基于多特征融合的铁路护栏网格提取

蓝智敏,梁礼明,盛校棋,黎富泉,吴健

(江西理工大学 电气工程与自动化学院，江西 赣州 341000)

0 引 言

铁路沿线护栏是铁路网络重要基础设施，也是铁路综合检测重要对象之一，其作用在于防止行人、动物及异物侵入铁轨，确保列车正常高速安全运行。综合检测列车装配有视频采集设备[1],能够采集铁路沿线的环境信息，为后期人工检测提供护栏图像，节省大量人力和物力。尽管如此，获取的护栏图像仍需人工识别是否有缺损，人工识别效率低、即时性差，无法胜任我国现代化高速铁路检测任务。为了降低成本、提高护栏检测准确率和即时性，亟需研发一套完备的自动化智能识别系统，而该系统的前期工作关键在于如何准确提取复杂背景下不同类型的完整护栏网格图像，以获取其先验信息，用于后期智能识别算法的研究。

铁路护栏网格图像提取或网格形状目标提取方面的文献较少，其中，文献[2]基于形态学的分割方法能够利用结构元素分解复杂形状，从中提取有用信息，在无复杂背景的单一网格提取中能够准确定位分割。然而，对于背景复杂的铁路护栏网格图像，尽管增大结构元素的尺寸能有效区别出背景和目标，但仍保留了大量背景信息，造成误分割；文献[3]通过均值漂移算法对铁路护栏图像进行平滑和分割，并针对过分割的图像采用区域合并，最终实现护栏网格图像的提取。该算法具有复杂度低、运算效率高等优点，在目标和背景灰度相差较大的情况下，能够有效地提取目标，由于该方法只关心图像的灰度特征而忽略空域特征，因此，抗噪性能差，容易造成欠分割。……