CN111145197B

CN111145197B - 一种精确的基于直方图和局部梯度的道岔转辙机缺口边缘定位方法

Info

Publication number: CN111145197B
Application number: CN201911258676.XA
Authority: CN
Inventors: 傅志中; 蔡禄汀; 孙孟雷; 吴宇峰; 李晓峰; 徐进
Original assignee: University of Electronic Science and Technology of China
Current assignee: University of Electronic Science and Technology of China
Priority date: 2019-12-10
Filing date: 2019-12-10
Publication date: 2022-05-03
Anticipated expiration: 2039-12-10
Also published as: CN111145197A

Abstract

本发明公开了一种精确的基于直方图和局部梯度的道岔转辙机缺口边缘定位方法，可用于精准检测对道岔转辙机的缺口的位置，提供转辙机的状态信息。本发明在转辙机所拍摄的缺口图像之后，提取缺口特征，构建相关曲线，可以精准地检测出缺口的位置，为进一步缺口分析提供可靠信息。本发明的技术方案为：根据直方图构建位置‑灰度映射曲线，计算曲线的局部梯度，将局部变化最大的点作为最终的检测结果。本发明利用利用图像自身特性提取相关特征，适应性强，适合多种条件下的缺口图像；本发明利用设计的曲线进行判断，实现简单，速度快；本发明的结局部的变化确定缺口位置，准确度高。

Description

一种精确的基于直方图和局部梯度的道岔转辙机缺口边缘定位方法

技术领域

本发明属于图像处理技术领域，具体涉及一种精确的基于直方图和局部梯度的道岔转辙机缺口边缘定位方法。

背景技术

随着国内轨道交通的不断发展，目前轨道交通的建设已经到了发展的高峰阶段，尤其是高速轨道交通的建设，在这样的情况下，对于轨道交通的行车安全也提出了新的要求，道岔转辙机作为轨道交通的一个不可或缺的部分，其自身的正常的运行时保证行车安全的重要部分。

道岔转辙机的缺口值是反映缺口运行状态的重要指标，通过对道岔转辙机的缺口图像进行缺口边缘检测，得到转辙机设备运行的相关状态，对于保证轨道交通行车的安全性具有重要意义。

然而，相较于其他缺口图像，转辙机的缺口图像复杂度更高，而且受外界因素如光照，遮挡物等的影响更大，这样就使得传统的常见边缘检测方法的效果被削减，往往难以准确获取到缺口边缘的具***置。因此，基于缺口图像的直方图和局部梯度特性实现缺口边缘检测的方法的具有很大优势。

发明内容

本发明的发明目的在于：针对当前转辙机缺口边缘检测困难，检测结果不准确等问题，公开一种精确的基于直方图和局部梯度的道岔转辙机缺口边缘定位方法。获取转辙机拍摄图像的检测区域之后，可以统计相关特征构建位置-灰度映射曲线，并计算局部梯度变化，从而精准定位缺口边缘。

本发明所实现的一种本发明所实现的一种精确的基于直方图和局部梯度的道岔转辙机缺口边缘定位方法，包括下列步骤：

步骤1：提取待检测区域并预处理：

基于转辙机所拍摄的缺口图像，在缺口部分提取宽度为W，高度为H的方形区域A；

对方形区域进行滤波处理(如双边滤波、中值滤波等)，得到滤波后的检测区域A1；

步骤2：对检测区域A1进行特征提取处理：

沿与缺口平行的方向对检测区域A1进行逐行扫描，计算每一行灰度值的均值与标准差；

沿与缺口平行的方向对检测区域A1再次逐行扫描，统计每一行像素的一维灰度直方图，该直方图的X坐标为灰度值范围，Y坐标为当前灰度值的统计个数；

步骤3：构建均值标准差二维直方图：二维直方图的X坐标为步骤2中统计的每一行灰度值的均值，二维直方图的Y坐标为步骤2中统计的每一行的灰度值的标准差，二维直方图的Z坐标为当前均值和方差出现的次数；

步骤4：根据均值标准差二维直方图计算自适应阈值：通过二维最大类间方差法(0TSU)计算出均值的阈值S以及标准差的阈值T；

步骤5：利用阈值对缺口进行分类，得到初步缺口检测范围：

若当前行均值小于S且标准差小于T，则将当前行视为缺口类；不满足以上条件(均值小于S且标准差小于T)的行视为非缺口类；

定义分类结果为缺口类的值为0，分类结果为非缺口类的值为1，由此可以得到沿缺口方向的一条分类曲线，分类曲线的X坐标为缺口区域的位置，根据缺口方向取值范围为[1，W]或者[1，H]，分类曲线的Y坐标为分类结果，取值为0或1；

根据以上分类曲线，若分类曲线呈现以下特征：曲线可分为三个连续部分，第一部分取值全为1，第二部分全为0，第三部分全为1，即称此特征为缺口存在特征，可以判断该检测区域缺口存在，则将第二部分定义为初步缺口位置，范围为对应的X坐标[X1，X2]，否则判断此缺口不存在；

步骤6：根据步骤2的一维直方图，构建位置-灰度映射曲线：映射曲线的X坐标为缺口区域的位置，根据缺口方向取值范围为[1，W]或者[1，H]，曲线的Y坐标为灰度值，取值为统计次数最多的灰度值；

步骤7：根据位置-灰度映射曲线以及局部梯度，精准定位缺口位置：

计算映射曲线在初步缺口位置范围[X1，X2]内固定间隔(预设值)的两点之间的梯度，得到[X1，X2]范围内的局部梯度变化曲线；优选固定间隔为1，即计算相邻两点之间的梯度；

取局部梯度变化曲线最大值的X坐标作为最终的精确的缺口边缘位置。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明利用适应性强，适合多种条件下的缺口图像；

本发明实现简单，速度快；

本发明的利用局部变化进行定位，精度高。

附图说明

图1是道岔转辙机缺口精准定位流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本发明作进一步地详细描述。

在本发明的精确的基于直方图和局部梯度的道岔转辙机缺口边缘定位方法中，通过构建位置-灰度映射曲线，并结合初步检测区域，计算相邻位置的局部梯度，最终确定精准的缺口位置。参见图1，本发明的道岔转辙机缺口精准定位方法具体包括下列步骤：

步骤1：提取待检测区域。具体实现方法如下：

步骤1-1：输入为转辙机所拍摄的缺口图像I，在待检测缺口部分提取宽度为W，高度为H的方形区域A；

步骤1-2：对方形区域灰度处理后进行双边滤波，得到滤波后的检测区域A1；

步骤2：对检测区域A1进行特征提取处理。具体实现方法如下：

步骤2-1：沿与缺口平行的方向对方形区域进行逐行扫描得到向量c_i，c_i是包含该行所有灰度值的一维向量，为了便于后续步骤说明，现假设区域A1宽度为W的边与缺口平行，则1≤i≤H；

步骤2-2：计算得到每个向量c_i所对应的均值e_i和标准差σ_i；

步骤2-3：统计每个向量c_i的一维灰度直方图，该直方图的X坐标为灰度值范围，Y坐标为当前灰度值的统计个数；

步骤3：构建均值标准差二维直方图。

步骤3-1：为了便于计算，对标准差σ_i进行取整操作得到[σ_i]；

步骤3-2：二维直方图是一个三维坐标系。直方图的X坐标为步骤2中计算的每一行c_i灰度值的均值e_i，直方图的Y坐标为步骤3-1中统计的每一行c_i灰度值的取整标准差[σ_i]，直方图的Z坐标为当前均值和方差出现的次数；

步骤4：根据均值标准差二维直方图计算自适应阈值。

步骤4-1：由二维直方图可以计算得到均值和方差的联合概率密度：

p_i，j＝r_i，j/N

其中，r_i，j为步骤3-2中统计的当前均值和方差出现的次数，N为总的统计行数；

步骤4-2：自适应阈值的思想是选择阈值向量(S，T)，它可以最大化缺口类的后验熵和非缺口类的后验熵。假设阈值向量存在于向量对(s，t)中，则两类的熵可以定义为如下：

H₀(s，t)＝lnP_st+H_st/P_st

H₁(s，t)＝ln(1-P_st)+(H_MN-H_st)/(1-P_st)

其中，

M＝max_1≤i≤He_i，N＝max_1≤i≤H[σ_i]；

于是最终的阈值可由搜索满足下式的(S，T)得到：

即将基于上式搜索得到的向量对(s，t)作为阈值向量(S，T)。

步骤5：利用阈值对缺口进行分类，得到初步缺口范围。

步骤5-1：将均值小于S且标准差小于T的每一行视为缺口类，不满足以上条件的行视为非缺口类；

步骤5-2：定义分类结果为缺口类的值为0，分类结果为非缺口类的值为1，由此可以得到沿缺口变化方向的一条分类曲线y(x)，分类曲线的X坐标为缺口区域的位置，取值范围为[1，H]，分类曲线的Y坐标为分类结果，取值为0或1；

根据以上分类曲线，若曲线呈现以下特征：曲线可分为三个连续部分，第一部分取值全为1，第二部分全为0，第三部分全为1，即称此特征为缺口存在特征，如以下表达式：

步骤5-3：若满足步骤5-3所述特征则判断该检测区域缺口存在，否则判断此缺口不存在；

步骤6：根据步骤2的一维直方图，构建位置-灰度映射曲线f(x)。

映射曲线的X坐标为缺口区域的位置，根据步骤2假设(区域A1宽度为W的边与缺口平行)，取值范围为[1，H]，曲线的Y坐标为灰度值，取值为统计次数最多的灰度值；

步骤7-1：由下式计算映射曲线[X1，X2]范围内相邻两点之间的梯度；

grad＝f(x_i+1)-f(x_i)，X1≤x_i，x_i+1≤X2，x_i+1-x_i＝1

步骤7-2：由此得到[X1，X2]范围内的局部梯度变化曲线grad(x)，曲线的X坐标为取值范围为[1，H-1]，曲线的Y坐标为该点的梯度变化；

步骤7-3：取局部梯度变化曲线最大值的X坐标的值作为最终的精确的缺口边缘位置。

以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。

Claims

1.一种精确的基于直方图和局部梯度的道岔转辙机缺口边缘检测方法，其特征在于，包括下列步骤：

步骤1：提取待检测区域并预处理：

对方形区域A进行滤波处理，得到滤波后的检测区域A1；

步骤2：对检测区域A1进行特征提取处理：

步骤3：构建均值标准差二维直方图：

二维直方图的X坐标为步骤2中统计的每一行灰度值的均值，二维直方图的Y坐标为步骤2中统计的每一行的灰度值的标准差，二维直方图的Z坐标为当前均值和方差出现的次数；

步骤4：根据均值标准差二维直方图计算自适应阈值：通过二维最大类间方差法计算出均值的阈值S以及标准差的阈值T；

步骤5：利用阈值对缺口进行分类，得到初步缺口检测范围：

基于均值的阈值S与标准差的阈值T对每一行进行缺口判断：若当前行的均值小于S，且标准差小于T，则将当前行视为缺口类；否则将当前行视为非缺口类；

定义分类结果为缺口类的值为0，分类结果为非缺口类的值为1，从而得到沿缺口方向的一条分类曲线，分类曲线的X坐标为缺口区域的位置，根据缺口方向取值范围为[1,W]或者[1,H]，分类曲线的Y坐标为分类结果，取值为0或1；

若分类曲线能被划分为三个连续部分，且满足：第一部分取值全为1，第二部分全为0，和第三部分全为1；则判定待检测区域缺口存在，并将第二部分定义为初步缺口位置，即初步缺口位置范围为分类曲线的第二部分对应的X坐标[X1,X2]；否则判定待检测区域缺口不存在；

步骤6：根据步骤2得到的一维直方图，构建位置-灰度映射曲线：映射曲线的X坐标为缺口区域的位置，根据缺口方向取值范围为[1,W]或者[1,H]，曲线的Y坐标为灰度值，取值为统计次数最多的灰度值；

计算映射曲线在初步缺口位置范围[X1,X2]内固定间隔的两点之间的梯度，得到初步缺口位置范围[X1,X2]内的局部梯度变化曲线；

2.如权利要求1所述的方法，其特征在于，步骤1中，滤波处理采用具有边缘保持特性的滤波器。

3.如权利要求1所述的方法，其特征在于，在步骤7中，计算映射曲线在初步缺口位置范围[X1,X2]内的相邻两点之间的梯度。