基于幀間差分優化算法的霧天軌道異物檢測方法*

王林峰 萬 衡 劉子儀 秦 娜 黃德青 張一鳴

(1.上海應用技術大學軌道交通學院， 201400， 上海；2.西南交通大學電氣工程學院， 611756， 成都∥第一作者， 碩士研究生)

及時檢測并清除軌道異物對于保證軌道交通列車運行安全有重要意義。針對復雜線路環境和惡劣天氣，本文提出基于幀間差分優化算法的霧天軌道異物的檢測方法。為解決霧天的圖像干擾[1]，運用暗通道先驗算法對圖像實現去霧處理。為提高軌道異物識別的準確率，引入分權評價對算法進行優化，以增強軌道異物檢測系統對惡劣環境的適應能力，優化后異物識別的準確率提高了3.69%。

1 霧天軌道異物檢測方法介紹

本文選用暗原色理論算法[2]實現去霧處理，使用幀間差分優化算法的連續監測實現霧天環境下的軌道異物侵入檢測。通過消融試驗，驗證了上述方法的可行性。基本的幀間差分法主要是利用視頻序列中相鄰兩幀的變化來檢測靜態場景下的運動目標[3]。幀間差分優化算法是將識別的相鄰兩幀圖像改取連續多幀，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。

通過引入分權評價的概念，建立對應的權重矩陣ω，并選擇適當的閾值P將上述差分圖像進行二值化處理：

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果；

D、P——分別為與ω對應的幀間差值矩陣和閾值矩陣；

Ri(x,y)——第i張圖像中每個像素點(x,y)二值化后的結果。

2 霧天軌道異物檢測試驗分析

2.1 圖像評價指標構建

灰度方差表示圖像灰度值的離散程度，對比度去霧函數和信息熵表示圖像質量。具體如下：

(5)

(6)

(7)

式中：

Std——灰度方差、去霧度、信息熵評價指標；

M、N——分別為圖像矩陣的長度和寬度；

k、Pk——分別為像素點灰度級和灰度級出現的概率；

C(I)——去霧度;

E——信息商評價指標。

2.2 試驗結果與分析

不同算法對圖像去霧處理的效果不同。通過消融試驗，設置權重矩陣，得到的處理結果如表1所示。

表1 不同圖像去霧算法結果對比

由表1可見，通過暗原色先驗去霧算法得到的圖像質量較好，且圖像中各像素點的信息保留較完整。

對不同的軌道異物檢測方法進行消融試驗，得到的結果如表2所示。

表2 不同評價方法下的軌道異物檢測結果

2.3 軌道異物檢測效果

對每幀軌道圖像進行去霧處理，并進行幀間差分優化，結合權重矩陣得到軌道出現不同異物的效果圖。圖1提供了人、樹、石頭等3種異物侵入軌道時的檢測結果。

3 結語

對于復雜環境下的軌道異物，通過暗通道先驗算法實現去霧處理，提高軌道異物檢測系統對惡劣環境的適應能力；引入分權評價實現相鄰兩幀圖像的數值融合，提高檢測異物的準確率。但在圖像二值化處理中，設定的閾值主觀且固定，無法及時隨環境改變。后續將深入研究其他惡劣環境對視頻圖像的抗干擾處理，以及對軌道異物侵入的預警識別。