高速扣件檢測(cè)中的光照不均勻自適應(yīng)修正法

吳芳，陶衛(wèi)，楊金峰，趙輝

(上海交通大學(xué) 儀器科學(xué)與工程系，上海 200240)*

0 引言

鐵路安全一直是國(guó)家交通安全的重中之重，尤其是在當(dāng)今高速列車(chē)的飛速發(fā)展之際，鐵路安全的重要性尤為突出.繼溫州動(dòng)車(chē)追尾事件后，鐵路安全再次刺激了人們視線(xiàn)，使我們?yōu)榇烁冻鰬K痛的代價(jià).然而，當(dāng)前高鐵的維護(hù)機(jī)制基本上還是舊有的模式，如鐵路扣件缺失的人工檢測(cè)(即靠巡道工人的沿線(xiàn)目視巡查)和落后的信號(hào)系統(tǒng)，這種方法已經(jīng)不能滿(mǎn)足高速列車(chē)的安全監(jiān)測(cè)要求.

目前，國(guó)際上普遍采用計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)扣件自動(dòng)探測(cè)，其中探測(cè)速度最快的當(dāng)屬上海交通大學(xué)提出的基于模式識(shí)別和高速并行處理算法的實(shí)施在線(xiàn)探測(cè)系統(tǒng)［1-3］，即在檢測(cè)車(chē)體底部安裝高速工業(yè)相機(jī)，通過(guò)攝像機(jī)對(duì)軌道固定用扣件螺栓的緊固狀態(tài)進(jìn)行圖像拍攝，再傳送給車(chē)上的處理裝置進(jìn)行處理以判斷扣件的缺失狀況.在這個(gè)過(guò)程中，圖像質(zhì)量對(duì)扣件缺失的判斷起著關(guān)鍵作用，而光照條件是個(gè)不可忽視重要因素，特別是太陽(yáng)光的直接和非直接照射，將造成鋼軌內(nèi)測(cè)號(hào)外側(cè)扣件區(qū)域的圖像照度出現(xiàn)明顯差異.圖1為不同光照條件下的扣件實(shí)時(shí)圖像及其相應(yīng)方向場(chǎng)圖.由圖可知，隨著光照的加強(qiáng)，圖像的直觀效果不斷改善，方向場(chǎng)的雜質(zhì)也在逐漸減少.在光照過(guò)亮?xí)r，方向場(chǎng)的雜質(zhì)最少，此時(shí)最有利于利用方向場(chǎng)來(lái)判斷扣件的缺失.

鑒于此，本文針對(duì)高速列車(chē)扣件檢測(cè)中光照不勻問(wèn)題，提出了一種快速簡(jiǎn)便多維灰度修正自適應(yīng)算法.這種算法不僅能較好地解決因光照不均而導(dǎo)致信息識(shí)讀的困難，而且具有較快的處理速度，明顯優(yōu)于經(jīng)典的同態(tài)濾波法和Retinex算法.

圖1 不同光照條件下的扣件實(shí)物圖及其方向場(chǎng)圖

1 光照不均勻傳統(tǒng)解決算法及其原理

1.1 同態(tài)濾波法

同態(tài)濾波是基于圖像的照度-反射模型，把頻率過(guò)濾和灰度變換結(jié)合起來(lái)，利用壓縮亮度范圍和增強(qiáng)對(duì)比度來(lái)改善圖像的.它將圖像表現(xiàn)為照明分量與反射分量的乘積形式:

式(1)中，i(x，y)是照明分量，在空間上變化緩慢，頻譜集中在低頻段;r(x，y)是反射分量，其頻譜集中在高頻段，反映圖像的細(xì)節(jié).當(dāng)光照不均時(shí)，圖像上各部分的平均亮度會(huì)有起伏，相應(yīng)的暗區(qū)和高亮度區(qū)的圖像細(xì)節(jié)難以分辨.為了消除這種光照不均勻性，同態(tài)濾波通過(guò)在頻域上減弱照明分量部分，同時(shí)增加反射函數(shù)分量來(lái)增強(qiáng)圖像細(xì)節(jié).同態(tài)濾波的過(guò)程如下:

事實(shí)上，同態(tài)濾波頻域算法需經(jīng)過(guò)兩次傅立葉變換來(lái)實(shí)現(xiàn)其圖像增強(qiáng)效果，故其計(jì)算過(guò)程了占用很大的運(yùn)算空間，很難滿(mǎn)足高速實(shí)時(shí)性要求.

1.2 Retinex算法

Retinex算法是由Land提出的一種基于光照補(bǔ)償?shù)膱D像增強(qiáng)法.在Retinex模型中，圖像I(x，y)由場(chǎng)景中物體的入射分量L(x，y)和反射分量R(x，y)組成［4］:

其中，L(x，y)是亮度分量，是變化緩慢的低頻信息.R(x，y)表示反射性質(zhì)，與光照無(wú)關(guān)，可理解為圖像的高頻信息.在顏色恒定的情況下，從圖像中分解出亮度圖像和反射圖像，就可以通過(guò)改變亮度圖像和反射圖像中的比例來(lái)達(dá)到增強(qiáng)圖像的目的.實(shí)際上，Retinex算法主要是通過(guò)對(duì)圖像進(jìn)行高斯函數(shù)卷積運(yùn)算，從圖像I中獲得物體的反射性質(zhì)R，即拋開(kāi)入射光L的性質(zhì)來(lái)獲得物體本來(lái)面貌.因此導(dǎo)致其計(jì)算速度較為緩慢.

目前，為了降低Retinex算法的復(fù)雜度，以減少處理時(shí)間，人們主要采用代替法來(lái)解決，即通過(guò)先將卷積部分的兩個(gè)因子轉(zhuǎn)換到頻域中，然后再將乘積做逆轉(zhuǎn)換.Maylan等［5］利用自適應(yīng)高斯濾波器代替常規(guī)高斯濾波器，提出了改進(jìn)的Retinex算法，但計(jì)算復(fù)雜度并沒(méi)有顯著的降低.劉家朋［6］采用一種基于單尺度Retinex算法的非線(xiàn)性圖像增強(qiáng)算法對(duì)512×384圖像進(jìn)行處理，但是其計(jì)算速度并未得到明顯的提高.

2 多維灰度修正自適應(yīng)算法

通過(guò)分析上述同態(tài)濾波法與Retinex算法可知，這兩種算法都涉及到頻域的濾波，增大了算法復(fù)雜度，計(jì)算時(shí)間較長(zhǎng)，不利于高速鐵路的實(shí)時(shí)檢測(cè).為此，本文引進(jìn)了一種快速便捷的灰度修正方法，并在其基礎(chǔ)上建立一種多維的灰度修正自適應(yīng)算法，期望能更好更實(shí)際地解決高速列車(chē)攝像機(jī)多光源導(dǎo)致的光照不均勻的問(wèn)題.

若只考慮簡(jiǎn)單光源和忽略CCD感光元件對(duì)反射光強(qiáng)度的感應(yīng)，可把光照成像模型簡(jiǎn)化如圖2所示，楊杰在此基礎(chǔ)上建立了的快速自適應(yīng)灰度修正法［7］.

圖2 簡(jiǎn)化的光照成像模型

其中，X0為光線(xiàn)到物體的直射點(diǎn)位置;Xi為斜射點(diǎn)位置;X1為CCD正對(duì)的位置;di和d1分別為點(diǎn)Xi和X1到點(diǎn)X0的距離.設(shè)I為光源發(fā)光強(qiáng)度;R0為光線(xiàn)到物體的距離;θ為入射角與法線(xiàn)的夾角.根據(jù)照度與灰度的近似正比關(guān)系得到兩點(diǎn)的灰度比

對(duì)式(3)進(jìn)行泰勒展開(kāi)得到

di由各像素點(diǎn)坐標(biāo)獲得，再通過(guò)式(4)便可計(jì)算出R0.即經(jīng)過(guò)以下處理過(guò)程:①獲取直射點(diǎn)位置;②根據(jù)樣本，可獲得其中一些像素點(diǎn)到直射點(diǎn)的距離及它們像素值的比li，代入式(4)獲得R0;③把di和R0代入(4)式，獲得li，把所有像素點(diǎn)的li存儲(chǔ)為一查詢(xún)表;④根據(jù)查詢(xún)表li，進(jìn)行灰度修正.

作者采用楊杰的快速自適應(yīng)灰度修正法對(duì)圖1(a)進(jìn)行處理，并得到其相應(yīng)的灰度模板，如圖3所示.圖3(b)所示的灰度模板表現(xiàn)明顯灰度失衡，這主要是由于快速自適應(yīng)灰度修正算法只考慮了一個(gè)光源和一個(gè)直射點(diǎn).

圖3 經(jīng)快速自適應(yīng)灰度修正法處理后(a)及其相應(yīng)的灰度模板(b)

在實(shí)際的扣件檢測(cè)過(guò)程中，往往會(huì)通過(guò)在相機(jī)周?chē)惭b多個(gè)照明光源，以增加有效區(qū)域的照度.由此可見(jiàn)，快速自適應(yīng)灰度修正法并不能直接應(yīng)用于實(shí)際情況.

圖4 簡(jiǎn)化的多光源光照成像模型

因此本文提出了基于多光源的多維自適應(yīng)灰度修正法.此時(shí)兩點(diǎn)的灰度比為:

其中(a1，a2，…，an)為各點(diǎn)灰度值與不同直射點(diǎn)的權(quán)重比.具體算法如下:

(1)首先，通過(guò)先驗(yàn)知識(shí)獲得成像性質(zhì)相同的n個(gè)區(qū)域;

(2)其次，分別用3×3的窗將(1)分解成的區(qū)域Dn遍歷一遍，獲得平均值最大的3×3區(qū)域，并將該區(qū)域的中心點(diǎn)設(shè)為直射點(diǎn)Xn0;

(3)根據(jù)直射點(diǎn)與其余已知像素點(diǎn)的灰度值比，代入(4)式獲得相應(yīng)的Rn;

(4)由din和Rn計(jì)算出灰度比查詢(xún)表li;

(5)查表修正灰度.

圖5 本文的算法處理結(jié)果

由于所要檢測(cè)的扣件位于攝像機(jī)視場(chǎng)中間部位鋼軌的兩側(cè)，也就是說(shuō)扣件在圖像上的橫向位置是基本保持不變的，所以本文還對(duì)除扣件所在區(qū)域的部分進(jìn)行飽和處理.處理效果如圖5所示.

從處理結(jié)果來(lái)看，本文算法所得扣件圖像的方向場(chǎng)相對(duì)于原圖像更干凈，減少了許多與扣件無(wú)關(guān)的干擾方向場(chǎng).為做比較，本文對(duì)原圖也分別做了同態(tài)濾波處理、單尺度retinex［8］處理和雙邊retinex濾波［9］處理，各自效果如圖6所示.用不同算法處理一幅320*240圖像，所得計(jì)算時(shí)間分別為:本文算法:0.011 4;同態(tài)濾波:0.086 9;SSR算法:0.206 6;雙邊濾波reinex算法:1.504 9.

圖6 其余處理方法及相應(yīng)方向場(chǎng)

可以看出，相較于原圖像，本文算法和同態(tài)濾波及retinex算法都有較好的處理結(jié)果.但是同態(tài)濾波及retinex算法處理后的方向場(chǎng)效果并未有多少改觀.而且從表一所記錄來(lái)看，本文算法用時(shí)較少，要少于其他算法用時(shí)的1/5以上.所以總體來(lái)說(shuō)，本文算法對(duì)實(shí)時(shí)扣件檢測(cè)還是有很好的效果.

3 結(jié)論

本文在現(xiàn)有快速自適應(yīng)灰度修正的基礎(chǔ)上，提出來(lái)一種多光源自適應(yīng)灰度修正算法.由于算法所基于的光照模型非常簡(jiǎn)單，不涉及頻域的計(jì)算過(guò)程，因此適合對(duì)實(shí)時(shí)性要求高的高速鐵路檢測(cè).雖然算法對(duì)圖像所做恢復(fù)并不精確，但這并不影響算法的適用性.

［1］王夢(mèng)雪，陶衛(wèi)，楊金峰，等.基于GPU的高速鐵路扣件實(shí)時(shí)探測(cè)技術(shù)［J］.大連交通大學(xué)學(xué)報(bào)，2011，32(6):63-67.

［2］YANG Jinfeng，TAO Wei，LIU Manhua，et al.An Efficient Direction Field-Based Method for the Detection of Fasteners on High-Speed Railways［J］.Sensors，2011，11(8):7364-7381.

［3］ZHANG Haibo，YANG Jinfeng，TAO Wei，et al.Low-Cost Fastener Inspection System on High-Speed Railway［C］.The international conference on test and measurement，2011.

［4］LAND E.Recent advances in Retinex theory and some implications for cortical computations:color vision and the natural images［J］.Proceedings of National Academy of Sciences，1983，80(16):5163-5169.

［5］DOO H C，ICK H J，MI H K.Color image enhancement using single-scale retinex based on an improved image formation model［C］.6th European Signal Processing Conference，2008:25-29.

［6］劉家朋，趙宇朋，胡福喬.基于單尺度Reinex算法的非線(xiàn)性圖像增強(qiáng)算法［J］.上海交通大學(xué)學(xué)報(bào)，2007，41(5):685-688.

［7］楊杰，付中良，阮波.照度不均勻圖像的快速自適應(yīng)灰度修正［J］.計(jì)算機(jī)應(yīng)用，2005，25(3):598-602.

［8］Z RAHMAN，DJ JOBSON，GA WOODELL.Multi-Scale Retinex for Color Image Enhancement［J］.Image Pro-cessing，1996(3):1003-1006.

［9］紀(jì)則軒，陳強(qiáng)，孫權(quán)森，等.基于雙邊濾波的單尺度Retinex圖像增強(qiáng)算法［J］.微電子學(xué)與計(jì)算機(jī)，2009，26(10):598-602.