基于图像畸变校正的车轮踏面区域提取

2018-07-12王永胜马增强宋子彬校美玲

图学学报 2018年3期

王永胜，马增强，宋子彬，校美玲

基于图像畸变校正的车轮踏面区域提取

王永胜，马增强，宋子彬，校美玲

(石家庄铁道大学电气与电子工程学院，河北石家庄 050043)

为了实现踏面缺陷部位面积的精确测量，提出了一种基于图像畸变校正的车轮踏面区域提取方法。首先采用改进的彩色图像标记分水岭初次分割侧视视角踏面曲面图像，然后根据踏面曲面图像横向和纵向畸变的不同特点顺次进行平面横纵坐标几何校正并在此过程中完成踏面区域的二次分割与视角转换，最后得到踏面正视视角矫正图像。实验结果表明，该方法可以准确分割并校正侧视视角踏面图像，为实现踏面缺陷面积的精确计算打下基础。

踏面损伤；彩色图像标记分水岭算法；畸变校正；视角转换；精确测量

列车轮对踏面作为车辆与钢轨直接接触的部分，直接承担着车辆与钢轨间的所有作用力，工作环境复杂恶劣，使得轮对踏面缺陷成为了车辆主要故障之一[1-3]，因而加强车辆轮对踏面状态检测对保障行车安全具有重要意义[4-5]。图像检测技术具有故障检测速度快、实时性好和准确性高的特点，成为了当前踏面状态检测技术发展和应用的重点。图像分割技术作为图像检测技术的关键环节，其分割效果的好坏直接影响后续故障诊断结果的准确性。文献[6]提出了一种基于自适应阈值平稳小波的货车车轮踏面区域分割算法，其应用小波边缘检测提取踏面候选边缘线进而利用踏面边缘线搜索算法获取踏面区域，其分割结果易受光照和背景环境干扰。文献[7]提出了一种基于阈值分割和形态学分割相结合的分割方法，将采集图像进行同态滤波处理后使用迭代法进行初步分割，然后应用形态学分割得到踏面区域图像，其初始阈值的选取直接关系分割效果，算法的适应性较差。此外，基于边缘提取的踏面区域分割方法[6-7]由于铁路车辆转向架机械设计的特点和动态检测过程中铁路安全限界要求[8]无法完成其正视视角图像采集，因而其多采用轨道侧部位置固定多部相机配合车轮传感器顺次采集踏面图像，通常在取得踏面连通域后直接应用灰度特征对踏面缺陷进行定性判断和定位分析，忽略了由于采集设备设置方位限制带来的图像畸变，因而不能实现对于踏面缺陷面积的定量计算，影响踏面故障类型的判断和故障等级的划分。文献[9]使用两个线阵CCD相机完成踏面图像的动态采集并对得到的畸变图像进行校正。但由于图像采集过程中踏面相对线阵相机位置存在相对运动使得到的非对称梯形图像两端尺度相差很大，并且相邻帧图像之间均存在不规则相对运动与空间角度的变换，对其进行拉伸插值处理均会造成严重图像失真，从而图像缺陷面积计算值可信度不高。针对当前两类主流踏面图像提取方法[6,7,9]存在的抗环境干扰能力差和图像畸变校正效果不理想的问题，本文根据踏面彩色图像特点与侧视踏面图像畸变特点选取带色彩恢复的多尺度视网膜增强算法(multi-scale retinex with color restore，MSRCR)[10]进行图像预处理并改进标记分水岭算法完成侧视视角踏面曲面图像的分割，提高了踏面分割的精度与抗干扰能力，然后根据踏面曲面图像横向和纵向畸变的不同特点设计简单的校正模型，完成踏面区域的二次分割与视角转换，实现了校正踏面正视视角图像的分割提取。经实验验证，本方法分割校正的踏面图像准确地反映了图像特征区域的尺度和位置信息，为实现踏面缺陷面积的精确测量和缺陷等级的划分提供了前提。

1 踏面曲面图像分割

本文首先对采集侧视图像进行MSRCR预处理，保留踏面彩色图像细节信息并提高算法抗环境干扰能力，然后采用改进的彩色图像标记分水岭算法对踏面曲面进行初次分割提取单一连通域侧视踏面曲面图像。

1.1 图像预处理

图像采集过程中往往会受到外界环境的干扰，对后续的图像分割和目标识别等处理造成影响。如图1(a)所示，雾霾天采集到的图像对比度和亮度低，颜色出现偏移和失真，使得图像细节变得模糊。此外，转向架通常会有一侧车轮处于背光处，其色彩差别较小，如图1(c)所示。针对以上两种常见情况，本文采用MSRCR算法对彩色踏面图像进行处理来恢复图像的真彩色信息，处理效果如图1(b)、(d)所示。

对处理前后图像应用各个评价指标检验处理效果见表1。

图1 MSRCR算法处理对比图

表1 各图像评价标准分析统计表

注：边缘强度使用Sobel边缘算子

从表1中数据对比可知预处理后图像质量明显提高，特别是图像细节和色彩对比度有了很大的改善，为后续图像分割打下了基础。

1.2 彩色图像标记分水岭分割

与灰度域的标记分水岭算法[11]不同，本文改进的彩色图像标记分水岭分割算法具体流程如2图所示，直接计算彩色图像梯度图，使得到的彩色图像梯度更准确，适合区分踏面提取这种背景复杂且灰度差异较小的图像。在分水岭算法前景标记的过程中针对踏面彩色图像背景复杂与目标图像差异小的特点，对彩色梯度图RGB分量分别进行形态学开闭重构运算处理以消除不同色彩分量梯度图中明暗细节，减少由于明暗细节和噪声干扰造成的轮廓边缘偏移和过分割现象得到平滑图像，然后对彩色梯度图RGB各个彩色分量的极大值图进行逻辑或运算，尽可能保留各个彩色分量极大值信息得到区域极大值。背景标记的过程中在Ostu阈值分割前对RGB各个彩色分量进行均值计算来减少物体间不同颜色对标记结果的影响，提高区域分割精度。完成分水岭分割后，根据踏面曲面在采集图像内连通域面积最大的特点，采用了计算简单且运算量小的分割方法即搜索函数确定此标记区域标签对应连通域的所有点的坐标，利用得到点的坐标创建一个Lm区域为1、其余区域为0的模板，然后利用创建的模板矩阵点乘原图中的各颜色分量矩阵就可以最终得到单独的踏面区域图像，并利用提取出的踏面区域从原图完成彩色图像踏面分割，此过程中对应各步骤图像如图3所示。

图2 改进的彩色图像标记分水岭算法流程图

图3 改进的彩色图像标记分水岭算法结果图

2 踏面图像畸变校正与提取

踏面图像采集装置设置如图4所示，系统中相机焦距及其位置固定，通过车轮传感器触发控制相机实现采集时刻相机与轮对踏面相对位置固定。本文忽略相机在制造和安装过程中自身产生的非线性图像畸变，建立针孔相机坐标模型，如图5所示，点为相机光心，与轴、轴和相机光轴轴构成的直角坐标系作为相机坐标系，UOV构成图像坐标系，两者间距OO为相机焦距。世界坐标系X过轮轴轴心，轴位于XO′Z平面且与Z轴平行，即设定相机光轴与轮对轴心等高，直线、间距为相机垂向视野范围，踏面表面直线、平行于XO′Z平面，平行于YO′Z平面。此模型下设备采集踏面图像为侧视曲面图，踏面图像横向畸变主要是相机视角引起的线性畸变，纵向畸变主要是车轮踏面近似柱体引起的非线性畸变，两者之间相互独立，因而可将踏面曲面区域的几何校正分为横坐标校正和纵坐标校正两个步骤。

图4 采集装置设置图

图5 成像坐标示意图

2.1 踏面图像横坐标校正

车轮轮辋侧面、轮缘内侧与踏面处于不同平面，侧视图中车轮轮辋区域宽度沿周向变化，传统方法直接对提取的踏面区域进行等宽拉伸，如图6所示拉伸后图像中的轮辋、轮缘区域与踏面区域的比例与实际比例相差很大。如图7所示，YO′Z平面踏面区域图像每行的轮辋宽度对应于轮辋侧面圆环的水平截线长度，其沿相机光轴过轮对圆心的截线最短且向两端移动宽度逐渐增大。由于轮辋侧面以及轮缘内侧区域并非踏面擦伤、剥离、碾堆等主要损伤的检测位置，因此在线性变换之前对分水岭算法分割后的图像进行二次分割去除踏面区域图像每行中的轮辋侧面以及轮缘内侧区域。

图6 踏面区域直接线性变换

设待校正踏面灰度图像矩阵为(x,y),其中∈(0,)&∈(0,)。为了避免直接对RGB图像的3个颜色分量进行行线性变换导致后期彩色图像融合时出现匹配错误，本文首先仅对踏面图像R分量矩阵进行行分割处理。如图8所示，踏面与轮辋侧面的交界点位于图像每行中的灰度最大值点，而轮缘与踏面的交界点位于每行后半部分的最小值附近，由于轮缘在图像中的宽度整体变化很小，因此使用均值法计算轮缘与踏面交界点位置。

图7 轮辋侧面宽度变化示意图

图8 踏面图像R分量的亮度分布

具体校正步骤如下：

(1) 计算图像R分量矩阵每行非零像素中前半部分的最大值Max[(X,y)],其中X∈(0,x)&∈(0,/2)。

(2) 计算每行后半段的最小值Min[(X,y)]与该行末尾(X,y)的距离，其中X∈(0,x) &∈(/2,)，即

(3) 计算所有行距离的平均值得到轮缘的近似宽度，并将每行距离行尾轮缘宽度的点作为轮缘与踏面的近似交界点，即

(4) 分割图像中踏面部分｛Max[(X, y)]，｝,其中∈(0,)&∈(0,/2)。

(5) 使用R分量分割得到的踏面部分对其他分量矩阵进行分割处理，然后将踏面区域逐行最近邻重采样为指定宽度(标定踏面区域在图像中宽度为100个像素左右，实际宽度为103 mm)

(6) 将处理后的R、G、B分量图像重组，完成踏面图像横坐标校正。

2.2 踏面图像纵坐标校正

踏面图像横坐标校正完成后转变为XO′Y平面的正视视角图像，如图4所示，相机的最大纵向视野范围光路与相机光轴的最大夹角为，且踏面图像其他区域位置处拍摄图像角度更小，基于相机与轮对方位设置在计算纵坐标校正模型时可近似将光路视为平行于相机中轴，因而踏面图像纵坐标的非线性畸变可看作为弧上的点按照弦等间隔采样造成的，从而将踏面图像纵坐标的校正问题转换成求圆弧等间隔点采样值的问题。如图9所示,在YO′Z平面中弧上的点对应弦上的点。设∠=，半径=，则弧的长度为，弦的长度为2sin(/2)，线段的长度为，则可得弧上点与弦上的点的对应关系为

具体校正步骤如下：

(1) 假定横坐标校正后的图像为×的矩阵，根据弧长与弦长的比例定义对应大小的矩阵(本文标定圆心角为120°，踏面圆半径为420 mm，则定义矩阵为1.21×)。

(2) 使用立方插值法[12]将上一步中创建的矩阵所有坐标按照式(3)映射到横坐标校正后的矩阵中。

(3) 为使校正后的图像的横纵坐标的比例与实际比例相同，用双线性插值法将矩阵的纵坐标拉伸成指定长度(本文拉伸长度为踏面滚动圆周长的三分之一，即880 mm)，从而完成了踏面区域彩色图像提取与校正。

图9 纵坐标校正原理示意图

3 实验结果与分析

实验软件环境：Window7-64、MATLAB 2014；硬件环境：计算机(内存8 G, CPU 3.4 GHZ)、采集卡(SOL2MEVCLF)、CCD工业相机(JAI-5000C- PMCL,分辨率2 560×1 280)、理光镜头(25 mm F/1.4)、相机支架(QZSD-620)、永磁型车轮传感器及转向架试验台。