鐵路視頻路障檢測(cè)報(bào)警系統(tǒng)中路軌邊緣提取方案研究

鐵路視頻路障檢測(cè)報(bào)警系統(tǒng)中路軌邊緣提取方案研究

近年來，僅通過手動(dòng)故障排除法無法滿足鐵路發(fā)展的需要。這就需要設(shè)計(jì)和實(shí)現(xiàn)具有實(shí)時(shí)性的鐵路路障檢測(cè)報(bào)警系統(tǒng),一方面降低鐵路運(yùn)營(yíng)的人力成本,提高鐵路現(xiàn)代化管理水平;另一方面提高路障檢測(cè)清除效率,減少運(yùn)營(yíng)事故的發(fā)生。為了驗(yàn)證算法的有效性,所使用的代表性圖片是灰度范圍較窄的路軌圖像。具體實(shí)踐方法為:首次安裝路軌視頻監(jiān)測(cè)系統(tǒng)時(shí),需要在晴朗天氣下進(jìn)行,安裝初始化后系統(tǒng)方可工作;需要注意的是,僅需要在系統(tǒng)第一次工作時(shí)對(duì)邊緣進(jìn)行提取,這里假設(shè)系統(tǒng)固定云臺(tái)不因風(fēng)雨而發(fā)生移位,因而初始邊緣提取過程稍長(zhǎng)不會(huì)影響系統(tǒng)正常運(yùn)作。為了降低移位隱患,本系統(tǒng)的實(shí)現(xiàn)硬件中擴(kuò)展了LCD接口(系統(tǒng)FLASH中存儲(chǔ)初始化時(shí)的背景圖像)用于定期檢測(cè)系統(tǒng)故障時(shí)判別當(dāng)前邊緣是否偏離(通過背景做差實(shí)現(xiàn)),并采取相應(yīng)措施(矯正位置并復(fù)位系統(tǒng))。1直方圖均衡化在實(shí)際圖像處理應(yīng)用中,對(duì)輸入圖像通常都要運(yùn)用增強(qiáng)技術(shù),以突出圖像的細(xì)節(jié)。輸入的鐵路路軌環(huán)境圖像如圖1所示。本文采用使圖像銳化突出輸入圖像的更多細(xì)節(jié)來增強(qiáng)圖像的方法。由于圖像灰度的動(dòng)態(tài)范圍較窄,所以很難對(duì)其進(jìn)行增強(qiáng)。對(duì)此采取的策略是,通過直方圖均衡化來擴(kuò)大圖像的動(dòng)態(tài)灰度范圍,同時(shí)達(dá)到圖像銳化的效果。直方圖均衡化后的路軌圖像如圖2所示。變換函數(shù)的離散型式可表示為式中:n是圖像中像素綜合;nk是灰度級(jí)為rk的像素個(gè)數(shù);L為圖像中可能的灰度級(jí)總數(shù)。采用直方圖均衡化處理之后的圖像對(duì)比度較輸入源圖像有了明顯增強(qiáng),這將有利于圖像邊界提取的進(jìn)行。同時(shí),直方圖均衡化的實(shí)現(xiàn)還有兩個(gè)顯著的特點(diǎn):首先也是最顯著的特點(diǎn)是其能夠?qū)崿F(xiàn)完全“自動(dòng)化”,因而程序?qū)崿F(xiàn)過程比較簡(jiǎn)單;其次,如果原始圖像的動(dòng)態(tài)灰度范圍較大甚至是全范圍(256灰度級(jí)),直方圖均衡化后的圖像將不會(huì)有太大改動(dòng),這可以最大程度地保留原始信息。2cancy邊緣檢測(cè)算法本文采用的邊緣檢測(cè)方法是基于Canny邊緣檢測(cè)的思想,經(jīng)過在Matlab中對(duì)各種邊緣檢測(cè)算法的驗(yàn)證表明,Canny邊緣檢測(cè)是一種相對(duì)較好的邊緣檢測(cè)方法,與Sobel等其他單一邊緣檢測(cè)算法相比,其檢測(cè)的邊界連續(xù)性和聚合性最高。這里簡(jiǎn)述本文實(shí)現(xiàn)的Canny邊緣檢測(cè)算法基本原理。本文實(shí)現(xiàn)的Canny邊緣檢測(cè)算法參考MAT-LAB的IMAGE工具箱中關(guān)于該算法的實(shí)現(xiàn)描述,并加入閾值自適應(yīng)調(diào)整部分,可以對(duì)不同圖像的邊界檢測(cè)自動(dòng)設(shè)置合適閾值。該算法在CCS3.1下基于DM642視頻開發(fā)板編程實(shí)現(xiàn)。2.1基于idth和gaus蝦ndh的一維高斯濾波器輸入圖像經(jīng)過直方圖均衡化處理之后,首先將圖像經(jīng)過歸一化處理,以浮點(diǎn)陣列的形式存儲(chǔ),然后對(duì)該陣列進(jìn)行一維和二維高斯濾波,一維高斯濾波器的寬度為滿足式(1)的pw的最小索引中式中:width為一維高斯濾波器的寬度;σ是Canny算子定義的常量,賦值為1;GaussianDieOff為濾波器無效閾值。如果無法滿足式(1),則width為1。firstIndex()是編程實(shí)現(xiàn)的width求解函數(shù)。滿足式(1)的一維高斯濾波(向量)函數(shù)表達(dá)式(一維高斯算子)為與之對(duì)應(yīng)的二維高斯濾波(矩陣)表達(dá)式(二維高斯算子)為其中分別對(duì)浮點(diǎn)陣列的行列卷積一維高斯算子,然后對(duì)一維濾波陣列及其轉(zhuǎn)置卷積二維高斯算子,得到的結(jié)果即為濾波陣列。其中,對(duì)邊界的處理結(jié)果是,根據(jù)卷積對(duì)象的不同,對(duì)陣列進(jìn)行行列擴(kuò)展,以滿足邊界的卷積計(jì)算要求。2.2幅值矩陣的計(jì)算邊界檢測(cè)的第二步為獲取濾波陣列對(duì)應(yīng)的幅值矩陣。幅值矩陣是計(jì)算邊界檢測(cè)閾值、進(jìn)行非極大值抑制(non-maximumsuppression)的前提。幅值矩陣的計(jì)算公式為式中:ax和ay分別為2.1節(jié)中得到的濾波陣列。得到的幅值矩陣同樣要進(jìn)行歸一化處理,其處理方式如下式中:magmax為幅值矩陣的最大幅值元素。2.3概率統(tǒng)計(jì)學(xué)原理邊界檢測(cè)閾值用于確定區(qū)分非邊界點(diǎn)與弱邊界點(diǎn)的低閾值以及弱邊界點(diǎn)與強(qiáng)邊界點(diǎn)中間的高閾值。在本文使用的Canny邊緣檢測(cè)算法中,高、低閾值可以通過程序自動(dòng)計(jì)算。根據(jù)概率統(tǒng)計(jì)學(xué)原理,其具體實(shí)現(xiàn)過程如下:首先得到幅值矩陣的64分度柱狀圖的存儲(chǔ)向量,然后對(duì)存儲(chǔ)向量元素進(jìn)行逐次累加,如果累加值超過給定的閾值,則記錄當(dāng)前的分度索引,對(duì)其歸一化得到的即為高閾值,低閾值表示為高閾值與高低閾值比的乘積。過程的數(shù)學(xué)描述為式中:counts為柱狀圖存儲(chǔ)向量;highThres和lowThres分別表示計(jì)算得到的高低閾值;Tr為高低閾值比;imageHistogram(mag,64)為64分度柱狀圖向量計(jì)算函數(shù)。2.4固定像素點(diǎn)的選取非極大值抑制過程用于產(chǎn)生強(qiáng)邊緣索引,并根據(jù)過程將原始圖像處理為弱邊界圖。強(qiáng)邊緣點(diǎn)索引的計(jì)算描述如下:該過程對(duì)45°分割的180°范圍內(nèi)的4個(gè)方向進(jìn)行梯度插值計(jì)算,每個(gè)方向均通過插值,利用3×3鄰域像素得到當(dāng)前檢索像素的插值幅值,如果該像素點(diǎn)的實(shí)際幅值大于插值幅值,則表明該像素點(diǎn)是強(qiáng)邊緣點(diǎn)。如果經(jīng)過計(jì)算,不存在強(qiáng)邊緣點(diǎn),則得到的弱邊界圖即為最終的邊界檢測(cè)結(jié)果圖。2.5基于cz3.1的邊緣檢測(cè)算法如果存在強(qiáng)邊緣點(diǎn),則需要根據(jù)強(qiáng)邊緣點(diǎn)進(jìn)行如下形態(tài)學(xué)操作:首先,根據(jù)強(qiáng)邊緣點(diǎn)索引,對(duì)強(qiáng)邊緣點(diǎn)所在區(qū)域進(jìn)行區(qū)域填充,填充的結(jié)果在確保邊界完整的同時(shí),會(huì)使得圖像的邊緣輪廓變粗。然后對(duì)圖像進(jìn)行細(xì)化處理。細(xì)化處理的主要目的是使得圖像中的每條邊緣線細(xì)化為一個(gè)像素寬度。這樣處理的優(yōu)勢(shì)是:一方面,使得可能因?yàn)檩喞兇终尺B的邊界斷開,使得邊界更加符合實(shí)際;另一方面,為后續(xù)邊緣提取過程的線檢測(cè)過程減小難度和錯(cuò)誤。圖2經(jīng)過上述Canny邊緣檢測(cè)算法處理得到的邊界圖像如圖3所示。如前所述,經(jīng)過對(duì)比,在CCS3.1中實(shí)現(xiàn)的算法與MATLAB中的實(shí)際效果是相當(dāng)?shù)?。該算法在開發(fā)板上的實(shí)際運(yùn)行時(shí)間約5s。這里需要說明的是,由于攝像機(jī)安裝固定,在未遇到大災(zāi)使得攝像機(jī)移位過大的情況下,路軌邊緣提取程序在設(shè)備運(yùn)行過程中,僅在初始化時(shí)執(zhí)行一次,然后將獲取的路軌邊緣圖像存儲(chǔ)在FLASH處理器中,在隨后的故障檢測(cè)中調(diào)用該存儲(chǔ)圖像即可。因而這里給出的算法實(shí)際運(yùn)行時(shí)間是可以接受的。3基于直線的算法如圖1所示,由于鐵路要穿越許多復(fù)雜的地形,因而路軌不可能全部由直線區(qū)段構(gòu)成,在轉(zhuǎn)彎處勢(shì)必要鋪設(shè)曲率變化的路軌。因此,需要一種能同時(shí)檢測(cè)直線和曲線路軌邊緣的方法。經(jīng)典線檢測(cè)方法中應(yīng)用最多的是Hough變換,它能夠根據(jù)空間變換實(shí)現(xiàn)直角坐標(biāo)域線段到極坐標(biāo)域的線-點(diǎn)映射。但是,由于這種對(duì)直線特性的依賴,使其只能夠?qū)χ本€段進(jìn)行有效的檢測(cè),而無法將其應(yīng)用于曲線檢測(cè)。改進(jìn)的Hough變換雖然能夠檢測(cè)曲線,但前提是該曲線的曲率是常數(shù),這與路軌曲率漸變的特點(diǎn)相悖,因而也不能采用。本文提出了一種不依賴于直線的線提取方法,該方法對(duì)直線和曲線提取的效果是相當(dāng)?shù)?。本算法?shí)現(xiàn)的主要功能如下:(1)對(duì)滿足判定準(zhǔn)則的兩條最長(zhǎng)邊界線進(jìn)行提取,作為初始路軌邊緣線。(2)對(duì)未達(dá)到最優(yōu)結(jié)果的兩條最長(zhǎng)邊界線進(jìn)行終點(diǎn)延拓,直到滿足延拓終止條件為止。(3)對(duì)起點(diǎn)未達(dá)邊界的曲線進(jìn)行起點(diǎn)延拓,使其延伸到圖像邊框。該算法的最終目標(biāo)是要實(shí)現(xiàn)提取的路軌邊緣盡可能完整。3.1市場(chǎng)內(nèi)邊緣質(zhì)量的選取現(xiàn)階段我國(guó)鐵路鋪設(shè)的空間形式是以碎石為基礎(chǔ),上層是銜接兩條鋼軌的枕木(混凝土),最上層為金屬制路軌。由于金屬與石材及混凝土材料對(duì)光的反射系數(shù)不同,因而在理論上,從攝像機(jī)獲取的感光圖像中可以提取出完整的路軌邊緣。但實(shí)際中,由于攝像頭放置、光線明暗以及路軌固有寬度等因素的影響,所獲取的路軌是斷續(xù)、聚合型分散分布的。斷續(xù)是由路軌的固有寬度和光線導(dǎo)致的成像因素引起的;聚合型分散分布中,聚合是指盡管路軌斷續(xù),但是總體的邊緣結(jié)構(gòu)是分布在一定范圍內(nèi)的,分散意味著在該范圍內(nèi)的邊界分布呈斷續(xù)狀態(tài)。此外,周圍環(huán)境與路軌的反射系數(shù)相差也比較明顯,因而用前述的邊界檢測(cè)算法是可以提取到斷續(xù)的路軌邊緣的,但是僅僅通過邊界檢測(cè)提取的邊緣是極不完整的,所得為最終完整邊緣的可能性很小,這從圖4與圖1的對(duì)比中可以明顯看出。因而有必要提出一種算法,對(duì)提取的路軌進(jìn)行合理延拓,得到更加完整的路軌邊緣。3.2算法的實(shí)現(xiàn)3.2.1canity邊緣檢測(cè)算法的特點(diǎn)(1)由于攝像機(jī)對(duì)距離自身越近的對(duì)象感知越完全,信息保留越完整,即近拍攝點(diǎn)圖像較遠(yuǎn)拍攝點(diǎn)圖像清晰,更容易獲取滿足條件的曲線。因而,算法對(duì)圖像的檢索從左下方像素開始。(2)在Canny邊緣檢測(cè)算法的最終圖像中,圖像邊界像素灰度值均為0,這樣在曲線提取中可以從非邊界點(diǎn)開始檢索,減少了越界判斷的開銷。因而算法中使用的實(shí)際邊界不是圖像的原始邊界,而是各邊框內(nèi)移了一個(gè)像素。(3)聚合型分散分布的邊界曲線簇的邊界走向是近似一致的,因而可以用于對(duì)初始曲線的接續(xù)操作。(4)算法的實(shí)現(xiàn)做了如下假設(shè):假設(shè)鋼軌曲率足夠小,監(jiān)測(cè)點(diǎn)離地高度足夠小,監(jiān)測(cè)角偏離足夠小,使得同一圖像中不會(huì)出現(xiàn)路軌反向嚴(yán)重的情形;借助云臺(tái)等設(shè)施,攝像機(jī)在安裝時(shí)可以調(diào)整視角和位置,以減小檢測(cè)難度。3.2.2曲線搜索連接算子的描述由于掃描從圖像下方開始,本算法在考慮優(yōu)先4連通域檢測(cè)的前提下提出如下連通算子式中的數(shù)字標(biāo)號(hào)表示3×3連通域的檢索順序。3.2.3以關(guān)鍵因素為基礎(chǔ)的接接點(diǎn)算法描述算法的主要實(shí)現(xiàn)步驟如下:步驟1保存原始圖像的副本,兩幅圖像分別用于步驟2和步驟3。步驟2初始化曲線提取過程(1)進(jìn)行全圖像檢索,提取滿足如下準(zhǔn)則的曲線簇:準(zhǔn)則Ⅱ:如果滿足準(zhǔn)則Ⅰ,曲線最大與最小行坐標(biāo)之差大于nHeight/5。準(zhǔn)則Ⅲ:如果滿足準(zhǔn)則Ⅱ,曲線的反向程度不超過準(zhǔn)則Ⅱ行坐標(biāo)差的1/10。將滿足準(zhǔn)則的曲線存儲(chǔ)在圖像副本1中,用于檢測(cè)滿足曲率和走向條件的兩條初始待接續(xù)曲線;將僅滿足準(zhǔn)則Ⅰ的曲線簇存儲(chǔ)于圖像副本2中,用于檢測(cè)接續(xù)線,同時(shí)去除雜線,減少計(jì)算工作量。(2)從滿足3條準(zhǔn)則的曲線簇中,根據(jù)聚類分析原理,首先將所有曲線按照曲線類型和走向分為直線、趨勢(shì)向左曲線和趨勢(shì)向右曲線3類,然后根據(jù)各類曲線的條數(shù),將其中的“弱勢(shì)”即曲線條數(shù)較少的曲線簇從整體中刪除,保留“強(qiáng)勢(shì)”曲線和直線構(gòu)成的曲線簇。(3)按照曲率的大小對(duì)當(dāng)前曲線簇進(jìn)行升序排序,排序通過起泡法實(shí)現(xiàn)。(4)然后從起始兩條曲線開始進(jìn)行檢索,檢索依據(jù)如下準(zhǔn)則進(jìn)行:準(zhǔn)則Ⅳ:兩條曲線的起點(diǎn)水平間距大于終點(diǎn)水平間距,并且起點(diǎn)水平間距大于nWidth/10。如果不滿足準(zhǔn)則Ⅳ,則按照曲線長(zhǎng)度將當(dāng)前曲線中的較短曲線換出,該步驟的依據(jù)是路軌邊緣在近攝像處的路軌相對(duì)曲率較小,遠(yuǎn)攝像處的路軌曲率較大。經(jīng)過檢索得到的兩條滿足條件的曲線即為初始待接續(xù)曲線。同時(shí)記錄下來的信息還包括兩條曲線的走向趨勢(shì),以便后續(xù)對(duì)接續(xù)線的判別。在進(jìn)行初始化曲線檢索的同時(shí),為了避免已檢索曲線的像素干擾,將該曲線的所有有效像素清零,這樣既可以減少干擾,同時(shí)減少了重復(fù)檢索的計(jì)算量。步驟3對(duì)獲取的兩條初始待接續(xù)曲線終點(diǎn)進(jìn)行接續(xù),以延拓完善檢測(cè)區(qū)域。(1)接續(xù)曲線的搜索方式:接續(xù)曲線的起點(diǎn)搜索從初始化曲線或前一接續(xù)過程結(jié)束得到的接續(xù)線正上方鄰接像素開始,搜索范圍定義為:向軌道內(nèi)側(cè)搜索寬度為當(dāng)前兩邊緣線間距值的1/2,向軌道外側(cè)搜索寬度為當(dāng)前兩邊緣線間距值。搜索過程保證每次搜索均從當(dāng)前待接續(xù)兩條曲線中終點(diǎn)行坐標(biāo)較大的曲線開始。(2)接續(xù)操作結(jié)束條件:如果兩條待接續(xù)曲線上方鄰接像素左右搜索區(qū)域均無接續(xù)像素,則接續(xù)操作結(jié)束。(3)接續(xù)過程的實(shí)現(xiàn)(1)按照上述步驟3的(1)中定義的搜索方式對(duì)當(dāng)前待接續(xù)曲線的接續(xù)線起點(diǎn)進(jìn)行搜索;(2)如果存在,則提取該接續(xù)線,并根據(jù)走向判別該接續(xù)線是否滿足走向一致性條件,如果不滿足,則根據(jù)走向一致性對(duì)接續(xù)線進(jìn)行裁剪,刪除反向部分,保留同向部分,然后轉(zhuǎn)(3),如果無接續(xù)線,則跳出結(jié)束;(3)將提取的接續(xù)線加入待接續(xù)曲線隊(duì)列中,并重新計(jì)算曲線整體走向;(4)判定新的當(dāng)前待接續(xù)曲線,轉(zhuǎn)(1)。對(duì)接續(xù)線的擦除操作與步驟3的(1)相同。(4)對(duì)終點(diǎn)接續(xù)完畢的曲線進(jìn)行起點(diǎn)接續(xù)延拓。如果終點(diǎn)接續(xù)完畢的曲線起點(diǎn)未在圖像邊界上,則應(yīng)對(duì)起點(diǎn)進(jìn)行近似延拓,根據(jù)初始20點(diǎn)構(gòu)成的直線或曲線的斜率進(jìn)行直線延展,直到抵達(dá)圖像邊界為止。該算法的流程圖如圖5和圖6所示。接續(xù)后的邊緣提取圖像如圖7所示。為了佐證該算法的有效性,另附兩幅圖像進(jìn)行驗(yàn)證,其過程分別如圖8~圖11所示。4基于閾值自適應(yīng)的can現(xiàn)行邊緣提取算法本文提出了基于Canny邊緣檢測(cè)技術(shù)和聚合接續(xù)法的路軌邊緣提取方法,并在TI公司的DM642視頻開發(fā)板上編程實(shí)現(xiàn)。該方法一定程度上彌補(bǔ)了Hough變換只適用于直線提取的不足,對(duì)有曲率的路軌邊緣的提取能夠達(dá)到預(yù)期的效果。該算法盡量在算法智能性和程序計(jì)算量上尋求折中,能夠較好地滿足工程上對(duì)邊緣提取精度的要求,經(jīng)過DM642視頻開發(fā)板測(cè)試,算法的整體運(yùn)行時(shí)間為10s,計(jì)算量適中