基于不变矩的制动开关图像匹配方法

2017-01-19吴波封松林艾成汉杨林杰孙国栋吴

现代电子技术 2016年24期

吴波　封松林　艾成汉　杨林杰　孙国栋　吴曦

摘要：针对TFDS检测系统中制动开关定位耗时较长的缺点，提出一种基于Hu不变矩的变步长匹配方法。该方法由粗匹配和精匹配组成，并根据制动开关形状设计了横向匹配的变步长计算公式。首先通过Hu不变矩计算模板图像与检测图像中模板窗口的匹配值，根据匹配值的权重来选择对应步长，并把匹配值大于设定阈值的点作为初级预选点；然后获取每个预选点邻域内的最佳匹配点，将其保存到极大值序列以搜索最大值，最终锁定制动开关所在区域。实验结果表明，该算法对尺度变换、平移以及旋转具有一定的不变性，且匹配速度大大提高，取得了良好的匹配效果。

关键词：制动开关；图像匹配； Hu不变矩；变步长

中图分类号： TN911.73?34； TP399 文献标识码： A 文章编号： 1004?373X（2016）24?0092?04

Braking switch image matching algorithm based on invariant moment

WU Bo1，2， FENG Songlin1，2， AI Chenghan3， YANG Linjie3， SUN Guodong3， Wu Xi4

（1. Shanghai Advanced Research Institute， Chinese Academy of Sciences， Shanghai 201210， China；

2. University of Chinese Academy of Sciences， Beijing 100049， China； 3. Hubei University of Technology， Wuhan 430068， China；

4. Wuxi Power Supply Company， Jiangsu Electric Power Company， Wuxi 214062， China）

Abstract： A matching method of variable step size based on Hu invariant moments is proposed to overcome the disadvantage of time?consuming positioning of the braking switch in TFDS detecting system. The method consists of coarse matching and precise matching. The variable step size calculation formula for horizontal matching was designed according to the shape of the breaking switch. The matching values of the template windows in template image and detection image are calculated with Hu invariant moments. The corresponding step size is selected according to the weight of the matching values. Those points whose matching values are greater than the given threshold are taken as the pre?selected points to get the optimal matching points in the neighborhood of each pre?selected point and then save them into the maximum sequence to search the maximum value. The region where the breaking switch lies in is located finally. The experimental results show that this algorithm has certain invariant properties in the aspects of scaling variation， translation and rotation， improves the matching speed greatly， and has obtained a good matching effect.

Keywords： braking switch； image matching； Hu invariant moment； variable step size

目前，我国列车故障检测主要以人工现场检测为主，其劳动强度大、效率低，检测质量难以保证，已无法满足我国高速发展的货运列车检测要求。部分铁路线安装的货车故障轨边图像检测系统[1]（Trouble of moving Freight car Detection System，TFDS）虽减轻了现场检测的繁琐与劳动强度，提高了检测效率，但长时间、高度集中观察图片给检测人员带来了极大的精神疲劳，导致检测质量难以保证。因此，实现TFDS的自动故障检测是发展的必然趋势，可克服人工检测易受外界干扰的局限性[2?3]。制动开关[4]是货运列车制动过程中的一个重要部件，位于货车底部，用于关闭或者打开制动管。由于制动开关位置存在一定的不确定性，传统算法难以直接定位把手所在区域，本文提出的基于不变矩匹配方法为此提供了良好的解决方案，并在对比传统灰度匹配方法的基础上，对其做了改进与优化。

1 制动开关图像匹配总体方案

制动开关是货运列车制动的关键部件，是TFDS中需重点检测的故障，其图像匹配的方案总体流程见图1。

首先通过相机实时采集列车底部相应区域的图像，同时在图像处理系统中加载制动开关的模板图像，分别对检测图像和模板图像进行相应的预处理。为保证算法的快速性，本文结合制动开关在列车底部大致的装配位置，对检测图像根据其尺寸规格来设定先验区域，以减少搜索范围。最后按照后续设计的制动开关模板匹配算法，快速锁定制动开关所在区域。

由于列车图像大多在室外拍摄，图像质量很容易受光照强度、天气状况等因素影响。这些因素导致检测图像中存在大量噪声，针对图像噪声分布无特定规律且不变矩对连通区域具有良好的描述特性，故选用高斯平滑滤波[5?6]去除图像噪声并对其二值化。

2 Hu不变矩描述子

在图像处理中，不同阶次的矩是常用的描述图像信息的统计特征，且具有一定的平移、旋转和尺度不变性。由于高阶矩对图像噪声、变形非常敏感，常用的三阶Hu不变矩具有较好的匹配适应能力。对于一幅二维离散图像f（i，j）的p+q阶矩[7?9]定义为：

通过式（4）计算出的Hu不变矩描述子概念简单、区域描述稳定，故被广泛地应用在图像识别的特征提取中。采用不变矩来描述图像之间的相似度，其匹配特性几乎不受几何失真影响。

3 基于Hu不变矩的制动开关变步长图像匹配方法

虽然Hu不变矩的制动开关匹配算法相对灰度匹配算法而言，对平移、尺度变化、旋转具有一定的不变性，但是不变矩的计算量大、耗时较长，不能满足货运列车检测的实时性要求。因此对匹配算法的搜索策略进行了改进，提出了变步长的快速匹配方法。该方法由粗匹配和精匹配两部分组成，粗匹配保证了算法的快捷性，精匹配可确保匹配精度达像素级，变步长匹配方法流程如图2所示。

其改进主要在于根据模板图像与检测图像中模板窗口（即每次匹配之前设置的动态ROI）的匹配值决定下一匹配的步长。不同大小的匹配值对搜索最佳匹配位置的权重是不同的，匹配值相对小的位置，距离最佳匹配位置较远，可以适当放大匹配步长；匹配值越大，则越靠近最佳匹配位置，理所当然应该减小匹配步长。从而克服传统模板匹配中逐像素移动的缺陷，大大缩短了匹配时间。

实验分析发现，制动开关形状特征在检测图像中横向变化缓慢，而纵向变化较快。为了兼顾匹配的准确性和快速性，纵向的匹配步长定为两个像素，并设计了基于匹配值的横向匹配步长的计算公式：

[S=INT（（1-Rvalue）?Step）， Rvalue≤0.92， 0.9 < Rvalue≤1] （5）

式中：Rvalue为当前的匹配值；Step为跳跃影响系数，本实验取Step=30；S为匹配值对应的步长。当Rvalue≤0.9时，S为式（5）计算取整后的数值；当Rvalue>0.9时，S=2。由于变步长匹配算法存在天然的缺陷，并不一定能够保证找到最佳的匹配位置，只能确保搜索其靠近位置。为此设定了匹配阈值T，将大于匹配阈值T的位置点相关信息保存到预选点集中，作为初级的预选点，预选方案为：

[t（i，j）=1， Rvalue f（i，j）>T 0， Rvalue f（i，j）≤T ] （6）

式中：[Rvalue f（i，j）]为图像在该位置的匹配值；[t（i，j）]为1，表示[f（i，j）]为预选点；[t（i，j）]为0，表示[f（i，j）]不是预选点。预选点的个数和搜索时间是相互矛盾的，阈值设定太低，过多无谓预选点会消耗大量匹配时间，阈值设定太高，最佳匹配位置点有可能被排除在预选点范围以外，导致错误的匹配。本文通过实验分析，设定的预选点阈值T=0.99，对应预选点个数为50。然后，重新遍历初级预选点，以该点为中心，在特定大小的邻域内重新设定ROI逐像素匹配并计算其匹配值，每次获取该局部范围内最佳匹配值所对应的像素点，并将该像素点的匹配值和位置信息保存到极大值序列中。

最后，将极大值序列中的匹配值进行排序，最大值对应的位置即为最佳匹配位置的中心。精匹配邻域取以预选点为中心9×9（即r=4）窗口，精匹配示意图如图3所示。通过相似性度量方法计算7个不变矩间的关系，从而衡量两幅图像间的相似程度，对两幅图像不变矩间的相似度采用归一化度量方法，计算公式如下：

[Rvalue=i=17MiNii=17Mi2i=17Ni212] （7）

式中：Mi（i=1～7）表示模板图像的7个不变矩；Ni（i=1～7）表示检测图像中动态ROI（Regions of Interet，感兴趣区域）的7个不变矩；Rvalue表示匹配值，Rvalue∈（0，1），越接近1，表示相似度越高。

4 实验结果和分析

4.1 基于灰度和Hu不变矩的制动开关匹配比较

由于列车图像大多拍摄环境比较恶劣，拍摄的图片往往会伴随着一定的偏转和尺度变化。为了满足检测的需要，使用基于灰度和提出的Hu不变矩模板匹配算法分别对存在不同旋转角度、尺度变化以及两种因素混合的制动开关图像进行匹配实验[9?11]。

实验环境为Xeon 3.40 GHz，内存8.00 GB的PC机，操作系统为Windows 7 32位操作系统，编程软件为Visual Studio 2010+OpenCV 2.4.4。对比实验发现：归一化的灰度模板匹配算法在尺度缩放因子小范围变动、角度超过±3°之后，匹配性能迅速下降，出现匹配不准（见图4（b））或者匹配错误（见图4（c）、图4（d））。

基于Hu不变矩匹配算法在尺度缩放因子为0.8～1.2、旋转角度在±18°范围之内，仍然可以得到精确的匹配结果，如图5所示，可以满足制动开关检测的要求。

4.2 基于Hu不变矩的制动开关变步长匹配改进前后对比

改进前后基于Hu不变矩的匹配算法各自随机运行8次，运行时间见表1，其平均值分别为27 363.63 ms，1 881.5 ms；可见改进前算法时间是改进后的13倍，改进后算法满足TFDS定时检测要求。

5 结论

本文对基于归一化的灰度和Hu不变矩制动开关匹配算法做了实验对比，实验表明Hu不变矩匹配算法具有更强的适应性，对平移、旋转和尺度变化具有一定的鲁棒性，可以在缩放因子为0.8～1.2、旋转角度为±18°的区间内精确定位制动开关位置，匹配精度达到像素级。针对Hu不变矩算法耗时较长的缺点，提出了基于Hu不变矩匹配值的变步长图像匹配方法，提升了匹配速度，算法耗时为1.8 s左右，基本上满足制动开关匹配的实时性要求。此外，该方法可推广应用于电力系统等开关断合状态的检测。

注：本文通讯作者为孙国栋。

参考文献

[1] 齐辉.对TFDS货车运行故障动态图像检测系统运用情况的初步探索[J].铁道机车车辆，2007，27（4）：51?54.

[2] 李永华，兆文忠.铁路货车故障模式危害性分析方法[J].中国铁道科学，2009，30（3）：103?108.

[3] 王华胜.模糊综合评价法在机车车辆故障分析中的应用[J].中国铁道科学，2000，21（4）：51?57.

[4] 孙国栋，卢婷，戚雨航.基于几何特征匹配的截断塞门手把图像分割[J].制造业自动化，2013，35（5）：46?47.

[5] 王耀贵.图像高斯平滑滤波分析[J].计算机与信息技术，2008（8）：79?81.

[6] 李雪威，张新荣.保持边缘的高斯平滑滤波算法研究[J].计算机应用与软件，2010，27（1）：83?84.

[7] ZUNIC Dragia， ZUNIC Jovia. Shape ellipticity from Hu moment invariants [J]. Applied mathematics and computation， 2014， 226： 406?414.

[8] 王振海.融合HU不变矩和SIFT特征的商标检索[J].计算机工程与应用，2012，48（1）：187?190.

[9] 杨小冈，曹菲，缪栋，等.基于相似度比较的图像图像灰度匹配算法研究[J].系统工程与电子技术，2005，27（5）：918?921.

[10] 计长安，张秀彬，吴浩，等.基于灰度权重NMI的快速图像匹配[J].计算机工程，2007，33（24）：25?28.