呂文閣，涂曉斌＋，成思源，駱少明，譚志忠

（1.廣東工業(yè)大學(xué) 機(jī)電工程學(xué)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(jī)車運(yùn)行時(shí)從電網(wǎng)中取電的裝置。在機(jī)車運(yùn)行中，受電弓滑板發(fā)生電氣磨耗和滑動(dòng)磨耗是不可避免的，當(dāng)受電弓滑板磨耗到一定程度時(shí)，容易造成拉網(wǎng)或卡網(wǎng)，由此可能引發(fā)嚴(yán)重的鐵路交通事故［1］。因此，對(duì)受電弓滑板磨耗狀態(tài)進(jìn)行檢測(cè)，對(duì)于保證機(jī)車正常運(yùn)行和電網(wǎng)安全都具有非常重要的意義。近年來，隨著機(jī)器視覺相關(guān)軟硬件技術(shù)的日趨成熟，采用機(jī)器視覺技術(shù)對(duì)受電弓滑板的厚度進(jìn)行非接觸測(cè)量已經(jīng)成為一種可行的方法。采用機(jī)器視覺技術(shù)檢測(cè)受電弓的形狀，具有反應(yīng)迅速、計(jì)算簡(jiǎn)單、易于存儲(chǔ)和再現(xiàn)、抗干擾能力強(qiáng)和易于實(shí)時(shí)控制等優(yōu)點(diǎn)［2］。

機(jī)器視覺技術(shù)對(duì)受電弓的檢測(cè)主要是對(duì)拍攝到的受電弓圖像進(jìn)行分析處理，獲得需要的數(shù)據(jù)。在圖像分析過程中，噪聲會(huì)影響受電弓邊緣輪廓的提取。傳統(tǒng)的檢測(cè)方法中檢測(cè)目標(biāo)邊緣主要是對(duì)圖像中單一像素進(jìn)行分析處理，該方法對(duì)噪聲比較敏感，因此在檢測(cè)中往往得不到正確的目標(biāo)邊緣［3］。基于Canny算子邊緣檢測(cè)的基本思想是先將圖像使用高斯函數(shù)進(jìn)行平滑，再由一階微分的極大值確定邊緣點(diǎn)。二階微分的零交叉點(diǎn)不但對(duì)應(yīng)著一階導(dǎo)數(shù)的極大值，而且對(duì)應(yīng)著一階導(dǎo)數(shù)的極小值。換句話說，圖像中灰度變化劇烈的點(diǎn)與變化緩慢的點(diǎn)都對(duì)應(yīng)著二階導(dǎo)數(shù)的零交叉點(diǎn)，因此Canny算子可能會(huì)引入偽邊緣點(diǎn)［4］。基于Roberts算子的邊緣檢測(cè)采用對(duì)角線方向相鄰像素之差近似檢測(cè)邊緣，其定位精度高，在水平和垂直方向效果較好，但對(duì)噪聲敏感［5］?；赟obel算子的邊緣檢測(cè)是利用像素的上、下、左、右鄰域的灰度加權(quán)算法，根據(jù)在邊緣點(diǎn)處達(dá)到極值這一原理進(jìn)行邊緣檢測(cè)。該方法在抗噪聲好的同時(shí)增加了計(jì)算量，而且也會(huì)檢測(cè)偽邊緣，定位精度不高［6］?；趥鹘y(tǒng)邊緣檢測(cè)方法的各項(xiàng)不足，本文提出一種以矩形區(qū)域?yàn)闄z測(cè)模板的局部目標(biāo)邊緣的檢測(cè)算法。依據(jù)發(fā)明問題解決理論（Theory of Invention Problem Solving，TRIZ）中的物質(zhì)－場(chǎng)模型［7］構(gòu)建算法的描述模型，確定出算法在計(jì)算量和效率上的沖突關(guān)系，然后根據(jù)TRIZ理論中的物理沖突和技術(shù)沖突對(duì)算法加以分析和改進(jìn)，以提高計(jì)算效率。最后，用現(xiàn)場(chǎng)實(shí)際圖像對(duì)算法進(jìn)行可行性驗(yàn)證，結(jié)果顯示該算法在不顯著增加計(jì)算量的同時(shí)可以克服噪聲的干擾，能夠準(zhǔn)確快速地檢測(cè)到目標(biāo)邊緣。

1 算法描述

應(yīng)用機(jī)器視覺技術(shù)進(jìn)行檢測(cè)分析的前期，關(guān)鍵是進(jìn)行圖像分割，以消除背景和獲得目標(biāo)。圖像分割通常是進(jìn)一步對(duì)圖像進(jìn)行分析、處理、壓縮編碼的前期步驟，是機(jī)器視覺中最基本的問題之一，它幾乎應(yīng)用在有關(guān)圖像處理的所有領(lǐng)域。常見的圖像分割方法有基于邊緣檢測(cè)的分割方法和基于區(qū)域的分割方法［8］。

基于邊緣檢測(cè)的分割方法是先檢測(cè)圖像中的邊緣點(diǎn)，再按照一定的策略連接成輪廓，從而構(gòu)成分割區(qū)域，它能夠獲得像素灰度的局部變化強(qiáng)度，但對(duì)噪聲比較敏感；基于區(qū)域的分割方法是根據(jù)圖像數(shù)據(jù)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(cè)特征的相似性與均勻性，但難以確定目標(biāo)區(qū)域內(nèi)的種子區(qū)域或種子點(diǎn)［9－10］?，F(xiàn)將兩者結(jié)合起來，先對(duì)圖像分別進(jìn)行局部邊緣檢測(cè)，獲得區(qū)域生長(zhǎng)種子，然后進(jìn)行區(qū)域生長(zhǎng)，同時(shí)獲得目標(biāo)邊緣和目標(biāo)區(qū)域。

經(jīng)對(duì)檢測(cè)圖像的觀察發(fā)現(xiàn)，其上方部位除了干擾噪聲外沒有其他目標(biāo)，適合進(jìn)行局部邊緣檢測(cè)。傳統(tǒng)的局部邊緣檢測(cè)算法采用點(diǎn)模板，但點(diǎn)模板的局部邊緣檢測(cè)算法無法克服噪聲的影響。因此，考慮采用矩形模板檢測(cè)局部邊緣，即將一個(gè)矩形區(qū)域沿特定方向進(jìn)行搜索，對(duì)矩形區(qū)域內(nèi)像素的灰度值進(jìn)行統(tǒng)計(jì)，如果超過分割閾值的像素個(gè)數(shù)達(dá)到一個(gè)比例值，則認(rèn)為找到了該方向的邊緣。顯然，采用區(qū)域模板進(jìn)行局部邊緣檢測(cè)可以克服噪聲的干擾。

采用矩形模板檢測(cè)局部邊緣的問題是需要對(duì)模板區(qū)域內(nèi)的每個(gè)像素進(jìn)行灰度判斷和統(tǒng)計(jì)記數(shù)，因此采用矩形模板檢測(cè)局部邊緣的計(jì)算量將遠(yuǎn)遠(yuǎn)超過點(diǎn)模板的局部邊緣檢測(cè)算法的計(jì)算量，很難滿足對(duì)處理時(shí)間具有較高要求的實(shí)時(shí)檢測(cè)，有必要進(jìn)一步改進(jìn)矩形模板檢測(cè)局部邊緣算法，以降低算法的計(jì)算量，提高計(jì)算效率。

2 物質(zhì)－場(chǎng)分析

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

針對(duì)圖1模型中點(diǎn)模板邊緣檢測(cè)算法的不足作用和有害作用，根據(jù)TRIZ理論的76個(gè)標(biāo)準(zhǔn)解的No.12（在一個(gè)系統(tǒng)中有用作用和有害作用同時(shí)存在，而且必須處于接觸狀態(tài)，增加新的場(chǎng)F2抵消F1的有害作用，或獲得一個(gè)有用的附加有用作用），添加一個(gè)區(qū)域模板補(bǔ)充這個(gè)不足作用并消除有害作用［11］。加入新場(chǎng)后的物質(zhì)—場(chǎng)模型如圖2所示。其中：S1為目標(biāo)；S2為圖像；Fv1為點(diǎn)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(jù)上述對(duì)算法的描述和分析可知，為了提高邊緣檢測(cè)算法抵抗噪聲的能力，可以采用區(qū)域模板，通過統(tǒng)計(jì)區(qū)域模板內(nèi)像素灰度超過分割閾值的像素?cái)?shù)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(jì)算量，降低了計(jì)算效率，從而形成算法設(shè)計(jì)中的沖突。該問題的理想情況就是使得改進(jìn)后的算法在不顯著增加算法計(jì)算量的基礎(chǔ)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(gè)區(qū)域模板使邊緣檢測(cè)算法具有抗噪聲能力。大尺寸的區(qū)域模板具有較強(qiáng)的抗噪聲能力，但也增加了算法的計(jì)算量；如果減小區(qū)域模板的尺寸，則能夠降低算法的計(jì)算量，但抗噪聲能力也隨之下降，當(dāng)減小到極限（點(diǎn)模板）時(shí)，算法將失去抗噪聲能力。

根據(jù)TRIZ理論，該問題的實(shí)質(zhì)是一個(gè)物理沖突。邊緣檢測(cè)算法對(duì)區(qū)域模板尺寸有一個(gè)相反趨勢(shì)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(gè)尺寸的變尺寸區(qū)域模板，最小尺寸區(qū)域模板為點(diǎn)模板，最大尺寸區(qū)域模板以能夠覆蓋噪聲為宜。針對(duì)受電弓半弓圖像分辨率，最大尺寸區(qū)域模板設(shè)置為20像素×20像素。

3.2.2 基于技術(shù)沖突的解決方案

根據(jù)TRIZ理論，從技術(shù)沖突的角度分析，該問題的實(shí)質(zhì)是既要具有抗噪聲能力，又要不顯著增加計(jì)算量的技術(shù)沖突。在TRIZ理論描述技術(shù)沖突的39個(gè)通用工程參數(shù)中可以找到對(duì)應(yīng)的參數(shù)來提高抗噪聲能力，即改進(jìn)特性對(duì)應(yīng)的工程參數(shù)是No.13（結(jié)構(gòu)穩(wěn)定性）、No.27（可靠性）和 No.35（適應(yīng)性及多用性）；計(jì)算量增加，即惡化特性對(duì)應(yīng)的工程參數(shù)是 No.15（運(yùn)動(dòng)物體作用時(shí)間）、No.25（時(shí)間損失）和 No.39（生產(chǎn)率）［12］。

依據(jù)基于TRIZ理論發(fā)明問題解決過程的模型，可選擇相應(yīng)的發(fā)明原理來解決出現(xiàn)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?。o.3（局部質(zhì)量）、No.4（增加不對(duì)稱性）、No.6（多用性）、No.10（預(yù)先作用）、No.13（反向）、No.23（反饋）、No.25（自服務(wù)）和 No.35（參數(shù)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(gòu)造算法提供了新的思路，同時(shí)能有效地提高邊緣搜索算法的效率。按照具體問題的特點(diǎn)，可以采用適當(dāng)?shù)姆椒▽?duì)算法進(jìn)行相應(yīng)的改進(jìn)，如No.1（分割）、No.13（反向）和 No.35（參數(shù)變化）。

4 算法實(shí)現(xiàn)及計(jì)算結(jié)果

根據(jù)物理沖突解決方案和原理No.1（分割）重新構(gòu)建算法，如圖3所示，圖3a所示為以點(diǎn)模板搜索邊緣，其效果與傳統(tǒng)的邊緣檢測(cè)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(shí)，減弱小噪聲的干擾，而且檢測(cè)到的邊緣相對(duì)于點(diǎn)模板更加清晰，但還是會(huì)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(shí)，完全可以檢測(cè)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(dòng)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(shí)大大增加了算法的計(jì)算量。由于逐個(gè)像素搜索邊緣的方法比較耗時(shí)，根據(jù)原理No.35（參數(shù)變化），以20像素×20像素的區(qū)域?yàn)槟０寮哟笏阉鞯牟介L(zhǎng)，從而減少算法的計(jì)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(zhǎng)設(shè)置為30像素，步長(zhǎng)設(shè)置過大會(huì)使搜索區(qū)域跳過檢測(cè)目標(biāo)而檢測(cè)不到目標(biāo)邊緣。該方法每次都以一定的步長(zhǎng)進(jìn)行跳躍式搜索，當(dāng)區(qū)域模板進(jìn)入目標(biāo)區(qū)域時(shí)，返回上一步的搜索點(diǎn)，并在該點(diǎn)開始逐個(gè)像素向下搜索邊緣點(diǎn)。經(jīng)過對(duì)跳躍搜索方法的實(shí)驗(yàn)與檢測(cè)圖像的觀察發(fā)現(xiàn)，以適當(dāng)?shù)乃阉鞑介L(zhǎng)檢測(cè)目標(biāo)時(shí)，模板進(jìn)入目標(biāo)時(shí)離所要檢測(cè)的目標(biāo)邊緣很近，此時(shí)可以采用No.13（反向）原理在目標(biāo)區(qū)域由內(nèi)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(gè)像素搜索的方法，該方法更加節(jié)省計(jì)算時(shí)間，能夠提高算法的計(jì)算效率。經(jīng)測(cè)試，各算法檢測(cè)到邊緣所需的時(shí)間如表1所示，根據(jù)相應(yīng)的數(shù)據(jù)繪制成的時(shí)間曲線如圖6所示。

對(duì)表1和圖6所顯示的數(shù)據(jù)和實(shí)驗(yàn)結(jié)果分析可知，點(diǎn)模板雖然運(yùn)行時(shí)間最短，但無法克服噪聲的影響，在對(duì)含噪聲圖像的檢測(cè)中一般很難發(fā)現(xiàn)正確的目標(biāo)邊緣；隨著區(qū)域模板尺寸的加大，檢測(cè)過程中受到的噪聲影響減弱，當(dāng)模板尺寸到達(dá)一個(gè)合適值（20像素×20像素）時(shí)，算法可以發(fā)現(xiàn)正確的目標(biāo)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(cè)到的邊緣會(huì)更加清晰，但由時(shí)間曲線可以看出，隨著模板尺寸的增大，運(yùn)行時(shí)間也顯著增加，對(duì)處理時(shí)間有較高要求的實(shí)時(shí)檢測(cè)系統(tǒng)很難滿足要求。因此，可以得出將模板尺寸設(shè)置為20像素×20像素時(shí)，在得到清晰邊緣的同時(shí)算法運(yùn)行時(shí)間比較短。根據(jù)參數(shù)No.35（參數(shù)變化）在最大尺寸區(qū)域模板條件下，隨著搜索步長(zhǎng)的加大檢測(cè)到邊緣的時(shí)間呈遞減趨勢(shì)，步長(zhǎng)越大，時(shí)間越短。通過大量實(shí)驗(yàn)總結(jié)出：加大搜索步長(zhǎng)，步長(zhǎng)為30像素時(shí)得到的檢測(cè)效果最好，且檢測(cè)效率最高。如果步長(zhǎng)過大，則會(huì)使檢測(cè)到的邊緣線出現(xiàn)斷點(diǎn)或檢測(cè)不到邊緣，該方法在一定程度上滿足實(shí)時(shí)在線檢測(cè)的要求。跳躍搜索方法的檢測(cè)過程中區(qū)域模板進(jìn)入目標(biāo)區(qū)域內(nèi)，此時(shí)應(yīng)用參數(shù)No.13（反向）由目標(biāo)區(qū)域內(nèi)往外搜索邊緣，由圖6中的曲線可以看出，這種方法的運(yùn)行時(shí)間相比跳躍搜索時(shí)間更短，同時(shí)檢測(cè)到的邊緣線更加準(zhǔn)確，該方法完全可以滿足實(shí)時(shí)檢測(cè)的要求。

經(jīng)由本文提出的算法檢測(cè)到局部邊緣后，沿著目標(biāo)方向偏置一個(gè)距離，獲得的像素點(diǎn)一定在目標(biāo)區(qū)域內(nèi)，以該像素為生長(zhǎng)種子進(jìn)行區(qū)域生長(zhǎng)，就可以獲得二值化目標(biāo)圖像，填充后的效果如圖7所示。

表1 各算法運(yùn)行時(shí)間

5 結(jié)束語(yǔ)

本文用TRIZ理論的物質(zhì)－場(chǎng)分析構(gòu)建出邊緣檢測(cè)算法的描述模型，根據(jù)TRIZ理論的沖突解決方法，構(gòu)建了具有抗噪聲能力的區(qū)域模板邊緣檢測(cè)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(shù)變化）和原理No.13（反向）分別對(duì)算法進(jìn)行重新構(gòu)建，使得改進(jìn)后的算法更適合使用在實(shí)時(shí)受電弓檢測(cè)系統(tǒng)上。通過對(duì)實(shí)驗(yàn)結(jié)果的分析可知，改進(jìn)后的算法在不損失抗噪聲能力的同時(shí)，明顯提高了計(jì)算效率。本文的創(chuàng)新點(diǎn)是將TRIZ理論與機(jī)器視覺中的邊緣檢測(cè)技術(shù)相結(jié)合，同時(shí)引入了區(qū)域模板的概念；難點(diǎn)在于如何準(zhǔn)確構(gòu)建出算法模型并通過TRIZ理論來提高算法的計(jì)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(jìn)一步完善該算法針對(duì)更大噪聲圖像邊緣檢測(cè)的準(zhǔn)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(shù)在受電弓滑板檢測(cè)中的應(yīng)用［J］.機(jī)車電傳動(dòng)，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(jī)器視覺的觸點(diǎn)零件在線檢測(cè)系統(tǒng)研究［J］.電子測(cè)量技術(shù)，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(zhǎng)青，彭 偉.TRIZ理論物－場(chǎng)模型的演化及其應(yīng)用［J］.輕工機(jī)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(cè)算子的圖像檢索算法［J］.電子設(shè)計(jì)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(cè)方法研究綜述［J］.光學(xué)技術(shù)，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(shù)字圖像的邊緣檢測(cè)［J］.微機(jī)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(jiān).基于噪聲統(tǒng)計(jì)模型的圖像分割方法［J］.計(jì)算機(jī)與現(xiàn)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(rùn)華.發(fā)明問題解決理論［M］.北京：科學(xué)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(shí)踐［M］.北京：科學(xué)出版社，2009.］