基于RGB顏色模型的軌道輪廓識(shí)別算法*

李立明，柴曉冬，鄭樹(shù)彬

(上海工程技術(shù)大學(xué)城市軌道交通學(xué)院，上海201620)

0 引言

隨著鐵路建設(shè)的發(fā)展，軌檢測(cè)的自動(dòng)化、高效化受到廣泛關(guān)注。軌檢測(cè)主要是為了得到軌道不平順［1，2］的一系列參數(shù)，包括軌距、水平、方向、高低等［3］?；趫D像處理的測(cè)距理論和技術(shù)的發(fā)展，利用高速CCD攝像機(jī)結(jié)合圖像處理技術(shù)來(lái)精確獲得軌距不平順參數(shù)成為可能，文獻(xiàn)［4，5］設(shè)計(jì)了基于機(jī)器視覺(jué)的軌距檢測(cè)系統(tǒng)，可以滿足和提高軌距檢測(cè)精度和效率，降低檢測(cè)成本。本文主要研究在基于機(jī)器視覺(jué)的軌距檢測(cè)系統(tǒng)中，針對(duì)現(xiàn)場(chǎng)鋼軌采集圖像背景噪聲復(fù)雜的情況，傳統(tǒng)基于灰度圖像的分割方法不足，以及邊緣提取算法的速度慢等缺點(diǎn)，提出基于RGB模型軌道輪廓的識(shí)別算法。該算法針對(duì)系統(tǒng)中采用的扇形激光光源顏色特征相對(duì)固定的特點(diǎn)，首先提取鋼軌RGB圖像的R顏色特征分量，然后選擇合適的背景圖像與其做差影運(yùn)算，實(shí)現(xiàn)圖像的噪聲去除和二值化，并準(zhǔn)確地提取出鋼軌斷面輪廓。

1 RGB顏色模型

RGB 顏色模型［6，7］，即紅、綠、藍(lán)(RGB)三基色模型，是基于笛卡爾坐標(biāo)系，3個(gè)軸分別是R軸、G軸、B軸(圖1)。對(duì)R，G，B進(jìn)行歸一化處理，所有的值都在區(qū)間［0，1］中。

圖1 RGB顏色立方體Fig 1 RGB color cube

在該模型中，從黑到白的灰度值分布在從原點(diǎn)到離原點(diǎn)最遠(yuǎn)頂點(diǎn)間的連線上，而立方體內(nèi)其余各點(diǎn)對(duì)應(yīng)不同的顏色，并可以用從原點(diǎn)到該點(diǎn)的向量表示。對(duì)于任何顏色C都通過(guò)改變?nèi)臄?shù)量混合得出，其表達(dá)式為

2 圖像差影法

圖像差影法可去除一幅圖像中不需要的加性噪聲，加性噪聲可能是緩慢變換的背景陰影、周期性的噪聲或者是在圖像上每一像素處均已知的附加污染。差影圖像提供了圖像間的差異信息，能用以指導(dǎo)動(dòng)態(tài)檢測(cè)、運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤、圖像背景消除及目標(biāo)識(shí)別等工作。所謂差影法，就是圖像的相減運(yùn)算，是指把相似景物的拍攝圖像或者同一景物在不同時(shí)間、不同波段的圖像相減，其數(shù)學(xué)表達(dá)式如下

式中 A(x，y)為當(dāng)前圖像，為B(x，y)固定背景圖像(匹配模版)，C(x，y)為輸出圖像。

本算法中采用原始RGB圖像的灰度圖作為背景圖像B(x，y)，提取R分量得到灰度圖像作為當(dāng)前圖像A(x，y)。圖像在作差影法運(yùn)算時(shí)，必須使兩相減圖像的對(duì)應(yīng)像點(diǎn)位于空間同一目標(biāo)點(diǎn)上。由于本算法采用同一副圖像的不同顏色分量做運(yùn)算，從而保證了A(x，y)，B(x，y)最大程度上的空間點(diǎn)的匹配，兩幅圖像的對(duì)應(yīng)點(diǎn)完全對(duì)應(yīng)，否則，必須先作幾何校正與配準(zhǔn)。

3 二值化

圖像二值化根據(jù)其對(duì)像素的處理方式，主要分為3類:1)全局閾值法;2)局部閾值法;3)動(dòng)態(tài)閾值法［8］，還有基于數(shù)學(xué)形態(tài)學(xué)的二值化方法。為滿足實(shí)動(dòng)態(tài)圖像處理要求，算法中二值化采用基于像素的全局閾值法。對(duì)于圖像C(x，y)，記T為前景與背景的分割閾值，前景點(diǎn)數(shù)占圖像比例為w0，平均灰度為u0;背景點(diǎn)數(shù)占圖像比例為w1，平均灰度為u1。圖像的總平均灰度為

從最小灰度值到最大灰度值遍歷T，當(dāng)T使得方差值

δ2最大時(shí)，T即為分割的最佳值。

4 輪廓提取

對(duì)得到的二值圖像采用Hilditch細(xì)化算法，其主導(dǎo)思想是每次掃描刪除圖像上目標(biāo)的輪廓像素，直到圖像上不存在可刪除的輪廓像素為止，最終得到一個(gè)像素寬度的鋼軌斷面輪廓線。

5 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)采用德國(guó)AVT CCD攝像機(jī)，像素分辨率為1280×960，并采用輸出波長(zhǎng)為635nm的紅色扇形結(jié)構(gòu)光源。在實(shí)驗(yàn)線路上拍攝鋼軌斷面圖像，圖2(a)為原始RGB圖像，(b)為拉普拉斯邊緣銳化灰度圖像，(c)銳化后圖像的灰度直方圖，圖3為采用傳統(tǒng)的基于灰度圖的圖像在不同閾值T下的分割結(jié)果。

圖2 圖像預(yù)處理Fig 2 Image preprocessing

圖3 圖像分割Fig 3 Image segmentation

在基于機(jī)器視覺(jué)的軌距檢測(cè)系統(tǒng)中，采用扇形激光光源照射到鋼軌內(nèi)側(cè)面，在軌面和軌腰上形成紅色激光光帶。在實(shí)際采集圖像過(guò)程中，由于外部環(huán)境(光照)發(fā)生變化和軌面軌腰噪聲的干擾，通過(guò)灰度直方圖可以觀察出，紅色光帶所占用的有效像素的分布很小，基本完全淹沒(méi)于背景之中。圖像分割算法中，選取的分割閾值是關(guān)鍵，但從實(shí)際效果看，選擇不同的閾值無(wú)法完全消除軌面和軌腰可能出現(xiàn)的“光斑”干擾，“光斑”的存在為提取鋼軌輪廓帶來(lái)了隨機(jī)的噪聲干擾。傳統(tǒng)的基于灰度圖像的直方圖閾值分割方法［9，10］，由于激光帶有效像素密度較小，無(wú)法準(zhǔn)確分割目標(biāo)區(qū)域和背景區(qū)域。

針對(duì)隨機(jī)干擾，本算法由于是對(duì)同一幅圖像的不同顏色分量直接運(yùn)算，可完全消除背景噪聲和軌面亮斑干擾。同時(shí)考慮現(xiàn)場(chǎng)光照變化，采用本算法對(duì)不同光照條件下采集的圖像作對(duì)比研究，圖4為在不同光照條件下對(duì)同一位置采集的圖像和應(yīng)用算法提出到的鋼軌輪廓斷面。

將本算法用于基于機(jī)器視覺(jué)的軌距檢測(cè)系統(tǒng)中，對(duì)同一軌距測(cè)量點(diǎn)，在4組不同光照條件下分別測(cè)量20次，得到軌距數(shù)據(jù)，見(jiàn)表1和圖5。

圖4 不同光照強(qiáng)度下輪廓提取Fig 4 Contour extraction under different illumination

表1 不同光照下測(cè)量的軌距(單位:mm)Tab 1 Measured gauge under different illumination(Units:mm)

圖5 軌距檢測(cè)曲線Fig 5 Gauge detecting curves

在基于機(jī)器視覺(jué)的軌距檢測(cè)系統(tǒng)的測(cè)量中，軌距測(cè)量精度達(dá)μm級(jí)，從測(cè)量結(jié)果觀察，在一定范圍內(nèi)的光照強(qiáng)度，采用本算法對(duì)軌距測(cè)量影響較小，最大偏差小于0.2 mm;光照強(qiáng)度超過(guò)一定閾值后，本算法無(wú)法準(zhǔn)確捕捉軌距測(cè)量點(diǎn)，軌距測(cè)量數(shù)據(jù)出現(xiàn)跳躍，軌距測(cè)量誤差較大，最大偏差達(dá)到13.7 mm。

6 結(jié)論

本文采用基于RGB模型的軌道輪廓識(shí)別算法，根據(jù)鋼軌輪廓線顏色與背景顏色的差異［11］，成功識(shí)別提取了鋼軌輪廓線，消除了背景噪聲的干擾，從圖像處理結(jié)果與軌距測(cè)量結(jié)果觀察，隨著光照強(qiáng)度的增加，對(duì)本算法有一定的影響，但在一定光照范圍之內(nèi)，本算法具有較好的魯棒性。

［1］Esveld C.Principles of track quality，recording and assessment［J］.Rail International，1992，23(1):10-18.

［2］杜鶴亭.長(zhǎng)波長(zhǎng)軌道不平順檢測(cè)中的數(shù)字濾波方法［J］.中國(guó)鐵道科學(xué)，2000，21(4):58-64.

［3］余祖俊.軌道交通線路幾何安全狀態(tài)動(dòng)態(tài)檢測(cè)技術(shù)研究［D］.北京:北京交通大學(xué)，2008.

［4］鄭樹(shù)彬，柴曉冬，李立明，等.基于機(jī)器視覺(jué)的軌距檢測(cè)系統(tǒng)設(shè)計(jì)［J］.機(jī)車電傳動(dòng)，2010(6):70-74.

［5］鄭樹(shù)彬，柴曉冬，韓國(guó)閣，等.基于光平面的軌距測(cè)量方法［J］.城市軌道交通研究，2010，13(9):22-25.

［6］符寶鼎，袁建暢，郭彩霞.基于RGB顏色模型棉花雜質(zhì)的識(shí)別算法［J］.北京紡織，2005(5):48-51.

［7］陳志國(guó)，須文波.一種機(jī)器視覺(jué)異纖高速清除系統(tǒng)［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46(10):200-201.

［8］王 民，文義玲.常用圖像去噪算法的比較與研究［J］.西安建筑科技大學(xué)學(xué)報(bào):自然科學(xué)版，2010，42(6):895-898.

［9］李海峰，杜軍平.顏色特征的圖像分類技術(shù)研究［J］.智能系統(tǒng)學(xué)報(bào)，2008，3(2):156-158.

［10］黃學(xué)軍，邢愛(ài)鳳，解培中.綜合利用邊緣和顏色特征的圖像檢索［J］.南京郵電學(xué)院學(xué)報(bào)，2004，24(1):27-30.

［11］Manjunath B S，Ohm JR，Vasudenvan V V，et al.Color and texture descriptors［J］.IEEE Trans on CSVT，2001，11(6):703-715.