基于視覺機制的鋼軌波磨損傷檢測方法研究

肖潔 盧凱霞 黃麗

關(guān)鍵詞：波磨損傷檢測，紋理濾波，鋼軌缺陷，高速鐵路。

1.概述

在車載圖像采集系統(tǒng)采集到的高分辨率軌道圖像中，鋼軌波磨損傷是一種周期性的、波浪形的變形現(xiàn)象，出現(xiàn)在鋼軌縱向表面上，并在軌道上出現(xiàn)軌頭表面缺陷[1]。鋼軌波磨損傷通常按波長分為短波波磨損傷和長波波磨損傷。短波波磨損傷通常發(fā)生在輕運鐵路上，其典型波長為30～80mm，振幅為0.1～0.5mm。經(jīng)過一定時期的發(fā)展，波峰亮谷暗。長波波磨損傷通常發(fā)生在重載鐵路，其典型波長為100～1500mm，振幅一般小于2mm，具有明顯的變形。因此，鋼軌波磨損傷區(qū)具有良好的紋理信息。

波磨損傷的檢查傳統(tǒng)上是用一種特殊的卡尺手工取樣測量。顯然，這種方法是主觀的和低效的。目前，機器視覺系統(tǒng)在鐵路公司的缺陷檢測和狀態(tài)監(jiān)測中發(fā)揮著重要作用[2-4]。研究學(xué)者提出并采用了各種波磨損傷檢測的自動化方法。有學(xué)者從鋼軌圖像中提取Gabor紋理特征，并應(yīng)用K-最近鄰（KNN）方法識別波磨損傷。有的學(xué)者利用不同頻率和方向的Gabor濾波器組對鋼軌紋理進行分析，根據(jù)缺陷的大小識別出缺陷。本文提出了一種結(jié)合先驗信息和視覺特征的波磨損傷檢測新方法。

2.模型

鋼軌波磨損傷的檢測方法分為三個步驟。首先，在攝像機拍攝的圖像中對軌道進行定位。其次，利用Log-Gabor濾波器對分割后的鋼軌圖像進行缺陷特征檢測。最后，利用該模型判斷圖像中是否存在鋼軌波磨損傷缺陷。

經(jīng)過對大量軌道圖像的分析，我們發(fā)現(xiàn)軌道圖像呈現(xiàn)出以下明顯的結(jié)構(gòu)和統(tǒng)計特征，軌道方向上軌道區(qū)域的灰度均值較大;鋼軌兩側(cè)背景區(qū)域為扣件或軌枕，灰度方差相對較大，但鋼軌區(qū)域灰度方差相對較小;圖像采集設(shè)備安裝在車輛軌道上，采集鋼軌圖像后，大致確定鋼軌斷面位置，一般位于圖像軌道的中間區(qū)域。

Log-Gabor濾波器可以用任意帶寬構(gòu)造，并且可以優(yōu)化帶寬以產(chǎn)生具有最小空間范圍的濾波器。Gabor函數(shù)在線性頻率尺度上具有高斯傳遞函數(shù)。而對數(shù)Gabor函數(shù)在對數(shù)頻率尺度上具有高斯傳遞函數(shù)。

兩個優(yōu)選方向上 使用log-Gabor算法檢測分割圖像中的波形波磨損傷特征（如波磨損傷邊緣）。濾波器中的中心頻率參數(shù)是根據(jù)分割圖像的空間分辨率獲取的。由于波磨損傷沿軌頭縱向表面呈周期性和波浪形不規(guī)則，短波波磨損傷的典型波長 為30～80mm，振幅為0.1～0.5mm。給定空間分辨率 （米/像素），圖像中一個規(guī)則的波磨損傷波長度是大約 像素的， 所以波磨損傷紋理的頻率 可以定義波長的倒數(shù)，然后利用 ?在log-Gabor濾波器中設(shè)置中心頻率參數(shù)。

在實際應(yīng)用中，圖像濾波是在頻域進行的，與空間域卷積相比，處理速度更快。在2D FFT變換到頻域后，將圖像乘以log-Gabor傳遞函數(shù)，每幅圖像產(chǎn)生4個譜表示。然后通過二維逆FFT將頻譜轉(zhuǎn)換回空間域。

2.1波磨損傷識別

經(jīng)過log-Gabor濾波后，得到響應(yīng)圖像 。兩個log-Gabor響應(yīng)圖像具有相互垂直的濾波方向。為了抑制噪聲，對兩幅圖像采用線性可分高斯濾波器進行卷積平滑，并采用二倍抽取的方法對圖像進行二次采樣 ，得到尺度水平 （經(jīng)驗值）。由于波磨損傷在局部區(qū)域的波邊會誘發(fā)0°方向的線特征，經(jīng)過平滑和子采樣后的圖像中波磨損傷會以平行線出現(xiàn)，反映了各點的局部能量。顯然，0°方向濾波后的圖像比90°方向濾波后的圖像有更大的能量響應(yīng)。之后，模型選取更大能量相應(yīng)方向的結(jié)果作為識別結(jié)果

3.實驗

本文在matlab2014開發(fā)環(huán)境下實現(xiàn)了該方法，并在2.80GHz Pentium CPU和4 GB內(nèi)存的計算機上進行了測試。數(shù)據(jù)集包括380幅空間分辨率為2毫米/像素的鋼軌圖像，包括180幅典型波磨損傷鋼軌和200幅正常鋼軌。應(yīng)用該方法對153幅波磨損傷圖像進行了正確的識別，識別率為85.3%。

利用相同的測試圖像，將該方法與傳統(tǒng)的K-最近鄰分類方法進行了比較。在傳統(tǒng)的K-最近鄰分類方法中，對130幅波磨損傷圖像進行了正確的識別，識別率為72.4%。

4.結(jié)論

本文提出了一種基于視覺機制的鋼軌波磨損傷快速檢測方法。與文獻中的大多數(shù)研究不同，我們的方法不需要任何訓(xùn)練數(shù)據(jù)進行鋼軌缺陷檢測，利用不同物體的空間幾何關(guān)系從背景中提取軌道。然后，利用log-Gabor濾波器對鋼軌圖像中的缺陷進行識別。最后對鋼軌波磨損傷區(qū)域進行了識別。由于紋理檢測在頻域采用log-Gabor濾波，該方法能夠快速檢測出鋼軌波磨損傷區(qū)域。為了給我們的方法提供實驗依據(jù)，我們在車載圖像采集系統(tǒng)采集的不同圖像上進行了測試，得到了令人鼓舞的結(jié)果。通過與傳統(tǒng)鋼軌波磨損傷檢測算法的比較，證明了該方法的優(yōu)越性。

參考文獻：

[1]1.Sato Y，Matsumoto A，Knothe K.，“鋼軌波紋研究綜述”.城市快速軌道交通，253（1），130-139（2010）.

[2]Mandriota，C.，Nitti，M.，Ancona，N.，Stella，E.，Distante，A.，“鋼軌缺陷檢測的基于濾波器的特征選擇”.機器視覺與應(yīng)用，15（4），179-185（2004）.

[3]Grassie S.L.，“鋼軌波紋：測量、理解和處理的進展”，磨損，第2581224-1234號（2005年）

[4]Vijaykumar V.R.和Sangamithirai S.，“使用紋理分析的Gabor濾波器檢測鋼軌缺陷”，信號處理、通信和網(wǎng)絡(luò)國際會議，IEEE，1-6（2015）.

本研究得到了武漢鐵道職業(yè)技術(shù)學(xué)院招標課題（編號： QZB202003）、武漢鐵道職業(yè)技術(shù)學(xué)院科研創(chuàng)新團隊（編號：CXTD201901）的資助。