?yàn)槿斯ぶ悄?。通訊作者：吳?。?991-），男，漢族，碩士，助理研究員，研究方向?yàn)橛?jì)算機(jī)視覺和機(jī)器學(xué)習(xí)。