賈文晶，顧桂梅，劉 麗

(蘭州交通大學(xué)自動(dòng)化與電氣工程學(xué)院，蘭州 730000)

?

基于高通濾波和直方圖均衡的鋼軌裂紋紅外圖像增強(qiáng)技術(shù)

賈文晶，顧桂梅，劉 麗

(蘭州交通大學(xué)自動(dòng)化與電氣工程學(xué)院，蘭州 730000)

針對(duì)鋼軌裂紋紅外圖像采集過程中產(chǎn)生的噪聲大、對(duì)比度低的問題，以及傳統(tǒng)直方圖均衡化方法在對(duì)紅外圖像增強(qiáng)時(shí)灰度級(jí)減少和細(xì)節(jié)信息丟失等不足，提出頻域增強(qiáng)與空域增強(qiáng)相結(jié)合的紅外圖像增強(qiáng)算法，以彌補(bǔ)傳統(tǒng)算法在紅外圖像增強(qiáng)時(shí)的不足。在空間域上采用直方圖均衡化對(duì)紅外圖像進(jìn)行處理，提高圖像對(duì)比度降低圖像噪聲；在頻率域上采用高通濾波對(duì)紅外圖像進(jìn)行銳化處理，增強(qiáng)圖像的邊緣和細(xì)節(jié)信息。仿真結(jié)果表明：該算法在對(duì)鋼軌裂紋紅外圖像增強(qiáng)時(shí)很好地抑制了背景噪聲，而且有效地凸顯了鋼軌裂紋內(nèi)部微弱的細(xì)節(jié)紋理，保護(hù)圖像的細(xì)節(jié)信息，為更好地提取鋼軌裂紋的缺陷信息提供條件。

裂紋紅外圖像；灰度級(jí)；圖像增強(qiáng)；直方圖均衡化；圖像銳化

鋼軌是鐵路運(yùn)輸系統(tǒng)的重要組成部分之一，承載著引導(dǎo)列車運(yùn)行和承受車輪壓力的重要作用，鋼軌的健康狀態(tài)是保證列車安全穩(wěn)定運(yùn)行的前提，一直以來被業(yè)界人員譽(yù)為鐵路事業(yè)的生命線。近年來，由于鋼軌斷裂引起了多起鐵路交通事故，不僅造成了國(guó)民經(jīng)濟(jì)損失和社會(huì)不良影響，甚至還發(fā)生了嚴(yán)重的人員傷亡情況，因此鋼軌裂紋檢測(cè)研究在當(dāng)前鐵路運(yùn)輸系統(tǒng)中顯得尤為重要[1]。

傳統(tǒng)的鋼軌檢測(cè)技術(shù)主要有超聲波探傷技術(shù)、基于漏磁信號(hào)的鋼軌檢測(cè)技術(shù)、渦流探傷技術(shù)和圖像處理探傷技術(shù)[2]。圖像處理探傷技術(shù)主要是利用工業(yè)CCD線陣攝像機(jī)拾取軌面圖像信息，然后基于對(duì)圖像進(jìn)行處理和分析的基礎(chǔ)上，將缺陷信息從圖像中提取出來，通過模式識(shí)別完成對(duì)鋼軌裂紋的傷損檢測(cè)。但其缺點(diǎn)是無法實(shí)現(xiàn)軌頭內(nèi)部缺陷的檢測(cè)，只能檢測(cè)軌頭剝離和鋼軌表面裂紋，基于此，本文采用紅外熱波檢測(cè)技術(shù)檢測(cè)鋼軌內(nèi)部裂紋缺陷[3]。紅外熱波檢測(cè)技術(shù)主要是采用紅外熱像儀采集鋼軌軌面圖片，然后對(duì)其處理和分析，將各個(gè)像素點(diǎn)的溫度信息提取出來，通過對(duì)比溫度數(shù)據(jù)可以對(duì)鋼軌裂紋的缺陷信息進(jìn)行識(shí)別。但是因?yàn)殇撥壓涂諝忾g會(huì)持續(xù)發(fā)生熱輻射和熱傳遞且紅外光線具有較長(zhǎng)波長(zhǎng)的特點(diǎn)，另外，紅外熱像儀本身性能的好壞、鋼軌表面與紅外熱像儀間距離大小等實(shí)際因素的影響，造成了紅外圖像的信噪比低、空間相關(guān)性強(qiáng)、對(duì)比度低、邊緣模糊等特點(diǎn)，嚴(yán)重影響了鋼軌裂紋細(xì)節(jié)像素點(diǎn)的定位[4]。因此，需要對(duì)紅外圖像進(jìn)行增強(qiáng)處理，濾除噪聲和邊緣增強(qiáng)以提高紅外圖像的質(zhì)量。

紅外圖像增強(qiáng)研究中最重要的就是選擇適當(dāng)?shù)脑鰪?qiáng)算法，目前，國(guó)內(nèi)外針對(duì)紅外圖像增強(qiáng)提出了很多新的算法。侯潔等人在文獻(xiàn)[5]中提出高通濾波和圖像增強(qiáng)的紅外小目標(biāo)檢測(cè)方法，該方法減少了目標(biāo)丟失的現(xiàn)象，檢測(cè)結(jié)果準(zhǔn)確高效，但是其缺點(diǎn)是直接對(duì)原始紅外圖像進(jìn)行高通濾波處理，在增強(qiáng)小目標(biāo)的同時(shí)增強(qiáng)了圖像噪聲。尹士暢等人在文獻(xiàn)[6]中提出小波變換和直方圖均衡化的紅外圖像增強(qiáng)算法，該方法有效提高圖像對(duì)比度的同時(shí)降低了圖像噪聲，但是缺點(diǎn)是導(dǎo)致了圖像的細(xì)節(jié)信息丟失的現(xiàn)象。上述兩種方法從不同的角度對(duì)紅外圖像進(jìn)行增強(qiáng)各有利弊，由此得到啟發(fā)，本文提出了一種基于高通濾波和直方圖均衡化相結(jié)合的紅外圖像增強(qiáng)算法。在空間域運(yùn)用直方圖均衡化對(duì)紅外圖像進(jìn)行處理，提高圖像信噪比，在頻率域運(yùn)用高通濾波處理圖像，減少圖像細(xì)節(jié)信息丟失和邊緣模糊的現(xiàn)象，通過頻域和空域結(jié)合的增強(qiáng)方法，提高了紅外圖像的質(zhì)量。

1 傳統(tǒng)圖像增強(qiáng)算法

1.1 直方圖均衡化

空間域的紅外圖像增強(qiáng)方法主要有灰度映射、直方圖均衡化和空域?yàn)V波等，下面主要介紹傳統(tǒng)直方圖均衡化對(duì)鋼軌裂紋紅外圖像的增強(qiáng)[7]。直方圖均衡化屬于間接對(duì)比度增強(qiáng)，利用圖像直方圖對(duì)鋼軌裂紋紅外圖像的對(duì)比度進(jìn)行調(diào)整以增加圖像的局部對(duì)比度，由于紅外圖像自身特性的原因造成了紅外圖像的對(duì)比度相當(dāng)接近，通過直方圖均衡化的方法可以讓亮度更好地在直方圖上分布，這樣就可以增強(qiáng)局部的對(duì)比度而不影響整幅圖像的對(duì)比度[8]。直方圖均衡化方法對(duì)鋼軌裂紋紅外圖像處理是通過非線性拉伸的方式重新分配了圖像的像素值，灰度值出現(xiàn)概率小的像素值會(huì)被壓縮，出現(xiàn)多的像素值會(huì)被拉伸，目的是把原始紅外圖像的灰度直方圖從比較集中的某個(gè)灰度區(qū)間變?yōu)榛叶染鶆蚍植嫉男问?，雖然整體提高了圖像對(duì)比度和降低了圖像噪聲，但是造成了紅外圖像邊緣模糊和鋼軌裂紋細(xì)節(jié)像素丟失的問題[9]。

直方圖均衡化的基本原理是：直方圖均衡化是把鋼軌裂紋紅外圖像的直方圖在整個(gè)灰度范圍內(nèi)變?yōu)榫鶆蚍植嫉男问?，展寬灰度值占有量大的像素區(qū)域的灰度范圍，壓縮灰度值占有量小的像素區(qū)域的灰度范圍，以增加鋼軌裂紋紅外圖像像素灰度值的動(dòng)態(tài)范圍，從而增強(qiáng)圖像的整體對(duì)比度[10]。設(shè)原始鋼軌裂紋紅外圖像在(x，y)處的灰度為f，而改變后的圖像為g，則對(duì)圖像增強(qiáng)的方法可表述為將在(x，y)處的灰度f映射為g(其中L為圖像的灰度級(jí)數(shù))。

對(duì)于一幅圖像，其灰度級(jí)為fk出現(xiàn)的概率近似為

(1)

其中，fk為第k級(jí)灰度；nk為圖像中灰度級(jí)為fk的像素個(gè)數(shù)；n為像素總個(gè)數(shù)。

直方圖變換函數(shù)為

(2)

上述求和區(qū)間為0到k，根據(jù)式(2)可以由原鋼軌裂紋紅外圖像的各像素灰度值直接得到直方圖均衡化后各像素的灰度值。在實(shí)際運(yùn)用直方圖均衡化變換時(shí)，先對(duì)原始鋼軌裂紋紅外圖像的灰度情況進(jìn)行統(tǒng)計(jì)分析并計(jì)算出原始直方圖分布，然后根據(jù)計(jì)算出的累計(jì)直方圖分布求出fk到gk的灰度映射關(guān)系，按照這個(gè)映射關(guān)系對(duì)鋼軌裂紋紅外圖像各點(diǎn)像素進(jìn)行灰度轉(zhuǎn)換，即可完成對(duì)鋼軌裂紋紅外圖像的直方圖均衡化。

1.2 高通濾波

頻率域中濾波器可分為高通濾波器和低通濾波器，在傅里葉變換中低頻成分主要顯示了紅外圖像的灰度級(jí)，而圖像的邊緣和細(xì)節(jié)信息主要在圖像的高頻部分[11]。紅外圖像的模糊是由于高頻成分比較弱產(chǎn)生的，高通濾波器可以讓高頻成分通過，適當(dāng)抑制圖像的低頻成分，再經(jīng)逆傅立葉變換得到邊緣銳化后的圖像，可以突出紅外圖像邊緣和細(xì)節(jié)信息。常用的高通濾波器有理想高通濾波器、巴特沃斯高通濾波器和高斯高通濾波器，以上3種高通濾波器在對(duì)鋼軌裂紋紅外圖像進(jìn)行銳化時(shí)都取得了較好的結(jié)果，但是由于鋼軌裂紋紅外圖像背景的復(fù)雜性，理想高通濾波器存在明顯的“振鈴”現(xiàn)象，在鋼軌裂紋紅外圖像的細(xì)節(jié)像素的檢測(cè)上存在劣勢(shì)；巴特沃斯高通濾波器雖然“振鈴”現(xiàn)象很微小，有利于檢測(cè)鋼軌裂紋紅外圖像微小的細(xì)節(jié)信息，但它有較長(zhǎng)的過渡帶，在過渡帶上很容易造成紅外圖像失真。下面主要介紹高斯高通濾波器，它不僅可以有效檢測(cè)鋼軌裂紋紅外圖像的細(xì)節(jié)像素，而且它具有較短的過渡帶，不容易造成圖像失真[12]。

頻率域紅外圖像增強(qiáng)首先要將空間域中的紅外圖像通過離散傅里葉變換轉(zhuǎn)換到頻率域，假設(shè)鋼軌裂紋紅外圖像f(x，y)，其傅里葉變換為

(3)

其次，借助高斯高通濾波器進(jìn)行處理[13]，通過傅里葉逆變換再把圖像變回空間域。高斯高通濾波器的傳遞函數(shù)為

(4)

D0為截止頻率距原點(diǎn)距離，其中D(u，v)為點(diǎn)(u，v)到原點(diǎn)的距離。

(5)

2 改進(jìn)圖像增強(qiáng)算法分析

對(duì)于鋼軌裂紋紅外圖像來說能量主要集中在圖像的低頻部分，邊緣信息和細(xì)節(jié)信息主要在其高頻部分，這就造成了圖像在經(jīng)過傳統(tǒng)直方圖均衡化處理之后邊緣模糊和裂紋處細(xì)節(jié)像素丟失的問題。若要較好地避免這些問題，可以采用高通濾波的方法對(duì)鋼軌裂紋紅外圖像進(jìn)行銳化處理，因?yàn)椴捎酶咚垢咄V波器能夠使圖像高頻成分的信息順利通過，從而適當(dāng)抑制圖像的低頻成分，從而達(dá)到減少細(xì)節(jié)像素丟失和邊緣模糊的現(xiàn)象[14]。由于圖像銳化后會(huì)降低圖像性噪比，增強(qiáng)圖像細(xì)節(jié)信息的同時(shí)也增強(qiáng)了圖像噪聲，所以要先對(duì)圖像去除噪聲之后再進(jìn)行銳化處理。針對(duì)以上問題本文創(chuàng)新提出了空間域和頻率域相結(jié)合的紅外圖像增強(qiáng)算法，在空間域上運(yùn)用傳統(tǒng)的直方圖均衡化對(duì)紅外圖像進(jìn)行增強(qiáng)，提高圖像的信噪比；在頻率域運(yùn)用高斯高通濾波對(duì)圖像進(jìn)行銳化，保護(hù)圖像邊緣和細(xì)節(jié)信息。

本文算法的具體思路如下。

步驟1：根據(jù)式(2)運(yùn)用傳統(tǒng)直方圖均衡化方法對(duì)原始鋼軌裂紋紅外圖像進(jìn)行處理；

步驟2：對(duì)步驟1處理后的圖像乘以(-1)x+y進(jìn)行中心變換；

步驟3：根據(jù)式(3)對(duì)步驟2的結(jié)果進(jìn)行離散傅里葉變換，得到F(u，v)；

步驟4：用步驟3得到的F(u，v)乘以式(4)高斯高通濾波函數(shù)H(u，v)，得到傅里葉逆變換的結(jié)果；

步驟5：對(duì)步驟4的結(jié)果乘以(-1)x+y，得到最終結(jié)果。

3 實(shí)驗(yàn)結(jié)果及分析

如圖1所示，是利用紅外熱像儀拍攝的鋼軌裂紋紅外圖像效果最好的一幀，對(duì)該圖沒有進(jìn)行任何的處理。從圖1可以看出，未經(jīng)過處理的原始紅外圖像中裂紋輪廓比較模糊，整體亮度偏暗，與其他部分比較對(duì)比度較差，部分裂紋和掉塊的灰度層級(jí)被湮沒，視覺效果不明顯，這是由于在拍攝過程中鋼軌與空氣之間發(fā)生了熱傳遞和紅外熱像儀自身的性能欠佳的原因[15]。

圖1 原始圖像

在Matlab_R2010a仿真平臺(tái)下，先后利用傳統(tǒng)直方圖均衡化方法，高通濾波銳化方法，以及直方圖均衡化和高通濾波結(jié)合的方法分別對(duì)原始鋼軌裂紋紅外圖像進(jìn)行處理，各種方法的處理結(jié)果分別如圖3、圖5和圖7所示，圖2為原始圖像直方圖，各方法處理后的直方圖分別如圖4、圖6和圖8所示。

圖2 原始圖像直方圖

圖3 直方圖均衡化

圖4 直方圖均衡化直方圖

圖5 高通濾波

圖6 高通濾波直方圖

圖7 本文算法

圖8 本文算法直方圖

從圖2可以看出，鋼軌裂紋原始紅外圖像經(jīng)過傳統(tǒng)直方圖均衡化方法處理之后，與圖1相比圖像亮度增強(qiáng)，連續(xù)性比較好，噪聲有所降低，但是造成了圖像邊緣模糊和細(xì)節(jié)像素丟失的現(xiàn)象；從圖3可以看出，鋼軌裂紋原始紅外圖像經(jīng)過高通濾波銳化之后，圖像的視覺效果增強(qiáng)，圖像邊緣和裂紋輪廓線變的更加清晰，裂紋細(xì)節(jié)被加強(qiáng)的同時(shí)圖像噪聲也被加強(qiáng)；從圖4可以看出，將直方圖均衡化和高通濾波算法相結(jié)合對(duì)鋼軌裂紋原始紅外圖像進(jìn)行處理之后，不僅改善了圖像的很多噪聲特性，同時(shí)保留了圖像的很多細(xì)節(jié)像素，兼顧了圖像的視覺效果，相比圖2和圖3，更好地凸顯了鋼軌裂紋的細(xì)節(jié)缺陷信息，從而突出了該算法的對(duì)于鋼軌裂紋紅外圖像增強(qiáng)的優(yōu)越性。

4 結(jié)論

傳統(tǒng)的直方圖均衡化算法在紅外圖像增強(qiáng)上存在圖像細(xì)節(jié)信息丟失和邊緣模糊等不足。針對(duì)這個(gè)問題本文提出了在空間域上運(yùn)用直方圖均衡化對(duì)原始紅外圖像進(jìn)行處理，把處理后的圖像經(jīng)過離散傅里葉變換轉(zhuǎn)換到頻率域中，然后在頻率域上運(yùn)用高斯濾波器對(duì)圖像進(jìn)行銳化處理，最后把銳化后的圖像經(jīng)過傅里葉逆變換轉(zhuǎn)換回空間域中。研究結(jié)果表明，本文算法在對(duì)鋼軌裂紋紅外圖像增強(qiáng)時(shí)，彌補(bǔ)了單一算法圖像增強(qiáng)時(shí)的不足，不僅降低了圖像噪聲，還更好地保護(hù)了圖像邊緣信息和鋼軌裂紋細(xì)節(jié)像素值，從而達(dá)到了更好的鋼軌裂紋紅外圖像增強(qiáng)效果。

[1] 趙雪芹.鋼軌接觸疲勞裂紋形成機(jī)理研究[D].成都：西南交通大學(xué)，2006.

[2] 李東俠，張大勇.鋼軌焊縫超聲波探傷方法的研究與應(yīng)用[J].鐵道標(biāo)準(zhǔn)設(shè)計(jì)，2012(12)：27-30.

[3] 安輝.紅外探測(cè)技術(shù)在隧道超前地質(zhì)預(yù)報(bào)中優(yōu)、缺點(diǎn)探討[J].鐵道標(biāo)準(zhǔn)設(shè)計(jì)，2014，58(3):101-104.

[4] 顧桂梅，黃濤.基于自適應(yīng)多尺度積閾值的鋼軌裂紋紅外圖像增強(qiáng)[J].鐵道學(xué)報(bào)，2015(2):58-63.

[5] 侯潔，辛云宏.基于高通濾波和圖像增強(qiáng)的紅外小目標(biāo)檢測(cè)方法[J]. 紅外技術(shù)，2013(5):279-284.

[6] 尹士暢，喻松林.基于小波變換和直方圖均衡的紅外圖像增強(qiáng)[J].激光與紅外，2013，43(2):225-228.

[7] 郭師虹.空域紅外圖像增強(qiáng)方法的研究[D].西安：西安建筑科技大學(xué)，2005.

[8] JI T L， Sundareshan M K， Roehrig H. Adaptive image contrast enhancement based on human visual properties[J]. IEEE Transactions on Medical Imaging， 1994，13(4):573-586.

[9] 曾祥通，張玉珍，孫佳嵩，等.顏色對(duì)比度增強(qiáng)的紅外與可見光圖像融合方法[J].紅外與激光工程，2015，44(4):1198-1202.

[10]吳成茂.直方圖均衡化的數(shù)學(xué)模型研究[J].電子學(xué)報(bào)，2013，41(3):598-602.

[11]魏俊，李弼程.基于IHS變換、小波變換與高通濾波的遙感影像融合[J].信息工程大學(xué)學(xué)報(bào)，2003，4(2):46-50.

[12]吳連喜.一種保持光譜特征的圖像融合方法—高通濾波融合法[J].國(guó)土資源遙感，2003(4):26-29.

[13]張威.數(shù)字圖像增強(qiáng)的研究及其實(shí)現(xiàn)[D].武漢：長(zhǎng)江大學(xué)，2014：10-14.

[14]賈其，呂緒良，吳超，等.基于人眼視覺特性的紅外圖像增強(qiáng)技術(shù)研究[J].紅外技術(shù)，2010，32(12):708-712.

[15]徐建華.圖像處理與分析[M].北京：科學(xué)出版社，1992.

Infrared Image Enhancement Technology Based on High Pass Filter and Histogram Equalization for Rail Crack Detection

JIA Wen-jing， GU Gui-mei， LIU Li

(School of Automation and Electrical Engineering， Lanzhou Jiaotong University， Lanzhou 730000， China)

Low contrast and noise of infrared image acquisition process of rail crack in the traditional histogram equalization method may lead to infrared image edge blur and information loss in infrared image enhancement. In this paper， an infrared image enhancement algorithm based on the combination of frequency domain and spatial domain is proposed to make up for the inefficiencies of the traditional algorithm in infrared image enhancement. Histogram equalization is used in the spatial domain to deal with infrared image， which improves the gray contrast of the image. While， in the frequency domain， high pass filter is employed to sharpen the infrared image and enhance the edge of the image and details. Simulation results show that the algorithm in rail crack infrared image enhancement can better suppress background noise， effectively highlight rail crack faint details， protect the details of the image information， facilitate extraction of rail crack defect information．

Crack infrared image; Gray level; Image enhancement; Histogram equalization; Image sharpening

2016-04-12；

2016-05-11

甘肅省科技計(jì)劃資助(1598RJZA059)

賈文晶(1991—)，女，碩士研究生，主要研究方向?yàn)殇撥壛鸭y檢測(cè)與圖像處理，E-mail:jiawen_0621@163.com。

顧桂梅(1970—)，女，副教授。

1004-2954(2016)11-0041-04

U213.4

A

10.13238/j.issn.1004-2954.2016.11.011