[发明专利]弱光照条件下的列车转向架边缘检测方法

说明书

技术领域

本发明涉及边缘检测技术领域，特别是涉及一种弱光照条件下的列车转向架边缘检测方法。

背景技术

转向架是高速列车的关键部件，不仅起着提供引力、制动、减震作用，还承受着列车的载重。随着列车速度的提高，列车所需牵引功率急剧增加，轮轨动作用力变得更大，轮轨粘着快速降低，制动功率需要加大，在此复杂工况下，转向架往往会发生表面裂纹、部件脱落、螺丝松动等故障，因此非常有必要对转向架进行状态监测与故障诊断。

在实际图像采集过程中，由于列车转向架系统离地面较近，光线不足，光照不均匀，在进行线阵图像摄制时会导致图像亮度太低、光照不均匀问题，对我们后续的图像识别产生严重干扰，因此需要对图像进行增强为后续的处理做准备。另外，图像的边缘是分析和理解图像的基础，是图像中最本质的特征，对故障识别起着非常重要的作用。转向架是一个复杂的系统，其零件的种类很多复杂性较大，增加了边缘检测的难度，传统的边缘检测方法，如Robert、Sobel、Prewitt、Canny、LoG提取的图像边缘效果不理想，不能成为后续故障识别的依据。

基于Retinex理论的增强算法既能保持颜色的恒定性，又能使得动态范围压缩和边缘增强相协调，增强后的画面细节还原充分，增强后图像性质与入射光无关，只与照射物体有关，因此能够解决光源的问题。同时，小波变换在时域和频域具有良好的局部化性质，它能把图像信息分解到不同的尺度上，对图像进行多分辨率分析，被誉为“数学显微镜”。小波变换的这种完美的“时频”多分辨率能力使得它更适合检测图像的边缘和细节。因此，虽然转向架系统结构复杂，我们利用小波变换能够较好地提取图像边缘。

因此，针对上述技术问题，有必要提供一种弱光照条件下的列车转向架边缘检测方法。

发明内容

有鉴于此，本发明的目的在于提供一种弱光照条件下的列车转向架边缘检测方法。

为了实现上述目的，本发明实施例提供的技术方案如下：

一种弱光照条件下的列车转向架边缘检测方法，所述方法包括：

S1、基于中值滤波法对目标图像进行预处理，滤除目标图像中的部分噪声；

S2、采用全局亮度调节函数，对目标图像中暗区细节区域的亮度进行非线性调节；

S3、使用局部多尺度Retinex算法增强目标图像的边缘特征；

S4、构造小波函数，对目标图像进行小波变换，生成模图和相角图；

S5、在模图中寻找沿相角方向模的极大值点，生成边缘图像，并将其它像素点标记为零；

S6、将模相近、相角相似的非零像素点联接，删除长度小于预设长度阈值的孤立链，利用数学形态学中的腐蚀运算，对所得到的边缘加以细化，得到单像素宽的边缘。

作为本发明的进一步改进，所述步骤S1中的中值滤波法为自适应中值滤波法。

作为本发明的进一步改进，所述步骤S2具体包括：

根据预设亮度阈值将目标图像划分为暗区和亮区，采用亮度调节函数进行映射，使暗区图像的灰度值动态范围得到拉伸。

作为本发明的进一步改进，所述步骤S2中的亮度调节函数为：

mlog[F(x,y)]=ω_L·log[F(x,y)+1]  F(x,y)≤T，

其中，ω_L是暗区的权值系数，T为亮度分割阈值，D是图像的灰度级动态范围。

作为本发明的进一步改进，所述步骤S3具体包括：

S31、将目标图像的灰度函数用反射光分量和入射光分量的乘积表示，并将其采用对数运算，将入射光和反射光分离；

S32、用高斯模板对原图像做卷积得到低通滤波后的图像，将原图像减去低通滤波后的图像，得到高频增强的图像，同时作指数运算，得到增强后的图像；

S33、改变高斯函数中的方差尺度，按照上述步骤得到增强后的图像，采用加权平均的方法，得到多尺度Retinex增强后的图像。

作为本发明的进一步改进，所述步骤S3中多尺度Retinex算法表示为：