鐘志旺，陳建譯

(北京交通大學(xué) 電子信息工程學(xué)院, 北京 100044)

近年來，我國高速鐵路正處于快速發(fā)展時期，并逐步進入網(wǎng)絡(luò)化運營階段，在社會經(jīng)濟發(fā)展中起到了重要作用。道岔是高速鐵路系統(tǒng)最重要的線路連接設(shè)備。轉(zhuǎn)轍機是道岔控制系統(tǒng)的執(zhí)行機構(gòu)，用于轉(zhuǎn)換和鎖閉道岔。道岔轉(zhuǎn)換裝置中，道岔缺口承擔(dān)檢查道岔尖軌密貼程度的功能, 保證尖軌與基本軌的密貼數(shù)值滿足線路行車要求，給出道岔表示，實現(xiàn)聯(lián)鎖邏輯，保證列車安全通過。

隨著列車運行速度的提高，列車運行對道岔的沖擊越來越大，特別是高速化、公交化運營模式的線路，受高速運行的列車輪對沖擊的影響，道岔的各種組件會產(chǎn)生松動和偏移，造成尖軌密貼的變化，其直接反映到轉(zhuǎn)轍機內(nèi)部的表示缺口產(chǎn)生變化。缺口偏移過大，會導(dǎo)致檢查柱無法落下，道岔不能鎖閉，進而無法排列進路，嚴重影響行車安全和運輸效率。因此，對高速鐵路道岔缺口的監(jiān)測、維護和調(diào)整要求也越來越高。

一直以來，我國鐵路為了保證包括轉(zhuǎn)轍機在內(nèi)的線路設(shè)備正常使用，采用定期維護保養(yǎng)的方式。這種維修模式下，不同使用頻度的轉(zhuǎn)轍機采用相同時間間隔進行維修保養(yǎng)，使得維修資源得不到合理分配。同時，缺乏對轉(zhuǎn)轍機當(dāng)前狀態(tài)的實時監(jiān)測，難以獲取轉(zhuǎn)轍機缺口變化趨勢，難以有針對性地對道岔及轉(zhuǎn)轍機進行調(diào)整，以便及時消除隱患，導(dǎo)致道岔故障后再組織搶修，影響行車安全與效率。

隨著科技的進步，道岔缺口監(jiān)測技術(shù)逐步得到應(yīng)用發(fā)展，尤其是基于圖像的道岔缺口監(jiān)測方法得到了應(yīng)用和推廣。傳統(tǒng)的基于圖像的道岔缺口檢測的最大優(yōu)勢是監(jiān)測結(jié)果直觀，但因常見的圖像識別算法需要強大的計算能力，在轉(zhuǎn)轍機內(nèi)難以完成缺口(或缺口標(biāo)記)圖像的識別分析，需要借助傳輸通道上傳圖像至監(jiān)測主機，且需要高速率的傳輸通道才能保證系統(tǒng)的測量精度和信息更新速率。同時大量的圖像數(shù)據(jù)傳輸和處理導(dǎo)致轉(zhuǎn)轍機內(nèi)無法提供實時無延遲的缺口值顯示，以及道岔轉(zhuǎn)轍機表示缺口的精細化調(diào)整工具。另外，直拍缺口圖像模式易受油污、背景光照燈影響，導(dǎo)致基于固定閾值的圖像分析失敗，產(chǎn)生誤報。

因此，如何提高缺口圖像監(jiān)控的實時處理能力，降低圖像算法的計算復(fù)雜度，提高圖像處理算法的自適性和魯棒性，成為道岔缺口監(jiān)測需要解決的主要問題。

目前，國內(nèi)外學(xué)者在CMOS面陣圖像處理、圖像邊界檢測方面做了大量的研究工作。文獻[1-8]對面陣探測系統(tǒng)的掃描成像方式和圖像處理方式進行了研究。文獻[9-13]介紹了鐵路道岔監(jiān)測方式和運用案例。但是針對高速鐵路道岔缺口檢測這一具體問題，目前仍沒有一種合適的具有低計算復(fù)雜度、適應(yīng)不同噪聲和圖像對比度的邊界檢測算法。

針對上述問題，本文提出了借鑒信息理論的香農(nóng)熵的概念，提出基于香農(nóng)熵的自適應(yīng)閾值圖像邊界分割算法，利用現(xiàn)場采集的圖像數(shù)據(jù)進行實驗和對比分析，證明了本文所提算法在CMOS面陣的道岔缺口定位檢測的有效性。

1 CMOS面陣的道岔缺口定位監(jiān)測架構(gòu)

使用CMOS面陣的道岔缺口定位檢測架構(gòu)如圖1所示，整個架構(gòu)分為4個部分。

圖1 高鐵道岔缺口監(jiān)測架構(gòu)

第一部分為CMOS面陣對道岔缺口的圖像采集。其基本原理為：圖像傳感器安裝于接點架中部，由采集分機控制其拍攝下方表示桿上的缺口標(biāo)記。缺口標(biāo)記為中部帶黑條的白底即時貼，如圖2所示。CMOS面陣的缺口感知如圖3所示。

圖2 缺口標(biāo)記

圖3 CMOS 面陣定位測量原理

第二部分為前端的圖像處理和邊界檢測。要求邊界檢測算法具有較低的計算復(fù)雜度，能夠適應(yīng)單片機的計算能力，同時免受外界環(huán)境，例如灰度變化或外界噪聲的影響。

第三部分為邊界檢測結(jié)果的傳輸部分。使用CAN總線完成缺口檢測結(jié)果的傳輸。

第四部分為集中監(jiān)控。接收缺口檢測結(jié)果，存儲到數(shù)據(jù)庫，利用后臺軟件提取數(shù)據(jù)庫內(nèi)容進行顯示，繪制日報和月報缺口檢測結(jié)果，為道岔設(shè)備的健康監(jiān)控和狀態(tài)維修提供重要信息。

2 基于香農(nóng)熵的自適應(yīng)閾值道岔缺口監(jiān)測

具有低計算復(fù)雜度、適應(yīng)單片機計算要求的可靠圖像邊界檢測算法是整個系統(tǒng)的關(guān)鍵環(huán)節(jié)之一。

2.1 數(shù)學(xué)模型

CMOS面陣的成像物理模型可以表示為下述線性模型。

Yij(n)=aij(n)Xij(n)+bij(n)+Nij(n)

(1)

式中：aij(n)為位于(i,j)位置n時刻的乘性噪聲；Xij(n)為目標(biāo)的入射光強；bij(n)為外界環(huán)境變化的光強；Nij(n)為CMOS傳感器單元的熱噪聲或非均勻噪聲?？紤]到乘性噪聲aij(n)在CMOS圖像中表現(xiàn)的并不突出，本文假定無乘性噪聲的影響，從而得到簡化后的CMOS成像數(shù)學(xué)模型為

Yij(n)=Xij(n)+bij(n)+Nij(n)

(2)

2.2 自適應(yīng)閾值圖像邊界識別算法

在圖像邊界識別中，最通用的分割方法為基于閾值的圖像分割。但考慮到外界環(huán)境光線變化等因素的影響，傳統(tǒng)的固定灰度閾值分割方法會導(dǎo)致邊界檢測的誤警或虛警。因此，研究自適應(yīng)的灰度閾值求解對于提高CMOS圖像邊界檢測的準(zhǔn)確度和可靠性具有重要作用。

2.2.1 基于熵的自適應(yīng)閾值選擇算法

考慮到道岔缺口圖像的簡單性，本文提出基于香農(nóng)熵的自動閾值求解算法，提出噪聲環(huán)境下的自適應(yīng)閾值圖像邊界識別算法，適用于單片機計算能力的自適應(yīng)閾值檢測。

(3)

圖像可以分解為相互獨立的背景圖像A和缺口標(biāo)志目標(biāo)圖像B，選取灰度閾值t，則上述分布可以分解為目標(biāo)(類A)和背景(類B)的概率分布，其對應(yīng)的公式為

pA:p1,p2,…,pt

pB:pt+1,pt+2,…,pk

這里

(4)

對于統(tǒng)計獨立的系統(tǒng)，香農(nóng)熵具有加性特性，即

(5)

最佳閾值t*為

(6)

式中：pi為圖像灰度級t對應(yīng)的概率分布。

為了減低計算復(fù)雜度, 將lnpi在x=0.2,0.4,0.6,0.8,1.0點利用下述泰勒級數(shù)展開。

(7)

x選擇和pi距離最近的值,例如當(dāng)pi=0.15時，x=0.2。這樣只需要預(yù)先存儲ln0.2=-1.609，ln0.4=-0.916，ln0.6=-0.511和ln0.8=-0.223即可，為了進一步提高精度，可以進行更為細致的劃分。

具體自適應(yīng)圖像分割閾值算法參見算法1，步驟1表示輸入CMOS采集的灰度圖像；步驟2計算不同灰度象素的概率，即實現(xiàn)式(4)、式(5)的計算；步驟3完成式(6)、式(7)的計算，求取最佳分割閾值。

算法1:基于香農(nóng)熵的自適應(yīng)閾值算法Adapt Thresh

輸入：M行N列灰度圖像A

輸出：最佳閾值t*

開始

1.令Y(i,j)為圖像A在像素(i,j)處的灰度值，i=1,…,M,j=1,…,N;

2.計算每一灰度級的概率分布；

For allt∈{0,1,…,255}

應(yīng)用式(5)計算S(A+B);

3.應(yīng)用式(6)求解最佳閾值t*

結(jié)束

2.2.2 CMOS面陣圖像邊界識別算法

算法2給出CMOS面陣圖像邊界識別算法。步驟1根據(jù)得到的最佳閾值生成二進制圖像；步驟2判斷圖像邊界；步驟3完成道岔缺口的檢測和計算。

算法2:基于自適應(yīng)閾值的邊界檢測算法Entropy

輸入：M行N列灰度圖像A，最佳閾值t*

輸出：邊界檢測圖像E

開始

1.生成二進制圖像：

ifY(i,j)≤t*

E(i,j)=0

else

E(i,j)=1

end

2.計算邊界：

if (Y(:,i)-Y(:,i+1)==1)&&

(Y(:,i)-Y(:,i+2)==1)

邊界1=i；

if (Y(:,i+a+1)-Y(:,i+a)==1)&&

(Y(:,i+a+2)-Y(:,i+a)==1)

邊界2=i+a；

3.道岔中心刻度=[(i+a)+i]/2

結(jié)束

3 實驗結(jié)果

3.1 評價指標(biāo)

評價邊界檢測的指標(biāo)是虛警概率、定位誤差和計算復(fù)雜度。下面主要給出道岔缺口檢測中前兩個指標(biāo)的數(shù)學(xué)定義。

為了考察道岔缺口檢測中邊界分割的誤報概率，考慮CMOS面陣感知的缺口標(biāo)志邊界為直線，為簡單起見，定義虛警概率為虛報的邊界數(shù)量與檢測邊界數(shù)量的比值。即

虛警率=(檢測邊界總數(shù)-正確邊界數(shù)量)/檢測邊界數(shù)量

另一個重要的指標(biāo)是定位精確度，也就是圖像處理后的邊界和實際缺口標(biāo)志邊界的誤差，即

定位誤差=實際位置-估計位置

本文的邊界檢測算法均使用上述兩個指標(biāo)對算法的性能進行評估。

3.2 實驗數(shù)據(jù)

文中使用的故障數(shù)據(jù)來自京廣鐵路長沙站實驗現(xiàn)場數(shù)據(jù)。系統(tǒng)設(shè)定測量分辨率不低于0.05 mm，量程大于±15 mm，選取CMOS傳感器像素為750×480，鏡頭焦距為3.6 mm，安裝至轉(zhuǎn)轍機后的實際拍攝范圍為36 mm×23.7 mm，等效像素寬度為0.048 mm。采集圖像總數(shù)為50幀。考慮到采集不同對比度和噪聲環(huán)境下的圖像費時且較為困難，這里的數(shù)據(jù)分析通過對原始圖像對比度調(diào)整和加入不同方差的高斯白噪聲模擬上述環(huán)境，從而比較算法在不同對比度和信噪比下的性能。

3.3 算法性能比較

表1為5種邊界檢測算法在5種不同圖像對比度下的誤警率。其中，Sobel、Canny、Prewitt、Robert為經(jīng)典的圖像處理算法，Entropy為本文提出的基于香農(nóng)熵的自適應(yīng)閾值邊界檢測算法。

表1 不同對比度下算法的誤警率

從表1可以看出，隨著圖像對比度的降低，前4種算法的誤報率隨之上升，但本文提出的基于香農(nóng)熵的自適應(yīng)閾值算法對灰度變化不敏感，這主要源于自適應(yīng)的灰度閾值選擇，使之能夠根據(jù)圖像的對比度自動調(diào)整邊界分割的閾值，從而免受圖像對比度變化的干擾。

圖4為對比度為7.87時不同算法的邊界檢測結(jié)果，可以看出，Canny算法受到過多的細節(jié)干擾，給出了較多的虛警結(jié)果，Sobel、Prewitt和Roberts均給出了一條錯誤的邊界檢測結(jié)果，而本文提出的算法給出了正確的邊界檢測結(jié)果。

(a)原始圖像(b)Sobel算法(c)Canny算法(d)Prewitt算法(e)Roberts算法(f)基于熵的自適應(yīng)邊界分割算法圖4 對比度為7．87時的圖像邊界識別結(jié)果

為了研究邊界檢測算法在不同信噪比下的性能，表2和表3分別給出了上述5種邊界檢測算法在不同信噪比、不同對比度下的定位誤差。NA表示無法適用信噪比圖像，即算法失效?？梢钥闯觯珻anny算法的結(jié)果最不理想，主要由于噪聲圖像干擾了該算法，導(dǎo)致檢測結(jié)果出現(xiàn)大量細節(jié)，使真正的檢測標(biāo)志邊界淹沒在大量的細節(jié)之中，無法給出正確的邊界檢測結(jié)果。而本文提出的方法在圖像去噪后進行檢測，在不同的信噪比和圖像對比度下得到了較好的檢測結(jié)果。

表2 不同信噪比下的定位誤差(對比度=8.14)

表3 不同信噪比下的定位誤差(對比度=16.50)

圖5為道岔缺口現(xiàn)場實測圖像及其處理結(jié)果?？梢钥闯?，本文提出的基于信息熵(Entropy)的分割算法處理效果優(yōu)于其他傳統(tǒng)算法，進一步驗證了算法的有效性。

圖5 現(xiàn)場道岔缺口的檢測結(jié)果

關(guān)于算法的計算復(fù)雜度，由于本文提出的基于香農(nóng)熵的自適應(yīng)閾值圖像分割算法僅涉及簡單的加減乘除運算，比較適合單片機的執(zhí)行，滿足實際的計算需要。

4 結(jié)束語

針對高速鐵路道岔缺口監(jiān)控問題，本文提出了基于CMOS面陣的道岔缺口監(jiān)控方案。利用信息熵理論，結(jié)合最優(yōu)化方法，提出基于香農(nóng)熵的自適應(yīng)閾值CMOS圖像邊界分割算法。利用京廣鐵路長沙站采集的圖像數(shù)據(jù)，對圖像分割算法進行比較分析，驗證了自適應(yīng)閾值邊界分割算法具有較低的計算復(fù)雜度，能夠適應(yīng)單片機的計算要求。同時本文所提算法能夠在圖像對比度變化和不同的噪聲環(huán)境下表現(xiàn)出較好的性能。對基于CMOS面陣的道岔缺口監(jiān)控方案中的數(shù)據(jù)傳輸方法做進一步研究，將是后續(xù)需要解決的關(guān)鍵問題。

參考文獻：

[1]楊育周,張雙壘,龔學(xué)藝,等.基于面陣探測系統(tǒng)的掃描成像信息獲取方式研究[J].紅外技術(shù),2014,36(6):479-484.

YANG Yuzhou，ZHANG Shuanglei，GONG Xueyi，et al. Research of Scanning Imaging Method with Focal Plane Array [J]. Infrared Technology, 2014, 36(6):479-484.

[2]李曉晨,姚素英,黃碧珍,等.一種應(yīng)用于高動態(tài)范圍CMOS圖像傳感器的曝光控制技術(shù)[J].傳感技術(shù)學(xué)報,2013,26(3):328-332.

LI Xiaochen, YAO Suying, HUANG Bizhen，et al. A Novel High Dynamic Range Exposure Control for CMOS Image Sensor [J]. Chinese Journal of Sensors and Actuators, 2013, 26(3):328-332.

[3]袁高斌,李斌橋,徐江濤,等.時間延遲積分型面陣CMOS圖像傳感器MTF速度失配模型研究[J].光學(xué)學(xué)報, 2013, 33(1):1-7.

YUAN Gaobin, LI Binqiao, XU Jiangtao, et al. Research of MTF Velocity Mismatch Model for Time Delay Integration CMOS Area Image Sensors [J]. Acta Optica Sinica, 2013, 33(1):1-7.

[4]于帥,孫德新.基于CMOS圖像傳感器的高速小型化成像系統(tǒng)設(shè)計[J].紅外,2014,35(3):7-11.

YU Shuai, SUN Dexin. Design of High-speed and Small-size Imaging System Based on CMOS Image Sensor [J]. Infrared, 2014, 35(3):7-11.

[5]姚洪濤,李曉宇,陳磊,等.CMOS圖像傳感器的圖像采集系統(tǒng)的研究與實現(xiàn)[J].電子設(shè)計工程,2015,23(5):137-139.

YAO Hongtao, LI Xiaoyu, CHEN Lei, et al. Research and Implementation of Image Acquisition System of CMOS Image Sensor [J]. International Electronic Elements, 2015, 23(5): 137-139.

[6]何春良,李斌橋,劉振旺,等.TDI CMOS圖像傳感器曝光時間優(yōu)化方法研究[J].光學(xué)學(xué)報,2015,35(2):26-32.

HE Chunliang, LI Binqiao, LIU Zhenwang, et al. Integration Time Optimization for TDI CMOS Image Senor [J]. Acta Optica Sinica, 2015, 35(2):26-32.

[7]FAN S K S, LINA Y. A Multi-level Thresholding Approach Using a Hybrid Optimal Estimation Algorithm [J]. Pattern Recognition Letters, 2007, 28(5):662-669.

[8]YIN P Y. Multilevel Minimum Cross Entropy Threshold Selection Based on Particle Swarm Optimization [J]. Applied Mathematics and Computation, 2007, 184(2): 503-513.

[9]曹均平.高速鐵路道岔監(jiān)測系統(tǒng)現(xiàn)場監(jiān)測單元的設(shè)計與實現(xiàn)[D].成都：西南交通大學(xué),2004.

[10]王軍.高速鐵路道岔智能監(jiān)測系統(tǒng)的研發(fā)[D].蘭州：蘭州交通大學(xué),2013.

[11]張煒.基于數(shù)據(jù)挖掘的微機監(jiān)測系統(tǒng)故障診斷研究[D].蘭州：蘭州交通大學(xué),2010.

[12]何濤,范多旺,魏宗壽.計算機聯(lián)鎖全電子三相交流轉(zhuǎn)轍機控制模塊[J].鐵道學(xué)報, 2011, 33(4):80-83.

HE Tao, FAN Duowang, WEI Zongshou. All-electronic Control Module of Computer Interlocking System of Three-phase AC Switches [J]. Journal of the China Railway Society, 2011, 33(4):80-83.

[13]趙林海,陸橋. 基于灰關(guān)聯(lián)的道岔故障診斷方法[J]. 鐵道學(xué)報,2014,36(2):69-74.

ZHAO Linhai, LU Qiao. Method of Turnout Fault Diagnosis Based on Grey Correlation Analysis [J]. Journal of the China Railway Society, 2011, 33(4):69-74.