高速扣件检测中的光照不均匀自适应修正法

吴芳，陶卫，杨金峰，赵辉

(上海交通大学 仪器科学与工程系，上海 200240)*

0 引言

铁路安全一直是国家交通安全的重中之重，尤其是在当今高速列车的飞速发展之际，铁路安全的重要性尤为突出.继温州动车追尾事件后，铁路安全再次刺激了人们视线，使我们为此付出惨痛的代价.然而，当前高铁的维护机制基本上还是旧有的模式，如铁路扣件缺失的人工检测(即靠巡道工人的沿线目视巡查)和落后的信号系统，这种方法已经不能满足高速列车的安全监测要求.

目前，国际上普遍采用计算机视觉技术实现扣件自动探测，其中探测速度最快的当属上海交通大学提出的基于模式识别和高速并行处理算法的实施在线探测系统［1-3］，即在检测车体底部安装高速工业相机，通过摄像机对轨道固定用扣件螺栓的紧固状态进行图像拍摄，再传送给车上的处理装置进行处理以判断扣件的缺失状况.在这个过程中，图像质量对扣件缺失的判断起着关键作用，而光照条件是个不可忽视重要因素，特别是太阳光的直接和非直接照射，将造成钢轨内测号外侧扣件区域的图像照度出现明显差异.图1为不同光照条件下的扣件实时图像及其相应方向场图.由图可知，随着光照的加强，图像的直观效果不断改善，方向场的杂质也在逐渐减少.在光照过亮时，方向场的杂质最少，此时最有利于利用方向场来判断扣件的缺失.

鉴于此，本文针对高速列车扣件检测中光照不匀问题，提出了一种快速简便多维灰度修正自适应算法.这种算法不仅能较好地解决因光照不均而导致信息识读的困难，而且具有较快的处理速度，明显优于经典的同态滤波法和Retinex算法.

图1 不同光照条件下的扣件实物图及其方向场图

1 光照不均匀传统解决算法及其原理

1.1 同态滤波法

同态滤波是基于图像的照度-反射模型，把频率过滤和灰度变换结合起来，利用压缩亮度范围和增强对比度来改善图像的.它将图像表现为照明分量与反射分量的乘积形式:

式(1)中，i(x，y)是照明分量，在空间上变化缓慢，频谱集中在低频段;r(x，y)是反射分量，其频谱集中在高频段，反映图像的细节.当光照不均时，图像上各部分的平均亮度会有起伏，相应的暗区和高亮度区的图像细节难以分辨.为了消除这种光照不均匀性，同态滤波通过在频域上减弱照明分量部分，同时增加反射函数分量来增强图像细节.同态滤波的过程如下:

事实上，同态滤波频域算法需经过两次傅立叶变换来实现其图像增强效果，故其计算过程了占用很大的运算空间，很难满足高速实时性要求.

1.2 Retinex算法

Retinex算法是由Land提出的一种基于光照补偿的图像增强法.在Retinex模型中，图像I(x，y)由场景中物体的入射分量L(x，y)和反射分量R(x，y)组成［4］:

其中，L(x，y)是亮度分量，是变化缓慢的低频信息.R(x，y)表示反射性质，与光照无关，可理解为图像的高频信息.在颜色恒定的情况下，从图像中分解出亮度图像和反射图像，就可以通过改变亮度图像和反射图像中的比例来达到增强图像的目的.实际上，Retinex算法主要是通过对图像进行高斯函数卷积运算，从图像I中获得物体的反射性质R，即抛开入射光L的性质来获得物体本来面貌.因此导致其计算速度较为缓慢.

目前，为了降低Retinex算法的复杂度，以减少处理时间，人们主要采用代替法来解决，即通过先将卷积部分的两个因子转换到频域中，然后再将乘积做逆转换.Maylan等［5］利用自适应高斯滤波器代替常规高斯滤波器，提出了改进的Retinex算法，但计算复杂度并没有显著的降低.刘家朋［6］采用一种基于单尺度Retinex算法的非线性图像增强算法对512×384图像进行处理，但是其计算速度并未得到明显的提高.

2 多维灰度修正自适应算法

通过分析上述同态滤波法与Retinex算法可知，这两种算法都涉及到频域的滤波，增大了算法复杂度，计算时间较长，不利于高速铁路的实时检测.为此，本文引进了一种快速便捷的灰度修正方法，并在其基础上建立一种多维的灰度修正自适应算法，期望能更好更实际地解决高速列车摄像机多光源导致的光照不均匀的问题.

若只考虑简单光源和忽略CCD感光元件对反射光强度的感应，可把光照成像模型简化如图2所示，杨杰在此基础上建立了的快速自适应灰度修正法［7］.

图2 简化的光照成像模型

其中，X0为光线到物体的直射点位置;Xi为斜射点位置;X1为CCD正对的位置;di和d1分别为点Xi和X1到点X0的距离.设I为光源发光强度;R0为光线到物体的距离;θ为入射角与法线的夹角.根据照度与灰度的近似正比关系得到两点的灰度比

对式(3)进行泰勒展开得到

di由各像素点坐标获得，再通过式(4)便可计算出R0.即经过以下处理过程:①获取直射点位置;②根据样本，可获得其中一些像素点到直射点的距离及它们像素值的比li，代入式(4)获得R0;③把di和R0代入(4)式，获得li，把所有像素点的li存储为一查询表;④根据查询表li，进行灰度修正.

作者采用杨杰的快速自适应灰度修正法对图1(a)进行处理，并得到其相应的灰度模板，如图3所示.图3(b)所示的灰度模板表现明显灰度失衡，这主要是由于快速自适应灰度修正算法只考虑了一个光源和一个直射点.

图3 经快速自适应灰度修正法处理后(a)及其相应的灰度模板(b)

在实际的扣件检测过程中，往往会通过在相机周围安装多个照明光源，以增加有效区域的照度.由此可见，快速自适应灰度修正法并不能直接应用于实际情况.

图4 简化的多光源光照成像模型

因此本文提出了基于多光源的多维自适应灰度修正法.此时两点的灰度比为:

其中(a1，a2，…，an)为各点灰度值与不同直射点的权重比.具体算法如下:

(1)首先，通过先验知识获得成像性质相同的n个区域;

(2)其次，分别用3×3的窗将(1)分解成的区域Dn遍历一遍，获得平均值最大的3×3区域，并将该区域的中心点设为直射点Xn0;

(3)根据直射点与其余已知像素点的灰度值比，代入(4)式获得相应的Rn;

(4)由din和Rn计算出灰度比查询表li;

(5)查表修正灰度.

图5 本文的算法处理结果

由于所要检测的扣件位于摄像机视场中间部位钢轨的两侧，也就是说扣件在图像上的横向位置是基本保持不变的，所以本文还对除扣件所在区域的部分进行饱和处理.处理效果如图5所示.

从处理结果来看，本文算法所得扣件图像的方向场相对于原图像更干净，减少了许多与扣件无关的干扰方向场.为做比较，本文对原图也分别做了同态滤波处理、单尺度retinex［8］处理和双边retinex滤波［9］处理，各自效果如图6所示.用不同算法处理一幅320*240图像，所得计算时间分别为:本文算法:0.011 4;同态滤波:0.086 9;SSR算法:0.206 6;双边滤波reinex算法:1.504 9.

图6 其余处理方法及相应方向场

可以看出，相较于原图像，本文算法和同态滤波及retinex算法都有较好的处理结果.但是同态滤波及retinex算法处理后的方向场效果并未有多少改观.而且从表一所记录来看，本文算法用时较少，要少于其他算法用时的1/5以上.所以总体来说，本文算法对实时扣件检测还是有很好的效果.

3 结论

本文在现有快速自适应灰度修正的基础上，提出来一种多光源自适应灰度修正算法.由于算法所基于的光照模型非常简单，不涉及频域的计算过程，因此适合对实时性要求高的高速铁路检测.虽然算法对图像所做恢复并不精确，但这并不影响算法的适用性.

［1］王梦雪，陶卫，杨金峰，等.基于GPU的高速铁路扣件实时探测技术［J］.大连交通大学学报，2011，32(6):63-67.

［2］YANG Jinfeng，TAO Wei，LIU Manhua，et al.An Efficient Direction Field-Based Method for the Detection of Fasteners on High-Speed Railways［J］.Sensors，2011，11(8):7364-7381.

［3］ZHANG Haibo，YANG Jinfeng，TAO Wei，et al.Low-Cost Fastener Inspection System on High-Speed Railway［C］.The international conference on test and measurement，2011.

［4］LAND E.Recent advances in Retinex theory and some implications for cortical computations:color vision and the natural images［J］.Proceedings of National Academy of Sciences，1983，80(16):5163-5169.

［5］DOO H C，ICK H J，MI H K.Color image enhancement using single-scale retinex based on an improved image formation model［C］.6th European Signal Processing Conference，2008:25-29.

［6］刘家朋，赵宇朋，胡福乔.基于单尺度Reinex算法的非线性图像增强算法［J］.上海交通大学学报，2007，41(5):685-688.

［7］杨杰，付中良，阮波.照度不均匀图像的快速自适应灰度修正［J］.计算机应用，2005，25(3):598-602.

［8］Z RAHMAN，DJ JOBSON，GA WOODELL.Multi-Scale Retinex for Color Image Enhancement［J］.Image Pro-cessing，1996(3):1003-1006.

［9］纪则轩，陈强，孙权森，等.基于双边滤波的单尺度Retinex图像增强算法［J］.微电子学与计算机，2009，26(10):598-602.