基于幀間差分優(yōu)化算法的霧天軌道異物檢測(cè)方法*

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(shí)檢測(cè)并清除軌道異物對(duì)于保證軌道交通列車運(yùn)行安全有重要意義。針對(duì)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(cè)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(duì)圖像實(shí)現(xiàn)去霧處理。為提高軌道異物識(shí)別的準(zhǔn)確率，引入分權(quán)評(píng)價(jià)對(duì)算法進(jìn)行優(yōu)化，以增強(qiáng)軌道異物檢測(cè)系統(tǒng)對(duì)惡劣環(huán)境的適應(yīng)能力，優(yōu)化后異物識(shí)別的準(zhǔn)確率提高了3.69%。

1 霧天軌道異物檢測(cè)方法介紹

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(cè)實(shí)現(xiàn)霧天環(huán)境下的軌道異物侵入檢測(cè)。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(cè)靜態(tài)場景下的運(yùn)動(dòng)目標(biāo)[3]。幀間差分優(yōu)化算法是將識(shí)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(píng)價(jià)的概念，建立對(duì)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(duì)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(gè)像素點(diǎn)(x,y)二值化后的結(jié)果。

2 霧天軌道異物檢測(cè)試驗(yàn)分析

2.1 圖像評(píng)價(jià)指標(biāo)構(gòu)建

灰度方差表示圖像灰度值的離散程度，對(duì)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(píng)價(jià)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(jí)和灰度級(jí)出現(xiàn)的概率；

C(I)——去霧度;

E——信息商評(píng)價(jià)指標(biāo)。

2.2 試驗(yàn)結(jié)果與分析

不同算法對(duì)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(duì)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(duì)不同的軌道異物檢測(cè)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(píng)價(jià)方法下的軌道異物檢測(cè)結(jié)果

2.3 軌道異物檢測(cè)效果

對(duì)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(shí)的檢測(cè)結(jié)果。

3 結(jié)語

對(duì)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(cè)系統(tǒng)對(duì)惡劣環(huán)境的適應(yīng)能力；引入分權(quán)評(píng)價(jià)實(shí)現(xiàn)相鄰兩幀圖像的數(shù)值融合，提高檢測(cè)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(shí)隨環(huán)境改變。后續(xù)將深入研究其他惡劣環(huán)境對(duì)視頻圖像的抗干擾處理，以及對(duì)軌道異物侵入的預(yù)警識(shí)別。