一人穷游中国实现轨道交通转辙机的智能检测,应用图像处理技术( 二 )


1图像处理技术应用分析
利用数码微视摄像机获取的转辙机杆缺口图像如图1所示 。 杆缺口缺口大小随观察时间的不同而不同 。 工程上 , 锁闭柱与锁闭杆缺口间隙为(2±0.5)~(4±0.5)mm , 若存在较大偏差则可能存在风险 , 需要进行检修维护 。 利用图像处理技术 , 对杆缺口进行定时监测 , 若缺口间隙出现异常则进行告警 , 维修人员可根据告警提示合理开展维护工作 , 以确保轨道列车安全运行 。
一人穷游中国实现轨道交通转辙机的智能检测,应用图像处理技术
文章图片
图1摄像机获取的转辙机杆缺口图像
图像处理主要是在频率域(frequency)和空间域(spatial)两类不同的表示域进行处理 。 频率域图像处理主要是通过图像变换(如傅里叶变换) , 将图像变换到频率域 , 进而对不同频率处的图像信息进行针对性处理 。 空间域图像处理是将图像看作一个二维矩阵 , 使用矩阵分析和统计学原理等数字运算对数据进行处理 。
空间域处理具有直观性强和速度快等优点 , 本文重点研究如何利用空间域图像处理方法来进行转辙机杆缺口的精确可靠检测 , 提出了一种转辙机杆缺口检测的算法流程来实现对其快速精确检测 。
考虑到转辙机应用场景的非理想性和检测准确性的要求 , 本次算法采用检测杆缺口相对变化量的设计方法 , 利用初始杆缺口值和杆缺口相对变化量来获取准确的杆缺口值 , 再与工程值进行比较 , 若存在非正常值情况 , 则启动告警 。
如图1所示 , 数码微视摄像机获取的图像除所要求的杆缺口信息外还包含了许多额外数据信息 , 这些信息的存在会在一定程度上增加图像处理过程的准确性和复杂度 , 因此在进行杆缺口检测之前先应对图像进行裁剪处理 。
图2给出了裁剪后的杆缺口图像 。 利用工程师的工程经验对裁剪图像的位置和尺寸进行确认及修正 , 当存在极端事件导致杆缺口出现在裁剪图像外并导致检测算法无法正常工作时 , 需要进行现场调整 。
一人穷游中国实现轨道交通转辙机的智能检测,应用图像处理技术
文章图片
图2转辙机杆缺口裁剪图像
图2(a)和图2(b)所示分别为不同时刻的杆缺口图像 。 利用图像分割技术可将杆缺口的相对变化量进行分割标记 。 常用的图像分割方法有基于阈值的分割方法、基于边缘的分割方法、基于区域的分割方法、基于聚类的分割方法、基于模型的分割方法和基于特定理论工具的分割方法 。
结合本次应用图像的特点和要求 , 选择基于阈值的分割方法 。 为了获得合适的阈值 , 选择最大类间方差法来进行阈值确定 。 其基本思路是:根据图像的直方图 , 选择一合理灰度作为阈值将图像分割成两部分 , 并计算两组方差 , 若分成的两组之间的方差最大 , 则对应的灰度即为阈值灰度值 。 图3给出了图像分割后的目标区域图像 。
一人穷游中国实现轨道交通转辙机的智能检测,应用图像处理技术
文章图片
图3图像分割后的目标区域图像
为进一步对杆缺口相对变化量进行定位 , 本文采用了边缘检测和形态学运算的图像处理技术 。 边缘检测就是检测出图像上的边缘信息 , 其目的是找到图像中亮度变化剧烈的像素点构成的集合 , 即物体的轮廓 。 根据边缘检测算子的不同 , 可以分为梯度算子、罗伯特(Roberts)算子、索伯(Sobel)算子以及重点强调邻接特性的其他算子等 。 本文选用罗伯特算子作为边缘检测算子 , 其表达式为
一人穷游中国实现轨道交通转辙机的智能检测,应用图像处理技术
文章图片
公式1
对图3中的图像进行边缘检测处理后的结果如图4所示 。
一人穷游中国实现轨道交通转辙机的智能检测,应用图像处理技术
文章图片
图4边缘检测处理后的图像
图像形态学运算是指由一组形态学代数运算子组成的运算 。 基本的形态学运算算子包括腐蚀算子(erosionoperator)、膨胀算子(dilationoperator)、开算子(openingoperator)、闭算子(closingoperator)和骨骼算子(skeltonoperator)等 。 其中 , 腐蚀算子是在数字运算上消除物体的边界点 , 目的在于将小于结构元素的物体消除 , 消除物体的大小可根据结构元素的大小而定 。 膨胀算子的作用是将物体接触的所有点合并到物体中 , 增大目标 , 进而填补目标中的空洞 。


推荐阅读