摘 要：根据高速铁路路基的较高光辐射反射率，提出了一种基于数学形态学的图像二值化检测方法。计算机仿真证明，该方法能快速提取出高速铁路图像。
关键词：光辐射反射率; 高速铁路; 形态学; 二值化

为了使列车高速平稳前进，高速铁路采用的是无砟轨道铺设模式，即用水泥混凝土材料来铺设基础路面。水泥路面在所有地面性质中光辐射反射率是最大的[1]。利用这一特性，本文对现有的图像二值化算法进行了讨论，提出了一种基于数学形态学的图像二值化方法。仿真结果表明，该方法能够较快地检测提取出高速铁路地物图像。
1 图像二值化原理
　图像二值化是数字图像处理技术中的一项基本技术，也是许多图像处理技术的预处理技术，它是指用灰度变换来研究灰度图像的一种常用方法，即设定某一阈值,将灰度图像的像素分成大于阈值的像素群和小于阈值的像素群两部分。图像二值化在自动目标识别(ATR)、图像分析、文本增强以及光学字符识别(OCR)等图像处理中得到广泛应用。现有的二值化方法大多属于阈值化方法，而在不同的应用中，阈值的选取决定着图像特征信息的保留。因此，阈值选取的方法非常值得研究，阈值选取得当不仅能够保留图像中有用的信息，而且还可以缩短运行时间。

　 阈值[2]是把目标和背景区分开的标尺，选取适当的阈值就是既要尽可能保存图像信息，又要尽可能减少背景和噪声的干扰，这是选择阈值的原则。灰度图像的二值化处理有很多种方法，主要分为全局阈值法和局部阈值法，本文采用全局阈值法。

由于Sobel算子是滤波算子的形式，用于提取边缘，可以利用快速卷积函数，简单有效，因此应用广泛。不足的是，Sobel算子并没有将图像的主体与背景严格地区分开来，即Sobel算子没有基于图像灰度进行处理，没有严格地模拟人的视觉生理特征，因此提取的图像轮廓有时并不能令人满意。
4 计算机仿真
对某一段高速铁路进行仿真检测。实验环境为：Intel Pentium Dual E5400 2.7 GHz CPU，2 GB内存，Windows XP操作系统。实验结果如图2所示，其中图2(a)为原始图像，图2(b)为二值化之后的图像，图2(c)为采用本文提出的方法检测提取的结果，图2(d)为基于边缘检测的方法检测的结果。采用本文方法和与采用基于边缘检测方法的对比结果如表1所示。

从检测提取结果中可知，本文的基于形态学的二值化方法可以较快地检测提取出高速铁路等地物，可轻松地判别被检测地物的概略位置；基于边缘检测的二值化方法虽然也能检测出地物，但是断点较多，此外，因为高速铁路的图像中含有大量的农田、道路，所以利用该算子会提取到很多边界信息，不但降低了检测速度，而且处理后的图像不容易提取出高速铁路。
本文利用数学形态学方法处理二值化图像，并使用灰度膨胀方法,最终检测提取出高速铁路图像，得到较好的效果。但是该方法对实验平台要求较高，以后研究的方向是在低配置实验平台上采用此方法。
参考文献
[1] 王大鹏，傅智，房建宏,等.太阳辐射对青藏高原不同路面类型表面热状况及其下伏多年冻土的影响[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，刘杰，孙可.Sobel边缘检测的细化[J].沈阳师范大学学报(自然科学版),2010(4)：503-505.