基于HSV空间的钢轨表面区域快速提取算法

机器视觉采集的轨道图像中包含钢轨表面区域(简称轨面区域)及干扰区域(轨道、碎石、杂草等),从复杂的轨道图像中检测缺陷目标难度大、耗时多.因此,先将轨面区域提取出来,然后对提取的轨面区域进行缺陷检测和识别可以节省大量时间.传统的钢轨表面区域提取算法多为手动设定轨面边界,自适应性较差,且对光照异常敏感.针对以上问题,就如何快速提取轨面区域进行了研究,提出了一种基于HSV空间的钢轨表面区域快速提取算法.首先将采集的RGB图像转换到HSV空间,并提取其S分量图像,以此变换来克服光照条件变化对钢轨表面区域提取带来的干扰;其次在S分量图像中绘制灰度投影曲线;然后以图像的中点为轴,将曲线分为左右两侧,分别找到左右两侧列曲线的极大值L_1、R_1和次大值L_2、R_2;最后根据极大值和次大值的关系自动确定轨面区域的边界.仿真结果表明,所研究的算法可以快速、准确地提取轨面区域,避免了手动确定轨面区域边界的问题,算法的泛化能力较好,提取精度较高(I_(oU)高达0.92),提取准确率为93.87%,提取时间较传统方法大幅降低,平均提取时间为0.046 s,为铁路线路的实时自动化检测奠定了基础.