基于改进Canny算法的列车车轮踏面损伤边缘提取

张志腾,侯 涛

(兰州交通大学自动化与电气工程学院,兰州 730070)

基于改进Canny算法的列车车轮踏面损伤边缘提取

张志腾,侯 涛

(兰州交通大学自动化与电气工程学院,兰州 730070)

针对高速列车车轮踏面擦伤、剥离的人工巡检方法效率较低且容易出现漏检等问题,设计一种高速列车车轮踏面损伤的动态检测系统,提出一种擦伤、剥离的特征提取方法。该方法在现有Canny算法的基础上加入45°方向和135°方向梯度模板来计算梯度幅值,用线性插值法对梯度幅值进行非极大值抑制,再使用优化后的迭代阈值算法求得高阈值和低阈值。试验结果表明,该算法可以有效地抑制噪声和干扰,最大限度地保留高速列车车轮踏面的真实边缘,为列车车轮踏面损伤自动巡检提供技术支持。

高速列车；车轮踏面；特征提取；擦伤；剥离； Canny算法

随着高速铁路技术的快速发展，高速列车的速度越来越快，随之而来的安全问题也越来越受到人们的重视。列车的紧急制动会造成踏面损伤，严重影响列车与轨道设施的安全和使用寿命[1]。自20世纪70年代以来，国内外专家学者对车轮踏面擦伤、剥离的自动检测进行了大量的研究。美国采用冲击载荷法，德国等欧洲国家采用腾空法和轨道变形截取法，俄罗斯、日本采用振动加速度法等[2，3]。国内则采用超声波探伤法[4]、振动加速度法[5]、踏板法[6]等，取得了较多的研究成果，但对高速列车车轮踏面损伤检测的适应性存在一定的不足，在实际应用中，目前对高速列车车轮踏面损伤检测还是以人工巡检为主，存在优化改进空间。机器视觉检测技术具有速度快、精度高、成本低等优点，已广泛应用在工业产品表面缺陷自动检测领域[7]。本文设计了一种对列车车轮踏面进行损伤检测的动态系统，针对高速列车车轮踏面损伤的特点，提出了一种具有高定位精度和抑制虚假边缘等优点的改进Canny算法，实现了抗噪性能好、边缘效果佳的自适应边缘提取算法，提高了检测效率的同时还可以节省人力、物力，可见该研究具有十分重要的理论意义与实际应用价值。

1 现有Canny边缘检测算法

1968年，John F. Canny提出了基于最优化算法的多级边缘检测算法[8]，由于Canny算法在处理含有高斯白噪声的图像时优于其他常用的边缘检测算法，因而得到了广泛的应用。评价Canny边缘检测算法的3个准则分别为：高信噪比准则，高定位准则，单边缘响应准则。Canny边缘检测算法的实现包括：平滑图像，计算梯度幅值和方向，对梯度幅值进行非极大值抑制，双阈值检测和边缘连接。

1.1 平滑图像

选用二维高斯函数的一阶导数对图像进行高斯滤波[9]，二维高斯函数定义为

梯度分量分别为

式中,k为常数；σ为高斯曲线标准差，控制着图像的平滑程度。

1.2 计算梯度幅值和方向

采用2×2领域内的一阶有限差分来计算滤波后的图像矩阵I(i，j)的梯度幅值和方向，x和y方向的差分运算分别为[10，11]

Px(i，j)=(I(i，j+1)-I(i，j)+I(i+1，j+1)

Py(i，j)=(I(i，j)-I(i+1，j)+I(i，j+1)

梯度幅值和方向分别为

1.3 非极大值抑制(NMS)

仅仅得到全局的梯度还不足以确定边缘，为了确定边缘必须保留局部梯度的最大值点，就必须抑制非极大值点(non-maximum suppression， NMS)。在3×3邻域内对中心像素梯度M(i，j)沿梯度方向及反方向的元素进行线性插值[12]，然后将中心点的幅值与沿梯度方向相邻的两个插值幅值进行比较，如果M(i，j)的梯度值小于沿梯度线上的两个相邻像素点的梯度值，那么认为该点为非边缘点，将M(i，j)置为0。

1.4 双阈值检测和边缘提取

经过非极大值抑制后得到图像的梯度幅值矩阵N(i，j)，设定初始高低阈值为TH和TL，将梯度值小于阈值的像素灰度值置0，分割得到2个阈值边缘图像H(i，j)和L(i，j)。H(i，j)是由高阈值得到，因此虚假边缘相对比较少，但是L(i，j)包含的边缘信息则比较全面，同时会包含一定的虚假边缘，所以在边缘连接的时候以H(i，j)为基础，以L(i，j)为补充[13]。在图像H(i，j)连接边缘轮廓连接到端点时，在L(i，j)中寻找弱边缘，填补H(i，j)的边缘空隙。

2 改进的Canny算法

2.1 计算梯度幅值的改进

现有Canny算法使用2×2邻域内一阶有限差分计算图像梯度幅值，这种方法虽然能表征大部分图像特征，但对噪声比较敏感。在8邻域内计算水平、垂直、45°和135°方向的一阶有限差分来计算像素的梯度幅值[9]。该方法虽然能在一定程度上抑制噪声，但计算相对复杂。本文在Sobel算子的基础上加入45°方向和135°方向的梯度模板来计算梯度幅值[14]。4个方向上的梯度分量分别为Px(i，j)、Py(i，j)、P45(i，j)和P135(i，j)，则梯度幅值和方向分别为

M(i，j)=

2.2 优化迭代阈值算法

当现有Canny算法高低阈值的确定会受到人为干扰，且不具有自适应性。对不同的图像只能根据经验选取阈值，高低阈值比例也相对固定。在实际现场中图像受到外界光照和环境变化的影响比较大，高低阈值的比例不可能为定值。针对以上问题，在迭代式阈值分割算法[15]的基础上，提出一种优化迭代算法来自适应地确定高低阈值，通过不断迭代得到理想阈值。优化迭代阈值算法实现如下。

(1)求初始阈值T0

其中，K是迭代次数；Zmax、Zmin分别为梯度幅值的最大值和最小值。

(2)用阈值TK将所有的梯度值分为H1和H2两部分，大于等于TK的部分为H1，小于TK的部分为H2。

(3)计算得到H1部分的梯度均值为M1，H2部分的梯度均值为M2。

其中，N(i，j)为点(i，j)进行非极大值抑制后的梯度值；W(i，j)为点(i，j)的权重系数。

(4)新的阈值TK+1为

(5)若|TK+1-TK|≤0.01，此时TK与TK+1基本相等，那么迭代则结束，否则令K=K+1，重复(2)～(5)，直至迭代结束。

(6)迭代结束以后，将最终的M1和M2作为梯度幅值的高阈值和低阈值。

3 仿真试验结果与分析

为了验证改进后的Canny算法在高速列车车轮踏面边缘提取中的有效性，从某动车所实地采集部分车轮踏面损伤图像，并在MATLAB 2012a仿真软件下进行仿真验证，仿真试验结果如图1所示。

图1 车轮踏面剥离仿真试验结果

图1中分别采用了传统Canny算法、文献[10]提出的一种改进型Canny算法和本文算法，与图1(b)结果相比，图1(c)和图1(d)边缘提取效果更佳，图1(b)中明显有很多间断线条，图1(d)与图1(c)相比，边缘细节更为明显。综上所述，说明本文提出的算法能够检测出较多的实际边缘，边缘细节处理效果好，抑制噪声能力较强。

4 结论

本文使用改进Canny算法对高速列车车轮踏面损伤进行边缘提取。该算法在Sobel算子模板的基础上加入45°和135°方向的梯度模板来计算梯度幅值，使边缘轮廓更加清晰，使用优化迭代算法求得最佳高低阈值，克服了人为设定阈值的不足。用某动车所采集的高速列车车轮踏面图片进行仿真验证，结果表明该方法能够有效地抑制噪声，可以自适应地选取高低阈值，保留了较多的真实边缘，突出了边缘细节。

[1] Condier J F， Fodiman P. Experimental characterization of wheel and rail surface roughness[J]. Journal of Sound and Vibration，2000，231(3)：667-672.

[2] 张渝，王黎，高晓蓉，等.国内外车轮踏面损伤检测技术综述[J].机车车辆工艺，2002，(1)：1-4.

[3] 侯世江.对车轮踏面擦伤微机自动检测系统的初步研究[J].铁道车辆，2001，39(12)：36-38.

[4] 陈永疆.超声波阵列探伤技术在机车车轮在线检测上的应用[J].铁道机车与动车，2015(10)：31-33.

[5] 王晗.车轮踏面擦伤的冲击振动特性及其在车轮擦伤检测中的应用[J].电力机车与城轨车辆，2016，39(2)：62-65.

[6] 李景泉，刘继.车轮踏面擦伤自动检测方法的研究和试验[J].同济大学学报，2003，31(4)：473-476.

[7] 田丽丽，方宗德，赵勇.铁路货车车轮踏面伤损检测中剥离与擦伤定位方法[J].铁道学报，2009，31(5)：31-36.

[8] Canny J， A computational approach to edge detection[J]. IEEE Transac-tions on Pattern Analysis and Machine Intelligence，1986，8(6)：679-698.

[9] 李二森，张保明，周晓明，等.自适应Canny边缘检测算法研究[J].测绘科学，2008，33(6)：119-120.

[10] 王小俊，刘旭敏，关永.基于改进Canny算子的图像边缘检测算法[J].计算机工程，2012，38(14)：196-202.

[11] 吉玲，杨亚，付珊珊，等.一种改进的Canny边缘检测算法[J].微机处理，2015(1)：40-43.

[12] 孙智鹏，邵仙鹤，王翥，等.改进的自适应Canny边缘检测算法[J].电测与仪表，2016，53(6)：17-21.

[13] 李牧，闫继红，李戈，等.自适应Canny算子边缘检测技术[J].哈尔滨工程大学学报，2007，28(9)：1002-1007.

[14] 许宏科，秦严严，陈会茹.一种基于改进Canny的边缘检测算法[J].红外技术，2014，36(3)：210-214.

[15] 杨丹，赵海滨，龙哲，等.MATLAB图像处理实例详解[M].北京：清华大学出版社，2013.

Edge Extraction of Train Wheel Tread Damage Based on Improved Canny Algorithm

ZHANG Zhi-teng, HOU Tao

(School of Automation & Electrical Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China)

In view of the high-speed train wheel tread scratch, the stripping of artificial inspection method is less efficient and prone to miss inspection. This paper designs a dynamic detection system for wheel tread damage and a feature extraction method for scratch and peeling is proposed. This method adds 45° and 135° gradient templates on the basis of the existing Canny algorithm when calculating the gradient amplitude. Linear interpolation method is used to suppress the non-maximum value of the gradient amplitude, and uses the optimized iterative algorithm to find the high and low thresholds. The experimental results show that the algorithm can effectively suppress the noise and interference, and maximize the real edge of the high-speed train wheel tread, which provides technical support for automatic inspection of train tread damage.

High-speed train; Wheel tread; Feature extraction; Scratch; Peeling; Canny algorithm

1004-2954(2018)01-0148-03

2017-04-07;

2017-04-12

甘肃省自然科学基金(1606RJZA002)

张志腾(1989—)，男，硕士研究生，E-mail：zzt_0919@163.com。

U260.331+.1

A

10.13238/j.issn.1004-2954.201704070003