基于改進標記分水嶺的彩色踏面圖像分割

馬增強，王永勝，宋子彬，校美玲

?

基于改進標記分水嶺的彩色踏面圖像分割

馬增強，王永勝，宋子彬，校美玲

(石家莊鐵道大學電氣與電子工程學院，河北 石家莊 050043)

踏面圖像分割是實現踏面區域與背景分離的過程，是聯系圖像預處理與踏面圖像缺陷檢測的紐帶。針對傳統踏面圖像分割方法處理過程中存在的圖像信息缺失、區域輪廓分割精度低和抗干擾能力差的問題，提出了一種基于改進分水嶺算法的彩色踏面圖像分割方法。首先使用帶色彩恢復的多尺度視網膜增強(MSRCR)調整踏面圖像入射分量與反射分量及RGB 3個顏色通道之間的比例；然后直接計算彩色圖像梯度圖，通過改進RGB彩色分量融合運算完成彩色梯度圖像前景與背景的標記后進行分水嶺變換得到初始分割結果；最后結合踏面輪廓方位特點設計圖像連通域提取分割算法完成踏面曲面提取。實驗結果表明，本方法分割圖像邊緣特性好，顏色保真，抗霧霾、光照干擾能力強，可以獲得理想的車輪踏面分割結果。

踏面分割；彩色圖像；MSRCR算法；分水嶺；標記提取

軌道列車是軌道交通運輸的載體，其運行狀態的質量直接關系行車安全。輪對作為列車走行部件與鋼軌直接接觸，對列車運行安全起到關鍵作用。由于運行環境的惡劣，車輪踏面損傷是軌道列車運行的主要故障之一。在列車運行的過程中，故障踏面損傷部位可周期性地產生巨大沖擊力對車體及鋼軌造成危害，威脅行車安全，因而加強輪對踏面狀態檢測對保障行車安全具有重要意義[1-4]。圖像分割作為圖像檢測的重要組成部分，在輪對踏面損傷檢測中有著廣泛地應用，文獻[5]提出了基于區域生長的輪對輪廓圖像分割新算法，該算法根據不同情況下輪對圖像特點，通過基點位置選取恰當的種子點確定合適的生長準則，實現了踏面輪廓曲線的提取。文獻[6]提出了基于自適應閾值平穩小波的貨車車輪踏面區域分割算法，檢測踏面候選邊緣線并獲取踏面區域。由于受環境條件的影響，輪對踏面圖像背景復雜，如光照等對輪對邊界直線特性的影響，因而很難實現輪緣邊界的精確分割。文獻[7]提出了基于閾值分割和基于形態學分割相結合的方法，首先將二次裁剪后的圖像進行同態濾波處理，然后使用迭代法完成初步分割，最后使用形態學分割得到踏面區域圖像，其初始閾值的選取直接關系分割效果，因而分割效果的穩定性較差。同時，文獻[6-7]踏面分割過程均需將彩色圖像轉化成灰度圖后處理，造成了踏面與背景區域諸如亮度相似但顏色不同的細節信息的丟失，影響區域邊緣分割精度。

針對上述方法存在的圖像信息缺失、區域輪廓分割精度低和抗干擾能力差的問題，本文提出了基于改進標記分水嶺的彩色踏面圖像分割方法。該方法首先使用帶色彩恢復的多尺度視網膜增強(multi-scale retinex with color restoration, MSRCR)算法，調整踏面圖像入射分量與反射分量及RGB 3個顏色通道之間的比例，減少了霧霾、光照等自然因素對系統的影響，同時增強了邊緣強度和色彩保真度；然后直接計算彩色圖像梯度圖保留了圖像信息的完整度，增強了算法對于復雜背景的魯棒性，通過改進RGB彩色分量融合運算提高區域分割精度完成彩色梯度圖像前景與背景的標記，并進行分水嶺變換得到初始分割結果；最后結合踏面輪廓方位特點簡化圖像連通域，提取分割算法完成踏面曲面提取。實驗結果表明，本方法分割圖像邊緣特性好，抗干擾性強，可以獲得理想的車輪踏面分割結果。

1 彩色踏面圖像的分割

車輛在運行過程中，輪對踏面直接與鋼軌反復接觸摩擦，其工作面具有一定金屬光澤，與背景區域車廂底部和側架部分圖像灰度相似但顏色不同，因而采用彩色域的圖像處理方法在保留圖像信息完整性的同時可滿足于踏面圖像的分割特點。為此，本文設計的彩色踏面圖像分割方法如圖1所示。

圖1 方法流程圖

1.1 MSRCR圖像增強

近年來，受嚴重的空氣污染影響，北方城市每年有很長時間處于霧霾天氣中，在霧霾天采集到的圖像通常會出現對比度低、亮度低、顏色出現偏移和失真的現象[8]，因此對于戶外工作的踏面缺陷檢測系統來說霧霾及其造成的弱光環境是必須要考慮的因素。另一方面踏面區域灰度值與背景有重疊，背景區域的噪聲干擾產生了圖像簡化與保留物體邊緣信息的矛盾。因而本文使用GIMP的MSRCR算法[9-11]對圖像進行預處理，使用的3個尺度分別為200，120，10，色彩恢復因子cvar為2，處理前后對比如圖2所示。使用彩色直方圖對圖像增強效果進行分析，如圖3所示，直方圖中的顏色條代表其對應的圖片中顏色，而其幅值代表歸一化后的顏色在圖片中的個數，用MSRCR算法增強后圖像顏色的種類得以增加且分布也更加勻稱。同時對處理前后的圖像應用各個評價指標檢驗處理效果見表1(表中邊緣強度使用的是Sobel邊緣檢測算子)。

圖2 MSRCR算法處理前后效果圖

圖3 圖像處理前后彩色直方圖對比

表1 圖像評價統計表

從表1可知，預處理后圖像邊緣強度和平均梯度顯著增強，為后續圖像分割做好了準備。另一方面其模糊熵與信息熵相對改變較小，基本保持了圖像的色彩分布。

1.2 彩色圖像梯度圖計算

與灰度域的標記分水嶺算法[12]不同，本文不對彩色圖像進行灰度化，而是直接對彩色圖像計算梯度，保留灰度相同顏色不同的可視細節。首先對于圖像坐標(,)定義矢量

其中，分別表示RGB空間的相應單位矢量。計算兩個向量的點積

可以證明在坐標(,)的梯度方向的角度

計算得到該處的梯度值為

(7)

與其他計算彩色圖像梯度的方法相比，本方法得到的彩色圖像梯度更準確，更接近人眼的直觀感受，適合區分踏面并提取這種背景復雜且灰度差異較小的圖像，得到的彩色圖像梯度如圖4所示。

圖4 彩色圖像梯度圖

1.3 改進的彩色圖像標記分水嶺分割

1.3.1 標記前景物體

與常規灰度圖處理方法不同，本文針對踏面彩色圖像背景復雜、目標圖像差異小的特點，對彩色梯度圖RGB分量分別進行形態學開閉重構運算處理來消除不同色彩分量梯度圖中明暗細節，減少由于明暗細節和噪聲干擾造成的輪廓邊緣偏移和過分割現象，得到的平滑圖像，如圖5所示。其同樣具有3個彩色分量，因而在計算區域極大值時需要將3個分量的信息進行融合。本文通過將RGB 3個分量的區域極大值圖進行了邏輯或運算，盡可能保留各個彩色分量的極大值信息，得到區域極大值圖(圖6)。區域極大值有時會出現在物體的邊緣，其不利于后續的分割，因此對區域極大值圖還需要進行先運算后腐蝕的處理，以縮小區域極大值的范圍得到圖像的前景標記，將區域極大值疊加在原圖中(圖7)。

圖5 形態學處理后的彩色圖

圖6 區域極大值圖

圖7 區域極大值疊加圖

1.3.2 標記背景物體

與前景標記相同，標記背景物體同樣需要分別對平滑后的圖像的RGB 3個顏色分量值進行處理。本文在Ostu閾值分割前將圖像的3個顏色分量進行了均值計算操作，以減少物體間不同顏色對標記結果的影響，提高區域分割精度，閾值分割結果如圖8所示。對分割后的圖像進行分水嶺變換得到背景物體標識也就是分水嶺脊線如圖9所示。將前面得到的前景標識與背景標識疊加在原圖中得到結果圖(圖10)。

圖8 閾值分割后的圖

圖9 背景物體標識圖

圖10 前景和背景物體標志疊加圖

1.3.3 修改后圖像的分水嶺變換

根據已得到的背景標識和前景標識對梯度圖進行處理，使修正后的梯度極小值只出現在背景標識和前景標識中，然后對修改后的梯度圖應用分水嶺變換得到最終的分割結果圖(圖11)。

圖11 分水嶺分割結果圖

1.4 從分水嶺脊線圖中提取出踏面區域

本文根據踏面曲面在采集圖像內連通域面積最大的特點設計了一種簡單的多分割域提取目標區域的方法，如圖12所示。

圖12 提取踏面區域流程圖

具體實現步驟如下:

(1) 對各連通域進行標記。使用標記函數對上一步的分水嶺變換產生的各個連通域進行標記，返回標記矩陣和對應的標記數目。

(2) 找到點數最多的連通域。從實驗結果圖中不難發現踏面區域的面積要遠大于其他區域，因此本文中通過求點數最多的標簽來尋找踏面區域所對應的區域。實際操作時首先使用直方圖統計函數對個標簽對應的連通域的點數進行統計，然后找出點數其中最多的標簽。在實驗中標記分水嶺處理后得到的脊線圖中共有46個連通域，圖13為各區域在圖像中所占比例的直方圖，在圖中第29個區域為踏面區域。從圖中可以看出踏面區域在圖像中占的比例要遠大于其他區域，所以可以通過尋找圖像中像素點最多的連通域來尋找踏面區域。

圖13 各連通域所占比例

(3) 找出標簽對應的區域。使用搜索函數在標記矩陣中確定出標簽對應連通域的所有點的坐標。

(4) 使用連通域對原圖進行處理。利用上一步驟得到的點坐標創建一個區域為1其余區域為0的模板，如圖14所示；然后利用創建的模板矩陣點乘原圖中的各顏色分量矩陣就可以最終得到單獨的踏面區域圖像。如圖15所示可以看出利用本文設計的方法成功從改進分水嶺變換得到的脊線圖中分離出了踏面區域，并利用提取出的踏面區域從原圖完成彩色圖像踏面分割。

圖14 模板圖像圖

圖15 踏面區域圖像

2 實驗結果與分析

為了檢驗本方法的踏面曲面分割效果，對比標準分水嶺[13]、標準標記分水嶺[12]、區域生長[14]和邊緣分割[6]方法，設計兩組實驗分別從①踏面圖像分割精確性及效率；②抗復雜環境干擾能力的角度檢驗踏面曲面的分割效果。

2.1 分割精確性及效率

在3.3 GHz，8 GB環境下，應用matlab軟件使用上述各分割方法對其進行踏面區域分割，原始圖像大小為480×540，如圖16(a)所示。為了便于直觀對比，將各個分割算法分割區域創建目標區域為1其余區域為0的模板，然后利用創建的模板矩陣點乘原圖中的各顏色分量矩陣，并通過各個分割方法得到踏面區域圖像，如圖16(c~f)所示。標準分水嶺算法直接將梯度圖像作為輸入圖像得到圖像極值點即為區域邊界，但其對微弱邊緣十分敏感，如圖16(b)所示圖像中的噪聲、物體表面細微的灰度變化都產生了過度分割的現象，無法形成有效的踏面區域圖像。標準標記分水嶺算法在灰度域進行圖像分割，圖像前景與背景的極值點選取容易受環境干擾，如圖16(c)所示，車輪踏面亮度接近的背景部分存在嚴重欠分割。由圖16(d)可知邊緣分割[6]方法基于平穩小波變換的邊緣檢測和踏面邊緣線搜索算法基本完成了圖像分割并具有較好的邊緣特性，但其分割區域的準確性有待進一步驗證。由圖16(e)可知區域生長[14]方法在YCbCr顏色空間分割圖像對背景噪聲敏感未能有效分割踏面圖像。圖16(f)為本文方法提取邊緣基本完整，實現了踏面區域分割。

圖16 各算法分割效果對比圖

在圖像目標區域分割的過程中，預處理和分割方法的選擇可能會造成分割區域邊緣的偏移與失真，因而從分割所得區域與原圖像對應像素點位置的匹配度和像素的分割準確度出發，并進一步比較各算法的分割精確性。人工分割原始圖16(a)所得踏面曲面區域像素點集為=75071并將非踏面區域灰度置0。定義位置匹配度為=()/，其中，表示人工分割踏面像素點集；()表示與人工分割方法相同的像素點集，其為將算法分割圖像與人工分割圖像對應像素點作算術或邏輯運算所得到的非0像素點集。定義圖像分割準確度()=()/(), 其中，()表示與人工分割方法相同像素點集；()表示車輪踏面區域像素點集。應用各個指標對各算法分割效果統計見表2。

表2 圖像分割精確性及效率統計表

由表2可知，本文圖像預處理使用的MSRCR算法既增強了圖像區域邊緣，又未對區域邊緣精確性產生影響。在改進分水嶺分割的過程中，RGB彩色分量融合運算提高了圖像區域分割的準確度，獲得了比其他分割算法更高的分割精度，同時運算時間與其他算法相差不大，可以滿足使用要求。

2.2 復雜環境抗干擾檢驗

選取霧霾(PM2.5=260~475 μg/m3)、弱光(100~ 500 lx)和正常光照(500~2 000 lx)狀態車輪圖像的踏面圖像進行分割處理得到對比圖，如圖17所示，可以看出踏面輪廓曲面分割效果受環境狀態影響較小。

圖17 彩色分割標記區域對比圖

在各種環境狀態下，選取各10張圖像，對單張圖像踏面區域分割準確度()進行評價，評價結果見表3。

表3 準確度分析表

由表3可知在霧霾和光照變化條件下踏面圖像檢測精度保持在89%~95%之間，因而本方法對于檢測環境有較強地抗干擾能力和較高的精確度，可以實現對踏面曲面的準確分割，為進一步圖像識別與檢測創造條件。

3 結 論

結合踏面彩色圖像的特點，本文提出了一種基于改進標記分水嶺算法的踏面曲面分割方法。該方法使用MSRCR算法增強了圖像邊緣強度和色彩保真度，直接計算彩色圖像梯度圖并改進RGB彩色分量融合運算保留了圖像信息的完整度，增強了算法對于復雜背景的魯棒性，最后設計簡單圖像連通域提取分割算法完成踏面曲面提取。實驗結果表明，本方法改善了其他分割方法圖像信息缺失、區域輪廓分割精度低和抗干擾能力差的問題，獲得了理想的車輪踏面曲面分割效果。

[1] 劉建新, 易明輝, 王開云. 重載鐵路車輪踏面擦傷時的輪軌動態相互作用特征[J]. 交通運輸工程學報, 2010, 10(3): 52-56.

[2] 王晨, 馬衛華, 羅世輝, 等. 機車車輛踏面損傷機理研究[J]. 振動?測試與診斷, 2016, 36(5): 890-896, 1022-1023.

[3] 盧純. 高速動車組車輪踏面滾動接觸疲勞的萌生機理研究[D]. 成都: 西南交通大學, 2015.

[4] 吳國棟, 于衛東. 車輪踏面故障對客車軸承狀態的影響及其防范措施[J]. 鐵道車輛, 2014, 52(10): 10-14.

[5] 史倩, 吳開華. 區域生長的輪對圖像分割[J]. 中國圖象圖形學報, 2012, 17(9): 1122-1127.

[6] 趙勇. 貨車車輪踏面區域分割方法研究[J]. 計算機工程與應用, 2011, 47(5): 154-155, 195.

[7] 宋志明. 列車車輪踏面擦傷圖像檢測算法研究[D]. 成都: 西南交通大學, 2012.

[8] 馬志強, 趙秀娟, 孟偉, 等. 霧和霾對北京地區大氣能見度影響對比分析[J]. 環境科學研究, 2012, 25(11): 1208-1214.

[9] RAHMAN Z, JOBSON D J, WOODELL G A. Multi-scale retinex for color image enhancement [C]// International Conference on Image Processing, 1996. New York: IEEE Press, 2002, (3): 1003-1006.

[10] JOBSON D J, RAHMAN Z, WOODELL G A. A multiscale retinex for bridging the gap between color images and the human observation of scenes [J]. IEEE Transactions on Image Processing: A Publication of the IEEE Signal Processing Society, 1997, 6(7): 965-976.

[11] 嵇曉強. 圖像快速去霧與清晰度恢復技術研究[D]. 北京: 中國科學院研究生院, 2012.

[12] ROERDINK J B T M, MEIJSTER A. The watershed transform: definitions, algorithms and parallelization strategies [J]. Fundamenta Informaticae, 2000, 41(1-2): 187-228.

[13] VINCENT L, SOILLE P. Watersheds in digital spaces: an efficient algorithm based on immersion simulations [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1991, 13(6): 583-598.

[14] 劉俊, 馬燕, 陳坤. 一種改進的基于區域生長的彩色圖像分割方法[J]. 計算機應用與軟件, 2012, 29(11): 288-291.

[15] 臧慕文, ZANG M W. 分析測試不確定度的評定與表示(Ⅰ)[J]. 分析試驗室, 2005, 24(11): 74-79.

The Color Tread Image Segmentation Based on Improved Labeled Watershed

MA Zengqiang, WANG Yongsheng, SONG Zibin, XIAO Meiling

(Electrical and Electronics Engineering, Shijiazhuang Railway University, Shijiazhuang Hebei 050043, China)

The tread image segmentation is the process of realizing the separation of tread area and background, which is the link between image preprocessing and tread image defect detection. Aimed at the problem of missing image information, low precision of regional contour segmentation and poor anti-interference ability, a method of color tread image segmentation based on improving watershed algorithm is presented in this paper. Firstly, the proportion of the incident component of the tread image with the reflective component and the RGB three color channel is adjusted by using the multi-scale retinal enhancement (MSRCR) with color restoration. Then the color image gradient graph is calculated directly. The color gradient image foreground and background mark is completed by improving RGB color component fusion operation and then the initial segmentation result is obtained by the watershed transformation. Finally, combined with the tread contour azimuth characteristic, image connected domain extraction segmentation algorithm is designed and the tread surface extraction is completed. The experimental results show that the method is good to divide the edges of the image, the color fidelity, the fog haze, the illumination disturbance ability, and obtain the ideal wheel tread segmentation results.

tread segmentation; color image; MSRCR algorithm; watershed algorithm; marker extraction

TP 391

10.11996/JG.j.2095-302X.2018010036

A

2095-302X(2018)01-0036-07

2017-04-19；

2017-05-17

國家自然科學基金項目(11372199，11572206，11227201)；河北省自然科學基金項目(A2014210142)

馬增強(1975-)，男，河北石家莊人，教授，博士，碩士生導師。主要研究方向為圖形圖像處理。E-mail：mzqlunwen@126.com