0 引 言
随着铁路运输的不断发展和我国铁路中长期发展规划和战略的实施，铁路运输在国民经济生活中的重要性逐渐凸显。于此背景下一些铁路相关技术亟需改进。相较于传统的火车识别，本文从机器视觉和图像处理等技术为出发点提出一种区别于以往的基于数字图像处理的识别方法。
1 火车识别技术
基于传感器技术的传统方式主要有：感应线圈式、电接触式、超声波式、红外感应式。以上是几种在目前的交通检测中普遍应用的识别方式，但是上述方式有以下缺点：安装复杂、检测参数单一、获取参数不够直观等。
随着软件和硬件技术的不断进步，基于机器视觉和图像处理技术的检测技术逐步成为目前的研究主流。
数字图像处理（digital image processing）也称作计算机图像处理，是指将图像信号提取转换为数字格式并且利用计算机处理的过程[1].
数字图像是指将模拟图像数字化、以像素为基本元素、可用计算机存储和处理的一个二维数组。这个数组的元素即为像素，它的值是整数，被称为灰度值。图像处理技术的内容主要包括图像压缩、图像增强和复原、图像匹配、描述和识别。常见的数字图像处理有图像数字化、图像增强、复原和图像分割、分析等。相较于光学方法或者模拟技术，数字图像处理以其精确、灵活、方便成为图像处理的主要手段。
数字图像处理具有如下特点：处理精度高，处理内容丰富，灵活性和再现性好，适用面广；图像数据量大，处理量大。
2 系统构成与图像处理
根据识别要求和数字图像处理特点设立我们的工作流程：通过架设在轨道上方的高速摄像机捕捉经过轨道的车辆正面影像，通过一系列图像处理过程，如图像增强、边缘锐化、特征提取等得到处理后的数据。其中图像采集卡能解码并数字化视频输入，RGB 数字图像信号存入帧存，并通过 PCI 读入 EMS 内存[2].图像数据经由通信模块与后端设备数据库中的录入数据对比，从而确定经过车辆的型号及运行参数等一系列数据，提供给控制系统以决策车辆下一步的操作，最后再经由通信模块将决策传输给车辆。从而提高车辆运行的智能化程度和可靠性。识别系统的结构。
由上可知图像处理在识别过程中处于极为重要的地位，直接决定着识别的正确性和精确性。以下我们讨论识别过程中的图像处理。我们假设摄像机抓取的火车图像储存于 E:\tu,格式为 jpg.
图像读取：
clea［r］］］
close all;
a=imread（‘E:\tu.jpg’）
imshow（a）;
去除噪声，在此我们选择中值滤波：
clear
close all;
I=imread（‘E:\tu.jpg’）;
imshow（I）;
H=rgb2gray（I）;
figure
imshow（H）;
K=medfilt2（H，［7 7］）;
figure
imshow（K）;
figure
imhis（tK）;
M=imadjus（tK，［0.15 0.9］，［0 1］）;
figure
imshow（M）;
figure
imhis（tM）;
为了增加图像参数的直观性，在上述程序中加入了
灰度直方图显示
锐化：
clear
close all;
a=imread（‘E:\tu.jpg’）;
imshow（a）；
a=double（a）;
[x，y]=gradien（ta）;
G=sqr（tx.*x+y.*y）;
figure
imshow（G）;
边缘检测：
clear
close all;
a=imread（‘E:\tu.jpg’）;
imshow（a）;
b（:，:，1）=a（:，:，3）;
b（:，:，2）=a（:，:，1）;
b（:，:，3）=a（:，:，2）;
figure
imshow（b）;
c=rgb2gray（b）;
figure
imshow（c）;
d=edge（c‘，canny’，0.24）;
figure
imshow（d）;
边缘中包含可以用于图像处理和识别的目标边界信息，是图像的最基本特征。边缘是图像中灰度值剧烈变化的区域边界，可以用灰度分布的梯度来衡量图像灰度值的变化，因此可以用细部图像微分技术来获取边缘检测算子[3].边缘检测算子有 Sobel 算子和拉普拉斯算子，在此不做具体阐述。
经过一系列的处理，由原始的视觉图像转化为易于比较和计算机识别的参数。通过与后端设备中已知数据的比较和后期处理从而为控制系统的决策提供支持。
3 结 语
本文将机器视觉和图像处理与火车识别相结合，提出了一种较为新颖和具有实用性的识别手段。但系统识别本身就是一门较为全面的系统科学，本文着重于提出一种可行的火车识别方法以及具体的数字图像处理措施。在摄像机捕捉移动物体、数据比较、数据通信和接口及各子系统的匹配兼容等具体内容方面仍有较广阔的研究空间。
参考文献：
[1] 崔屹。数字图像处理技术与应用[M].北京：电子工业出版社，1997.
