機車輪對輪緣磨耗是影響其運行平穩(wěn)性和安全性的重要因素,是輪對幾何尺寸的關鍵參數(shù)。國外已成功地研制出一些動態(tài)測量輪緣磨耗的裝置,所應用的方法主要是基于圖像測量技術、超聲遙測非接觸法、高速掃描圖像法[1]，這些方法雖然穩(wěn)定可靠，但其造價高、技術難度大，因此，國內(nèi)鐵路部門一直沒有大范圍引進國外設備。而我國學者目前研究的輪緣磨耗測量方法主要有接觸式自動測量方式，電渦流傳感器[2]、激光位移傳感器非接觸測量方式[3]，這幾種方式屬于靜態(tài)檢測的方法，檢測強度大，占用機車周轉(zhuǎn)時間，無法及時了解車輪運行中的質(zhì)量狀況。目前，我國段修部門大多數(shù)仍然靠手工采用游標卡尺的檢測方式測量輪緣磨耗，測量精度和可靠性都低。為此，本文借鑒國外成功經(jīng)驗，使用基于光截法圖像測量技術成功地為某車輛段研制了一套動態(tài)輪對輪緣磨耗測量裝置，其中輪對踏面光截曲線圖像分割是光截法圖像測量技術的關鍵步驟之一，其分割精度直接影響到后續(xù)的精確測量。
    閾值分割作為圖像分割的典型算法,廣泛應用于圖像處理和計算機視覺領域[4]。常用的閾值分割方法有:直方圖雙峰法、最大熵法、矩量保持法、梯度統(tǒng)計法、一維最大相關準則法[5]以及這些方法在二維中的推廣方法。這些方法中，一維最大相關準則以其運算簡單、分割效果好、適用范圍廣而得到了廣泛應用。
    一維最大相關準則法MCC(Maximum  Correlation Criterion)是由YEN[6]等人提出的，該方法以圖像的一維直方圖為依據(jù)，以目標和背景的相關總量為最大選擇閾值，在很多情況下取得了很好的閾值。但在實際應用中，當圖像信噪比降低時，應用一維最大相關法將產(chǎn)生很多分割錯誤，為此，2005年陳修橋[7]等人將一維MCC閾值分割法推廣到二維。二維MCC閾值分割法應用二維直方圖，不僅反映了灰度分布信息，還反映了鄰域空間相關信息，使分割效果得到了明顯改善，但是存在計算量大，耗時太長，難以實用。為了解決這一個問題，本文提出運用量子粒子群優(yōu)化算法[8]來代替窮盡搜索，求解二維最大相關準則閾值，提高了算法的實用性。
1 光截法測量原理
    在檢修輪緣時，主要通過測量輪緣厚度、踏面磨耗來判斷輪緣的磨耗程度。圖1是輪緣輪廓示意圖?；c距內(nèi)側(cè)面基準70 mm外踏面上的一點，基點與輪緣頂點之間的高度稱為輪緣高度；實際輪緣高度與標準輪緣高度之差稱為踏面磨耗。

    其測量原理如圖2所示。在車輪行進過程中，激光線光源沿踏面法線方向照射在車輪表面，形成從輪對踏面光截曲線，光截曲線記錄了車輪外形尺寸的信息，軌道外測與光平面成一定夾角的高速面陣CCD攝像機采集踏面光截曲線圖像，然后對所獲得的圖像進行分析，以提取輪緣和踏面的實測曲線，經(jīng)校正后與已建立的標準車輪曲線比較,從而得出輪緣磨耗狀況等各個參數(shù)。

2 二維最大相關準則閾值分割
    綜合運用點灰度-區(qū)域灰度特征可以較好地表征圖像信息，二維最大相關準則閾值法正是立足于此，其具體計算方法如下。
 


4 輪對踏面光截曲線圖像分割
    結(jié)合二維MCC閾值分割和QPSO算法，設粒子為(s,t)，適應度函數(shù)為TC(s,t)(其中求解的解空間為圖像中像素的分布空間)。通過圖像求解二維直方圖，然后按照QPSO算法標準流程進行解的尋優(yōu)，搜索出使TC(s,t)取得最大值的(s*,t*)，根據(jù)所求的(s*,t*)作為圖像分割閾值對整幅圖像進行閾值分割,對落在區(qū)域A的像素分割為目標，其余的為背景。
    為了驗證本文算法的有效性，以背景反光和噪聲干擾比較嚴重的一幅真實輪對踏面光截曲線圖像(圖像大小為768×576，灰度級256)為例，用VC++6.0在P4 2.4 GHz,內(nèi)存512 MB的微機上進行閾值分割實驗。實驗量子粒子群優(yōu)化算法的參數(shù)設置為:粒子群規(guī)模數(shù)m＝30，終止條件的最大迭代次數(shù)設為100，常數(shù)z=0.9。與Ostu法、一維MCC閾值分割、二維MCC閾值分割結(jié)果進行了比較,其結(jié)果如圖4所示。

    圖4(a)是背景反光和噪聲干擾比較嚴重的一幅光截曲線圖像，圖4（b）、(c)、(d)、(e)分別是Ostu法、一維MCC閾值法、窮盡搜索的二維MCC閾值法和本文提出的快速閾值分割法的分割結(jié)果。從圖4(c)可以看出，基于一維MCC分割法分割效果差，圖像中過多背景和噪聲干擾被誤分為目標，以至于無法進行后續(xù)的圖像處理和圖像測量。從圖4(d)、(e)可以看出，基于二維MCC法分割和本文算法分割結(jié)果幾乎相同，分割效果明顯優(yōu)于一維MCC分割法。這是因為當圖像信噪比降低時，一維MCC算法不能完整地反映圖像的局部空間信息，閾值對噪聲很敏感，造成閾值不好確定，分割的質(zhì)量下降，二維MCC法分割和本文方法充分利用了圖像的灰度分布信息和局部信息，有效地抑制了噪聲和背景干擾的影響，因此分割效果得到了明顯改善。
    表1是圖4的四種分割方法的分割閾值和運行時間。從計算速度上，由于Ostu法和一維MCC法是一維尋優(yōu)，只在256個灰度級范圍內(nèi)搜索閾值，所以閾值分割所需的計算時間很少。從分割效果上看,二維MCC算法明顯優(yōu)于Ostu法和一維MCC法,但是二維MCC算法是二維尋優(yōu)，運算量呈指數(shù)倍增長,耗時長，難以實用。從圖5可以看出，用本文算法實現(xiàn)車輪外形光截曲線圖像分割，在粒子群規(guī)模為10時，平均進化不到第10代已收斂到最佳閾值。從表1可以看出，本文算法的實際計算時間為1.584 6 s,遠遠小于窮盡搜索的二維MCC閾值法。

    對信噪比低的踏面光截曲線圖像，二維MCC閾值分割法充分利用了圖像的像素信息和像素的鄰域空間相關信息，能夠?qū)υ肼暰哂幸欢ㄒ种颇芰?，其分割效果明顯優(yōu)于一維MCC閾值分割法。針對二維MCC閾值分割法存在搜索空間大，計算量大的缺點，運用量子粒子群算法實現(xiàn)高效尋優(yōu)，找到圖像閾值向量，有利于圖像分割的實時處理。通過對實際獲取的輪對踏面光截曲線分割實驗表明，本文方法是一種有效的踏面輪對光截曲線圖像分割方法。
參考文獻
[1] 張渝, 王黎.國內(nèi)外車輪踏面損傷檢測技術綜述[J].機車車輛工藝,2002(1):1-8.
[2] 涂軍，周文祥，左建勇,等.輪對外形非接觸式自動測量系統(tǒng)的研究[J].機車電傳動，2004(3)：47-52.
[3] 左建勇,周文祥,曾京,等. 應用激光傳感器測量輪輞尺寸的實驗研究[J].鐵道車輛，2002,40(2):11-13.
[4] 郝穎明,朱楓.2維Otsu自適應閾值的快速算法[J].中國圖像圖形學報，2005，10(4):484-488.
[5] 韓思奇,王蕾.圖像分割的閾值法綜述[J].系統(tǒng)工程與電子技術,2002,24(6):91-94.
[6] YEN J C,CHANG F J. A new criterion for automatic multilevel thresholding[J]. IEEE Transation on Image Processing, 1995,4(3):370-378.
[7] 陳修橋,胡以華.二維最大相關準則圖像閾值分割遞推算法[J]. 計算機工程與應用,2005,32:91-93.
[8] SUN Jun. Particle swarm optimization with particles havingquantum behavior[C]. Proceedings of 2004 of Congress on Evolutionary Computation,2004:325-331.