轨道扣件几何特征提取算法研究

王昆，郑树彬，柴晓冬，李立明

(上海工程技术大学 城市轨道交通学院，上海 201620)



轨道扣件几何特征提取算法研究

王昆，郑树彬，柴晓冬，李立明

(上海工程技术大学 城市轨道交通学院，上海 201620)

摘要:通过研究轨道组成及部件，分析能提取出稳定目标特征的轨道部件。首先，在CCD获取图像后，对图像进行滤波处理。同时，针对Canny算子提取边缘具有伪像素、像素宽等缺点，采用改进的Canny算子对图像进行边缘检测。其次，对于RHT在直线提取上具有无效采样、无效累积等缺点，将检测后的图像边缘采用改进的RHT进行直线特征检测。最后，根据实验进一步证明改进后的RHT在直线特征提取上面具有速度快，降低内存等优点，DSP开发节约Flash空间，为整个课题做理论支撑。

关键词：Canny算子;直线特征;边缘检测;RHT变换;轨道沉降

轨道沉降是轨道结构不平顺变形发生的直接原因[1]，而轨道结构不平顺是机车车辆产生振动的主要根源，直接影响轮轨间相互作用及列车运行的安全性，平稳性以及舒适性。轨道结构由钢轨、轨枕、扣件、铁座等连接而成，轨道支承在路基上，上部承受列车荷载。轨道结构示意图如图1所示。从图中可知轨道中钢轨和扣件排列均匀且分布较密，轨枕、扣板等其他部件从分布上都不利于作为提取轨道几何特征的有效部件。基于此，文中采用钢轨和扣件作为提取轨道几何特征的有效部件。即提取钢轨和扣件的几何特征，作为SLAM算法的匹配点[2]。点(如角点)、线(直线)、区域(面)特征是图像中的几何特性，被外界环境影响较小，是图像中最稳定的特征[3]。角点特征在实际应用当中容易获取，但匹配时比较复杂，特别当图像中含有大量噪声时，匹配的效果差。相比之下，直线特征具有更加精确，稳定等特点，而且更能代表图像中所包含的信息量。因此，提取钢轨几何特征可以转化为提取钢轨直线特征。近30年来，国内外研究者提出了大量直线提取算法。如基于像素点拟合的直线提取算法、基于超小波的直线提取算法及基于Hough变换的直线提取算法[4]。常用的基于像素点拟合提取直线方法是Freeman链码[5]方法，对短直线比较密集的图像较难检测，同时也不能保证跟踪链码的直线特征性。Ridgelet[6]变换是超小波算法的代表，该需要设置大量的阈值，且对直线完整性没有很好的保障。基于Hough变换[7]的提取直线方法是现在常用的一种算法。虽然Hough变换抗噪性能较好，但计算量较大，需要预先设置庞大的参数存储空间。本文提出了改进的Canny算子检测图像边缘，同时也提出了基于Hough变换的一种改进方法：随机Hough变换法[8]。改进后的算法减少了计算量，提高了提取直线的速率，并且为后续硬件开发节约了RAM空间。

1：钢轨；2：螺纹道钉；3：扣板；4、11：轨枕；5：轨枕连接板；6：铁座；7：硫磺锚固剂；8：衬垫；9：绝缘缓冲垫片；10：绝缘缓冲垫板；12：平垫圈；13：扣件图1　轨道部件示意图Fig.1Structural diagram of train

1CCD图像轮廓线初定位、边缘检测

1.1　钢轨和扣件几何特征提取算法

钢轨和扣件几何特征提取算法见图2。

图2　钢轨和扣件几何特征提取算法流程图Fig.2Flow algorithm picture of geometric feature extraction of rail and fastener

1.1.1目标轮廓线初定位

利用全局搜索法[9]获取目标轮廓边缘初值,其具体步骤如下:

1)首先对全局图像进行直方图均衡化[10]。再减小数据范围，降低图像对比度，从而使图像的细节更加清晰。将全局图像灰度[0.1,0.4]调整至[0.6,0.8]。再对二值化后的全局图像进行洞形填充，让图像更加饱和。

2)其次细化边缘二值图，对钢轨和扣件初识别，得出钢轨和扣件的初定位。

0.1钢轨和扣件初步轮廓提取

3)首先对2.1的细化边缘二值图进行二值膨胀和腐蚀。膨胀和腐蚀的核心是结构元素。一般来说结构元素是由元素值为1或0的矩阵组成。结构元素为1的区域定义了图像的领域。二维的结构元素要比处理的图像小很多，在这里我们创建水平方向上直线长度为840的线性元素进行二值膨胀。

4)其次对图像进行形态学先闭后开运算[11]。在创建[100 05]的二维数组的成对结构元素。创建完成后在对图像进行形态学先闭后开运算。当需要提取扣件和钢轨的垂直特征时，需要创建垂直直线长度为140的线性元素进行二值膨胀，创建完成后最后对图像进行形态学先闭后开运算与图像叠加。

2图像边缘检测

2.1　Canny算子

边缘是图像最基本特征，包含了有用的识别信息。数字图像中，直线轮廓是以像素点的形式存在图像中，而边缘检测是对图像轮廓像素进行提取的基本方法。因此，边缘检测是实现Hough变换检测直线的重要环节。在早期，许多学者提出了很多经典的边缘检测算子[12]:Sobel，Log和Canny等，本文采用改进后的Canny算子对图像进行边缘检测。Canny算子[13]把检测变换的问题转化为检测单位函数极大值问题。其基本方法如下：

1)使用指定标准差高斯函数对图像进行平滑，减少噪声；首先对图像进行平滑滤波。它采用高斯一阶微分函数对图像进行滤波。高斯函数如下：

(3)

其中，λ控制了平滑度。当λ较小时，边缘定位的精度较高，但图像的信噪比却变低了；当λ较大时，能极大抑制噪声，但边缘定位精度却变低了。

2)Canny算子在第2步使用的是2个2×2的模板分别对x和y方向进行微分处理。

fx(i,j)=(f(i,j+1)-f(i,j)+f(i+1,j+1)-

f(i+1,j))/2

(4)

fy(i,j)=(f(i,j)-f(i+1,j)+f(i,j+1)-

f(i+1,j+1))/2

(5)

每个像素点的梯度幅度P(i,j)和梯度方向Q(i,j)分别为：

(6)

(7)

其中，P(i,j)反映了像素点的边缘强度；Q(i,j)为像素点的法向向量。

3)使用非极大值抑制法消除图像虚假边缘；如果P(i,j)值越大说明其对应的梯度值越大，但仅用这一个条件确定是否为边缘显然不够准确。因此，必须对图像进行细化，保留局部幅值变化趋势最大的边缘点。非极大值抑制法能够达到上述效果。具体做法如下：把梯度方向角划分为4个区域，如图3所示。考虑像素点3×3的邻域，每个像素邻域点必定坐落在其中某一个区域，将中心像素点的梯度幅值分别与梯度方向区域相同的两个像素点梯度幅值相比较，如果中心像素点幅值小于相邻点幅值，那么中心像素点为非边缘点，相反，为候选边缘点。

图3　梯度方向区域划分图Fig.3 Divided map in gradient direction

2.2　改进后的Canny算子

虽然Canny算子在一定的程度上解决了直线提取等缺点，但Canny同样存在问题：会提取伪像素，对于真像素有时提取不出来，Canny速度慢、占有高内存，不利于后续开发的硬件运行速率。全局采样得到边缘点后，这种寻找边缘点对模式使得在选择点对时有较大的盲目性。

改进的Canny算子采用双梯度阈值法对边缘点进行连接。传统边缘检测方法，为减少虚假边缘，常常对边缘像素点阈值化。即将像素点的梯度幅值与阈值进行比较，将低于阈值的像素点幅值化为零。仅用单阈值不能很好地得到图像边缘，因此，Canny算子采用的是双阈值法。其方法如下：设定2个门限值,高、低阈值分别为T1和T2。后对图像中的每一像素点进行双阈值检测，如果像素点梯度幅值大于T1，则该像素点为边缘点。判断像素是否是边缘点的具体方法如下：选择一个高阈值点，在这个点的3×3像素的邻域内，如果邻域内有次高阈值点，则此点为边缘点。如果像素点的幅值小于T2，则该像素点为非边缘点，把处于两阈值之间的像素点认为弱边缘点。即分别用T1和T2对图像进行检测，把梯度幅值小于T1的灰度像素设为零，得到边缘图一，把梯度幅值小于T2的灰度像素设为0，得到边缘图2。由于图1选取的阈值较大，因此噪声少，但丢失了一部分真实的边缘，图像2选取的阈值较小，保留了大部分边缘信息，但存在伪边缘。因此本文是以边缘图像1为基础，再以边缘图像2进行补充，并得到最终图像的边缘。试验结果如下：

为了检验本文中算法的性能，分别采用几组实际轨道拍摄图像对本文算法和Canny做了实验。实验运行环境：Intel(R) Core(TM)2 Duo CPU, 2.00 GHz,3.00GB内存笔记本机。第1组实验图像为天气较好时的无砟轨道图，其大小为 484×469，图4(a)是原图像，4(b)是Canny边缘检测的结果，4(c)是改进的Canny算子直线检测结果。第2组实验图像为天气不好时的无砟轨道图，其大小为 461×438，图5(a)是原图像，5(b)是Canny边缘检测的结果，5(c)是改进的Canny算子直线检测结果。第3组实验图像为砟轨道图，其大小为 497×480，图6(a)是原图像，6(b)是Canny边缘检测的结果，6(c)是改进的Canny算子直线检测结果。表1是本文算法与Canny算子相比较的结果，包括算法运行时间，检测的直线数。

从图4~6可以看出，改进的Canny算子检测的边缘连续性较好，没有伪像素，且像素连接较好以及检测的边缘宽度较窄。

(a)原图像；(b)canny算子；(c)改进的canny算子图4　实验1中本文与Canny算子Fig.4 Canny algorithm and this paper in experiment 1

(a)原图像；(b)canny算子；(c)改进的canny算子图5　实验1中本文与Canny算子Fig.5 Canny algorithm and this paper in experiment 2

(a)原图像；(b)canny算子；(c)改进的canny算子图6　实验3中本文与Canny算子Fig.6 Canny algorithm and this paper in experiment 3

3改进的随机Hough变换直线检测方法

3.1　随机Hough变换[14](RHT)

对于一副坐标(x,y)的图像，重新定义直线的标准方程为：

y=a1x+a2

(8)

同标准Hough一样，可以定义空间坐标系(a1,a2)。标准Hough变换是对每一个像素点进行变换，即一对多变换。而RHT采用的是多对一变换思想，采用空间中的2点(x1,y1)和(x2,y2)，代入方程组(9)，得到参数空间点(a1,a2)。

(9)

首先，把图中的非零值像素点输入到矩阵D内，然后进行多次迭代。在每一步迭代步骤中，从D中随机选择2个点d1(x1,y1)和d2(x2,y2)d1(x1,y1)≠d2(x2,y2)，其选择方式如下：对于D中都有相同概率的每一点作为d1，且在剩下点中，都有相同的概率作为d2。接着代入公式(9)得到了参数空间pi=[a1(i),a2(i)]，并把pi放入到参数空间P当中。在迭代多次之后，会发现有多个pi的重复值累加到了参数空间点的(a1,a2)，如果空间中包含了参数为 (a1,a2)的直线，则通过在参数空间P中检测相应位置(a1,a2)值就能够检测出边缘直线。检测直线的关键是在参数空间中找到累加点(a1,a2)。其方法为：首先把空间清零，对于每一步中得到的pi值，在空间检测时观察是否有相同的pi值，如果发现有，则对相应单元计数加1，如果发现没有，则把pi值插入到空间P中，作为新的累加器单元。最后，设定阈值n，检测累加器单元，如果累加器单元大于n，则认为该单元是检测出的直线参数。

3.2　改进的RHT

虽然RHT在一定的程度上解决了Hough直线提取伪像素[15]等缺点，但RHT同样存在Hough速度慢、占有高内存，不利于后续开发的硬件运行速率的问题。这种寻找边缘点对模式使得在选择时具有较大的盲目性。

图7是一条理想情况下的直线和一个单独点E。如果要检测图中45°角的直线l，理想情况下，只要求出这条直线上每相邻2点的参数值，就能检测出这条直线。但运用RHT检测时，对于直线上的8个像素点，不管它们距离多远，两两之间都要作为候选点对，特别是孤立点E，直线l上的这8个点也都将分别组合成为候选点对，从而去计算两点的直线参数以及搜索单元集，如果在参数空间里没有得到由这两点计算得到的参数值，还需要插入新单元。这样会带来相当大的计算量，需要比较大的内存空间。特别是对于一些较复杂、像素点较多的图像，选取随机的点对将把PC机运算时间及存储空间变成几何量级的增加。

图7　直线和孤立点Fig.7 Straight lines and isolated point

Freeman链码[16]跟踪边缘时，采用在被跟踪边缘8像素范围内寻找下一点方式，有效解决了选取点对盲目性的问题。基于此结论，本文提出一种新的直线提取算法：即随机Hough变换选取点对时，首先判断这两点是否满足距离条件，然后计算参数值，得到参数空间。距离是通过选取两点的横纵坐标求和相减得到：d=|(x1+y1)-(x2+y2)|。利用这一准则，有效解决了选取点对盲目性所带来的采样无效和占用内存空间过大的问题，将极大提升对复杂图像=直线特征提取的运算速度。改进后算法步骤如下：

1)扫描图像，得到边缘点集D，设参数空间P为空，迭代步骤数t=0；

2)随机从点集D中选取点对d1(x1,y1)和d2(x2,y2),d1(x1,y1)≠d2(x2,y2),判断是否|(x1+y1)-(x2+y2)|≤dmax，如果继续，就进入下一步，否则就重新选取d1和d2；

3)用这点对代入公式(9)中得到参数空间点p=(a1,a2)；

4)在空间P中搜索pc,如|pc-p|<ε，则认为存在这样的pc，则转到步骤6，否则转到步骤5；

5)把p插入到空间P中，转到步骤7；

6)相应的累加器单元计数加1，并且检测该计数是否大于阈值nt，如果是，则转到步骤8，否则转到步骤7；

7)t=t+1，如t>tmax，则程序结束，否则转到步骤2中；

8)pc即是所检测到的参数，将D中相应点清除。初始化参数空间后转到步骤2。

3.3　试验结果分析

图8(a)是原图像，8(b)是改进的Canny边缘检测的结果，8(c)是RHT算法检测结果，8(d)是本文算法检测结果。第2组实验图像为天气不好时的轨道图像，其大小为 461×438，图9(a)是原图像，9(b)是改进的Canny边缘检测的结果，9(c)是 RHT算法检测结果，9(d)是本文算法检测结果。表1是本文算法与RHT算法相比较的结果，包括算法运行时间，检测的直线数。

(a)原图像；(b)改进的canny算子；(c) RHT算法；(d) 改进算法图8　试验1中本文与RHT算法Fig.8 RHT algorithm and this paper in experiment 1

表1　算法比较

(a)原图像；(b)改进的canny算子；(c) RHT算法；(d) 改进算法图9　试验2中本文与RHT算法Fig.9 RHT algorithm and this paper in experiment 2

从表1中可以得出：本文改进的RHT算法是可行的，在保持与随机Hough变换检测精度相同的情况下，改进后的算法降低了运算时间，同时降低了内存使用量。为后续DSP开发节约了Flash空间。

4结论

1)将提取钢轨几何特征转化为提取钢轨直线特征，且钢轨和扣件能作为提取轨道稳定直线特征的部件。

2)针对本文的研究特点，对滤波做了比较详细的研究。采用Canny算子提取边缘，针对边缘连续性较差、具有伪像素、边缘宽度较宽等缺点，提出了一种改进的Canny算子。

3)提出一种新的直线提取方法。在深入研究标准Hough变换和随机Hough变换优缺点后，针对Hough中的无效采样和无效累积的问题，提出了一种改进的随机Hough变换。基于实验验证，进一步证明了改进后的RHT在直线特征提取上面具有速度快，降低内存等优点，从而能为后续DSP硬件开发上很好的节约Flash空间，对整个课题具有重大的理论支撑意义。

参考文献：

[1] 王午生.铁路线路工程[M].上海:上海科学技术出版社,2000.

WANG Wusheng.Project of railway engineering [M].Shanghai: Press of Shanghai Science and Technology, 2000.

[2] Chi Jiannan, Xu Xinhe.Research on simultaneous localization and mapping of mobile robot[J].Robot, 2004, 26(1): 92-96.

[3] 魏志强,黄磊，等.基于点特征的序列图像匹配方法研究[J].中国图象图形学报, 2009, 14(3): 525-530.

WEI Zhiqiang, HUANG Lei ,et al.Series image matching method based on the pointing feature study [J].Chinese Journal of Image and Graphics, 2009,14(3):525-530.

[4] 闫敬文,屈小波.超小波分析及运用[M].北京:国防工业出版社, 2008:13-21.

YAN Jingwen, QU Xiaobo.Wavelet analysis and application [M].Beijing: National Defence Industry Press, 2008:13-21.

[5] Freeman H.Boundary Encoding and Processing Lipkin B S, Rosenfeld A.Picture Processingand Psychopictorics[C]// Academic, New York,1970, 12(6): 241-266.

[6] Donoho D L, Huo Xiaoming.Beamlets and multiscale image analysis[R].Springer Lecture Notes in Computer Science and Enginering: Multiresolution Methods, 2000.

[7] Hough PVC.A method and means for recognizing complex patterns [M].USA, 069654.1962,23(6): 07-21.

[8] Burns J, Hanson A, Riseman E.Extracting straight lines[J].IEEE Transactions on Pattern Analysis and Machine Intelligent, 1988, 8(4): 425-455.

[9] Leica GeoSystems.ADS40 technical reference manual[M].Switzerland: Leica Geosyetems, 2007.

[10] 张强,王正林.精通MATLAB图像处理[M].北京：电子工业出版社，2011.

ZHANG Qiang, WANG Zhenglin.Be proficient in processing image for MATLAB[M].Beijing: Electronic Industry Press, 2011.

[11] [美]Milan Sonka.图像处理、分析与机器视觉[M].3版.北京：清华大学出版社，2011.

Milan Sonka.Image processing, analysis and machine vision[M].3rd edition.Beijing: Tsinghua University Press, 2011.

[12] 章毓晋,图像工程中册[M].2版.北京：清华大学出版社,2007:75-87.

ZHANG Liujing.Image engineering[M].2nd edition.Beijing: TSinghua University Press, 2007:75-87.

[13] Canny J A.Computational approachto edge detection[J].IEEE-PAMI, 1986, 8(12): 679-698.

[14] 赵洪亮.基于Hough变换改进的直线检测与定位[J].激光与红外, 2009, 39(9): 1009-1011.

ZHAO Hongliang.Improved straight line detection and location based on Hough transform [J].Journal of Laser and Infrared, 2009, 39(9):1009-1011.

[15] 席学强,王润生.基于直线特征的图像-模型匹配算法[J].国防科技大学学报, 2000, 22(6): 70-74.

XI Xueqiang,WANG Rensheng.Image and model based on linear feature matching algorithm [J].Journal of National University of Defense Technology, 2000,22(6):70-74.

[16] Gu W, Yang J, huang T.Matching perspectiveviews of a polyhedron using circuits.IEEE Transaction on Pattern Analysis and Machine intelligence (PMI), 1987, 9(3): 390-400.

(编辑阳丽霞)

The algorithmic research of extract of rail and fastener geometry characteristic

WANG Kun, ZHENG Shubin, CHAI Xiaodong, LI Liming

(College of Urban Railway Transportation, Shanghai University of Engineering Science, Shanghai 201620, China)

Abstract:With the analysis of pathway components, the steady target characteristic of pathway parts could be extracted.Firstly, the CCD image was conducted by median filtering process.It is found that canny operators have the disadvantages of pesudo pixel and pixelswide.The processed image was detected by the improved Canny operator to extract the edge detection.Secondly, as for the disadvantages of invalid sampling, invalid accumulation For RHT on straight line extraction.The article used the modified RHT detection to extract linear features.According to the experiments, results show that the improved RHT on linear feature extraction can increase the speed of PC and reduce the memory space, which can reduce the Flash on the subsequent DSP hardware development.This result has great theoretical significance in supporting for the whole project.

Key words:canny operator; linear structure; edge detection;RHTtransform; track settlement

通讯作者：柴晓东(1962-)，男，安徽合肥人，教授，博士，从事智能信息处理及轨道交通检测技术的研究；E-mail:cxdyj@163.com

基金项目：国家自然科学基金资助项目(51405287)

收稿日期：2015-06-08

中图分类号：TN911.7

文献标志码：A

文章编号：1672-7029(2015)06-1458-06