基于Retinex模型和GTV的铁路货车铸件DR图像增强

铁路运输已成为我国最重要的运输方式之一,铁路货车部件(摇枕、侧架等)的铸造缺陷(气孔、裂纹等)可能造成交通事故。由于铁路铸件自身的不均匀性会导致原始DR图像灰度不均,不易捕捉缺陷细节,因此需要对原始DR图像进行图像增强等操作检测缺陷。基于Retinex模型,同时考虑目标的光照强度和材质信息,将图像分解为光照图和反射图。基于高斯全变分(GTV)的保护图像边缘滤波器可以平滑光照图像,并且可以移除光照图的纹理细节,因此缺陷等细节就暴露在反射图中。对于铁路货车铸件的缺陷识别问题,结合Retinex和GTV方法,提出一种改进的Retinex增强模型,利用GTV和基于纹理感知的加权项对Retinex分解过程中的光照图和反射图进行正则化。此外,用交替优化算法求解该模型。最后,将能够反映图像缺陷细节的反射图作为最终增强图像。此方法得到的图像不仅保留了图像的结构信息,还明显暴露了图像的缺陷细节。实验结果表明,与其他已有的模型相比,该模型增强缺陷效果显著,此外,该模型提高了DR图像的信息熵、平均梯度等量化指标。与原图相比,增强后图像的信息熵提高了8%以上,平均梯度至少提高为原来的6倍。此方法提高了DR图像检测缺陷的能力,可以应用于铁路货车铸件等无损检测领域。