第20卷第2期2023年2月铁道科学与工程学报JournalofRailwayScienceandEngineeringVolume20Number2February2023基于Retinex模型和GTV的铁路货车铸件DR图像增强任雨霞1,2，曾理1,2(1.重庆大学数学与统计学院，重庆401331；2.重庆大学工业CT无损检测教育部工程研究中心，重庆400044)摘要：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。关键词：铁路货车铸件；缺陷检测；图像增强；Retinex模型；高斯全变分中图分类号：U216.3；TP391.4文献标志码：A开放科学(资源服务)标识码(OSID)文章编号：1672-7029（2023）02-0706-08DRimageenhancementofrailwayfreightcarcastingsbasedonRetinexmodelandGTVRENYuxia1,2,ZENGLi1,2(1.CollegeofMathematicsandStatistics,ChongqingUniversity,Chongqing401331,China;2.EngineeringResearchCenterofIndustrialComputedTomographyNondestructiveTestingoftheEducationMinistryofChina,ChongqingUniversity,Chongqing400044,China)Abstract:RailwaytransportationhasbecomeoneofthemostimportanttransportationmodesinChina.Castingdefects(pores,cracks,etc.)ofrailwayfreightcarparts(suchaspilloworsideframe)maycausetrafficaccidents.Sincetheinhomogeneityoftherailwaycastingscouldc...
