基于高通濾波和直方圖均衡的鋼軌裂紋紅外圖像增強技術

基于高通濾波和直方圖均衡的鋼軌裂紋紅外圖像增強技術

賈文晶，顧桂梅，劉 麗

(蘭州交通大學自動化與電氣工程學院，蘭州 730000)

摘 要：針對鋼軌裂紋紅外圖像采集過程中產生的噪聲大、對比度低的問題，以及傳統直方圖均衡化方法在對紅外圖像增強時灰度級減少和細節信息丟失等不足，提出頻域增強與空域增強相結合的紅外圖像增強算法，以彌補傳統算法在紅外圖像增強時的不足。在空間域上采用直方圖均衡化對紅外圖像進行處理，提高圖像對比度降低圖像噪聲；在頻率域上采用高通濾波對紅外圖像進行銳化處理，增強圖像的邊緣和細節信息。仿真結果表明：該算法在對鋼軌裂紋紅外圖像增強時很好地抑制了背景噪聲，而且有效地凸顯了鋼軌裂紋內部微弱的細節紋理，保護圖像的細節信息，為更好地提取鋼軌裂紋的缺陷信息提供條件。

關鍵詞：裂紋紅外圖像；灰度級；圖像增強；直方圖均衡化；圖像銳化

鋼軌是鐵路運輸系統的重要組成部分之一，承載著引導列車運行和承受車輪壓力的重要作用，鋼軌的健康狀態是保證列車安全穩定運行的前提，一直以來被業界人員譽為鐵路事業的生命線。近年來，由于鋼軌斷裂引起了多起鐵路交通事故，不僅造成了國民經濟損失和社會不良影響，甚至還發生了嚴重的人員傷亡情況，因此鋼軌裂紋檢測研究在當前鐵路運輸系統中顯得尤為重要[1]。

傳統的鋼軌檢測技術主要有超聲波探傷技術、基于漏磁信號的鋼軌檢測技術、渦流探傷技術和圖像處理探傷技術[2]。圖像處理探傷技術主要是利用工業CCD線陣攝像機拾取軌面圖像信息，然后基于對圖像進行處理和分析的基礎上，將缺陷信息從圖像中提取出來，通過模式識別完成對鋼軌裂紋的傷損檢測。但其缺點是無法實現軌頭內部缺陷的檢測，只能檢測軌頭剝離和鋼軌表面裂紋，基于此，本文采用紅外熱波檢測技術檢測鋼軌內部裂紋缺陷[3]。紅外熱波檢測技術主要是采用紅外熱像儀采集鋼軌軌面圖片，然后對其處理和分析，將各個像素點的溫度信息提取出來，通過對比溫度數據可以對鋼軌裂紋的缺陷信息進行識別。但是因為鋼軌和空氣間會持續發生熱輻射和熱傳遞且紅外光線具有較長波長的特點，另外，紅外熱像儀本身性能的好壞、鋼軌表面與紅外熱像儀間距離大小等實際因素的影響，造成了紅外圖像的信噪比低、空間相關性強、對比度低、邊緣模糊等特點，嚴重影響了鋼軌裂紋細節像素點的定位[4]。因此，需要對紅外圖像進行增強處理，濾除噪聲和邊緣增強以提高紅外圖像的質量。

紅外圖像增強研究中最重要的就是選擇適當的增強算法，目前，國內外針對紅外圖像增強提出了很多新的算法。侯潔等人在文獻[5]中提出高通濾波和圖像增強的紅外小目標檢測方法，該方法減少了目標丟失的現象，檢測結果準確高效，但是其缺點是直接對原始紅外圖像進行高通濾波處理，在增強小目標的同時增強了圖像噪聲。尹士暢等人在文獻[6]中提出小波變換和直方圖均衡化的紅外圖像增強算法，該方法有效提高圖像對比度的同時降低了圖像噪聲，但是缺點是導致了圖像的細節信息丟失的現象。上述兩種方法從不同的角度對紅外圖像進行增強各有利弊，由此得到啟發，本文提出了一種基于高通濾波和直方圖均衡化相結合的紅外圖像增強算法。在空間域運用直方圖均衡化對紅外圖像進行處理，提高圖像信噪比，在頻率域運用高通濾波處理圖像，減少圖像細節信息丟失和邊緣模糊的現象，通過頻域和空域結合的增強方法，提高了紅外圖像的質量。

1 傳統圖像增強算法

1.1 直方圖均衡化

空間域的紅外圖像增強方法主要有灰度映射、直方圖均衡化和空域濾波等，下面主要介紹傳統直方圖均衡化對鋼軌裂紋紅外圖像的增強[7]。直方圖均衡化屬于間接對比度增強，利用圖像直方圖對鋼軌裂紋紅外圖像的對比度進行調整以增加圖像的局部對比度，由于紅外圖像自身特性的原因造成了紅外圖像的對比度相當接近，通過直方圖均衡化的方法可以讓亮度更好地在直方圖上分布，這樣就可以增強局部的對比度而不影響整幅圖像的對比度[8]。直方圖均衡化方法對鋼軌裂紋紅外圖像處理是通過非線性拉伸的方式重新分配了圖像的像素值，灰度值出現概率小的像素值會被壓縮，出現多的像素值會被拉伸，目的是把原始紅外圖像的灰度直方圖從比較集中的某個灰度區間變為灰度均勻分布的形式，雖然整體提高了圖像對比度和降低了圖像噪聲，但是造成了紅外圖像邊緣模糊和鋼軌裂紋細節像素丟失的問題[9]。

直方圖均衡化的基本原理是：直方圖均衡化是把鋼軌裂紋紅外圖像的直方圖在整個灰度范圍內變為均勻分布的形式，展寬灰度值占有量大的像素區域的灰度范圍，壓縮灰度值占有量小的像素區域的灰度范圍，以增加鋼軌裂紋紅外圖像像素灰度值的動態范圍，從而增強圖像的整體對比度[10]。設原始鋼軌裂紋紅外圖像在(x，y)處的灰度為f，而改變后的圖像為g，則對圖像增強的方法可表述為將在(x，y)處的灰度f映射為g (其中L為圖像的灰度級數)。

對于一幅圖像，其灰度級為fk出現的概率近似為

(1)

其中，fk為第k級灰度；nk為圖像中灰度級為fk的像素個數；n為像素總個數。

直方圖變換函數為

(2)

上述求和區間為0到k，根據式(2)可以由原鋼軌裂紋紅外圖像的各像素灰度值直接得到直方圖均衡化后各像素的灰度值。在實際運用直方圖均衡化變換時，先對原始鋼軌裂紋紅外圖像的灰度情況進行統計分析并計算出原始直方圖分布，然后根據計算出的累計直方圖分布求出fk到gk的灰度映射關系，按照這個映射關系對鋼軌裂紋紅外圖像各點像素進行灰度轉換，即可完成對鋼軌裂紋紅外圖像的直方圖均衡化。

1.2 高通濾波

頻率域中濾波器可分為高通濾波器和低通濾波器，在傅里葉變換中低頻成分主要顯示了紅外圖像的灰度級，而圖像的邊緣和細節信息主要在圖像的高頻部分[11]。紅外圖像的模糊是由于高頻成分比較弱產生的，高通濾波器可以讓高頻成分通過，適當抑制圖像的低頻成分，再經逆傅立葉變換得到邊緣銳化后的圖像，可以突出紅外圖像邊緣和細節信息。常用的高通濾波器有理想高通濾波器、巴特沃斯高通濾波器和高斯高通濾波器，以上3種高通濾波器在對鋼軌裂紋紅外圖像進行銳化時都取得了較好的結果，但是由于鋼軌裂紋紅外圖像背景的復雜性，理想高通濾波器存在明顯的“振鈴”現象，在鋼軌裂紋紅外圖像的細節像素的檢測上存在劣勢；巴特沃斯高通濾波器雖然“振鈴”現象很微小，有利于檢測鋼軌裂紋紅外圖像微小的細節信息，但它有較長的過渡帶，在過渡帶上很容易造成紅外圖像失真。下面主要介紹高斯高通濾波器，它不僅可以有效檢測鋼軌裂紋紅外圖像的細節像素，而且它具有較短的過渡帶，不容易造成圖像失真[12]。

頻率域紅外圖像增強首先要將空間域中的紅外圖像通過離散傅里葉變換轉換到頻率域，假設鋼軌裂紋紅外圖像f(x，y)，其傅里葉變換為

(3)

其次，借助高斯高通濾波器進行處理[13]，通過傅里葉逆變換再把圖像變回空間域。高斯高通濾波器的傳遞函數為

(4)

D0為截止頻率距原點距離，其中D(u，v)為點(u，v)到原點的距離。

(5)

2 改進圖像增強算法分析

對于鋼軌裂紋紅外圖像來說能量主要集中在圖像的低頻部分，邊緣信息和細節信息主要在其高頻部分，這就造成了圖像在經過傳統直方圖均衡化處理之后邊緣模糊和裂紋處細節像素丟失的問題。若要較好地避免這些問題，可以采用高通濾波的方法對鋼軌裂紋紅外圖像進行銳化處理，因為采用高斯高通濾波器能夠使圖像高頻成分的信息順利通過，從而適當抑制圖像的低頻成分，從而達到減少細節像素丟失和邊緣模糊的現象[14]。由于圖像銳化后會降低圖像性噪比，增強圖像細節信息的同時也增強了圖像噪聲，所以要先對圖像去除噪聲之后再進行銳化處理。針對以上問題本文創新提出了空間域和頻率域相結合的紅外圖像增強算法，在空間域上運用傳統的直方圖均衡化對紅外圖像進行增強，提高圖像的信噪比；在頻率域運用高斯高通濾波對圖像進行銳化，保護圖像邊緣和細節信息。

本文算法的具體思路如下。

步驟1：根據式(2)運用傳統直方圖均衡化方法對原始鋼軌裂紋紅外圖像進行處理；

步驟2：對步驟1處理后的圖像乘以(-1)x+y進行中心變換；

步驟3：根據式(3)對步驟2的結果進行離散傅里葉變換，得到F(u，v)；

步驟4：用步驟3得到的F(u，v)乘以式(4)高斯高通濾波函數H(u，v)，得到傅里葉逆變換的結果；

步驟5：對步驟4的結果乘以(-1)x+y，得到最終結果。

3 實驗結果及分析

如圖1所示，是利用紅外熱像儀拍攝的鋼軌裂紋紅外圖像效果最好的一幀，對該圖沒有進行任何的處理。從圖1可以看出，未經過處理的原始紅外圖像中裂紋輪廓比較模糊，整體亮度偏暗，與其他部分比較對比度較差，部分裂紋和掉塊的灰度層級被湮沒，視覺效果不明顯，這是由于在拍攝過程中鋼軌與空氣之間發生了熱傳遞和紅外熱像儀自身的性能欠佳的原因[15]。

圖1 原始圖像

在Matlab_R2010a仿真平臺下，先后利用傳統直方圖均衡化方法，高通濾波銳化方法，以及直方圖均衡化和高通濾波結合的方法分別對原始鋼軌裂紋紅外圖像進行處理，各種方法的處理結果分別如圖3、圖5和圖7所示，圖2為原始圖像直方圖，各方法處理后的直方圖分別如圖4、圖6和圖8所示。

圖2 原始圖像直方圖

圖3 直方圖均衡化

圖4 直方圖均衡化直方圖

圖5 高通濾波

圖6 高通濾波直方圖

圖7 本文算法

圖8 本文算法直方圖

從圖2可以看出，鋼軌裂紋原始紅外圖像經過傳統直方圖均衡化方法處理之后，與圖1相比圖像亮度增強，連續性比較好，噪聲有所降低，但是造成了圖像邊緣模糊和細節像素丟失的現象；從圖3可以看出，鋼軌裂紋原始紅外圖像經過高通濾波銳化之后，圖像的視覺效果增強，圖像邊緣和裂紋輪廓線變的更加清晰，裂紋細節被加強的同時圖像噪聲也被加強；從圖4可以看出，將直方圖均衡化和高通濾波算法相結合對鋼軌裂紋原始紅外圖像進行處理之后，不僅改善了圖像的很多噪聲特性，同時保留了圖像的很多細節像素，兼顧了圖像的視覺效果，相比圖2和圖3，更好地凸顯了鋼軌裂紋的細節缺陷信息，從而突出了該算法的對于鋼軌裂紋紅外圖像增強的優越性。

4 結論

傳統的直方圖均衡化算法在紅外圖像增強上存在圖像細節信息丟失和邊緣模糊等不足。針對這個問題本文提出了在空間域上運用直方圖均衡化對原始紅外圖像進行處理，把處理后的圖像經過離散傅里葉變換轉換到頻率域中，然后在頻率域上運用高斯濾波器對圖像進行銳化處理，最后把銳化后的圖像經過傅里葉逆變換轉換回空間域中。研究結果表明，本文算法在對鋼軌裂紋紅外圖像增強時，彌補了單一算法圖像增強時的不足，不僅降低了圖像噪聲，還更好地保護了圖像邊緣信息和鋼軌裂紋細節像素值，從而達到了更好的鋼軌裂紋紅外圖像增強效果。

參考文獻：

[1] 趙雪芹.鋼軌接觸疲勞裂紋形成機理研究[D].成都：西南交通大學，2006.

[2] 李東俠，張大勇.鋼軌焊縫超聲波探傷方法的研究與應用[J].鐵道標準設計，2012(12)：27-30.

[3] 安輝.紅外探測技術在隧道超前地質預報中優、缺點探討[J].鐵道標準設計，2014，58(3):101-104.

[4] 顧桂梅，黃濤.基于自適應多尺度積閾值的鋼軌裂紋紅外圖像增強[J].鐵道學報，2015(2):58-63.

[5] 侯潔，辛云宏.基于高通濾波和圖像增強的紅外小目標檢測方法[J]. 紅外技術，2013(5):279-284.

[6] 尹士暢，喻松林.基于小波變換和直方圖均衡的紅外圖像增強[J].激光與紅外，2013，43(2):225-228.

[7] 郭師虹.空域紅外圖像增強方法的研究[D].西安：西安建筑科技大學，2005.

[8] JI T L， Sundareshan M K， Roehrig H. Adaptive image contrast enhancement based on human visual properties[J]. IEEE Transactions on Medical Imaging， 1994，13(4):573-586.

[9] 曾祥通，張玉珍，孫佳嵩，等.顏色對比度增強的紅外與可見光圖像融合方法[J].紅外與激光工程，2015，44(4):1198-1202.

[10]吳成茂.直方圖均衡化的數學模型研究[J].電子學報，2013，41(3):598-602.

[11]魏俊，李弼程.基于IHS變換、小波變換與高通濾波的遙感影像融合[J].信息工程大學學報，2003，4(2):46-50.

[12]吳連喜.一種保持光譜特征的圖像融合方法—高通濾波融合法[J].國土資源遙感，2003(4):26-29.

[13]張威.數字圖像增強的研究及其實現[D].武漢：長江大學，2014：10-14.

[14]賈其，呂緒良，吳超，等.基于人眼視覺特性的紅外圖像增強技術研究[J].紅外技術，2010，32(12):708-712.

[15]徐建華.圖像處理與分析[M].北京：科學出版社，1992.

Infrared Image Enhancement Technology Based on High Pass Filter and Histogram Equalization for Rail Crack Detection

JIA Wen-jing， GU Gui-mei， LIU Li

(School of Automation and Electrical Engineering， Lanzhou Jiaotong University， Lanzhou 730000， China)

Abstract：Low contrast and noise of infrared image acquisition process of rail crack in the traditional histogram equalization method may lead to infrared image edge blur and information loss in infrared image enhancement. In this paper， an infrared image enhancement algorithm based on the combination of frequency domain and spatial domain is proposed to make up for the inefficiencies of the traditional algorithm in infrared image enhancement. Histogram equalization is used in the spatial domain to deal with infrared image， which improves the gray contrast of the image. While， in the frequency domain， high pass filter is employed to sharpen the infrared image and enhance the edge of the image and details. Simulation results show that the algorithm in rail crack infrared image enhancement can better suppress background noise， effectively highlight rail crack faint details， protect the details of the image information， facilitate extraction of rail crack defect information．

Key words：Crack infrared image; Gray level; Image enhancement; Histogram equalization; Image sharpening

收稿日期：2016-04-12；

修回日期：2016-05-11

基金項目：甘肅省科技計劃資助(1598RJZA059)

作者簡介：賈文晶(1991—)，女，碩士研究生，主要研究方向為鋼軌裂紋檢測與圖像處理，E-mail:jiawen_0621@163.com。

通信作者：顧桂梅(1970—)，女，副教授。

文章編號：1004-2954(2016)11-0041-04

中圖分類號：U213.4

文獻標識碼：A

DOI：10.13238/j.issn.1004-2954.2016.11.011