基于图像处理的铁路轨道板裂缝检测研究
2015-12-17薛峰赵丽科柴雪松郑顺义
薛峰,赵丽科,柴雪松,郑顺义
(1.中国铁道科学研究院铁道建筑研究所,北京100081;2.武汉大学遥感信息工程学院,湖北武汉430079)
基于图像处理的铁路轨道板裂缝检测研究
薛峰1,赵丽科2,柴雪松1,郑顺义2
(1.中国铁道科学研究院铁道建筑研究所,北京100081;2.武汉大学遥感信息工程学院,湖北武汉430079)
铁路轨道板表面裂缝的存在会直接影响轨道板使用寿命和状态,因此轨道板表面质量的自动检测至关重要。本文提出一种非接触式基于图像处理的轨道板表面质量检测方法,该方法首先通过预处理增强原始图像中的裂缝信息,然后针对预处理后裂缝图像的特点,经过二值化、裂缝合并、噪声剔除等步骤,准确定位裂缝所在的位置。经试验验证,本文提出的方法能有效检测出铁路轨道板图像中的裂缝。
铁路轨道板 裂缝 检测定位
铁路轨道板的裂缝、破损等缺陷会影响铁路运行安全,必须对铁路轨道板表面质量进行定期检查,及时发现隐患。该项工作涉及面广,工作量巨大,研究智能型自动检测方法具有重要意义。
在铁路线路上,表面裂缝检测主要依靠人工检测,但是钢轨表面附有铁锈、污渍等杂物,在裂缝较小的情况下,单靠目测不易检测,工作难度大。目前有许多学者针对铁轨裂缝检测开展研究,取得了一定的成果。设计了基于DSP的铁轨表面裂缝检测系统[1],实时给出警报。针对铁路隧道图像特点,王华夏等提出一套隧道裂缝自动化检测系统[2],沈瑜提出一种基于非下采样contourlet变换的铁路隧道裂缝检测算法[3]。基于图像处理的铁路轨道板裂缝检测可以在短时间内完成区间检测,但是仍然存在一定的难度,主要表现在:①受光照、阴影等影响,采集的图像亮度不均匀;②部分图像受铁路轨道、扣件等影响,必须剔除影响判断的因素;③部分轨道板表面粗糙,存在较大颗粒,会掩盖裂缝的显现,也影响了裂缝图像的提取。本文针对基于图像处理的铁路轨道板裂缝检测存在的问题,提出一种针对性的裂缝检测方法。首先针对采集的图像进行预处理,提高图像的对比度,增强裂缝的细节信息,然后依据裂缝在图像中比较暗这一特点,进行二值化处理,接着采用形态学的膨胀操作,将裂缝部分连接起来,剔除二值化处理后图像中的一些非裂缝的噪声部分,最终根据连通区域定位出铁路轨道板图像中的裂缝。
1 图像的预处理
铁路线路是宽度基本固定的长条形物体,采用线阵相机进行图像获取。安装在检测车上的线阵相机(图1)在车辆行进过程中连续获取铁路轨道板的图像。
图1 线阵相机布置
由于受光照条件、拍摄时间、角度等因素的影响,获取的图像中不可避免地会出现噪声信息以及对比度低、亮度不均匀等现象,这些因素直接影响后续处理效果,所以首先对图像进行预处理减弱图像的噪声,提高图像的对比度。在图像处理中存在着平滑和增强的矛盾,平滑降噪的同时也过滤了图像的一些细节信息,图像的增强可能会使图像中的噪声数据同时被放大[4]。针对这一特性,本文预处理主要包括两部分:为了减小图像中的噪声信息,避免后续进行图像增强时噪声随之增强,首先采用双边滤波器进行平滑操作;然后采用Wallis滤波器增强去噪后的图像,Wallis滤波器在增强原始图像中不同尺度纹理信息的同时可抑制噪声信息。对获取的图像进行双边滤波以及Wallis滤波后的图像如图2(b)和2(c)所示。
图2 预处理结果
1.1 双边滤波
双边滤波是一种非迭代的非线性滤波方法,同时利用邻域内的像素点的空间邻近度信息和灰度邻近度信息进行滤波,达到保边去噪的目的[5]。双边滤波的权值由空间高斯函数和值域高斯函数的乘积构成,在边缘附近,离得较远的像素不会对边缘上的像素值产生较大影响,在图像平滑的同时能很好地保持图像的边缘细节信息。
1.2 Wallis滤波
Wallis滤波器是一种比较特殊的滤波器,滤波器的作用是将图像的灰度均值和方差值映射到给定的灰度均值和方差值[6]。Wallis滤波本质上是一种局部变换,使得图像的反差得以均衡化,反差小的区域反差增大,反差较大的区域反差减小,图像中灰度变化较小的信息得以增强。预处理后图像的细节信息得以增强,与原图相比,预处理后图像中的裂缝清晰可见。
2 裂缝检测与判定
2.1 二值化处理
为了检测出裂缝的位置,首先需要对图像进行二值化处理。二值化处理通常分为全局二值化和局部二值化[7]。对于目标和背景明显分离、光照分布均匀、噪声干扰较小的图像采用全局二值化处理效果较好。对光照不均匀、有突发噪声的图像,采用由当前像素及其邻域内灰度值确定的局部阈值进行二值化处理能得到较好的效果。
在铁路轨道板裂缝检测中,裂缝图像中的噪声较强,若进行全局二值化,非裂缝处会产生较大的干扰。由于预处理之后图像凸显了裂缝细节信息,裂缝处的灰度值明显低于周围像素的灰度值,这就为局部二值化提供了依据,因此选择基于局部窗口的局部二值化方法更为适用。局部二值化处理后的效果如图3所示。
图3 局部二值化处理后的效果
2.2 裂缝合并与噪声剔除
从二值化处理的效果可以看出,裂缝的大概位置被检测出来了,但是由于图像中灰度分布不均匀,裂缝内部仍存在断裂情况,需要将断裂的情况予以合并。形态学的膨胀操作会使物体的边界向外扩张,若物体的内部存在小空洞,经过膨胀操作可将这些洞填补起来。
膨胀可以通过将相应结构元素的所有点平移输入集合,然后计算其并集得到[8]。选择合适的结构元素,就可以将裂缝合并完整。图4(a)为膨胀后的效果。
膨胀后的图像中,裂缝基本被合并在一起,但是图像中存在过多细小的颗粒噪声。为了后续定位,需要剔除干扰的噪声,获取白色像素构成的连通区域。图4(b)为去噪后的效果。
图4 膨胀后与去噪后的效果
裂缝合并后,结合裂缝在图像中表现出的特点,如果满足以下两个条件则检测为裂缝:
1)图像中连通区域的面积不能过大或过小,若连通区域的面积非常大,即使是较大的裂缝,在图像中也不可能占据较多的位置,会被视为干扰;若连通区域的面积过小,会被视为图像中的斑点噪声等,而予以剔除;
2)裂缝的连通区域不规则。若连通区域的形状为规则的矩形,则可以判断该区域为干扰构件部分,需剔除该区域。连通区域的形状是否为规则矩形的判断方式为:统计该连通区域的最小外包围矩形内白色像素所占的比重,若外包围矩形内白色像素过多,比重超出阈值时,即可判定该连通区域为矩形,将其剔除。
2.3 裂缝套合
噪声剔除之后,图像中只包含铁轨中的裂缝部分,需提取出白色连通区域的边缘进行检测。可采用Roberts边缘检测算子检测去噪后的图像边缘。Roberts边缘检测算子定位精度高,在水平和垂直方向上效果较好[9]。
图5为将二值化处理后的图像采用Roberts边缘检测算子检测得到白色连通区域的边缘,并将其套合在原图上的效果。可见,裂缝的边缘在图像上可明显看出,裂缝检测结果准确,能够检测定位出该区域存在的裂缝。
图5 裂缝检测套合结果
3 裂缝检测应用试验
为了验证本文提出方法的可靠性,对采用线阵相机获取的具有代表性的铁路轨道板图像数据(存在其他构件干扰情况)进行裂缝检测试验,铁路轨道板图像大小为1 000×1 024。采用本文提出的方法,首先对图像进行预处理,从预处理后的图像6(b)可以看出,裂缝部分与其余位置的灰度值明显存在差异,接着进行局部二值化处理,随后进行膨胀操作,接着进行去噪处理。二值化、膨胀、去噪后的结果分别如图6(c),6(d),6(e)所示。最后,采用Roberts边缘检测算子对去噪后的结果进行边缘检测,并在原图上显示检测出的裂缝位置,得到裂缝与原始图像的套合结果,如图7所示。
由图7可见,裂缝被有效地检测出来了。采用本文的方法能有效检测出铁路轨道板上存在的裂缝。
图6 裂缝检测过程
图7 裂缝与原图套合结果
4 结论
本文提出了一种基于铁路轨道板图像的裂缝检测方法,针对轨道板图像中噪声过多、亮度不均等特点,首先对图像进行预处理,在抑制图像噪声的同时增强裂缝部分的细节信息;接着对图像进行二值化处理,将二值化后的图像进行膨胀操作以及噪声剔除,最终进行裂缝边缘检测,并将检测结果与原始图像进行套合,验证所提取裂缝的可靠性。试验表明,本文方法能有效地检测出图像中裂缝存在的位置,可为后续养护维修提供依据。
[1]乔建华,毕友明.基于DSP的铁轨表面裂缝检测系统的设计[J].电子测量与仪器学报,2004,18(增2):1013-1016.
[2]王华夏,漆泰岳,王睿.高速铁路隧道衬砌裂缝自动化检测硬件系统研究[J].铁道标准设计,2013(10):97-102.
[3]沈瑜.基于NSCT的隧道裂缝图像检测[J].城市道桥与防洪,2013(10):176-180.
[4]王克刚,齐丽英.一种图像自适应平滑与增强算法[J].现代电子技术,2008(14):89-91.
[5]王一帆,尹传历,黄义明,等.基于双边滤波的图像去雾[J].中国图象图形学报,2014,19(3):386-392.
[6]张力,张祖勋,张剑清.Wallis滤波在影像匹配中的应用[J].武汉测绘科技大学学报,1999,24(1):24-27.
[7]王序哲.局部自适应二值化方法研究[J].软件导刊,2011,10(11):13-14.
[8]高山,张明,毕笃彦,等.基于形态学膨胀和差分缩减的嵌入式图像编码算法[J].西安科技大学学报(自然科学版),2009,36(3):535-539.
[9]段瑞玲,李庆祥,李玉和.图像边缘检测方法研究综述[J].光学技术,2005,31(3):415-419.
Study on detecting crack in railway track slab based on image processing technology
XUE Feng1,ZHAO Like2,CHAI Xuesong1,ZHENG Shunyi2
(1.Railway Engineering Research Institute,China Academy of Railway Sciences,Beijing 100081,China; 2.School of Remote Sensing and Information Engineering,Wuhan University,Wuhan Hubei 430079,China)
T he surface cracks of railway track slab will directly affect the service life and state of track slab,so the automatic detection of the track slab surface quality is very important.A non-contact track slab surface quality detection method based on image processing was proposed in this paper,which will enhance the crack information in the original image by pre-processing and exactly determine the crack location according to characteristics of the preprocessed crack image after such steps as binaryzation,crack merging and noise removal.T he tests verified that the method proposed in this paper can effectively detect the cracks in the railway track slab images.
Railway track slab;Crack;Detection and localization
U213.2+44
A
10.3969/j.issn.1003-1995.2015.12.32
1003-1995(2015)12-0123-04
(责任审编葛全红)
2015-08-10;
2015-09-15
中国铁道科学研究院基金项目(2014YJ020)
薛峰(1979—),男,助理研究员,硕士。