基于双结构元素数学形态学的铁轨图像边缘检测方法

1、文章编号 :1005-8451(2011 05-0028-04收稿日期 :2010-08-09基金项目 :高等学校博士学科点专项科研基金项目(20060732002 , 甘肃 省自然科学基金项目(096RJZA084,甘肃省教育厅研究生导 师科研计划项目(0814-4。推广与应用POPULARIZA T ION AN D A P PLI C ATI O N计 算 机 应 用 RAILWAY C O M P U T E R A P P L I C A T I O N 铁路基于双结构元素数学形态学的铁轨图像边缘检测方法张 霞,党建武,马宏锋(兰州交通大学 电子与信息工程学院,兰州 730070摘

2、要:针对铁轨图像在采集过程中经常受到不同程度的噪声影响,传统边缘检测方法难以检测并提 取准确的铁轨边缘。文中通过分析灰度数学形态学抗噪图像边缘检测的常用方法,提出基于不同几何形状 及大小的双结构元素抗噪数学形态学铁轨图像边缘检测算法。并应用这种算法对掺杂有噪声的铁轨弯道图 像边缘进行铁轨边缘检测,实验结果表明:该方法具有比传统经典边缘检测方法更好的铁轨弯道边缘检测 及提取效果。关键词:灰度数学形态学;边缘检测;结构元素;轨道边缘检测中图分类号:U213TP206文献标识码:AEdge detection method of track images based on mathematical

3、morphology of dual-structural elementsZHANG Xia, DANG Jian-wu, MA Hong-feng( School of Electronics and Information Engineering, Lanzhou Jiaotong University, Lanzhou730070, China Abstract: Track images were often subject to different levels of noise in the collection process in outdoor, it became dif

4、ficult to detect and recognize the true edge of track by the traditional edge detection algorithm. By analyzing the commonly used gray-scale mathematical morphology edge detection algorithms of anti-noise, this paper proposed mathematical morphology anti-noise track edge detection algorithm based on

5、 different geometry and size of the dual-structure element. And by which the edges of the track corners image polluted by noise were detected. Experiments showed that this approach had better edge detection and recognization than the classic edge detection algorithm to the track corners image with n

6、oise doped.Key words: gray-scale mathematical morphology; edge detection; structural elements; track edge由于铁轨长期暴露在户外,自然环境变化不 可预测,摄像机所抓拍的轨道图像有不同程度的 噪声影响。 用经典的微分边缘检测方法如 :sobel, log, prewitt, roberts边缘检测算子对噪声比较敏 感, 而且常常会在检测的同时加强噪声, 难以检测 并提取理想铁轨边缘。数学形态学基本思想是用 具有一定形态的结构元素去度量和提取图像中的 对应形状, 以达到对图像分析和识别的目的。

7、它的 运算是图像的形状集合与结构元素之间的相互作 用, 对边缘方向不敏感, 并能在很大程度上抑制噪 声和检测真正的边缘 1。 基于此原理,本文提出基 于双结构元素的各种基本形态学边缘检测方法的 复合运算, 构造铁轨图像边缘检测并提取的算法, 并对掺杂有噪声铁轨弯道图像进行铁轨弯道边缘 检测并提取研究。1灰度数学形态学基本原理数学形态学最初是在二值形态学的基础上发 展起来的,由于现实生活中图像处理大部分都采 用灰度图像,所以后来就将二值形态学推广到了 灰度数学形态学 ; 在二值形态学中, 集合的交运算 和并运算起着关键作用 ; 在灰度形态学中, 其对应 的运算为极小和极大;而且灰度形态学理论本身

8、 是与讨论域的维数无关的,灰度形态学处理的是 数字图像函数而不是二值形态学中的集合 1。 设F (x,y为输入图像, B(x,y是结构元素, 它可以当作 一个子图函数,则灰度膨胀记为 F B,定义为: (F B(x,y=maxF(x-x',y-y'+B(x',y'D b (1其中, Db是 B 的定义域, F(x,y在 F 的定义域 外假设为-。灰度膨胀运算是在由结构元素确定的领域中 选取 F+B 的最大值。 如果采用结构元素的值全都2011.5总第 170期 RCA 282011.5总第 170期RCA 29为正,则输出图像的灰度值会比输出图像的值高, 与灰度

9、值高的像素相邻的暗细节的灰度值会增加, 输出的图像就会显示为暗细节被削弱或删除,而亮 区域的范围得到膨胀 ; 根据膨胀运算的特性,可用 于暗细节的消除,亮区域边缘的增强 2。结构元素 B 对 F 的灰度腐蚀记为 F B,定 义为:(b F B x,y min F x+x',y+y'B x',y' |x',y' D =(2 其中, D b 为 B 的定义域, F(x,y在 F 的定义域外假设为 +。灰度腐蚀运算是在由结构元素确定的领域中 选取 F-B 的最小值。 如果结构元素的值都为正,则 输出图像的灰度值会比输出图像的值低;在输入 图像中亮细节的

10、尺寸比采用的结构元素小的情况 下,其影响会被削弱,削弱的程度取决于这些亮细 节周围的灰度值和采用结构元素的形状和幅值; 输出图像外观表现为边缘部位较亮细节的灰度值 会降低,较亮区域边缘会收缩 2。结构元素 B 对 F 的开运算记为 F B,定义为: (3 结构元素 B 对 F 的闭运算记为 F B,定义为: (4 开和闭运算是膨胀和腐蚀运算之间组合而成 的复合运算。开和闭运算都可以平滑目标图像的 轮廓。开运算可以去除不包含结构元素的目标区 域, 断开了狭窄的连接, 去掉了细小的突出部分; 闭运算可以将狭窄的缺口连接起来形成细长的弯 口, 并填充比结构元素小的洞 ; 所以运用各种灰度 形态学的复

11、合运算可以在检测提取图像边缘的同 时去除图像中的噪声 1。2灰度形态学边缘检测2. 1基本灰度数学形态学边缘检测算子基本的灰度数学形态学边缘检测算子是由基 本的形态学运算:膨胀, 腐蚀, 开启和闭合之间的 复合运算构造出来的。基本的形态学边缘检测算 子 35如下 :灰度膨胀型 : (5 灰度腐蚀型 : (6 灰度膨胀腐蚀型 : (7 灰度开运算型 : (8灰度闭运算型 : (9灰度开闭型 : (10 其中,F是待检测的灰度图像,B是结构元 素。 灰度形态学边缘检测算子是一种复合运算,结 构元数B作为子图函数探测检测图像,直接作用于 图像边缘的检测结果。 其中,前3种算子是比较常 用的边缘检测算

12、子,可以分别检测提取图像内、 外 边缘和骑跨在实际欧氏边界上的边缘,虽然对噪声 都很敏感,但是不会在检测过程中增强噪声,适用于 噪声较小的图像,后 3种算子的抗噪性能好于前 3种算子,但输出图像结果存在偏移现象 5。 2. 2抗噪型灰度数学形态边缘检测算子 由灰度数学形态学基本原理和上述形态学复 合运算对噪声抑制的特点,对基本灰度形态学边 缘检测算子的前3种进行改进, 得到抗噪型的边缘 检测算子 7如下 :抗噪膨胀型 : (11 抗噪腐蚀型 : (12抗噪膨胀腐蚀型: (133 铁轨边缘检测算法基于灰度数学形态学的铁轨图像边缘检测提 取算法的核心问题是:(1如何有针对性的选取 合适结构元素较好

13、地解决目标图像边缘检测准确 度与抗噪声性能的协调问题。 (2如何运用灰度 形态学的各种基本运算的组合构建灰度形态学边 缘检测算子。3. 1结构元素的选择由于结构元素形状、大小的选择将直接影响 到灰度形态学边缘检测算法的目的性和功能性, 使用不同形状的结构元素可以完成不同的图像分 析, 得到不同的结果;使用不同大小的结构元素, 提取的图像边缘特征也不同。在许多传统的应用 灰度形态学方法进行图像边缘检测的过程中,通 常只采用一种结构元素对图像进行分析,一种结 构元素只对与其同方向和几何结构的边缘敏感, 而与其不同方向和几何结构的边缘则会被平滑掉, 这样在输出的图像中通常只包含了一种几何信息, 难以

14、检测到满意的结果。 在实际应用中, 用较大尺 寸的结构元素对图像进行处理,会损失许多的图基 于 双 结 构 元 素 数 学 形 态 学 的 铁 轨 图 像 边 缘 检 测 方 法 推广与应用第 20卷第 5期像细节,但是能滤除较大尺寸的噪声点。反之, 用较小尺寸的结构元素对图像进行处理, 能较好 地保护图像的细节,检测到较好的图像边缘细 节,但对尺寸较大的噪声的抑制能力相对较弱。 为了平衡去噪声和检测目标边缘的完整性, 本文 提出了双结构元素的方法, 把不同形状的大结构 元素与小结构元素有机结合, 针对铁轨图像的特 点, 充分利用大小结构元素的优点, 探测真正铁 轨边缘。对于掺杂有噪声的铁轨图

15、像的边缘检测的目 的是 :如何排除噪声同时提取铁轨的边缘信息。 而 在铁轨图像中枕木边缘,铁轨的边缘和噪声点夹 杂在一起,如何应用简单而又快速的方法区分开 它们并滤除枕木和噪声点提取铁轨边缘是关键点。 通过分析铁轨图像, 可以看出, 枕木的像素结构排 列整齐,而噪声点随机地分散在整幅图上没有规 则, 其噪声点像素结构组合成单点状分布, 比枕木 像素整体结构组合成横线状小,就本文中设计一 种十字型对称的大结构元素来滤除枕木边缘,同 时也把噪声点滤除;由于采集的图像中轨道不垂 直于图像边框座标直线,或是成梯形,或是成弧 形,故设计 45°斜线的小结构元素来保持铁轨边 缘细节,使铁轨边缘形

16、状更加突出。 本文采用的双 结构元素如下:3. 2基于双结构元素的铁轨形态学边缘检测算法 基于灰度形态学的图像边缘检测除了结构元 素的选择是关键点外,灰度形态学边缘检测基本 方法有针对性的组合也非常关键,根据掺杂有噪 声的轨道图像的特点及灰度形态学基本方法的特 性, 我们可以了解到, 开闭与大结构元素的组合运 算能够有效的抑制噪声,用大结构元素开运算后 再用小结构元素膨胀能够增强轨道边缘,同时不 扩大噪声,然后再与用大结构元素做闭运算再做 一次大结构元素的腐蚀后做相减运算得到细的轨 道边缘, 结果有效抑制噪声检测铁轨弯道边缘。 本 文利用抗噪膨胀腐蚀型的边缘检测算子 , 定义双结 构元素的边缘

17、检测算子如下: (14式中 B 和 Bi为结构元素, B 为上述的se1, B i 为上述的 se2,G10是双结构元素下的边缘检测算子。 算法描述是:Step1:有针对性的选择大小 2个结构元素。 Step2:用本定义的边缘检测算子公式(14 进行复合运算, 对图像进行形态学边缘检测提取。 Step3:对检测结果本身重复一次加运算, 增 强铁轨边缘的清晰度。4实验结果与分析在实验中, 用 Matlab 实现上述算法, 图 1是 对加入均值是0.2方差为0.02G噪声铁轨弯道图 像进行各种经典算法和本文算法的实验结果。 其 中:图 a:加入均值是 0.2方差为 0.02G 噪声铁 轨图像 ;

18、图b :Sobel算子的检测结果;图c :Prewitt 算子的检测结果;图d :Log算子的检测结果;图 e :Roberts算子的检测结果;图f :本文方法的检 测结果。从检测结果图显示 :Sobel 算子,Prewitt算子, 在一定程度上抑制了高斯噪声,检测到间断的铁 轨边缘;Log算子检测到了比较完整和清晰的铁 轨边缘, 但是同时也检测到了清晰的枕木的边缘。 高斯噪声点仍然清晰分布在整张图上,因此该算 法对高斯噪声的抑制能力较差。 Roberts算子对高 图 1掺杂高斯噪声铁轨弯道图像实验结果 第 20 卷第 5期 推广与应用 铁路计算机应用2011.5总第 170期 RCA3020

19、11.5总第 170期RCA 31斯噪声影响比较大,只检测到噪声而没有检测到 铁轨弯道的边缘。本文的算法检测到了铁轨弯道 的边缘, 很好的抑制了噪声, 同时也滤除了枕木, 提取铁轨弯道边缘信息较完整,但不足的是存在 亮度不均。图 2是对加入 10%椒盐噪声的有噪声铁轨弯 道图像进行各种经典算法和本文算法的实验结果。 其中:图a:加入10%椒盐噪声的铁轨弯道图像;图 b :Sobel算子的检测结果;图c :Prewitt算子的检 测结果;图d :LOG算子的检测结果;图e :Roberts 算子的检测结果;图 f:本文算法结果。构元素, 融合各种灰度形态学方法, 可以对实际采集到的掺杂噪声的铁轨

20、图像进行有效抑制噪声, 获取准确的铁轨目标图像边缘信息,与传统的边 缘检测算子相比,具有在一次性算法中抑制噪声 和提取铁轨图像的边缘信息双项功能, 算法简单, 可应用于实时性环境中。铁轨弯道是铁轨图像的 典型特征的代表,这种算法也可适用于铁轨直道 边缘检测并提取。需要进一步改进的是:虽然滤除了枕木的边 缘, 但是在椒盐噪声的影响下, 枕木与铁轨弯道加 锁的螺帽所组成的类似线条边缘仍然比较突出, 无法完全滤除。 在高斯噪声的影响下, 提取铁轨弯 道的边缘不够平滑,有待进一步的探讨。参考文献:1冈萨雷斯 . 数字图像处理 (MATLABM. 北京:电子工业 出版社, 2005.2陈岚岚,毕笃彦 .

21、 数学形态学在图像处理中的应用 J. 现 代电子技术, 2002(8 :18-20.3阮秋琦 . 数字图像处理学 M. 北京:电子工业出版社, 2007. 4崔 屹 . 图像处理与分析数字形态学方法及应用 M. 北 京:科学出版社, 2000.5杨晖,张继武 . 数学形态学在图像边缘检测中的应用研 究 J. 辽宁大学学报, 2005, 32(1 :50-53.6Lee S H.Shapiro L G.Morphologic edge detectionJ. IEEE JRobot Automat, 1987. 3(2:142-155.7范立南,韩晓微 . 基于多结构元的噪声污染灰度图像边缘 检测研究 J. 武汉大学学报, 2003, 36(3 :86-90. 8Mukhopadhyay S,ChandaB. Multiscale. morphological Seg-mentation of gray-scale imagesJ.IEEE Trans.on image proce-ssing.2003,12(5: 533-549.9侯志强,