呂文閣，涂曉斌＋，成思源，駱少明，譚志忠

（1.廣東工業(yè)大學 機電工程學院，廣東 廣州 510006；2.東莞諾麗電子科技有限公司，廣東 東莞 523050）

0 引言

受電弓是電力機車運行時從電網中取電的裝置。在機車運行中，受電弓滑板發(fā)生電氣磨耗和滑動磨耗是不可避免的，當受電弓滑板磨耗到一定程度時，容易造成拉網或卡網，由此可能引發(fā)嚴重的鐵路交通事故［1］。因此，對受電弓滑板磨耗狀態(tài)進行檢測，對于保證機車正常運行和電網安全都具有非常重要的意義。近年來，隨著機器視覺相關軟硬件技術的日趨成熟，采用機器視覺技術對受電弓滑板的厚度進行非接觸測量已經成為一種可行的方法。采用機器視覺技術檢測受電弓的形狀，具有反應迅速、計算簡單、易于存儲和再現、抗干擾能力強和易于實時控制等優(yōu)點［2］。

機器視覺技術對受電弓的檢測主要是對拍攝到的受電弓圖像進行分析處理，獲得需要的數據。在圖像分析過程中，噪聲會影響受電弓邊緣輪廓的提取。傳統的檢測方法中檢測目標邊緣主要是對圖像中單一像素進行分析處理，該方法對噪聲比較敏感，因此在檢測中往往得不到正確的目標邊緣［3］?；贑anny算子邊緣檢測的基本思想是先將圖像使用高斯函數進行平滑，再由一階微分的極大值確定邊緣點。二階微分的零交叉點不但對應著一階導數的極大值，而且對應著一階導數的極小值。換句話說，圖像中灰度變化劇烈的點與變化緩慢的點都對應著二階導數的零交叉點，因此Canny算子可能會引入偽邊緣點［4］?；赗oberts算子的邊緣檢測采用對角線方向相鄰像素之差近似檢測邊緣，其定位精度高，在水平和垂直方向效果較好，但對噪聲敏感［5］?；赟obel算子的邊緣檢測是利用像素的上、下、左、右鄰域的灰度加權算法，根據在邊緣點處達到極值這一原理進行邊緣檢測。該方法在抗噪聲好的同時增加了計算量，而且也會檢測偽邊緣，定位精度不高［6］。基于傳統邊緣檢測方法的各項不足，本文提出一種以矩形區(qū)域為檢測模板的局部目標邊緣的檢測算法。依據發(fā)明問題解決理論（Theory of Invention Problem Solving，TRIZ）中的物質－場模型［7］構建算法的描述模型，確定出算法在計算量和效率上的沖突關系，然后根據TRIZ理論中的物理沖突和技術沖突對算法加以分析和改進，以提高計算效率。最后，用現場實際圖像對算法進行可行性驗證，結果顯示該算法在不顯著增加計算量的同時可以克服噪聲的干擾，能夠準確快速地檢測到目標邊緣。

1 算法描述

應用機器視覺技術進行檢測分析的前期，關鍵是進行圖像分割，以消除背景和獲得目標。圖像分割通常是進一步對圖像進行分析、處理、壓縮編碼的前期步驟，是機器視覺中最基本的問題之一，它幾乎應用在有關圖像處理的所有領域。常見的圖像分割方法有基于邊緣檢測的分割方法和基于區(qū)域的分割方法［8］。

基于邊緣檢測的分割方法是先檢測圖像中的邊緣點，再按照一定的策略連接成輪廓，從而構成分割區(qū)域，它能夠獲得像素灰度的局部變化強度，但對噪聲比較敏感；基于區(qū)域的分割方法是根據圖像數據的特征（包括灰度、邊緣和紋理等特征）將圖像空間劃分成不同的區(qū)域，能夠檢測特征的相似性與均勻性，但難以確定目標區(qū)域內的種子區(qū)域或種子點［9－10］?，F將兩者結合起來，先對圖像分別進行局部邊緣檢測，獲得區(qū)域生長種子，然后進行區(qū)域生長，同時獲得目標邊緣和目標區(qū)域。

經對檢測圖像的觀察發(fā)現，其上方部位除了干擾噪聲外沒有其他目標，適合進行局部邊緣檢測。傳統的局部邊緣檢測算法采用點模板，但點模板的局部邊緣檢測算法無法克服噪聲的影響。因此，考慮采用矩形模板檢測局部邊緣，即將一個矩形區(qū)域沿特定方向進行搜索，對矩形區(qū)域內像素的灰度值進行統計，如果超過分割閾值的像素個數達到一個比例值，則認為找到了該方向的邊緣。顯然，采用區(qū)域模板進行局部邊緣檢測可以克服噪聲的干擾。

采用矩形模板檢測局部邊緣的問題是需要對模板區(qū)域內的每個像素進行灰度判斷和統計記數，因此采用矩形模板檢測局部邊緣的計算量將遠遠超過點模板的局部邊緣檢測算法的計算量，很難滿足對處理時間具有較高要求的實時檢測，有必要進一步改進矩形模板檢測局部邊緣算法，以降低算法的計算量，提高計算效率。

2 物質－場分析

用TRIZ理論的物質－場模型建立邊緣檢測算法的描述模型，以確定沖突，如圖1所示。其中：S1為目標；S2為圖像；Fv為點模板。由物質—場模型可以看出，如果圖像中沒有噪聲，則算法應當很好地搜索到目標邊緣；但如果圖像中有噪聲存在，則算法不一定搜索到目標邊緣（不足作用），甚至有可能搜索到錯誤的目標邊緣（有害作用）；按TRIZ理論對物質—場模型基本類型的定義，原始物質—場模型是一個無效完整系統。

針對圖1模型中點模板邊緣檢測算法的不足作用和有害作用，根據TRIZ理論的76個標準解的No.12（在一個系統中有用作用和有害作用同時存在，而且必須處于接觸狀態(tài)，增加新的場F2抵消F1的有害作用，或獲得一個有用的附加有用作用），添加一個區(qū)域模板補充這個不足作用并消除有害作用［11］。加入新場后的物質—場模型如圖2所示。其中：S1為目標；S2為圖像；Fv1為點模板；Fv2為區(qū)域模板。

3 問題的解決過程

3.1 問題描述

根據上述對算法的描述和分析可知，為了提高邊緣檢測算法抵抗噪聲的能力，可以采用區(qū)域模板，通過統計區(qū)域模板內像素灰度超過分割閾值的像素數量來判斷邊緣，提高了算法的抗噪聲能力，但也顯著增加了計算量，降低了計算效率，從而形成算法設計中的沖突。該問題的理想情況就是使得改進后的算法在不顯著增加算法計算量的基礎上還具有抗噪聲能力。

3.2 問題求解

3.2.1 基于物理沖突的區(qū)域模板尺寸確定

通過添加一個區(qū)域模板使邊緣檢測算法具有抗噪聲能力。大尺寸的區(qū)域模板具有較強的抗噪聲能力，但也增加了算法的計算量；如果減小區(qū)域模板的尺寸，則能夠降低算法的計算量，但抗噪聲能力也隨之下降，當減小到極限（點模板）時，算法將失去抗噪聲能力。

根據TRIZ理論，該問題的實質是一個物理沖突。邊緣檢測算法對區(qū)域模板尺寸有一個相反趨勢的要求，既希望區(qū)域模板尺寸是大的，又希望區(qū)域模板尺寸是小的。因此，可以采用多個尺寸的變尺寸區(qū)域模板，最小尺寸區(qū)域模板為點模板，最大尺寸區(qū)域模板以能夠覆蓋噪聲為宜。針對受電弓半弓圖像分辨率，最大尺寸區(qū)域模板設置為20像素×20像素。

3.2.2 基于技術沖突的解決方案

根據TRIZ理論，從技術沖突的角度分析，該問題的實質是既要具有抗噪聲能力，又要不顯著增加計算量的技術沖突。在TRIZ理論描述技術沖突的39個通用工程參數中可以找到對應的參數來提高抗噪聲能力，即改進特性對應的工程參數是No.13（結構穩(wěn)定性）、No.27（可靠性）和 No.35（適應性及多用性）；計算量增加，即惡化特性對應的工程參數是 No.15（運動物體作用時間）、No.25（時間損失）和 No.39（生產率）［12］。

依據基于TRIZ理論發(fā)明問題解決過程的模型，可選擇相應的發(fā)明原理來解決出現的矛盾［13］。查找沖突矩陣表，得到的發(fā)明原理有No.1（分割）、No.2（抽取）、No.3（局部質量）、No.4（增加不對稱性）、No.6（多用性）、No.10（預先作用）、No.13（反向）、No.23（反饋）、No.25（自服務）和 No.35（參數變化）［14］?？梢钥闯鯰RIZ理論提供了具有抗噪聲能力的邊緣搜索算法的多種創(chuàng)新方案，這些方案為構造算法提供了新的思路，同時能有效地提高邊緣搜索算法的效率。按照具體問題的特點，可以采用適當的方法對算法進行相應的改進，如No.1（分割）、No.13（反向）和 No.35（參數變化）。

4 算法實現及計算結果

根據物理沖突解決方案和原理No.1（分割）重新構建算法，如圖3所示，圖3a所示為以點模板搜索邊緣，其效果與傳統的邊緣檢測方法相類似；圖3b將區(qū)域模板尺寸增加到10像素×10像素，搜索邊緣時，減弱小噪聲的干擾，而且檢測到的邊緣相對于點模板更加清晰，但還是會受到較大的噪聲干擾；圖3c將模板尺寸加大到20像素×20像素時，完全可以檢測到符合要求的邊緣，這種通過加大模板尺寸在搜索區(qū)域移動區(qū)域模板來搜索邊緣的方法，雖然可以得到清晰的邊緣，但同時大大增加了算法的計算量。由于逐個像素搜索邊緣的方法比較耗時，根據原理No.35（參數變化），以20像素×20像素的區(qū)域為模板加大搜索的步長，從而減少算法的計算量，算法原理如圖4所示。由受電弓圖像的分辨率，最大步長設置為30像素，步長設置過大會使搜索區(qū)域跳過檢測目標而檢測不到目標邊緣。該方法每次都以一定的步長進行跳躍式搜索，當區(qū)域模板進入目標區(qū)域時，返回上一步的搜索點，并在該點開始逐個像素向下搜索邊緣點。經過對跳躍搜索方法的實驗與檢測圖像的觀察發(fā)現，以適當的搜索步長檢測目標時，模板進入目標時離所要檢測的目標邊緣很近，此時可以采用No.13（反向）原理在目標區(qū)域由內向外搜索邊緣，算法原理如圖5所示。相比前一種返回上一步后逐個像素搜索的方法，該方法更加節(jié)省計算時間，能夠提高算法的計算效率。經測試，各算法檢測到邊緣所需的時間如表1所示，根據相應的數據繪制成的時間曲線如圖6所示。

對表1和圖6所顯示的數據和實驗結果分析可知，點模板雖然運行時間最短，但無法克服噪聲的影響，在對含噪聲圖像的檢測中一般很難發(fā)現正確的目標邊緣；隨著區(qū)域模板尺寸的加大，檢測過程中受到的噪聲影響減弱，當模板尺寸到達一個合適值（20像素×20像素）時，算法可以發(fā)現正確的目標邊緣且受噪聲的影響非常小，如果繼續(xù)加大模板尺寸，則檢測到的邊緣會更加清晰，但由時間曲線可以看出，隨著模板尺寸的增大，運行時間也顯著增加，對處理時間有較高要求的實時檢測系統很難滿足要求。因此，可以得出將模板尺寸設置為20像素×20像素時，在得到清晰邊緣的同時算法運行時間比較短。根據參數No.35（參數變化）在最大尺寸區(qū)域模板條件下，隨著搜索步長的加大檢測到邊緣的時間呈遞減趨勢，步長越大，時間越短。通過大量實驗總結出：加大搜索步長，步長為30像素時得到的檢測效果最好，且檢測效率最高。如果步長過大，則會使檢測到的邊緣線出現斷點或檢測不到邊緣，該方法在一定程度上滿足實時在線檢測的要求。跳躍搜索方法的檢測過程中區(qū)域模板進入目標區(qū)域內，此時應用參數No.13（反向）由目標區(qū)域內往外搜索邊緣，由圖6中的曲線可以看出，這種方法的運行時間相比跳躍搜索時間更短，同時檢測到的邊緣線更加準確，該方法完全可以滿足實時檢測的要求。

經由本文提出的算法檢測到局部邊緣后，沿著目標方向偏置一個距離，獲得的像素點一定在目標區(qū)域內，以該像素為生長種子進行區(qū)域生長，就可以獲得二值化目標圖像，填充后的效果如圖7所示。

表1 各算法運行時間

5 結束語

本文用TRIZ理論的物質－場分析構建出邊緣檢測算法的描述模型，根據TRIZ理論的沖突解決方法，構建了具有抗噪聲能力的區(qū)域模板邊緣檢測算法。采用基于物理沖突解決方案、原理No.1（分割）、原理 No.35（參數變化）和原理No.13（反向）分別對算法進行重新構建，使得改進后的算法更適合使用在實時受電弓檢測系統上。通過對實驗結果的分析可知，改進后的算法在不損失抗噪聲能力的同時，明顯提高了計算效率。本文的創(chuàng)新點是將TRIZ理論與機器視覺中的邊緣檢測技術相結合，同時引入了區(qū)域模板的概念；難點在于如何準確構建出算法模型并通過TRIZ理論來提高算法的計算效率。以后的工作主要集中于如何提高算法的穩(wěn)定性，進一步完善該算法針對更大噪聲圖像邊緣檢測的準確性。

［1］ MA Li，WANG Zeyong，GAO Xiaorong，et al.Application of image processing in detecting the pantograph sliding［J］.Electric Drive for Locomotives，2009（5）：47－49（in Chinese）.［馬莉，王澤勇，高曉蓉，等.圖像處理技術在受電弓滑板檢測中的應用［J］.機車電傳動，2009（5）：47－49.］

［2］ RUAN Xiaohong，JI Xiaojun，CHEN Lesheng.Research of on－line detection system for contact components based on machine vision technology［J］.Electronic Measurement Technology，2010（2）：127－131（in Chinese）.［阮曉虹，吉小軍，陳樂生.基于機器視覺的觸點零件在線檢測系統研究［J］.電子測量技術，2010（2）：127－131.］

［3］ ZHOU Changqing，PENG Wei.Evolution and application TRIZ theory of Su－Field model［J］.Light Industry Machinery，2010（2）：89－93（in Chinese）.［周長青，彭 偉.TRIZ理論物－場模型的演化及其應用［J］.輕工機械，2010（2）：89－93.］

［4］ ZHAO Hongzhong，ZHANG Yanchao.Image retrieval algorithm based on Canny edge detection operator［J］.Electronic Design Engineering，2010（2）：81－83（in Chinese）.［趙宏中，張彥超.基于Canny邊緣檢測算子的圖像檢索算法［J］.電子設計工程，2010（2）：81－83.］

［5］ DUAN Ruiling，LI Qingxiang，LI Yuhe.Summary of image edge detection ［J］.Optical Techique，2005，31（3）：415－419（in Chinese）.［段瑞玲，李慶祥，李玉和.圖像邊緣檢測方法研究綜述［J］.光學技術，2005，31（3）：415－419.］

［6］ XING Jun.Edge detection of Sobel－based digital image ［J］.Microcomputer Development，2005（9）：48－52 （in Chinese）.［邢 軍.基于Sobel算子數字圖像的邊緣檢測［J］.微機發(fā)展，2005（9）：48－52.］

［7］ KHASHMAN A.Noise－dependent optimal scale in edge detection［C］／／Proceedings of the 2002IEEE International Symposium on Industrial Electronics.Washington，D.C.，USA：IEEE，2002，2：467－471.

［8］ HU Xiaodan，TENG Zhongjian.Image segmentation method based on statistical model of noise［J］.Computer and Modernization，2011（3）：57－59（in Chinese）.［胡小丹，滕忠堅.基于噪聲統計模型的圖像分割方法［J］.計算機與現代化，2011（3）：57－59.］

［9］ MILAN S，VACLAV H，ROGER B.Image processing，analysis and machine vision［M］.Iowa City，Iowa，USA：Thomson Learning and PT Press，2003.

［10］ ZHANG Yujin.A course of image processing and analysis［M］.Beijing：Posts ＆ Telecom Press，2009（in Chinese）.［章毓晉.圖像處理和分析教程［M］.北京：人民郵電出版社，2009.］

［11］ TAN Runhua.Inventive problem solving theory［M］.Beijing：Science Press，2004（in Chinese）.［檀潤華.發(fā)明問題解決理論［M］.北京：科學出版社，2004.］

［12］ YANG Mingliang，YANG Zhongqiang.Based on the theory of TRIZ in innovation design of the washing machine［C］／／Proceedings of the 2011IEEE 18th International Industrial Engineering and Engineering Management（IE＆EM）.Washington，D.C.，USA：IEEE，2011，3：1838－1840.

［13］ MICHAEL A .Inventive thinking through TRIZ：apractical guide［M］.Berlin，Germany：Springer－Verlag，2006.

［14］ ZHAO Min，SHI Xiaoling，DUAN Haibo.TRIZ introduction and practice［M］.Beijing：Science Press，2009（in Chinese）.［趙 敏，史曉凌，段海波.TRIZ入門及實踐［M］.北京：科學出版社，2009.］