基于改进Retinex与双CNNs的钢轨表面缺陷图像增强算法研究

来源：电子测量技术杂志2025年第13期北京时间：

作者：罗晖，章硕生，曾伟，张金华

单位：华东交通大学信息与软件工程学院 南昌 330013

摘要：在钢轨表面缺陷检测过程中，受光照不均、镜头抖动等外界因素的影响，采集的图像存在对比度低、背景不均匀和缺陷细节模糊等问题。为此，提出一种基于改进Retinex与双CNNs的钢轨表面缺陷图像增强算法。首先，将钢轨表面缺陷RGB图像转换为HSV空间后，采用引入均值和均方差，加入控制图像动态参数的Retinex算法，实现V分量对比度的调整，再通过自适应伽马变换校正图像曝光；其次，对S分量根据亮度进行自适应非线性增强，解决光照变化带来的背景不均匀问题；然后，为了进一步解决镜头抖动产生的缺陷图像细节模糊问题，设计了基于U-Net结构的去模糊子网络和超分辨细节恢复子网络组成的双CNNs网络，学习原始图像和增强后图像的语义特征，并提取其纹理特征，以获取高质量图像的纹理和细节信息。最后，采用RSDDs数据集和自制钢轨表面缺陷模糊图像数据集对模型进行训练和测试。实验结果表明，与现有的主流算法相比，峰值信噪比和结构相似性分别提高了2.61 dB和0.026，在视觉上较另外10种方法获得的钢轨表面缺陷图像具有较高的对比度、清晰的缺陷细节和丰富的纹理信息。

关键词：钢轨表面缺陷;HSV;改进Retinex;图像增强;双CNNs;去模糊

基金资助：国家自然科学基金(62262021)、江西省重点研发计划(20244BBG73002)项目资助