張志騰,侯 濤

(蘭州交通大學(xué)自動化與電氣工程學(xué)院,蘭州 730070)

基于改進Canny算法的列車車輪踏面損傷邊緣提取

張志騰,侯 濤

(蘭州交通大學(xué)自動化與電氣工程學(xué)院,蘭州 730070)

針對高速列車車輪踏面擦傷、剝離的人工巡檢方法效率較低且容易出現(xiàn)漏檢等問題,設(shè)計一種高速列車車輪踏面損傷的動態(tài)檢測系統(tǒng),提出一種擦傷、剝離的特征提取方法。該方法在現(xiàn)有Canny算法的基礎(chǔ)上加入45°方向和135°方向梯度模板來計算梯度幅值,用線性插值法對梯度幅值進行非極大值抑制,再使用優(yōu)化后的迭代閾值算法求得高閾值和低閾值。試驗結(jié)果表明,該算法可以有效地抑制噪聲和干擾,最大限度地保留高速列車車輪踏面的真實邊緣,為列車車輪踏面損傷自動巡檢提供技術(shù)支持。

高速列車；車輪踏面；特征提??；擦傷；剝離； Canny算法

隨著高速鐵路技術(shù)的快速發(fā)展，高速列車的速度越來越快，隨之而來的安全問題也越來越受到人們的重視。列車的緊急制動會造成踏面損傷，嚴重影響列車與軌道設(shè)施的安全和使用壽命[1]。自20世紀70年代以來，國內(nèi)外專家學(xué)者對車輪踏面擦傷、剝離的自動檢測進行了大量的研究。美國采用沖擊載荷法，德國等歐洲國家采用騰空法和軌道變形截取法，俄羅斯、日本采用振動加速度法等[2，3]。國內(nèi)則采用超聲波探傷法[4]、振動加速度法[5]、踏板法[6]等，取得了較多的研究成果，但對高速列車車輪踏面損傷檢測的適應(yīng)性存在一定的不足，在實際應(yīng)用中，目前對高速列車車輪踏面損傷檢測還是以人工巡檢為主，存在優(yōu)化改進空間。機器視覺檢測技術(shù)具有速度快、精度高、成本低等優(yōu)點，已廣泛應(yīng)用在工業(yè)產(chǎn)品表面缺陷自動檢測領(lǐng)域[7]。本文設(shè)計了一種對列車車輪踏面進行損傷檢測的動態(tài)系統(tǒng)，針對高速列車車輪踏面損傷的特點，提出了一種具有高定位精度和抑制虛假邊緣等優(yōu)點的改進Canny算法，實現(xiàn)了抗噪性能好、邊緣效果佳的自適應(yīng)邊緣提取算法，提高了檢測效率的同時還可以節(jié)省人力、物力，可見該研究具有十分重要的理論意義與實際應(yīng)用價值。

1 現(xiàn)有Canny邊緣檢測算法

1968年，John F. Canny提出了基于最優(yōu)化算法的多級邊緣檢測算法[8]，由于Canny算法在處理含有高斯白噪聲的圖像時優(yōu)于其他常用的邊緣檢測算法，因而得到了廣泛的應(yīng)用。評價Canny邊緣檢測算法的3個準則分別為：高信噪比準則，高定位準則，單邊緣響應(yīng)準則。Canny邊緣檢測算法的實現(xiàn)包括：平滑圖像，計算梯度幅值和方向，對梯度幅值進行非極大值抑制，雙閾值檢測和邊緣連接。

1.1 平滑圖像

選用二維高斯函數(shù)的一階導(dǎo)數(shù)對圖像進行高斯濾波[9]，二維高斯函數(shù)定義為

梯度分量分別為

式中,k為常數(shù)；σ為高斯曲線標準差，控制著圖像的平滑程度。

1.2 計算梯度幅值和方向

采用2×2領(lǐng)域內(nèi)的一階有限差分來計算濾波后的圖像矩陣I(i，j)的梯度幅值和方向，x和y方向的差分運算分別為[10，11]

Px(i，j)=(I(i，j+1)-I(i，j)+I(i+1，j+1)

Py(i，j)=(I(i，j)-I(i+1，j)+I(i，j+1)

梯度幅值和方向分別為

1.3 非極大值抑制(NMS)

僅僅得到全局的梯度還不足以確定邊緣，為了確定邊緣必須保留局部梯度的最大值點，就必須抑制非極大值點(non-maximum suppression， NMS)。在3×3鄰域內(nèi)對中心像素梯度M(i，j)沿梯度方向及反方向的元素進行線性插值[12]，然后將中心點的幅值與沿梯度方向相鄰的兩個插值幅值進行比較，如果M(i，j)的梯度值小于沿梯度線上的兩個相鄰像素點的梯度值，那么認為該點為非邊緣點，將M(i，j)置為0。

1.4 雙閾值檢測和邊緣提取

經(jīng)過非極大值抑制后得到圖像的梯度幅值矩陣N(i，j)，設(shè)定初始高低閾值為TH和TL，將梯度值小于閾值的像素灰度值置0，分割得到2個閾值邊緣圖像H(i，j)和L(i，j)。H(i，j)是由高閾值得到，因此虛假邊緣相對比較少，但是L(i，j)包含的邊緣信息則比較全面，同時會包含一定的虛假邊緣，所以在邊緣連接的時候以H(i，j)為基礎(chǔ)，以L(i，j)為補充[13]。在圖像H(i，j)連接邊緣輪廓連接到端點時，在L(i，j)中尋找弱邊緣，填補H(i，j)的邊緣空隙。

2 改進的Canny算法

2.1 計算梯度幅值的改進

現(xiàn)有Canny算法使用2×2鄰域內(nèi)一階有限差分計算圖像梯度幅值，這種方法雖然能表征大部分圖像特征，但對噪聲比較敏感。在8鄰域內(nèi)計算水平、垂直、45°和135°方向的一階有限差分來計算像素的梯度幅值[9]。該方法雖然能在一定程度上抑制噪聲，但計算相對復(fù)雜。本文在Sobel算子的基礎(chǔ)上加入45°方向和135°方向的梯度模板來計算梯度幅值[14]。4個方向上的梯度分量分別為Px(i，j)、Py(i，j)、P45(i，j)和P135(i，j)，則梯度幅值和方向分別為

M(i，j)=

2.2 優(yōu)化迭代閾值算法

當現(xiàn)有Canny算法高低閾值的確定會受到人為干擾，且不具有自適應(yīng)性。對不同的圖像只能根據(jù)經(jīng)驗選取閾值，高低閾值比例也相對固定。在實際現(xiàn)場中圖像受到外界光照和環(huán)境變化的影響比較大，高低閾值的比例不可能為定值。針對以上問題，在迭代式閾值分割算法[15]的基礎(chǔ)上，提出一種優(yōu)化迭代算法來自適應(yīng)地確定高低閾值，通過不斷迭代得到理想閾值。優(yōu)化迭代閾值算法實現(xiàn)如下。

(1)求初始閾值T0

其中，K是迭代次數(shù)；Zmax、Zmin分別為梯度幅值的最大值和最小值。

(2)用閾值TK將所有的梯度值分為H1和H2兩部分，大于等于TK的部分為H1，小于TK的部分為H2。

(3)計算得到H1部分的梯度均值為M1，H2部分的梯度均值為M2。

其中，N(i，j)為點(i，j)進行非極大值抑制后的梯度值；W(i，j)為點(i，j)的權(quán)重系數(shù)。

(4)新的閾值TK+1為

(5)若|TK+1-TK|≤0.01，此時TK與TK+1基本相等，那么迭代則結(jié)束，否則令K=K+1，重復(fù)(2)～(5)，直至迭代結(jié)束。

(6)迭代結(jié)束以后，將最終的M1和M2作為梯度幅值的高閾值和低閾值。

3 仿真試驗結(jié)果與分析

為了驗證改進后的Canny算法在高速列車車輪踏面邊緣提取中的有效性，從某動車所實地采集部分車輪踏面損傷圖像，并在MATLAB 2012a仿真軟件下進行仿真驗證，仿真試驗結(jié)果如圖1所示。

圖1 車輪踏面剝離仿真試驗結(jié)果

圖1中分別采用了傳統(tǒng)Canny算法、文獻[10]提出的一種改進型Canny算法和本文算法，與圖1(b)結(jié)果相比，圖1(c)和圖1(d)邊緣提取效果更佳，圖1(b)中明顯有很多間斷線條，圖1(d)與圖1(c)相比，邊緣細節(jié)更為明顯。綜上所述，說明本文提出的算法能夠檢測出較多的實際邊緣，邊緣細節(jié)處理效果好，抑制噪聲能力較強。

4 結(jié)論

本文使用改進Canny算法對高速列車車輪踏面損傷進行邊緣提取。該算法在Sobel算子模板的基礎(chǔ)上加入45°和135°方向的梯度模板來計算梯度幅值，使邊緣輪廓更加清晰，使用優(yōu)化迭代算法求得最佳高低閾值，克服了人為設(shè)定閾值的不足。用某動車所采集的高速列車車輪踏面圖片進行仿真驗證，結(jié)果表明該方法能夠有效地抑制噪聲，可以自適應(yīng)地選取高低閾值，保留了較多的真實邊緣，突出了邊緣細節(jié)。

[1] Condier J F， Fodiman P. Experimental characterization of wheel and rail surface roughness[J]. Journal of Sound and Vibration，2000，231(3)：667-672.

[2] 張渝，王黎，高曉蓉，等.國內(nèi)外車輪踏面損傷檢測技術(shù)綜述[J].機車車輛工藝，2002，(1)：1-4.

[3] 侯世江.對車輪踏面擦傷微機自動檢測系統(tǒng)的初步研究[J].鐵道車輛，2001，39(12)：36-38.

[4] 陳永疆.超聲波陣列探傷技術(shù)在機車車輪在線檢測上的應(yīng)用[J].鐵道機車與動車，2015(10)：31-33.

[5] 王晗.車輪踏面擦傷的沖擊振動特性及其在車輪擦傷檢測中的應(yīng)用[J].電力機車與城軌車輛，2016，39(2)：62-65.

[6] 李景泉，劉繼.車輪踏面擦傷自動檢測方法的研究和試驗[J].同濟大學(xué)學(xué)報，2003，31(4)：473-476.

[7] 田麗麗，方宗德，趙勇.鐵路貨車車輪踏面?zhèn)麚p檢測中剝離與擦傷定位方法[J].鐵道學(xué)報，2009，31(5)：31-36.

[8] Canny J， A computational approach to edge detection[J]. IEEE Transac-tions on Pattern Analysis and Machine Intelligence，1986，8(6)：679-698.

[9] 李二森，張保明，周曉明，等.自適應(yīng)Canny邊緣檢測算法研究[J].測繪科學(xué)，2008，33(6)：119-120.

[10] 王小俊，劉旭敏，關(guān)永.基于改進Canny算子的圖像邊緣檢測算法[J].計算機工程，2012，38(14)：196-202.

[11] 吉玲，楊亞，付珊珊，等.一種改進的Canny邊緣檢測算法[J].微機處理，2015(1)：40-43.

[12] 孫智鵬，邵仙鶴，王翥，等.改進的自適應(yīng)Canny邊緣檢測算法[J].電測與儀表，2016，53(6)：17-21.

[13] 李牧，閆繼紅，李戈，等.自適應(yīng)Canny算子邊緣檢測技術(shù)[J].哈爾濱工程大學(xué)學(xué)報，2007，28(9)：1002-1007.

[14] 許宏科，秦嚴嚴，陳會茹.一種基于改進Canny的邊緣檢測算法[J].紅外技術(shù)，2014，36(3)：210-214.

[15] 楊丹，趙海濱，龍哲，等.MATLAB圖像處理實例詳解[M].北京：清華大學(xué)出版社，2013.

Edge Extraction of Train Wheel Tread Damage Based on Improved Canny Algorithm

ZHANG Zhi-teng, HOU Tao

(School of Automation & Electrical Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China)

In view of the high-speed train wheel tread scratch, the stripping of artificial inspection method is less efficient and prone to miss inspection. This paper designs a dynamic detection system for wheel tread damage and a feature extraction method for scratch and peeling is proposed. This method adds 45° and 135° gradient templates on the basis of the existing Canny algorithm when calculating the gradient amplitude. Linear interpolation method is used to suppress the non-maximum value of the gradient amplitude, and uses the optimized iterative algorithm to find the high and low thresholds. The experimental results show that the algorithm can effectively suppress the noise and interference, and maximize the real edge of the high-speed train wheel tread, which provides technical support for automatic inspection of train tread damage.

High-speed train; Wheel tread; Feature extraction; Scratch; Peeling; Canny algorithm

1004-2954(2018)01-0148-03

2017-04-07;

2017-04-12

甘肅省自然科學(xué)基金(1606RJZA002)

張志騰(1989—)，男，碩士研究生，E-mail：zzt_0919@163.com。

U260.331+.1

A

10.13238/j.issn.1004-2954.201704070003