馬增強(qiáng)，王永勝，宋子彬，校美玲

?

基于改進(jìn)標(biāo)記分水嶺的彩色踏面圖像分割

馬增強(qiáng)，王永勝，宋子彬，校美玲

(石家莊鐵道大學(xué)電氣與電子工程學(xué)院，河北 石家莊 050043)

踏面圖像分割是實(shí)現(xiàn)踏面區(qū)域與背景分離的過程，是聯(lián)系圖像預(yù)處理與踏面圖像缺陷檢測(cè)的紐帶。針對(duì)傳統(tǒng)踏面圖像分割方法處理過程中存在的圖像信息缺失、區(qū)域輪廓分割精度低和抗干擾能力差的問題，提出了一種基于改進(jìn)分水嶺算法的彩色踏面圖像分割方法。首先使用帶色彩恢復(fù)的多尺度視網(wǎng)膜增強(qiáng)(MSRCR)調(diào)整踏面圖像入射分量與反射分量及RGB 3個(gè)顏色通道之間的比例；然后直接計(jì)算彩色圖像梯度圖，通過改進(jìn)RGB彩色分量融合運(yùn)算完成彩色梯度圖像前景與背景的標(biāo)記后進(jìn)行分水嶺變換得到初始分割結(jié)果；最后結(jié)合踏面輪廓方位特點(diǎn)設(shè)計(jì)圖像連通域提取分割算法完成踏面曲面提取。實(shí)驗(yàn)結(jié)果表明，本方法分割圖像邊緣特性好，顏色保真，抗霧霾、光照干擾能力強(qiáng)，可以獲得理想的車輪踏面分割結(jié)果。

踏面分割；彩色圖像；MSRCR算法；分水嶺；標(biāo)記提取

軌道列車是軌道交通運(yùn)輸?shù)妮d體，其運(yùn)行狀態(tài)的質(zhì)量直接關(guān)系行車安全。輪對(duì)作為列車走行部件與鋼軌直接接觸，對(duì)列車運(yùn)行安全起到關(guān)鍵作用。由于運(yùn)行環(huán)境的惡劣，車輪踏面損傷是軌道列車運(yùn)行的主要故障之一。在列車運(yùn)行的過程中，故障踏面損傷部位可周期性地產(chǎn)生巨大沖擊力對(duì)車體及鋼軌造成危害，威脅行車安全，因而加強(qiáng)輪對(duì)踏面狀態(tài)檢測(cè)對(duì)保障行車安全具有重要意義[1-4]。圖像分割作為圖像檢測(cè)的重要組成部分，在輪對(duì)踏面損傷檢測(cè)中有著廣泛地應(yīng)用，文獻(xiàn)[5]提出了基于區(qū)域生長(zhǎng)的輪對(duì)輪廓圖像分割新算法，該算法根據(jù)不同情況下輪對(duì)圖像特點(diǎn)，通過基點(diǎn)位置選取恰當(dāng)?shù)姆N子點(diǎn)確定合適的生長(zhǎng)準(zhǔn)則，實(shí)現(xiàn)了踏面輪廓曲線的提取。文獻(xiàn)[6]提出了基于自適應(yīng)閾值平穩(wěn)小波的貨車車輪踏面區(qū)域分割算法，檢測(cè)踏面候選邊緣線并獲取踏面區(qū)域。由于受環(huán)境條件的影響，輪對(duì)踏面圖像背景復(fù)雜，如光照等對(duì)輪對(duì)邊界直線特性的影響，因而很難實(shí)現(xiàn)輪緣邊界的精確分割。文獻(xiàn)[7]提出了基于閾值分割和基于形態(tài)學(xué)分割相結(jié)合的方法，首先將二次裁剪后的圖像進(jìn)行同態(tài)濾波處理，然后使用迭代法完成初步分割，最后使用形態(tài)學(xué)分割得到踏面區(qū)域圖像，其初始閾值的選取直接關(guān)系分割效果，因而分割效果的穩(wěn)定性較差。同時(shí)，文獻(xiàn)[6-7]踏面分割過程均需將彩色圖像轉(zhuǎn)化成灰度圖后處理，造成了踏面與背景區(qū)域諸如亮度相似但顏色不同的細(xì)節(jié)信息的丟失，影響區(qū)域邊緣分割精度。

針對(duì)上述方法存在的圖像信息缺失、區(qū)域輪廓分割精度低和抗干擾能力差的問題，本文提出了基于改進(jìn)標(biāo)記分水嶺的彩色踏面圖像分割方法。該方法首先使用帶色彩恢復(fù)的多尺度視網(wǎng)膜增強(qiáng)(multi-scale retinex with color restoration, MSRCR)算法，調(diào)整踏面圖像入射分量與反射分量及RGB 3個(gè)顏色通道之間的比例，減少了霧霾、光照等自然因素對(duì)系統(tǒng)的影響，同時(shí)增強(qiáng)了邊緣強(qiáng)度和色彩保真度；然后直接計(jì)算彩色圖像梯度圖保留了圖像信息的完整度，增強(qiáng)了算法對(duì)于復(fù)雜背景的魯棒性，通過改進(jìn)RGB彩色分量融合運(yùn)算提高區(qū)域分割精度完成彩色梯度圖像前景與背景的標(biāo)記，并進(jìn)行分水嶺變換得到初始分割結(jié)果；最后結(jié)合踏面輪廓方位特點(diǎn)簡(jiǎn)化圖像連通域，提取分割算法完成踏面曲面提取。實(shí)驗(yàn)結(jié)果表明，本方法分割圖像邊緣特性好，抗干擾性強(qiáng)，可以獲得理想的車輪踏面分割結(jié)果。

1 彩色踏面圖像的分割

車輛在運(yùn)行過程中，輪對(duì)踏面直接與鋼軌反復(fù)接觸摩擦，其工作面具有一定金屬光澤，與背景區(qū)域車廂底部和側(cè)架部分圖像灰度相似但顏色不同，因而采用彩色域的圖像處理方法在保留圖像信息完整性的同時(shí)可滿足于踏面圖像的分割特點(diǎn)。為此，本文設(shè)計(jì)的彩色踏面圖像分割方法如圖1所示。

圖1 方法流程圖

1.1 MSRCR圖像增強(qiáng)

近年來(lái)，受嚴(yán)重的空氣污染影響，北方城市每年有很長(zhǎng)時(shí)間處于霧霾天氣中，在霧霾天采集到的圖像通常會(huì)出現(xiàn)對(duì)比度低、亮度低、顏色出現(xiàn)偏移和失真的現(xiàn)象[8]，因此對(duì)于戶外工作的踏面缺陷檢測(cè)系統(tǒng)來(lái)說霧霾及其造成的弱光環(huán)境是必須要考慮的因素。另一方面踏面區(qū)域灰度值與背景有重疊，背景區(qū)域的噪聲干擾產(chǎn)生了圖像簡(jiǎn)化與保留物體邊緣信息的矛盾。因而本文使用GIMP的MSRCR算法[9-11]對(duì)圖像進(jìn)行預(yù)處理，使用的3個(gè)尺度分別為200，120，10，色彩恢復(fù)因子cvar為2，處理前后對(duì)比如圖2所示。使用彩色直方圖對(duì)圖像增強(qiáng)效果進(jìn)行分析，如圖3所示，直方圖中的顏色條代表其對(duì)應(yīng)的圖片中顏色，而其幅值代表歸一化后的顏色在圖片中的個(gè)數(shù)，用MSRCR算法增強(qiáng)后圖像顏色的種類得以增加且分布也更加勻稱。同時(shí)對(duì)處理前后的圖像應(yīng)用各個(gè)評(píng)價(jià)指標(biāo)檢驗(yàn)處理效果見表1(表中邊緣強(qiáng)度使用的是Sobel邊緣檢測(cè)算子)。

圖2 MSRCR算法處理前后效果圖

圖3 圖像處理前后彩色直方圖對(duì)比

表1 圖像評(píng)價(jià)統(tǒng)計(jì)表

從表1可知，預(yù)處理后圖像邊緣強(qiáng)度和平均梯度顯著增強(qiáng)，為后續(xù)圖像分割做好了準(zhǔn)備。另一方面其模糊熵與信息熵相對(duì)改變較小，基本保持了圖像的色彩分布。

1.2 彩色圖像梯度圖計(jì)算

與灰度域的標(biāo)記分水嶺算法[12]不同，本文不對(duì)彩色圖像進(jìn)行灰度化，而是直接對(duì)彩色圖像計(jì)算梯度，保留灰度相同顏色不同的可視細(xì)節(jié)。首先對(duì)于圖像坐標(biāo)(,)定義矢量

其中，分別表示RGB空間的相應(yīng)單位矢量。計(jì)算兩個(gè)向量的點(diǎn)積

可以證明在坐標(biāo)(,)的梯度方向的角度

計(jì)算得到該處的梯度值為

(7)

與其他計(jì)算彩色圖像梯度的方法相比，本方法得到的彩色圖像梯度更準(zhǔn)確，更接近人眼的直觀感受，適合區(qū)分踏面并提取這種背景復(fù)雜且灰度差異較小的圖像，得到的彩色圖像梯度如圖4所示。

圖4 彩色圖像梯度圖

1.3 改進(jìn)的彩色圖像標(biāo)記分水嶺分割

1.3.1 標(biāo)記前景物體

與常規(guī)灰度圖處理方法不同，本文針對(duì)踏面彩色圖像背景復(fù)雜、目標(biāo)圖像差異小的特點(diǎn)，對(duì)彩色梯度圖RGB分量分別進(jìn)行形態(tài)學(xué)開閉重構(gòu)運(yùn)算處理來(lái)消除不同色彩分量梯度圖中明暗細(xì)節(jié)，減少由于明暗細(xì)節(jié)和噪聲干擾造成的輪廓邊緣偏移和過分割現(xiàn)象，得到的平滑圖像，如圖5所示。其同樣具有3個(gè)彩色分量，因而在計(jì)算區(qū)域極大值時(shí)需要將3個(gè)分量的信息進(jìn)行融合。本文通過將RGB 3個(gè)分量的區(qū)域極大值圖進(jìn)行了邏輯或運(yùn)算，盡可能保留各個(gè)彩色分量的極大值信息，得到區(qū)域極大值圖(圖6)。區(qū)域極大值有時(shí)會(huì)出現(xiàn)在物體的邊緣，其不利于后續(xù)的分割，因此對(duì)區(qū)域極大值圖還需要進(jìn)行先運(yùn)算后腐蝕的處理，以縮小區(qū)域極大值的范圍得到圖像的前景標(biāo)記，將區(qū)域極大值疊加在原圖中(圖7)。

圖5 形態(tài)學(xué)處理后的彩色圖

圖6 區(qū)域極大值圖

圖7 區(qū)域極大值疊加圖

1.3.2 標(biāo)記背景物體

與前景標(biāo)記相同，標(biāo)記背景物體同樣需要分別對(duì)平滑后的圖像的RGB 3個(gè)顏色分量值進(jìn)行處理。本文在Ostu閾值分割前將圖像的3個(gè)顏色分量進(jìn)行了均值計(jì)算操作，以減少物體間不同顏色對(duì)標(biāo)記結(jié)果的影響，提高區(qū)域分割精度，閾值分割結(jié)果如圖8所示。對(duì)分割后的圖像進(jìn)行分水嶺變換得到背景物體標(biāo)識(shí)也就是分水嶺脊線如圖9所示。將前面得到的前景標(biāo)識(shí)與背景標(biāo)識(shí)疊加在原圖中得到結(jié)果圖(圖10)。

圖8 閾值分割后的圖

圖9 背景物體標(biāo)識(shí)圖

圖10 前景和背景物體標(biāo)志疊加圖

1.3.3 修改后圖像的分水嶺變換

根據(jù)已得到的背景標(biāo)識(shí)和前景標(biāo)識(shí)對(duì)梯度圖進(jìn)行處理，使修正后的梯度極小值只出現(xiàn)在背景標(biāo)識(shí)和前景標(biāo)識(shí)中，然后對(duì)修改后的梯度圖應(yīng)用分水嶺變換得到最終的分割結(jié)果圖(圖11)。

圖11 分水嶺分割結(jié)果圖

1.4 從分水嶺脊線圖中提取出踏面區(qū)域

本文根據(jù)踏面曲面在采集圖像內(nèi)連通域面積最大的特點(diǎn)設(shè)計(jì)了一種簡(jiǎn)單的多分割域提取目標(biāo)區(qū)域的方法，如圖12所示。

圖12 提取踏面區(qū)域流程圖

具體實(shí)現(xiàn)步驟如下:

(1) 對(duì)各連通域進(jìn)行標(biāo)記。使用標(biāo)記函數(shù)對(duì)上一步的分水嶺變換產(chǎn)生的各個(gè)連通域進(jìn)行標(biāo)記，返回標(biāo)記矩陣和對(duì)應(yīng)的標(biāo)記數(shù)目。

(2) 找到點(diǎn)數(shù)最多的連通域。從實(shí)驗(yàn)結(jié)果圖中不難發(fā)現(xiàn)踏面區(qū)域的面積要遠(yuǎn)大于其他區(qū)域，因此本文中通過求點(diǎn)數(shù)最多的標(biāo)簽來(lái)尋找踏面區(qū)域所對(duì)應(yīng)的區(qū)域。實(shí)際操作時(shí)首先使用直方圖統(tǒng)計(jì)函數(shù)對(duì)個(gè)標(biāo)簽對(duì)應(yīng)的連通域的點(diǎn)數(shù)進(jìn)行統(tǒng)計(jì)，然后找出點(diǎn)數(shù)其中最多的標(biāo)簽。在實(shí)驗(yàn)中標(biāo)記分水嶺處理后得到的脊線圖中共有46個(gè)連通域，圖13為各區(qū)域在圖像中所占比例的直方圖，在圖中第29個(gè)區(qū)域?yàn)樘っ鎱^(qū)域。從圖中可以看出踏面區(qū)域在圖像中占的比例要遠(yuǎn)大于其他區(qū)域，所以可以通過尋找圖像中像素點(diǎn)最多的連通域來(lái)尋找踏面區(qū)域。

圖13 各連通域所占比例

(3) 找出標(biāo)簽對(duì)應(yīng)的區(qū)域。使用搜索函數(shù)在標(biāo)記矩陣中確定出標(biāo)簽對(duì)應(yīng)連通域的所有點(diǎn)的坐標(biāo)。

(4) 使用連通域?qū)υ瓐D進(jìn)行處理。利用上一步驟得到的點(diǎn)坐標(biāo)創(chuàng)建一個(gè)區(qū)域?yàn)?其余區(qū)域?yàn)?的模板，如圖14所示；然后利用創(chuàng)建的模板矩陣點(diǎn)乘原圖中的各顏色分量矩陣就可以最終得到單獨(dú)的踏面區(qū)域圖像。如圖15所示可以看出利用本文設(shè)計(jì)的方法成功從改進(jìn)分水嶺變換得到的脊線圖中分離出了踏面區(qū)域，并利用提取出的踏面區(qū)域從原圖完成彩色圖像踏面分割。

圖14 模板圖像圖

圖15 踏面區(qū)域圖像

2 實(shí)驗(yàn)結(jié)果與分析

為了檢驗(yàn)本方法的踏面曲面分割效果，對(duì)比標(biāo)準(zhǔn)分水嶺[13]、標(biāo)準(zhǔn)標(biāo)記分水嶺[12]、區(qū)域生長(zhǎng)[14]和邊緣分割[6]方法，設(shè)計(jì)兩組實(shí)驗(yàn)分別從①踏面圖像分割精確性及效率；②抗復(fù)雜環(huán)境干擾能力的角度檢驗(yàn)踏面曲面的分割效果。

2.1 分割精確性及效率

在3.3 GHz，8 GB環(huán)境下，應(yīng)用matlab軟件使用上述各分割方法對(duì)其進(jìn)行踏面區(qū)域分割，原始圖像大小為480×540，如圖16(a)所示。為了便于直觀對(duì)比，將各個(gè)分割算法分割區(qū)域創(chuàng)建目標(biāo)區(qū)域?yàn)?其余區(qū)域?yàn)?的模板，然后利用創(chuàng)建的模板矩陣點(diǎn)乘原圖中的各顏色分量矩陣，并通過各個(gè)分割方法得到踏面區(qū)域圖像，如圖16(c~f)所示。標(biāo)準(zhǔn)分水嶺算法直接將梯度圖像作為輸入圖像得到圖像極值點(diǎn)即為區(qū)域邊界，但其對(duì)微弱邊緣十分敏感，如圖16(b)所示圖像中的噪聲、物體表面細(xì)微的灰度變化都產(chǎn)生了過度分割的現(xiàn)象，無(wú)法形成有效的踏面區(qū)域圖像。標(biāo)準(zhǔn)標(biāo)記分水嶺算法在灰度域進(jìn)行圖像分割，圖像前景與背景的極值點(diǎn)選取容易受環(huán)境干擾，如圖16(c)所示，車輪踏面亮度接近的背景部分存在嚴(yán)重欠分割。由圖16(d)可知邊緣分割[6]方法基于平穩(wěn)小波變換的邊緣檢測(cè)和踏面邊緣線搜索算法基本完成了圖像分割并具有較好的邊緣特性，但其分割區(qū)域的準(zhǔn)確性有待進(jìn)一步驗(yàn)證。由圖16(e)可知區(qū)域生長(zhǎng)[14]方法在YCbCr顏色空間分割圖像對(duì)背景噪聲敏感未能有效分割踏面圖像。圖16(f)為本文方法提取邊緣基本完整，實(shí)現(xiàn)了踏面區(qū)域分割。

圖16 各算法分割效果對(duì)比圖

在圖像目標(biāo)區(qū)域分割的過程中，預(yù)處理和分割方法的選擇可能會(huì)造成分割區(qū)域邊緣的偏移與失真，因而從分割所得區(qū)域與原圖像對(duì)應(yīng)像素點(diǎn)位置的匹配度和像素的分割準(zhǔn)確度出發(fā)，并進(jìn)一步比較各算法的分割精確性。人工分割原始圖16(a)所得踏面曲面區(qū)域像素點(diǎn)集為=75071并將非踏面區(qū)域灰度置0。定義位置匹配度為=()/，其中，表示人工分割踏面像素點(diǎn)集；()表示與人工分割方法相同的像素點(diǎn)集，其為將算法分割圖像與人工分割圖像對(duì)應(yīng)像素點(diǎn)作算術(shù)或邏輯運(yùn)算所得到的非0像素點(diǎn)集。定義圖像分割準(zhǔn)確度()=()/(), 其中，()表示與人工分割方法相同像素點(diǎn)集；()表示車輪踏面區(qū)域像素點(diǎn)集。應(yīng)用各個(gè)指標(biāo)對(duì)各算法分割效果統(tǒng)計(jì)見表2。

表2 圖像分割精確性及效率統(tǒng)計(jì)表

由表2可知，本文圖像預(yù)處理使用的MSRCR算法既增強(qiáng)了圖像區(qū)域邊緣，又未對(duì)區(qū)域邊緣精確性產(chǎn)生影響。在改進(jìn)分水嶺分割的過程中，RGB彩色分量融合運(yùn)算提高了圖像區(qū)域分割的準(zhǔn)確度，獲得了比其他分割算法更高的分割精度，同時(shí)運(yùn)算時(shí)間與其他算法相差不大，可以滿足使用要求。

2.2 復(fù)雜環(huán)境抗干擾檢驗(yàn)

選取霧霾(PM2.5=260~475 μg/m3)、弱光(100~ 500 lx)和正常光照(500~2 000 lx)狀態(tài)車輪圖像的踏面圖像進(jìn)行分割處理得到對(duì)比圖，如圖17所示，可以看出踏面輪廓曲面分割效果受環(huán)境狀態(tài)影響較小。

圖17 彩色分割標(biāo)記區(qū)域?qū)Ρ葓D

在各種環(huán)境狀態(tài)下，選取各10張圖像，對(duì)單張圖像踏面區(qū)域分割準(zhǔn)確度()進(jìn)行評(píng)價(jià)，評(píng)價(jià)結(jié)果見表3。

表3 準(zhǔn)確度分析表

由表3可知在霧霾和光照變化條件下踏面圖像檢測(cè)精度保持在89%~95%之間，因而本方法對(duì)于檢測(cè)環(huán)境有較強(qiáng)地抗干擾能力和較高的精確度，可以實(shí)現(xiàn)對(duì)踏面曲面的準(zhǔn)確分割，為進(jìn)一步圖像識(shí)別與檢測(cè)創(chuàng)造條件。

3 結(jié) 論

結(jié)合踏面彩色圖像的特點(diǎn)，本文提出了一種基于改進(jìn)標(biāo)記分水嶺算法的踏面曲面分割方法。該方法使用MSRCR算法增強(qiáng)了圖像邊緣強(qiáng)度和色彩保真度，直接計(jì)算彩色圖像梯度圖并改進(jìn)RGB彩色分量融合運(yùn)算保留了圖像信息的完整度，增強(qiáng)了算法對(duì)于復(fù)雜背景的魯棒性，最后設(shè)計(jì)簡(jiǎn)單圖像連通域提取分割算法完成踏面曲面提取。實(shí)驗(yàn)結(jié)果表明，本方法改善了其他分割方法圖像信息缺失、區(qū)域輪廓分割精度低和抗干擾能力差的問題，獲得了理想的車輪踏面曲面分割效果。

[1] 劉建新, 易明輝, 王開云. 重載鐵路車輪踏面擦傷時(shí)的輪軌動(dòng)態(tài)相互作用特征[J]. 交通運(yùn)輸工程學(xué)報(bào), 2010, 10(3): 52-56.

[2] 王晨, 馬衛(wèi)華, 羅世輝, 等. 機(jī)車車輛踏面損傷機(jī)理研究[J]. 振動(dòng)?測(cè)試與診斷, 2016, 36(5): 890-896, 1022-1023.

[3] 盧純. 高速動(dòng)車組車輪踏面滾動(dòng)接觸疲勞的萌生機(jī)理研究[D]. 成都: 西南交通大學(xué), 2015.

[4] 吳國(guó)棟, 于衛(wèi)東. 車輪踏面故障對(duì)客車軸承狀態(tài)的影響及其防范措施[J]. 鐵道車輛, 2014, 52(10): 10-14.

[5] 史倩, 吳開華. 區(qū)域生長(zhǎng)的輪對(duì)圖像分割[J]. 中國(guó)圖象圖形學(xué)報(bào), 2012, 17(9): 1122-1127.

[6] 趙勇. 貨車車輪踏面區(qū)域分割方法研究[J]. 計(jì)算機(jī)工程與應(yīng)用, 2011, 47(5): 154-155, 195.

[7] 宋志明. 列車車輪踏面擦傷圖像檢測(cè)算法研究[D]. 成都: 西南交通大學(xué), 2012.

[8] 馬志強(qiáng), 趙秀娟, 孟偉, 等. 霧和霾對(duì)北京地區(qū)大氣能見度影響對(duì)比分析[J]. 環(huán)境科學(xué)研究, 2012, 25(11): 1208-1214.

[9] RAHMAN Z, JOBSON D J, WOODELL G A. Multi-scale retinex for color image enhancement [C]// International Conference on Image Processing, 1996. New York: IEEE Press, 2002, (3): 1003-1006.

[10] JOBSON D J, RAHMAN Z, WOODELL G A. A multiscale retinex for bridging the gap between color images and the human observation of scenes [J]. IEEE Transactions on Image Processing: A Publication of the IEEE Signal Processing Society, 1997, 6(7): 965-976.

[11] 嵇曉強(qiáng). 圖像快速去霧與清晰度恢復(fù)技術(shù)研究[D]. 北京: 中國(guó)科學(xué)院研究生院, 2012.

[12] ROERDINK J B T M, MEIJSTER A. The watershed transform: definitions, algorithms and parallelization strategies [J]. Fundamenta Informaticae, 2000, 41(1-2): 187-228.

[13] VINCENT L, SOILLE P. Watersheds in digital spaces: an efficient algorithm based on immersion simulations [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1991, 13(6): 583-598.

[14] 劉俊, 馬燕, 陳坤. 一種改進(jìn)的基于區(qū)域生長(zhǎng)的彩色圖像分割方法[J]. 計(jì)算機(jī)應(yīng)用與軟件, 2012, 29(11): 288-291.

[15] 臧慕文, ZANG M W. 分析測(cè)試不確定度的評(píng)定與表示(Ⅰ)[J]. 分析試驗(yàn)室, 2005, 24(11): 74-79.

The Color Tread Image Segmentation Based on Improved Labeled Watershed

MA Zengqiang, WANG Yongsheng, SONG Zibin, XIAO Meiling

(Electrical and Electronics Engineering, Shijiazhuang Railway University, Shijiazhuang Hebei 050043, China)

The tread image segmentation is the process of realizing the separation of tread area and background, which is the link between image preprocessing and tread image defect detection. Aimed at the problem of missing image information, low precision of regional contour segmentation and poor anti-interference ability, a method of color tread image segmentation based on improving watershed algorithm is presented in this paper. Firstly, the proportion of the incident component of the tread image with the reflective component and the RGB three color channel is adjusted by using the multi-scale retinal enhancement (MSRCR) with color restoration. Then the color image gradient graph is calculated directly. The color gradient image foreground and background mark is completed by improving RGB color component fusion operation and then the initial segmentation result is obtained by the watershed transformation. Finally, combined with the tread contour azimuth characteristic, image connected domain extraction segmentation algorithm is designed and the tread surface extraction is completed. The experimental results show that the method is good to divide the edges of the image, the color fidelity, the fog haze, the illumination disturbance ability, and obtain the ideal wheel tread segmentation results.

tread segmentation; color image; MSRCR algorithm; watershed algorithm; marker extraction

TP 391

10.11996/JG.j.2095-302X.2018010036

A

2095-302X(2018)01-0036-07

2017-04-19；

2017-05-17

國(guó)家自然科學(xué)基金項(xiàng)目(11372199，11572206，11227201)；河北省自然科學(xué)基金項(xiàng)目(A2014210142)

馬增強(qiáng)(1975-)，男，河北石家莊人，教授，博士，碩士生導(dǎo)師。主要研究方向?yàn)閳D形圖像處理。E-mail：mzqlunwen@126.com