机车轮对轮缘磨耗是影响其运行平稳性和安全性的重要因素,是轮对几何尺寸的关键参数。国外已成功地研制出一些动态测量轮缘磨耗的装置,所应用的方法主要是基于图像测量技术、超声遥测非接触法、高速扫描图像法[1]，这些方法虽然稳定可靠，但其造价高、技术难度大，因此，国内铁路部门一直没有大范围引进国外设备。而我国学者目前研究的轮缘磨耗测量方法主要有接触式自动测量方式，电涡流传感器[2]、激光位移传感器非接触测量方式[3]，这几种方式属于静态检测的方法，检测强度大，占用机车周转时间，无法及时了解车轮运行中的质量状况。目前，我国段修部门大多数仍然靠手工采用游标卡尺的检测方式测量轮缘磨耗，测量精度和可靠性都低。为此，本文借鉴国外成功经验，使用基于光截法图像测量技术成功地为某车辆段研制了一套动态轮对轮缘磨耗测量装置，其中轮对踏面光截曲线图像分割是光截法图像测量技术的关键步骤之一，其分割精度直接影响到后续的精确测量。
    阈值分割作为图像分割的典型算法,广泛应用于图像处理和计算机视觉领域[4]。常用的阈值分割方法有:直方图双峰法、最大熵法、矩量保持法、梯度统计法、一维最大相关准则法[5]以及这些方法在二维中的推广方法。这些方法中，一维最大相关准则以其运算简单、分割效果好、适用范围广而得到了广泛应用。
    一维最大相关准则法MCC(Maximum  Correlation Criterion)是由YEN[6]等人提出的，该方法以图像的一维直方图为依据，以目标和背景的相关总量为最大选择阈值，在很多情况下取得了很好的阈值。但在实际应用中，当图像信噪比降低时，应用一维最大相关法将产生很多分割错误，为此，2005年陈修桥[7]等人将一维MCC阈值分割法推广到二维。二维MCC阈值分割法应用二维直方图，不仅反映了灰度分布信息，还反映了邻域空间相关信息，使分割效果得到了明显改善，但是存在计算量大，耗时太长，难以实用。为了解决这一个问题，本文提出运用量子粒子群优化算法[8]来代替穷尽搜索，求解二维最大相关准则阈值，提高了算法的实用性。
1 光截法测量原理
    在检修轮缘时，主要通过测量轮缘厚度、踏面磨耗来判断轮缘的磨耗程度。图1是轮缘轮廓示意图。基点距内侧面基准70 mm外踏面上的一点，基点与轮缘顶点之间的高度称为轮缘高度；实际轮缘高度与标准轮缘高度之差称为踏面磨耗。

    其测量原理如图2所示。在车轮行进过程中，激光线光源沿踏面法线方向照射在车轮表面，形成从轮对踏面光截曲线，光截曲线记录了车轮外形尺寸的信息，轨道外测与光平面成一定夹角的高速面阵CCD摄像机采集踏面光截曲线图像，然后对所获得的图像进行分析，以提取轮缘和踏面的实测曲线，经校正后与已建立的标准车轮曲线比较,从而得出轮缘磨耗状况等各个参数。

2 二维最大相关准则阈值分割
    综合运用点灰度-区域灰度特征可以较好地表征图像信息，二维最大相关准则阈值法正是立足于此，其具体计算方法如下。
 


4 轮对踏面光截曲线图像分割
    结合二维MCC阈值分割和QPSO算法，设粒子为(s,t)，适应度函数为TC(s,t)(其中求解的解空间为图像中像素的分布空间)。通过图像求解二维直方图，然后按照QPSO算法标准流程进行解的寻优，搜索出使TC(s,t)取得最大值的(s*,t*)，根据所求的(s*,t*)作为图像分割阈值对整幅图像进行阈值分割,对落在区域A的像素分割为目标，其余的为背景。
    为了验证本文算法的有效性，以背景反光和噪声干扰比较严重的一幅真实轮对踏面光截曲线图像(图像大小为768×576，灰度级256)为例，用VC++6.0在P4 2.4 GHz,内存512 MB的微机上进行阈值分割实验。实验量子粒子群优化算法的参数设置为:粒子群规模数m＝30，终止条件的最大迭代次数设为100，常数z=0.9。与Ostu法、一维MCC阈值分割、二维MCC阈值分割结果进行了比较,其结果如图4所示。

    图4(a)是背景反光和噪声干扰比较严重的一幅光截曲线图像，图4（b）、(c)、(d)、(e)分别是Ostu法、一维MCC阈值法、穷尽搜索的二维MCC阈值法和本文提出的快速阈值分割法的分割结果。从图4(c)可以看出，基于一维MCC分割法分割效果差，图像中过多背景和噪声干扰被误分为目标，以至于无法进行后续的图像处理和图像测量。从图4(d)、(e)可以看出，基于二维MCC法分割和本文算法分割结果几乎相同，分割效果明显优于一维MCC分割法。这是因为当图像信噪比降低时，一维MCC算法不能完整地反映图像的局部空间信息，阈值对噪声很敏感，造成阈值不好确定，分割的质量下降，二维MCC法分割和本文方法充分利用了图像的灰度分布信息和局部信息，有效地抑制了噪声和背景干扰的影响，因此分割效果得到了明显改善。
    表1是图4的四种分割方法的分割阈值和运行时间。从计算速度上，由于Ostu法和一维MCC法是一维寻优，只在256个灰度级范围内搜索阈值，所以阈值分割所需的计算时间很少。从分割效果上看,二维MCC算法明显优于Ostu法和一维MCC法,但是二维MCC算法是二维寻优，运算量呈指数倍增长,耗时长，难以实用。从图5可以看出，用本文算法实现车轮外形光截曲线图像分割，在粒子群规模为10时，平均进化不到第10代已收敛到最佳阈值。从表1可以看出，本文算法的实际计算时间为1.584 6 s,远远小于穷尽搜索的二维MCC阈值法。

    对信噪比低的踏面光截曲线图像，二维MCC阈值分割法充分利用了图像的像素信息和像素的邻域空间相关信息，能够对噪声具有一定抑制能力，其分割效果明显优于一维MCC阈值分割法。针对二维MCC阈值分割法存在搜索空间大，计算量大的缺点，运用量子粒子群算法实现高效寻优，找到图像阈值向量，有利于图像分割的实时处理。通过对实际获取的轮对踏面光截曲线分割实验表明，本文方法是一种有效的踏面轮对光截曲线图像分割方法。
参考文献
[1] 张渝, 王黎.国内外车轮踏面损伤检测技术综述[J].机车车辆工艺,2002(1):1-8.
[2] 涂军，周文祥，左建勇,等.轮对外形非接触式自动测量系统的研究[J].机车电传动，2004(3)：47-52.
[3] 左建勇,周文祥,曾京,等. 应用激光传感器测量轮辋尺寸的实验研究[J].铁道车辆，2002,40(2):11-13.
[4] 郝颖明,朱枫.2维Otsu自适应阈值的快速算法[J].中国图像图形学报，2005，10(4):484-488.
[5] 韩思奇,王蕾.图像分割的阈值法综述[J].系统工程与电子技术,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] 陈修桥,胡以华.二维最大相关准则图像阈值分割递推算法[J]. 计算机工程与应用,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.