二维图像谱空间矩特征的轮胎老化视觉测量.pdf

第 期(总第 期)黎明职业大学学报 ()年 月 收稿日期:作者简介:郭宝英()女 讲师 硕士 主要从事自动化智能技术研究基金项目:福建省中青年教师教育科研项目()文章编号:():/二维图像谱空间矩特征的轮胎老化视觉测量郭宝英(黎明职业大学 航空学院 福建 泉州)摘要:在轮胎磨损及老化的工业非接触式的无损检测中 为定量衡量轮胎老化程度 提出一种图像谱空间距定量测量轮胎老化的算法 该算法采用高斯尺度滤波对轮胎胎面及轮轱侧面采集图像进行滤波 以去掉高频分量与噪声 然后采用 算法得到轮胎裂纹与自身的纹理轮廓图 由二维离散傅里叶变换得到反映裂纹密度数量的频谱图 最后提取该频谱图各谱线辅助频率、的一阶矩相对原点距离 来定量衡量轮胎裂纹数量与密度分布特征 从而完成对轮胎老化程度的定量测量 在轮胎经营部的现场实验表明 经过小批量样本的模型识别参数训练 该方法具有 的老化程度识别准确率 具有一定的工业应用价值关键词:轮胎老化 二维图像谱空间矩 非极大值抑制 轮胎裂纹 视觉测量中图分类号:文献标识码:前 言 年 由于国家政策推动、经济快速发展及居民可支配收入的提升等因素 我国汽车保有量呈现逐年递增趋势 根据公安部统计公布 年全国机动车保有量达 亿辆 其中汽车 亿辆 新能源汽车 万辆 新注册登记机动车 万辆 同比增加 万辆 增长 随之 我国汽车检测的市场空间也逐渐变大 汽车保有量的增加给现有基数较小的汽车检测站增加了更大的工作量 另外 根据前瞻产业研究院 中国汽车检测行业发展前景与投资机会分析报告 年我国共有 家检测站 其中约有 家安检机构、家环检机构和 家综检机构 且逐年递升 随着人工智能及机器视觉等技术的发展 车辆检测行业正从人工阶段向自动化、智能化与网络化阶段发展我国因技术发展起步晚 汽车检测行业发展仍处于自动化、智能化初期阶段 而一些发达国家已逐步向下阶段(物联网和大数据)演进 目前 我国与发达国家的差距主要体现在检测系统的精度及数据分析的准确性、管理系统和测量系统的效率、检测过程的自动化与智能化程度、设备的生产工艺水平等方面 在汽车安检方面 根据 机动车安全技术检验项目和方法()的要求 车辆轮胎的胎压与老化是重要的车辆日常安全检查项目内容 特别地 轮胎沟槽内的裂纹与胎侧裂纹导致的爆胎等各种交通事故更是严重影响人们的出行安全另一方面 当前汽车轮胎等部位的裂纹老化检测仍然需要人工肉眼检查 具有主观随意性、检查速度慢以及不够仔细等缺点 当前轮胎老化的研究则主要集中在橡胶材料的拉伸应力与弹性系数方面 比如苏博等提出采用增压转鼓测试、(长期耐久性试验)测试、(恩哈根)平面图等对带束层之间的间隙、极限伸长率、剥离强度进行测量 这些测试必须借助专用的检第 期郭宝英:二维图像谱空间矩特征的轮胎老化视觉测量测设备以及专门的检测场所 检测方法成本高且适用面狭窄 不易推广 陈梦焱、崔雪红、姚广东提出一种预先训练好的张量流()深度学习框架的汽车轮胎监测系统 将胎压及采集图像作为输入 通过深度卷积网络()对轮胎磨损情况和气量进行分类 利用单次视觉识别模型()检测轮胎的破损、老化、起包变形等但是该方案需要大量样本参与训练 且只能对轮胎老化磨损程度作定性分类 无法定量测量 庞博维等利用在轮胎上安装轮胎花纹深度变化的传感器 及通过轮胎纹理深度与轮胎性能的函数关系得到轮胎性能信息 该方案需另外安装特别传感器在轮胎沟槽里 硬件比较复杂 不方便推广 叶海雄利用北斗/(全球定位系统)定位模块与 (通用分组无线服务)通信模块实现了一种轮胎智能安全管理系统 但仅限于轮胎压力、轮胎温度等数据测试 没有轮胎老化方面的测试上述文献的实验表明 随着轮胎的老化 其轮胎沟槽与侧边出现裂纹的数量、密度与深度也随着变大 呈现正相关特性 因此 如何从轮胎裂纹图像视觉特征出发 开发一套非接触式低成本的轮胎老化测量系统具有一定的商业意义图像二维离散傅里叶变换作为图像能量在频域分布的表现形式 在当前的图像分析与模式识别中广泛应用 由此 本文根据轮胎裂纹形态特征、密度分布与老化正相关的特性 从轮胎裂纹图像的频域高低频占比特征出发 衡量裂纹作为相对基准的崭新胎纹的占比变化 利用图像二维离散傅里叶变换与高斯滤波、轮廓提取、矩统计特征等技术 提出一种基于计算机视觉技术的定量测量办法 该方法对频谱图里的频率辅助变量 的幅值进行加权 并计算所有频谱分布的平均坐标位置 幅值大的坐标权重大 当图像裂纹较多较密时 统计出来的所有谱线的平均分布位置离远点较远 从而就可以频谱图坐标模与频谱幅值的一阶矩反映该图像裂纹数量与密度 从而得到轮胎老化的定量测量方法 该方法可以结合其他传感器 比如车牌识别、车辆跟踪等模块嵌入客运站的调度数据库系统实现完全的信息化、自动化检测与车辆安全调度管理 轮胎胎面及胎侧的轮廓提取当前在轮廓提取算法中 (边缘)检测器对图像轮廓求取采用了四个方向梯度的指数项和的泛函目标函数来描述 为了方便一次性求出四个方向梯度并避免逐个采用不同算子重复卷积 算法采用高斯函数的一阶导数作为水平与垂直的梯度卷积核 同时对初步检测的边缘采用了非最大抑制()、双阈值边缘滤波、滞后边界跟踪等处理干扰杂散的弱边缘比其他轮廓提取算法 如 、/等算子对图像的点噪声及弱边缘更具有鲁棒性 因此 本文以 算法作为轮胎胎面及胎侧轮廓的提取算法 高斯图像平滑为了尽可能减少噪声对边缘检测结果的影响 必须滤除噪声以防止由噪声引起的错误检测 同时限制图像的高频细节分量在一定的尺度空间内 使用高斯滤波器与图像进行卷积来平滑图像 以减少边缘检测器上的噪声影响 设本文采用的离散的高斯卷积核 为()()维 其元素计算方法为()()()其中:为方差 取 为高斯卷积核矩阵的维数 取 可得 高斯卷积核矩阵 采用该矩阵进行图像滤波 滤波前后对比如下(见图、图)黎明职业大学学报 年 月图 轮胎采集原图图 轮胎高斯模糊后 像素梯度的求取及方向归类为了方便计算四个方向的图像梯度 这里采用高斯函数一阶导数的离散化 算子分别得到图像水平梯度 和垂直梯度 相应地 图像梯度模和方向分别为 ()()图 轮胎裂纹 算子梯度图其中:为梯度强度 表示梯度方向 为反正切函数 梯度角度 范围从弧度 可得 梯度如图 所示 非极大值()抑制对梯度图像中每个像素进行非极大值抑制的算法经以下两个步骤实现)将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较)如果当前像素的梯度强度与另外两个像素梯度相比最大 则该像素点保留为边缘点 否则该像素点将被抑制 为了更加精确地计算 在跨越梯度方向的两个相邻像素之间 使用线性插值来得到要比较的像素梯度 如图 所示 图 算子梯度分割图图 中将梯度分为 个方向 分别为、其中 代表 代表 代表 代表 像素点 的梯度方向为 则像素点 和 的梯度线性插值、分别为()/()()()()()将图 中心所在像素梯度与梯度变化方向相邻像素的两个梯度、进行比较 以确定该像素是否为抑制边 由此可得轮胎裂纹的非极大值抑制结果 如图 所示 双阈值边缘标记及强边缘连通性跟踪利用梯度模长设置高低两个阈值来标记边缘强度 如果边缘像素的梯度值高于高阈值 则将其标记为强边缘像素 如果边缘像素的梯度值小于高阈值并且大于低阈值 则将其标记为弱边缘像素第 期郭宝英:二维图像谱空间矩特征的轮胎老化视觉测量如果边缘像素的梯度值小于低阈值 则标记为非边缘 最后跟踪边缘连接 查看弱边缘像素及其 个邻域像素 只要其中一个为强边缘像素 则该弱边缘点就可以保留为真实的边缘 从而抑制孤立的弱边缘点综上所述 利用 算法可得最终的轮胎纹理与裂纹轮廓(见图)图 轮胎裂纹轮廓的非极大值抑制图图 轮胎裂纹 轮廓图 轮胎轮廓图的二维离散傅里叶变换及老化裂纹频谱特征获取轮胎胎纹的轮廓后 为了排除裂纹方向分布随机性与长短等影响 应单独衡量裂纹的密度与数量 将裂纹的图像空间域变换至频域 图像空间域至频域的二维离散傅里叶变换公式为()()()()其中 ()代表一幅大小为 的图像对应灰度矩阵 和 ()表示 ()的傅里叶变换 若从三角函数表示方法看 其中 和 分别表示垂直和水平条纹的正余弦灰度变化频率 ()为图像频域表示 由 和 定义的 矩阵 也称为频域矩阵 ()为图像空间域表示 所定义的 矩阵称为空间域矩阵 可见 频域矩阵的大小与原空间域矩阵大小相同 频域矩阵中每个点代表一个亮度周期变化的条纹函数 这个条纹函数的斜度与周期由不同加权系数的水平频率 和垂直频率 的灰度条纹合成 这些函数在空间域的组合即为原函数 ()相应地 二维离散傅里叶逆变换公式为()()()()式()中:因此 给定()就可以通过逆(离散傅里叶变换)得到()在实际计算中 二维离散傅里叶变换 可通过计算两次一维的(快速傅里叶变换)来得到 在 之前先要对图像补零以满足 的 次方 具体来说 一个行 列的二维图像 ()先固定列并按行方向对变量 进行长度为 的一维离散傅里叶变换 再固定行按列的方向对变量 做一次长度为 的傅里叶变换 便得到该图像的傅里叶变换结果 即()(/)()(/)(/)()将式()分解开来先得到()再由()得到()由此可得:()()(/)()黎明职业大学学报 年 月()()(/)()变换后的频谱图中 横纵坐标分别为变量、对于二维信号有:()()对 图 频谱搬移前的裂纹轮廓频谱图于前述二维图像 其二维傅里叶变换结果如图 所示左上角()处为二维图像的 频率点 该点的值对应图像的平均灰度值 图 中四个角对应低频成分 中间区域为高频成分 低频区域的幅度值大于高频区域的幅度值 表明该信号的主要能量集中在低频区域为了能清楚地分析傅里叶频谱的情况 需要将()的原点移到 频域的中心 当 时 令上面平移公式中的 /则可得 ()/()()()()从而可得频谱移动与空间域位置变换关系为()()()(/)()式()表明 如果需要将图像傅里叶谱的原点从左上角()移到中心点(/)只要()乘上()()因子再进行傅里叶变换即可 如果 则 ()需要乘上 (/)为了使直流成分出现在图像中央 以便更清楚地查看二维图像的频谱 把画面分成四个部分并根据式()完成如图 左边所示的频谱移位图 频谱搬移原理说明图 的右边显示了频域原点回到中心后的频谱分布 根据上述步骤 可得频谱搬移后的裂纹频 图 频谱搬移后的裂纹频谱图谱图(见图)由图 可以看出 频谱移频到原点以后 图像的频率分布是以原点为圆心对称分布 图像低频能量聚集在中心处 同时 因裂纹与轮胎胎面的沟壑呈现水平与垂直的分布 故在频谱坐标轴的上下左右两端处也出现了部分亮点 这些距离中心较远区域的密集亮点代表着水平与垂直方向裂纹和轮胎本身胎纹的纹理高频灰度变化情况 由此说明 当轮胎老化程度增加 裂纹数量与密度增加将导致其对应的频谱在远离第 期郭宝英:二维图像谱空间矩特征的轮胎老化视觉测量中心任何区域的高幅值亮点密度与数量增加 这样便可以利用这些增加的谱线对其所在的频域空间位置(即 两个频率辅助变量的大小)进行加权累加得到总的能量分布位置(的平均值)从而得到总的分布位置离中心的距离(即模长)这样 就可以用统计方法得出该图像的高频分量从而得到轮胎老化程度的测量值 为方便比较与统计 选取同一型号的轮胎并按照其胎面沟壑及胎面不同老化程度 放在同样位置下分别采集各自图像并逐一进行轮廓提取与频谱提取 图、图 分别为轮胎面一般性老化和严重老化裂纹图 图、分别为轮胎沟壑的两种不同程度的老化裂纹图 图、为胎面一般性老化与严重老化裂纹轮廓提取图 图、为两种胎面老化对应频谱图 相应地 图 则为胎沟壑一般性老化与严重老化裂纹轮廓提取图 图、为两种胎沟壑老化对应频谱图图 胎面一般性老化图 胎面严重老化图 胎沟壑一般性老化图 胎沟壑严重老化图 一般性老化胎面裂纹轮廓提取图图 严重老化胎面裂纹轮廓提取图黎明职业大学学报 年 月图 一般性老化胎面裂纹频谱图图 严重老化胎面裂纹频谱图图 胎沟壑一般性老化裂纹轮廓提取图图 胎沟壑严重老化裂纹轮廓提取图图 胎沟壑一般性老化裂纹频谱图图 胎沟壑严重老化裂纹频谱图从图 的胎面频谱图可以看出 因胎面裂纹与胎面的纹理呈现横纵分布 故在频谱图里多数谱线的对应亮点分布在水平与垂直两个坐标轴附近 随着轮胎老化程度变大 纹理轮廓逐步向周围各个方向扩散 而这些在四周扩散的亮点代表更为密集的轮廓高频分量 同样 从图 可以看出 轮胎沟壑主要呈水平分布 对应的频谱则主要分布于垂直轴上 随着老化裂纹从沟壑逐渐扩散到胎面且方向随机化变大后 对应频谱图的亮点及高频分量环绕在距离较远处呈现圆环分布 可见 若对大于某一个阈值的谱线亮点的位置进行统计 当距离频域原点远的谱线越多 则以个数加权统计出来的谱线平均位置也会距离原点越远 通过测量该平均谱线距离频率原点的距离 可综合第 期郭宝英:二维图像谱空间矩特征的轮胎老化视觉测量反映出该图像高频分量的占比及图像复杂度 从而 可以从频域统计数字特征的角度来反映轮胎裂纹图像复杂度 频谱图一阶矩与裂纹分布特性图像的矩通常描述了该图像形状的全局特征 并被广泛地应用在各种图像处理、计算机视觉和机器人技术领域的目标识别与方位估计中 其中一阶矩与形状有关 二阶矩显示变量值分布围绕平均值的扩散程度 三阶矩则是关于平均值的对称性测量 矩是图像的统计特性 具有平移、伸缩、旋转均不变的不变性 将频谱图里的坐标、分别离散化为整数、设频谱幅度为 则根据零阶矩与一阶矩的定义 可得()()()()()那么图像的重心坐标为()则图像频谱一阶矩模长为()为了衡量且突出高频分量 以加强不同裂纹密集度的区分度 按照其与频谱中心的距离对这部分的频谱进行 幂次方的加权 同时选取谱线强度大于平均值的 倍作为阈值 对谱线进行二值化 小于该阈值的谱线舍弃不用 大于该阈值则保留为 从辅助频率分量 开始统计 从而滤掉直流分量且抑制图像低频分量的影响 突出高频分量 这样 便可求得频谱能量的平均分布 与 的位置 即 的分布位置 求得二者的模长可得到整个图像所有频率能量的的平均位置 裂纹密度大 数量多的裂纹其整个图像的频谱能量分布在距离低频原点较远的地方 中心坐标的模较大可以进行轮胎老化的定量测量 根据上述分析 将上述四种不同老化程度的轮胎图像一阶矩计算过程的参数(模)按照公式()()进行统计 结果见表 表 种不同老化程度轮胎的频谱图特征矩轮胎老化程度胎面一般性老化 胎面严重老化 沟壑一般性老化 沟壑严重老化 由表 可知 随着轮胎老化程度增加 计算出来的模 值也呈现增加趋势 反映了轮胎老化程度与裂纹正相关的特性 现场实测效果验证为了证明有效性 在 市 轮胎经营部采集了当前市面上 种不同老化程度的轮胎各 个共 个样本统计每组频谱一阶矩 为消除其他因素对衡量结果的影响 采集时对同类型轮胎在固定焦距、物距及明暗度条件下进行 样本的老化程度由人工事先标定 同一老化程度轮胎的频谱一阶矩平均值作为判断老化程度的基准 每种老化程度的测试数据则通过另外选择相同纹理的 个轮胎黎明职业大学学报 年 月进行测量 将实际测得的轮胎的频谱一阶矩特征值与各种老化程度样本平均值进行比较 并取与本测试轮胎最接近的平均值所对应老化程度作为该轮胎的老化程度 最后将计算判定的结果与人为归类结果进行比较 如表 所示表 不同老化程度轮胎频域样本一阶矩平均值及归类误差老化程度模长一阶矩平均值计算归类误判个数崭新 轻微老化 一般老化 重度老化 严重老化 由表 可知 轻微老化与一般老化各自出现误判 个 以测试数据总数为 计 则本文测量算法可以得到 准确的归类结果 表明了本文提出的测量方法除了定量衡量轮胎老化程度 同样适用于轮胎老化程度归类 可以满足一般的工业应用要求 结束语本文在轮胎经验更换周期的基础上 根据轮胎侧面排水侧与胎面龟裂数量密度与轮胎老化程度正相关的特性 及龟裂程度与频谱分布位置一阶矩的对应关系 提出定量测量龟裂程度的方法 该测量方法属于非接触式的机器视觉技术应用 成本较低 且无需专门检测设备与传感器等硬件装置方便安装 同时 该测量方法结合不同老化程度样本组的数据 还可以方便地建立不同种类轮胎不同老化程度的判别基准 可以推广到车辆的日检、季检、年检等轮胎安全检查专项中 实现交通信息管理的智能化与信息化 具有一定的工业应用价值参 考 文 献 曲晓红.基于汽车保有量增速持续放缓的汽车产业发展对策.时代汽车():.王文平.关于我国汽车检测行业现状及发展.时代汽车():.严循进.现代汽车检测与维修行业的现状及发展分析.价值工程():.徐洪磊龚巍巍.我国汽车检测与维护制度的实施现状及推进思路.汽车维修与保养():.符晓明.新时期汽车检测与维修技术创新发展探究.产业与科技论坛():.苏博张浩成.国内外轮胎整胎老化测试研究.橡塑技术与装备():.嵯峨信一关宇宏.减少车轮损伤的弹性结构型合成闸瓦.国外机车车辆工艺():.:.():.:.():.陈梦焱.基于 光图像的轮胎缺陷检测算法研究.上海:上海交通大学.崔雪红.基于深度学习的轮胎缺陷无损检测与分类技术研究.青岛:青岛科技大学.姚广东.基于深度学习的小样本集轮胎病疵检测技术研究.杭州:杭州电子科技大学.:.():.():.第 期郭宝英:二维图像谱空间矩特征的轮胎老化视觉测量 .():.庞博维崔敏 杨琨等.轮胎胎面磨损检测技术研究进展.无损检测():.叶海雄杨斌超匡兴红等.基于物联网轮胎花纹深度智能检测系统设计与实现.电子测量技术():.王冬云唐楚鄂世举等.基于导向滤波 和自适应 的图像边缘检测.光学精密工程():.():.:(责任编辑:东红 英文审校:杨秋娜)