王林峰 萬 衡 劉子儀 秦 娜 黃德青 張一鳴
(1.上海應(yīng)用技術(shù)大學(xué)軌道交通學(xué)院, 201400, 上海;2.西南交通大學(xué)電氣工程學(xué)院, 611756, 成都∥第一作者, 碩士研究生)
及時檢測并清除軌道異物對于保證軌道交通列車運(yùn)行安全有重要意義。針對復(fù)雜線路環(huán)境和惡劣天氣,本文提出基于幀間差分優(yōu)化算法的霧天軌道異物的檢測方法。為解決霧天的圖像干擾[1],運(yùn)用暗通道先驗(yàn)算法對圖像實(shí)現(xiàn)去霧處理。為提高軌道異物識別的準(zhǔn)確率,引入分權(quán)評價對算法進(jìn)行優(yōu)化,以增強(qiáng)軌道異物檢測系統(tǒng)對惡劣環(huán)境的適應(yīng)能力,優(yōu)化后異物識別的準(zhǔn)確率提高了3.69%。
本文選用暗原色理論算法[2]實(shí)現(xiàn)去霧處理,使用幀間差分優(yōu)化算法的連續(xù)監(jiān)測實(shí)現(xiàn)霧天環(huán)境下的軌道異物侵入檢測。通過消融試驗(yàn),驗(yàn)證了上述方法的可行性?;镜膸g差分法主要是利用視頻序列中相鄰兩幀的變化來檢測靜態(tài)場景下的運(yùn)動目標(biāo)[3]。幀間差分優(yōu)化算法是將識別的相鄰兩幀圖像改取連續(xù)多幀,得出各組差值:
(1)
式中:
Di,j(x,y)——第i幀圖像與第j幀圖像間的像素差;
Ii(x,y)——第i幀圖像在(x,y)位置上的像素值。
通過引入分權(quán)評價的概念,建立對應(yīng)的權(quán)重矩陣ω,并選擇適當(dāng)?shù)拈撝礟將上述差分圖像進(jìn)行二值化處理:
ω=(ωi-3ωi-2…ωi+2ωi+3)T
(2)
Bi(x,y)=Dω
(3)
(4)
式中:
Bi(x,y)——第i張圖像整體的差分結(jié)果;
D、P——分別為與ω對應(yīng)的幀間差值矩陣和閾值矩陣;
Ri(x,y)——第i張圖像中每個像素點(diǎn)(x,y)二值化后的結(jié)果。
灰度方差表示圖像灰度值的離散程度,對比度去霧函數(shù)和信息熵表示圖像質(zhì)量。具體如下:
(5)
(6)
(7)
式中:
Std——灰度方差、去霧度、信息熵評價指標(biāo);
M、N——分別為圖像矩陣的長度和寬度;
k、Pk——分別為像素點(diǎn)灰度級和灰度級出現(xiàn)的概率;
C(I)——去霧度;
E——信息商評價指標(biāo)。
不同算法對圖像去霧處理的效果不同。通過消融試驗(yàn),設(shè)置權(quán)重矩陣,得到的處理結(jié)果如表1所示。
表1 不同圖像去霧算法結(jié)果對比
由表1可見,通過暗原色先驗(yàn)去霧算法得到的圖像質(zhì)量較好,且圖像中各像素點(diǎn)的信息保留較完整。
對不同的軌道異物檢測方法進(jìn)行消融試驗(yàn),得到的結(jié)果如表2所示。
表2 不同評價方法下的軌道異物檢測結(jié)果
對每幀軌道圖像進(jìn)行去霧處理,并進(jìn)行幀間差分優(yōu)化,結(jié)合權(quán)重矩陣得到軌道出現(xiàn)不同異物的效果圖。圖1提供了人、樹、石頭等3種異物侵入軌道時的檢測結(jié)果。
對于復(fù)雜環(huán)境下的軌道異物,通過暗通道先驗(yàn)算法實(shí)現(xiàn)去霧處理,提高軌道異物檢測系統(tǒng)對惡劣環(huán)境的適應(yīng)能力;引入分權(quán)評價實(shí)現(xiàn)相鄰兩幀圖像的數(shù)值融合,提高檢測異物的準(zhǔn)確率。但在圖像二值化處理中,設(shè)定的閾值主觀且固定,無法及時隨環(huán)境改變。后續(xù)將深入研究其他惡劣環(huán)境對視頻圖像的抗干擾處理,以及對軌道異物侵入的預(yù)警識別。