王永勝，馬增強，宋子彬，校美玲

?

基于圖像畸變校正的車輪踏面區(qū)域提取

王永勝，馬增強，宋子彬，校美玲

(石家莊鐵道大學電氣與電子工程學院，河北 石家莊 050043)

為了實現(xiàn)踏面缺陷部位面積的精確測量，提出了一種基于圖像畸變校正的車輪踏面區(qū)域提取方法。首先采用改進的彩色圖像標記分水嶺初次分割側(cè)視視角踏面曲面圖像，然后根據(jù)踏面曲面圖像橫向和縱向畸變的不同特點順次進行平面橫縱坐標幾何校正并在此過程中完成踏面區(qū)域的二次分割與視角轉(zhuǎn)換，最后得到踏面正視視角矯正圖像。實驗結(jié)果表明，該方法可以準確分割并校正側(cè)視視角踏面圖像，為實現(xiàn)踏面缺陷面積的精確計算打下基礎。

踏面損傷；彩色圖像標記分水嶺算法；畸變校正；視角轉(zhuǎn)換；精確測量

列車輪對踏面作為車輛與鋼軌直接接觸的部分，直接承擔著車輛與鋼軌間的所有作用力，工作環(huán)境復雜惡劣，使得輪對踏面缺陷成為了車輛主要故障之一[1-3]，因而加強車輛輪對踏面狀態(tài)檢測對保障行車安全具有重要意義[4-5]。圖像檢測技術(shù)具有故障檢測速度快、實時性好和準確性高的特點，成為了當前踏面狀態(tài)檢測技術(shù)發(fā)展和應用的重點。圖像分割技術(shù)作為圖像檢測技術(shù)的關(guān)鍵環(huán)節(jié)，其分割效果的好壞直接影響后續(xù)故障診斷結(jié)果的準確性。文獻[6]提出了一種基于自適應閾值平穩(wěn)小波的貨車車輪踏面區(qū)域分割算法，其應用小波邊緣檢測提取踏面候選邊緣線進而利用踏面邊緣線搜索算法獲取踏面區(qū)域，其分割結(jié)果易受光照和背景環(huán)境干擾。文獻[7]提出了一種基于閾值分割和形態(tài)學分割相結(jié)合的分割方法，將采集圖像進行同態(tài)濾波處理后使用迭代法進行初步分割，然后應用形態(tài)學分割得到踏面區(qū)域圖像，其初始閾值的選取直接關(guān)系分割效果，算法的適應性較差。此外，基于邊緣提取的踏面區(qū)域分割方法[6-7]由于鐵路車輛轉(zhuǎn)向架機械設計的特點和動態(tài)檢測過程中鐵路安全限界要求[8]無法完成其正視視角圖像采集，因而其多采用軌道側(cè)部位置固定多部相機配合車輪傳感器順次采集踏面圖像，通常在取得踏面連通域后直接應用灰度特征對踏面缺陷進行定性判斷和定位分析，忽略了由于采集設備設置方位限制帶來的圖像畸變，因而不能實現(xiàn)對于踏面缺陷面積的定量計算，影響踏面故障類型的判斷和故障等級的劃分。文獻[9]使用兩個線陣CCD相機完成踏面圖像的動態(tài)采集并對得到的畸變圖像進行校正。但由于圖像采集過程中踏面相對線陣相機位置存在相對運動使得到的非對稱梯形圖像兩端尺度相差很大，并且相鄰幀圖像之間均存在不規(guī)則相對運動與空間角度的變換，對其進行拉伸插值處理均會造成嚴重圖像失真，從而圖像缺陷面積計算值可信度不高。針對當前兩類主流踏面圖像提取方法[6,7,9]存在的抗環(huán)境干擾能力差和圖像畸變校正效果不理想的問題，本文根據(jù)踏面彩色圖像特點與側(cè)視踏面圖像畸變特點選取帶色彩恢復的多尺度視網(wǎng)膜增強算法(multi-scale retinex with color restore，MSRCR)[10]進行圖像預處理并改進標記分水嶺算法完成側(cè)視視角踏面曲面圖像的分割，提高了踏面分割的精度與抗干擾能力，然后根據(jù)踏面曲面圖像橫向和縱向畸變的不同特點設計簡單的校正模型，完成踏面區(qū)域的二次分割與視角轉(zhuǎn)換，實現(xiàn)了校正踏面正視視角圖像的分割提取。經(jīng)實驗驗證，本方法分割校正的踏面圖像準確地反映了圖像特征區(qū)域的尺度和位置信息，為實現(xiàn)踏面缺陷面積的精確測量和缺陷等級的劃分提供了前提。

1 踏面曲面圖像分割

本文首先對采集側(cè)視圖像進行MSRCR預處理，保留踏面彩色圖像細節(jié)信息并提高算法抗環(huán)境干擾能力，然后采用改進的彩色圖像標記分水嶺算法對踏面曲面進行初次分割提取單一連通域側(cè)視踏面曲面圖像。

1.1 圖像預處理

圖像采集過程中往往會受到外界環(huán)境的干擾，對后續(xù)的圖像分割和目標識別等處理造成影響。如圖1(a)所示，霧霾天采集到的圖像對比度和亮度低，顏色出現(xiàn)偏移和失真，使得圖像細節(jié)變得模糊。此外，轉(zhuǎn)向架通常會有一側(cè)車輪處于背光處，其色彩差別較小，如圖1(c)所示。針對以上兩種常見情況，本文采用MSRCR算法對彩色踏面圖像進行處理來恢復圖像的真彩色信息，處理效果如圖1(b)、(d)所示。

對處理前后圖像應用各個評價指標檢驗處理效果見表1。

圖1 MSRCR算法處理對比圖

表1 各圖像評價標準分析統(tǒng)計表

注：邊緣強度使用Sobel邊緣算子

從表1中數(shù)據(jù)對比可知預處理后圖像質(zhì)量明顯提高，特別是圖像細節(jié)和色彩對比度有了很大的改善，為后續(xù)圖像分割打下了基礎。

1.2 彩色圖像標記分水嶺分割

與灰度域的標記分水嶺算法[11]不同，本文改進的彩色圖像標記分水嶺分割算法具體流程如2圖所示，直接計算彩色圖像梯度圖，使得到的彩色圖像梯度更準確，適合區(qū)分踏面提取這種背景復雜且灰度差異較小的圖像。在分水嶺算法前景標記的過程中針對踏面彩色圖像背景復雜與目標圖像差異小的特點，對彩色梯度圖RGB分量分別進行形態(tài)學開閉重構(gòu)運算處理以消除不同色彩分量梯度圖中明暗細節(jié)，減少由于明暗細節(jié)和噪聲干擾造成的輪廓邊緣偏移和過分割現(xiàn)象得到平滑圖像，然后對彩色梯度圖RGB各個彩色分量的極大值圖進行邏輯或運算，盡可能保留各個彩色分量極大值信息得到區(qū)域極大值。背景標記的過程中在Ostu閾值分割前對RGB各個彩色分量進行均值計算來減少物體間不同顏色對標記結(jié)果的影響，提高區(qū)域分割精度。完成分水嶺分割后，根據(jù)踏面曲面在采集圖像內(nèi)連通域面積最大的特點，采用了計算簡單且運算量小的分割方法即搜索函數(shù)確定此標記區(qū)域標簽對應連通域的所有點的坐標，利用得到點的坐標創(chuàng)建一個Lm區(qū)域為1、其余區(qū)域為0的模板，然后利用創(chuàng)建的模板矩陣點乘原圖中的各顏色分量矩陣就可以最終得到單獨的踏面區(qū)域圖像，并利用提取出的踏面區(qū)域從原圖完成彩色圖像踏面分割，此過程中對應各步驟圖像如圖3所示。

圖2 改進的彩色圖像標記分水嶺算法流程圖

圖3 改進的彩色圖像標記分水嶺算法結(jié)果圖

2 踏面圖像畸變校正與提取

踏面圖像采集裝置設置如圖4所示，系統(tǒng)中相機焦距及其位置固定，通過車輪傳感器觸發(fā)控制相機實現(xiàn)采集時刻相機與輪對踏面相對位置固定。本文忽略相機在制造和安裝過程中自身產(chǎn)生的非線性圖像畸變，建立針孔相機坐標模型，如圖5所示，點為相機光心，與軸、軸和相機光軸軸構(gòu)成的直角坐標系作為相機坐標系，UOV構(gòu)成圖像坐標系，兩者間距OO為相機焦距。世界坐標系X過輪軸軸心，軸位于XO′Z平面且與Z軸平行，即設定相機光軸與輪對軸心等高，直線、間距為相機垂向視野范圍，踏面表面直線、平行于XO′Z平面，平行于YO′Z平面。此模型下設備采集踏面圖像為側(cè)視曲面圖，踏面圖像橫向畸變主要是相機視角引起的線性畸變，縱向畸變主要是車輪踏面近似柱體引起的非線性畸變，兩者之間相互獨立，因而可將踏面曲面區(qū)域的幾何校正分為橫坐標校正和縱坐標校正兩個步驟。

圖4 采集裝置設置圖

圖5 成像坐標示意圖

2.1 踏面圖像橫坐標校正

車輪輪輞側(cè)面、輪緣內(nèi)側(cè)與踏面處于不同平面，側(cè)視圖中車輪輪輞區(qū)域?qū)挾妊刂芟蜃兓?，傳統(tǒng)方法直接對提取的踏面區(qū)域進行等寬拉伸，如圖6所示拉伸后圖像中的輪輞、輪緣區(qū)域與踏面區(qū)域的比例與實際比例相差很大。如圖7所示，YO′Z平面踏面區(qū)域圖像每行的輪輞寬度對應于輪輞側(cè)面圓環(huán)的水平截線長度，其沿相機光軸過輪對圓心的截線最短且向兩端移動寬度逐漸增大。由于輪輞側(cè)面以及輪緣內(nèi)側(cè)區(qū)域并非踏面擦傷、剝離、碾堆等主要損傷的檢測位置，因此在線性變換之前對分水嶺算法分割后的圖像進行二次分割去除踏面區(qū)域圖像每行中的輪輞側(cè)面以及輪緣內(nèi)側(cè)區(qū)域。

圖6 踏面區(qū)域直接線性變換

設待校正踏面灰度圖像矩陣為(x,y),其中∈(0,)&∈(0,)。為了避免直接對RGB圖像的3個顏色分量進行行線性變換導致后期彩色圖像融合時出現(xiàn)匹配錯誤，本文首先僅對踏面圖像R分量矩陣進行行分割處理。如圖8所示，踏面與輪輞側(cè)面的交界點位于圖像每行中的灰度最大值點，而輪緣與踏面的交界點位于每行后半部分的最小值附近，由于輪緣在圖像中的寬度整體變化很小，因此使用均值法計算輪緣與踏面交界點位置。

圖7 輪輞側(cè)面寬度變化示意圖

圖8 踏面圖像R分量的亮度分布

具體校正步驟如下：

(1) 計算圖像R分量矩陣每行非零像素中前半部分的最大值Max[(X,y)],其中X∈(0,x)&∈(0,/2)。

(2) 計算每行后半段的最小值Min[(X,y)]與該行末尾(X,y)的距離，其中X∈(0,x) &∈(/2,)，即

(3) 計算所有行距離的平均值得到輪緣的近似寬度，并將每行距離行尾輪緣寬度的點作為輪緣與踏面的近似交界點，即

(4) 分割圖像中踏面部分｛Max[(X, y)]，｝,其中∈(0,)&∈(0,/2)。

(5) 使用R分量分割得到的踏面部分對其他分量矩陣進行分割處理，然后將踏面區(qū)域逐行最近鄰重采樣為指定寬度(標定踏面區(qū)域在圖像中寬度為100個像素左右，實際寬度為103 mm)

(6) 將處理后的R、G、B分量圖像重組，完成踏面圖像橫坐標校正。

2.2 踏面圖像縱坐標校正

踏面圖像橫坐標校正完成后轉(zhuǎn)變?yōu)?i>XO′Y平面的正視視角圖像，如圖4所示，相機的最大縱向視野范圍光路與相機光軸的最大夾角為，且踏面圖像其他區(qū)域位置處拍攝圖像角度更小，基于相機與輪對方位設置在計算縱坐標校正模型時可近似將光路視為平行于相機中軸，因而踏面圖像縱坐標的非線性畸變可看作為弧上的點按照弦等間隔采樣造成的，從而將踏面圖像縱坐標的校正問題轉(zhuǎn)換成求圓弧等間隔點采樣值的問題。如圖9所示,在YO′Z平面中弧上的點對應弦上的點。設∠=，半徑=，則弧的長度為，弦的長度為2sin(/2)，線段的長度為，則可得弧上點與弦上的點的對應關(guān)系為

具體校正步驟如下：

(1) 假定橫坐標校正后的圖像為×的矩陣，根據(jù)弧長與弦長的比例定義對應大小的矩陣(本文標定圓心角為120°，踏面圓半徑為420 mm，則定義矩陣為1.21×)。

(2) 使用立方插值法[12]將上一步中創(chuàng)建的矩陣所有坐標按照式(3)映射到橫坐標校正后的矩陣中。

(3) 為使校正后的圖像的橫縱坐標的比例與實際比例相同，用雙線性插值法將矩陣的縱坐標拉伸成指定長度(本文拉伸長度為踏面滾動圓周長的三分之一，即880 mm)，從而完成了踏面區(qū)域彩色圖像提取與校正。

圖9 縱坐標校正原理示意圖

3 實驗結(jié)果與分析

實驗軟件環(huán)境：Window7-64、MATLAB 2014；硬件環(huán)境：計算機(內(nèi)存8 G, CPU 3.4 GHZ)、采集卡(SOL2MEVCLF)、CCD工業(yè)相機(JAI-5000C- PMCL,分辨率2 560×1 280)、理光鏡頭(25 mm F/1.4)、相機支架(QZSD-620)、永磁型車輪傳感器及轉(zhuǎn)向架試驗臺。

3.1 踏面圖像校正效果檢驗

為了對校正后踏面圖像畸變程度進行定量分析，本文基于轉(zhuǎn)向架試驗平臺在車輪踏面設置16方格(34 mm×34 mm)標定網(wǎng)格作為圖像檢測結(jié)果的評價參照。應用本文方法提取踏面曲面并對其進行橫縱坐標校正結(jié)果，如圖10所示。

利用棋盤角點檢測法[13]標記校正后踏面圖像中標定網(wǎng)格黑白格角點D(,)，其中0<≤3，0<≤9 (設標定紙左上角頂點為平面原點，方格、方格角點與邊長均按照從左至右從上到下的順序順次標號排列)，定義四組正方形網(wǎng)格畸變參數(shù)來定量評價校正效果：

(1) 定義校正后方格相鄰角點間距為邊長