随着列车运行的高速化和重载化的增加，轮对踏面损伤现象日益频繁，轮对踏面出现损伤会导致轮轨间的冲击力瞬间升高，从而严重威胁到高速列车的运行安全和车轨设备的安全和使用寿命[1-2]。自上世纪80年代初，国内外专家和学者对轮对踏面的损伤在线检测方面做了大量研究，并取得丰硕成果。起初罗马尼亚研制了车轮外形磨耗自动检测装置，并对获取的图像进行分析，由于受到图像采集速率与数据处理能力的限制，该系统只适用于低速检测。后续欧美等国家相继采用振动加速度法[3]和冲击载荷法等[4]对轮对踏面进行分析研究。国内研究起步较晚，采用非接触光电检测方法[5]、压电加速度传感器[6]、振动加速度法、超声波探伤法[7]和平行四边形法等对轮对踏面损伤情况进行检测。其中振动加速度技术安装结构简单，但是测量精度低；超声波技术测量效果好，但技术难度大，其他检测方法也出现了不同程度的局限性。为此，机器视觉技术的发展为之提供了一种切实可行的检测方法。文中提出一种改进的Canny算子，该改进的算法能够有效的保留更多踏面边缘信息，并抑制虚假边缘，从而很大程度上将踏面损伤真实情况再现，并且避免了人工漏检、误检问题，同时也为高速列车安全运行提供有效保障，所以具有十分重要的研究意义与实际应用价值。

1 Canny算子边缘检测算法

1.1 Canny算子的理论基础

John F .Canny在1986年提出了一种多级边缘检测算法[8-9]，该算法是高斯函数的一阶导数，是对信噪比和定位精度之乘积的最优逼近算子，在处理含有高斯噪声图像得到广泛应用[10]。根据优良边缘检测算子的3个准则来评价该算法的优越性。

(1）最佳信噪比准则：即低错误率，所有的真实边缘被准确判断，将虚假边缘误判的概率尽可能的小。信噪比越高则越好。

(2）高定位精度准则：即已经检测到的边缘点应该与真实边缘点之间的距离最小。

(3）单一边缘响应准则：即单个边缘点只响应一次，不能产生多次响应，最大限度的抑制虚假边缘响应。

1.2 Canny边缘检测算法步骤

(1）高斯滤波平滑处理图像即消除噪声，用二维高斯函数对灰度图像f(x,y)进行卷积运算，从而得到平滑图像I(x,y)，见式（1），高斯函数表达式见式（2）：

式中：σ为方差，会影响定位精度和信噪比，且控制着图像的平滑程度[11]。

(2）计算梯度幅值和方向，传统的Canny算子用2×2领域内一阶偏导的有限差分来计算经高斯平滑处理后图像I(x,y)的梯度幅值M(x,y)和方向θ，分别见式（3）、式（4）：

式中：梯度分量Gx、Gy的确定分别见式（5）、式（6）：

(3）梯度幅值非极大值抑制（NMS，non-maximum suppression），用来排除非像素点，判断像素点的灰度值在其8领域内是否最大，若是，把该像素点作为候选的边缘点；反之，将M(x,y)灰度值置0，剔除非边缘点[11]。

(4）双阈值算法检测和连接边缘，经非极大值抑制可得到梯度幅值矩阵，人为的设定初始高低阈值Th和Tl，根据所设定的高低阈值将梯度图像分为2个阈值边缘图像，由高阈值分割后的图像，不包含虚假边缘，但是图像轮廓有间断，所以采用低阈值来弥补高阈值带来轮廓边缘间断的缺陷，直到用高阈值分割后的图像轮廓边缘闭合为止，进而得到低阈值边缘图像[12-13]。

2 改进的Canny算子

2.1 双边滤波

在采用传统的Canny算子对图像滤波去噪时，由高斯滤波函数可知，其方差σ在处理不同图像时，需要人为的设定不具有自适应性，所以会导致图像边缘信息的模糊化，进而使整个图像模糊不清，同时还会丢失大量的边缘信息。为了克服以上问题，文中采用的双边滤波算法代替高斯滤波，在滤波去噪的同时还能保留大量的边缘信息[14]。

双边滤波（bilateral filter），具有双重滤波作用，是1种非线性的滤波器，相比高斯滤波器多1个高斯方差，在处理区域内相邻各像素值时，同时考虑到各像素值几何邻近关系和亮度上的相似性，然后将二者非线性组合，自适应滤波后达到保留边缘去除噪声的目的[10]。

双边滤波器领域像素值的加权值组合决定了输出的像素值，对含有噪声的图像p(i,j)处理后的图像为g(i,j)，见式（7）：

式中：p(i，j)为输入图像；g(i，j)为输出图像；Sx,y表示像素中心点(i，j)的（2N+1）×（2N+1）领域大小；ω(i，j)为权值，其包含两部分：ωs(i，j)和ωr(i，j)，分别见式（8）、式（9）：