摘   要： 根據高速鐵路路基的較高光輻射反射率，提出了一種基于數學形態學的圖像二值化檢測方法。計算機仿真證明，該方法能快速提取出高速鐵路圖像。
關鍵詞： 光輻射反射率; 高速鐵路; 形態學; 二值化

    為了使列車高速平穩前進，高速鐵路采用的是無砟軌道鋪設模式，即用水泥混凝土材料來鋪設基礎路面。水泥路面在所有地面性質中光輻射反射率是最大的[1]。利用這一特性，本文對現有的圖像二值化算法進行了討論，提出了一種基于數學形態學的圖像二值化方法。仿真結果表明，該方法能夠較快地檢測提取出高速鐵路地物圖像。
1 圖像二值化原理
　圖像二值化是數字圖像處理技術中的一項基本技術，也是許多圖像處理技術的預處理技術，它是指用灰度變換來研究灰度圖像的一種常用方法，即設定某一閾值,將灰度圖像的像素分成大于閾值的像素群和小于閾值的像素群兩部分。圖像二值化在自動目標識別(ATR)、圖像分析、文本增強以及光學字符識別(OCR)等圖像處理中得到廣泛應用。現有的二值化方法大多屬于閾值化方法，而在不同的應用中，閾值的選取決定著圖像特征信息的保留。因此，閾值選取的方法非常值得研究，閾值選取得當不僅能夠保留圖像中有用的信息，而且還可以縮短運行時間。

　    閾值[2]是把目標和背景區分開的標尺，選取適當的閾值就是既要盡可能保存圖像信息，又要盡可能減少背景和噪聲的干擾，這是選擇閾值的原則。灰度圖像的二值化處理有很多種方法，主要分為全局閾值法和局部閾值法，本文采用全局閾值法。
 

    由于Sobel算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數，簡單有效，因此應用廣泛。不足的是，Sobel算子并沒有將圖像的主體與背景嚴格地區分開來，即Sobel算子沒有基于圖像灰度進行處理，沒有嚴格地模擬人的視覺生理特征，因此提取的圖像輪廓有時并不能令人滿意。
4 計算機仿真
    對某一段高速鐵路進行仿真檢測。實驗環境為：Intel Pentium Dual E5400 2.7 GHz CPU，2 GB內存，Windows XP操作系統。實驗結果如圖2所示，其中圖2(a)為原始圖像，圖2(b)為二值化之后的圖像，圖2(c)為采用本文提出的方法檢測提取的結果，圖2(d)為基于邊緣檢測的方法檢測的結果。采用本文方法和與采用基于邊緣檢測方法的對比結果如表1所示。

    從檢測提取結果中可知，本文的基于形態學的二值化方法可以較快地檢測提取出高速鐵路等地物，可輕松地判別被檢測地物的概略位置；基于邊緣檢測的二值化方法雖然也能檢測出地物，但是斷點較多，此外，因為高速鐵路的圖像中含有大量的農田、道路，所以利用該算子會提取到很多邊界信息，不但降低了檢測速度，而且處理后的圖像不容易提取出高速鐵路。
    本文利用數學形態學方法處理二值化圖像，并使用灰度膨脹方法,最終檢測提取出高速鐵路圖像，得到較好的效果。但是該方法對實驗平臺要求較高，以后研究的方向是在低配置實驗平臺上采用此方法。
參考文獻
[1] 王大鵬，傅智，房建宏,等.太陽輻射對青藏高原不同路面類型表面熱狀況及其下伏多年凍土的影響[J].公路交通科技,2008(3)：39-41.
[2] GONZALEZ R C, WOODS R E. Digital image processing (Second Edition)[M]. Prentice Hall, 2006.
[3] 姜炳旭，劉杰，孫可.Sobel邊緣檢測的細化[J].沈陽師范大學學報(自然科學版),2010(4)：503-505.