接觸網(wǎng)懸掛狀態(tài)檢測(cè)圖像清晰度評(píng)價(jià)方法研究

楊志鵬，張文軒，盛良，周威

（中國(guó)鐵道科學(xué)研究院 基礎(chǔ)設(shè)施檢測(cè)研究所，北京 100081）

接觸網(wǎng)懸掛狀態(tài)檢測(cè)圖像清晰度評(píng)價(jià)方法研究

楊志鵬，張文軒，盛良，周威

（中國(guó)鐵道科學(xué)研究院 基礎(chǔ)設(shè)施檢測(cè)研究所，北京 100081）

接觸網(wǎng)懸掛狀態(tài)檢測(cè)裝置是通過(guò)高清相機(jī)對(duì)接觸網(wǎng)進(jìn)行圖像采集，分析接觸網(wǎng)零部件及懸掛狀態(tài)，用于指導(dǎo)接觸網(wǎng)的運(yùn)行檢修。科學(xué)、客觀、合理地評(píng)價(jià)采集到的高清圖像質(zhì)量是保障檢測(cè)質(zhì)量的基本需求。分析接觸網(wǎng)懸掛狀態(tài)圖像信息稀疏性、無(wú)參考性和多背景的特點(diǎn)，對(duì)比研究梯度特征、圖像變換域、熵評(píng)價(jià)、點(diǎn)銳度和二次模糊5種評(píng)價(jià)方法，通過(guò)圖像數(shù)據(jù)測(cè)試，驗(yàn)證了二次運(yùn)動(dòng)模糊算法對(duì)接觸網(wǎng)懸掛狀態(tài)圖像清晰度評(píng)價(jià)的有效性，建議管理閾值設(shè)為0.3。

接觸網(wǎng)懸掛狀態(tài)；檢測(cè)圖像；清晰度評(píng)價(jià)；運(yùn)動(dòng)模糊算法

0 引言

接觸網(wǎng)設(shè)備是鐵路基礎(chǔ)設(shè)施的重要組成部分，其良好的運(yùn)用狀態(tài)是電力機(jī)車(chē)、動(dòng)車(chē)組正常運(yùn)行及運(yùn)輸組織暢通的前提條件之一。堅(jiān)持“預(yù)防為主、重檢慎修”的方針，按照“定期檢測(cè)、狀態(tài)維修、壽命管理”的原則，依靠鐵路供電安全檢測(cè)監(jiān)測(cè)系統(tǒng)（6C）等手段，實(shí)行“運(yùn)行、檢測(cè)、維修”分開(kāi)和集中修組織模式[1]，是接觸網(wǎng)修程修制改革的核心。

2012年，原鐵道部運(yùn)輸局發(fā)布了《高速鐵路供電安全檢測(cè)監(jiān)測(cè)系統(tǒng)（6C系統(tǒng)）總體技術(shù)規(guī)范》（鐵運(yùn)〔2016〕136號(hào)），明確接觸網(wǎng)懸掛狀態(tài)檢測(cè)監(jiān)測(cè)裝置（簡(jiǎn)稱(chēng)4C裝置）是對(duì)接觸網(wǎng)零部件進(jìn)行高分辨率的成像檢測(cè)和幾何參數(shù)測(cè)量[2]。2014年，中國(guó)鐵路總公司運(yùn)輸局發(fā)布《TJ/GD 006—2014 接觸網(wǎng)懸掛狀態(tài)檢測(cè)監(jiān)測(cè)裝置（4C）暫行技術(shù)條件》[3]，明確了4C裝置的組成與功能、技術(shù)要求、安裝和試驗(yàn)，為4C裝置的發(fā)展指明了方向。

4C裝置通過(guò)高清成像對(duì)接觸網(wǎng)零部件進(jìn)行檢測(cè)，由于受接觸網(wǎng)背景復(fù)雜、拍攝條件多樣等因素影響，造成高清成像清晰度存在差異，并影響檢測(cè)識(shí)別效果?？茖W(xué)評(píng)價(jià)圖像質(zhì)量對(duì)檢測(cè)分析工作十分重要。

1 4C圖像特征

4C裝置對(duì)支持裝置、接觸懸掛、附加懸掛等區(qū)域接觸網(wǎng)零部件進(jìn)行高清成像檢測(cè)。拍攝的圖像需要涵蓋接觸網(wǎng)零部件區(qū)域，分辨率需要滿(mǎn)足圖像分析的要求，具體指標(biāo)見(jiàn)表1。由于接觸網(wǎng)結(jié)構(gòu)的特殊性，4C裝置拍攝圖像具有如下特征。

1.1 信息稀疏性

4C裝置采用工業(yè)攝像機(jī)，采集的灰度圖像為黑白照片，數(shù)字存儲(chǔ)形式為二維矩陣。由于接觸網(wǎng)是由線索、金屬管件、緊固件等部件組成立體支撐結(jié)構(gòu)，立體結(jié)構(gòu)占用較大空間，因此各零部件在空間分布離散。圖像中目標(biāo)物（接觸網(wǎng)零部件）在整個(gè)圖像的信息比例低，同時(shí)由于圖像分析依賴(lài)灰度變化信息，因此更降低了信息的集中性，形成了4C圖像信息稀疏性的特點(diǎn)。以4C裝置拍攝的典型全景照片為例進(jìn)行分析（見(jiàn)圖1），該圖像分辨率為6 600×4 400，灰度等級(jí)采用0～255表示，其圖像灰度分布見(jiàn)圖2。

圖1 4C裝置拍攝的典型支持裝置全景照片

圖2 全景照片灰度分布圖

可以看出大量像素的灰度小于50，圖像為黑色環(huán)境背景，像素?cái)?shù)量占圖像總數(shù)量的92.9%，不具備分析價(jià)值。采用canny算子提取邊緣信息，邊緣像素?cái)?shù)量?jī)H為1.43%。因此，4C圖像信息稀疏性決定了對(duì)圖像清晰度質(zhì)量的更高要求。

1.2 無(wú)參考性

接觸網(wǎng)是由支持裝置、接觸懸掛、附加懸掛、支柱、吊柱等主要部件組成。不同線路的接觸網(wǎng)結(jié)構(gòu)設(shè)計(jì)不同，如京滬高鐵采用OCS-3型全補(bǔ)償彈性鏈形懸掛鋁合金腕臂，蘭新高鐵采用OCS-2型全補(bǔ)償簡(jiǎn)單鏈形懸掛鋼結(jié)構(gòu)整體腕臂；相同線路不同區(qū)段的接觸網(wǎng)結(jié)構(gòu)也有不同，如硬橫跨、軟橫跨、區(qū)間支柱的差別；相同區(qū)段不同支柱的接觸網(wǎng)結(jié)構(gòu)也存在較大差異，如正、反定位的腕臂不同。同時(shí)，4C裝置受到載體車(chē)輛運(yùn)行狀態(tài)的影響，2次檢測(cè)對(duì)同一對(duì)象的拍攝也會(huì)出現(xiàn)圖像的差異性，如曲線區(qū)段通過(guò)速度不同，會(huì)引起成像角度的差異性。同一線路不同支柱腕臂結(jié)構(gòu)無(wú)參考性示例見(jiàn)圖3。

圖3 圖像無(wú)參考性對(duì)比

1.3 多背景

接觸網(wǎng)架設(shè)在線路上方，其上方會(huì)存在跨線橋、隧道、車(chē)站頂棚，遠(yuǎn)方背景會(huì)存在山、樹(shù)木、建筑物等。日間拍攝受到光照影響，背景物體漫反射不同，相同背景不同時(shí)段拍攝圖像差異較大；夜間拍攝會(huì)受到建筑物燈光、反光器件的影響。圖像的多背景使得不同圖像間差異巨大，不利于分析圖像清晰度。典型多背景圖像對(duì)比見(jiàn)圖4。

圖4 圖像多背景對(duì)比

綜合上述分析，接觸網(wǎng)懸掛狀態(tài)圖像具有信息稀疏性、無(wú)參考性和多背景的特點(diǎn)，是評(píng)價(jià)圖像清晰度需要考慮的關(guān)鍵問(wèn)題。

2 圖像清晰度評(píng)價(jià)方法

圖像清晰度評(píng)價(jià)方法分為主觀評(píng)價(jià)法和客觀評(píng)價(jià)法2種。人眼是圖像采集處理系統(tǒng)的前端，大腦是圖像處理分析系統(tǒng)的終端，所以主觀評(píng)價(jià)方法最合理。然而，主觀評(píng)價(jià)受到個(gè)體差異影響，無(wú)法進(jìn)行定量評(píng)價(jià)?？陀^評(píng)價(jià)方法是采用數(shù)學(xué)模型計(jì)算失真圖像與原始圖像的相似度（或失真度），并量化為評(píng)價(jià)數(shù)值?？陀^評(píng)價(jià)方法簡(jiǎn)單，便于集成在圖像處理系統(tǒng)中，成為圖像領(lǐng)域的研究重點(diǎn)。

2.1 梯度特征

研究表明人眼對(duì)圖像邊緣紋理信息具有極高的敏感程度，圖像梯度信息則能較好地反映圖像邊緣紋理信息，因此梯度特征常用來(lái)進(jìn)行圖像清晰度分析[4]。常用計(jì)算圖像清晰度的梯度函數(shù)有以下幾種[5]：

（1）Brenne梯度函數(shù)，計(jì)算相鄰2個(gè)像素的灰度差，為便于區(qū)分，對(duì)差值進(jìn)行平方處理，圖像清晰度定義如下：

式中：D（I）為圖像清晰度計(jì)算結(jié)果（下同）；I（x，y）為圖像 I 對(duì)應(yīng)像素點(diǎn)（x，y）的灰度值。

（2）相鄰像素灰度方差SMD，又稱(chēng)為能量梯度函數(shù)法[6]，計(jì)算公式如下：

式中：M×N為圖像的總像素?cái)?shù)。

（3）Sobel和Laplacian邊緣梯度函數(shù)，使用Sobel算子分別提取水平方向和垂直方向的梯度值，定義如下：

Laplacian梯度函數(shù)與上述方法一致，只是采用Laplacian算子進(jìn)行邊緣檢測(cè)，該算子定義如下：

2.2 圖像變換域

基于圖像變換域的方法包括空間域和頻率域，空間域的方法是對(duì)圖像的像素直接進(jìn)行處理，典型的方法有：直方圖均衡化、直方圖歸一化和log變換等；頻率域方法是通過(guò)某種變換，將圖像信息從空間域變換到某一頻率域，對(duì)變化系數(shù)值進(jìn)行運(yùn)算[7]。典型的利用傅里葉變換對(duì)圖像進(jìn)行FFT變換，并定義清晰度評(píng)價(jià)函數(shù)為：

式中：M×N為圖像的總像素?cái)?shù)；Real和Imag分別表示圖像變換后的實(shí)部和虛部。D（I）越大表示圖像清晰度越高。

2.3 熵評(píng)價(jià)

熵函數(shù)法是根據(jù)香農(nóng)信息論提出的，熵越大信息量越多，可以認(rèn)為在圖像能量一定的情況下，圖像熵越大則圖像越清晰。定義二維數(shù)字圖像的圖像熵為：

當(dāng)圖像比較尖銳、清晰時(shí)，圖像中邊緣、角點(diǎn)等局部灰度值會(huì)有劇烈變化，此時(shí)灰度值信息量多，熵值大；當(dāng)圖像比較模糊時(shí)，圖像灰度值變化比較平滑，信息量少，熵值小[8]。

2.4 點(diǎn)銳度

圖像清晰度的高低與邊緣處灰度變化情況密切相關(guān)，即灰度變化越大表明邊緣越清晰，因此可以通過(guò)統(tǒng)計(jì)圖像某一邊緣方向的灰度變化情況進(jìn)行評(píng)價(jià)，計(jì)算公式為[9]：

通過(guò)像素點(diǎn)8鄰域像素與該像素點(diǎn)灰度差值進(jìn)行計(jì)算，對(duì)上述方法進(jìn)行改進(jìn)，評(píng)價(jià)結(jié)果更加全面，得出改進(jìn)的點(diǎn)銳度圖像清晰度法（EAV）[10]。

2.5 二次模糊

一幅模糊圖像通過(guò)模糊處理，高頻分量變化不大；一幅清晰圖像通過(guò)模糊處理，則高頻分量變化會(huì)非常大。對(duì)評(píng)價(jià)圖像進(jìn)行一次高斯模糊處理，得到該圖像的退化圖像，對(duì)兩圖進(jìn)行對(duì)比，根據(jù)像素差值的變換大小確定圖像清晰度。計(jì)算結(jié)果越小表明圖像越清晰，反之則越模糊。該方法稱(chēng)為基于二次模糊的清晰度算法（ReBlur），方法流程見(jiàn)圖5。

圖5 二次模糊算法流程

3 評(píng)價(jià)方法驗(yàn)證

圖像識(shí)別技術(shù)的基礎(chǔ)是高質(zhì)量的圖像[11]，在大量應(yīng)用基礎(chǔ)上建立標(biāo)準(zhǔn)圖庫(kù)，實(shí)現(xiàn)圖像自動(dòng)識(shí)別是未來(lái)的發(fā)展方向[12]，因此應(yīng)對(duì)圖像質(zhì)量進(jìn)行科學(xué)評(píng)價(jià)。驗(yàn)證上述圖像質(zhì)量分析方法的有效性需要提供對(duì)比的參考信息。人類(lèi)視覺(jué)系統(tǒng)（HVS）具有很大動(dòng)態(tài)范圍，可對(duì)圖像進(jìn)行帶通空間域?yàn)V波處理，對(duì)圖像變化明顯區(qū)域關(guān)注度更高，從而得到有效信息[13-14]。

在此采用雙盲測(cè)試方法，對(duì)一組圖像采用人眼主觀評(píng)價(jià)的方法得到參考清晰度排序，再用上述計(jì)算方法進(jìn)行測(cè)試，找出與人眼主觀評(píng)價(jià)一致的算法。

3.1 數(shù)據(jù)來(lái)源

測(cè)試數(shù)據(jù)選取4組設(shè)備拍攝的典型圖像，圖像需滿(mǎn)足技術(shù)條件的成像要求，為便于記錄，圖像依次編號(hào)A，B，…，H，人眼主觀評(píng)價(jià)排序?yàn)?，2，…，8，選取圖像見(jiàn)圖6。

圖6 測(cè)試圖像

3.2 驗(yàn)證結(jié)果

對(duì)上述圖像和評(píng)價(jià)方法進(jìn)行測(cè)試，其中人眼評(píng)價(jià)是選取30組雙盲測(cè)試結(jié)果進(jìn)行平均處理。測(cè)試圖像首先進(jìn)行均值曝光處理，梯度邊緣Sobel算法采用有效像素大于60的占比系數(shù)（人眼可分辨）計(jì)算。二次模糊算法采用高斯模糊算法和運(yùn)動(dòng)模糊算法2種方式。測(cè)試結(jié)果見(jiàn)表2。

由表2可以看出，二次運(yùn)動(dòng)模糊算法的排序與人眼評(píng)價(jià)結(jié)果最為接近，該方法與4C裝置成像圖像模糊的原因機(jī)理一致，均為運(yùn)動(dòng)造成的補(bǔ)光與相機(jī)控制不匹配。二次模糊算法能夠有效區(qū)分清晰圖像與模糊圖像，可以作為圖像清晰度的評(píng)價(jià)方法試用推廣。

3.3 推廣測(cè)試

對(duì)不同設(shè)備拍攝的大量圖片進(jìn)行測(cè)試，結(jié)果表明二次模糊算法能夠有效分析接觸網(wǎng)懸掛狀態(tài)圖像清晰度，通過(guò)統(tǒng)計(jì)數(shù)據(jù)分析，建議采用二次運(yùn)動(dòng)模糊算法對(duì)圖像清晰度進(jìn)行評(píng)價(jià)，清晰度管理閾值設(shè)為0.3。

表2 算法測(cè)試結(jié)果

[1]劉再民. 高鐵鐵路接觸網(wǎng)維修規(guī)則框架與管理技術(shù) 創(chuàng)新[J]. 中國(guó)鐵路，2016(4)：3-16.

[2]鐵運(yùn)〔2012〕136號(hào) 高速鐵路供電安全檢測(cè)監(jiān)測(cè)系 統(tǒng)（6C系統(tǒng)）總體技術(shù)規(guī)范[S].

[3]TJ/GD 006—2014 接觸網(wǎng)懸掛狀態(tài)檢測(cè)監(jiān)測(cè)裝置 （4C）暫行技術(shù)條件[S].

[4]楊春玲，陳冠豪，謝勝利. 基于提額度信息的圖像 質(zhì)量評(píng)判方法的研究[J]. 電子學(xué)報(bào)，2007(7)： 1 313-1 317.

[5]李祚林，李曉輝，馬靈玲，等. 面向無(wú)參考圖像的 清晰度評(píng)價(jià)方法研究[J]. 遙感技術(shù)與應(yīng)用，2011(4)： 239-246.

[6]崔作龍，徐長(zhǎng)松. 圖像清晰度的量化測(cè)量探究[J]. 實(shí)驗(yàn)技術(shù)與管理，2012(5)：49-51.

[7]李曉晶. 圖像質(zhì)量評(píng)價(jià)與圖像增強(qiáng)技術(shù)研究[D]. 南 京：南京理工大學(xué)，2008.

[8]陳躍庭，許東暉，李奇. 基于熵的圖像穩(wěn)定程度描 述方法[J]. 儀器儀表學(xué)報(bào)，2006(6)：2 121-2 122.

[9]徐貴力，劉小霞，田裕鵬，等. 一種圖像清晰度評(píng) 價(jià)方法[J]. 紅外與激光工程，2009(2)：180-184.

[10]王鴻南，鐘文，汪靜，等. 圖像清晰度評(píng)價(jià)方法 研究[J]. 中國(guó)圖像圖形學(xué)報(bào)，2004(7)：828-831.

[11]張輝，寇亞洲，劉雋，等. 動(dòng)車(chē)組車(chē)號(hào)自動(dòng)識(shí)別 方法[J]. 中國(guó)鐵路，2015(12)：42-45.

[12]張宏強(qiáng)，高紅義. 圖像自動(dòng)識(shí)別技術(shù)在鐵路的發(fā) 展及運(yùn)用[J]. 中國(guó)鐵路，2015(5)：86-88.

[13]于天河，戴景民. 結(jié)合人眼視覺(jué)特性的紅外圖像增 強(qiáng)新技術(shù)[J]. 紅外與激光工程，2008(12)：951-954.

[14]朱明明. 一種基于人眼視覺(jué)特性的圖像增強(qiáng)顯示 算法[D]. 蘭州：蘭州大學(xué)，2013.

The Definition Evaluation Study on the Evaluation of Overhead Contact Line Condition Detection

YANG Zhipeng，ZHANG Wenxuan，SHENG Liang，ZHOU Wei
（Infrastructure Inspection Research Institute，China Academy of Railway Sciences，Beijing 100081，China)

Overhead contact line condition detection device collects the image of overhead contact line by high-definition camera and analyzes its component and overhead condition to provide guidance for operating detection. Scientifically, objectively and reasonably evaluating the high-definition images is the basic requirement to ensure the quality of detection. The paper verifies the effectiveness of secondary motion fuzzy algorithm on the evaluation of overhead contact line condition image by analyzing its sparsity, non-reference and multi-background and comparing five evaluating methods including gradient features, image transform domain,entropy evaluation, point sharpness and secondary fuzzy. Management threshold is suggested to be set at 0.3.

overhead contact line condition；detection image；definition evaluation；motion fuzzy algorithm

U225；TP391

A

1001-683X（2017）10-0059-05

10.19549/j.issn.1001-683x.2017.10.059

中國(guó)鐵道科學(xué)研究院科技研究開(kāi)發(fā)計(jì)劃項(xiàng)目（2015YJ097、2015YJ093）

楊志鵬（1986—），男，助理研究員，碩士。E-mail：yangzhp@rails.cn

張文軒（1981—），男，副研究員，碩士。E-mail：zhangwenxuan@rails.cn

責(zé)任編輯 盧敏

2017-07-05