本發(fā)明屬于圖像處理技術(shù)領(lǐng)域。特別涉及一種基于圖像處理的管道液體泄漏監(jiān)測方法。

背景技術(shù)：

近些年來，管道運輸憑借著其平穩(wěn)連續(xù)、安全性好、運輸量大、質(zhì)量易保證、物料損失少、占地少和運費低等優(yōu)點已成為石油等液體運輸?shù)氖走x方式。然而，由于外界不利環(huán)境和管道服役時間長導(dǎo)致的運輸管道老化會使管道產(chǎn)生裂紋，進而導(dǎo)致管道中所運輸?shù)囊后w發(fā)生泄漏，從而造成重大的經(jīng)濟損失，同時影響著周圍的自然環(huán)境。

隨著攝像頭拍攝精度的提高，所拍攝的圖像和視頻可以包含更多的細(xì)節(jié)信息。把拍攝的高精度圖像用在更加復(fù)雜和精細(xì)的環(huán)境里，如管道液體泄漏的監(jiān)測。工作人員在面對大量的視頻和圖片數(shù)據(jù)時，很難有足夠的精力和時間去觀察管道是否發(fā)生泄漏，所以不可能第一時間發(fā)現(xiàn)管道泄漏，并作出相應(yīng)的應(yīng)對措施，并且對細(xì)微的狀態(tài)改變很難鑒別出來，如泄漏流量微小時。且用肉眼觀測的方法會消耗大量的人力和物力資源，造成資源浪費。

“一種監(jiān)控攝像設(shè)備異常檢測的系統(tǒng)及方法”(cn101765025a)專利技術(shù)，該技術(shù)需要對圖像進行精確配準(zhǔn)處理，沒有考慮監(jiān)控設(shè)備在使用期間有輕微的抖動情況。所以很難防止由于攝像機出現(xiàn)較小的抖動而出現(xiàn)的不準(zhǔn)確性的情況。“一種基于機器學(xué)習(xí)的視頻異常檢測方法”(cn103763515a)專利技術(shù)，該技術(shù)對異常狀態(tài)的識別具有較高的精度和準(zhǔn)確性，但是它需要對異常視頻進行學(xué)習(xí)，具有較高的計算復(fù)雜度，增加了處理視頻的時長。

技術(shù)實現(xiàn)要素：

本發(fā)明旨在克服現(xiàn)有技術(shù)缺陷，目的是提供一種精度高、方法簡單、處理過程短、適應(yīng)性強和能在線實時監(jiān)控的基于圖像處理的管道液體泄漏監(jiān)測方法。

為了完成上述任務(wù)，本發(fā)明采用的技術(shù)方案的具體步驟是：

第一步、從待檢測視頻中截取一幀管道未發(fā)生泄漏時的彩色rgb圖像y；采用灰度圖像算法將所述管道未發(fā)生泄漏時的彩色rgb圖像y進行灰度變換，得到管道未發(fā)生泄漏時的灰度圖像y；所述灰度圖像算法是：

gray＝r×0.299+g×0.587+b×0.114(1)

式(1)中：r表示彩色rgb圖片的紅色分量；

g表示彩色rgb圖片的綠色分量；

b表示彩色rgb圖片的藍(lán)色分量。

第二步、從所述待檢測視頻中的第1幀rgb彩色圖像起，取每l幀rgb彩色圖像為一個待檢測視頻段，從第一個待檢測視頻段開始逐個檢測每個待檢測視頻段，每個待檢測視頻段的檢測方法為第三步～第五步。

在所述待檢測視頻段中每n幀rgb彩色圖像取一幀rgb彩色圖像為待檢測圖像，有m幀待檢測圖像，則m×n＝l，其中：n為2～100自然數(shù)，m為10～1000的自然數(shù)。

第三步、用式(1)將所述m幀待檢測圖像轉(zhuǎn)為灰度圖像，得到待檢測灰度圖像集合q1。

第四步、將所述管道未發(fā)生液體泄漏時的灰度圖像y與所述待測灰度圖像集合q1中的每一幅圖像做去抖動處理，得到m幅差值圖像；然后對所述m幅差值圖像取平均值，得到1幅平均值圖像z。

第五步、對所述平均值圖像z進行二值化處理，得到二值化處理后的圖像z；所述二值化處理的算法是：

式(2)中：value表示二值化處理后圖像z的像素值；

p表示平均值圖像z中的原像素值；

tthreshold表示設(shè)定的二值化閾值，tthreshold為10～200的自然數(shù)。

第六步、若二值化處理后的圖像z中所有像素值之和小于設(shè)定的警示閾值k，則所述待測視頻段未發(fā)生管道液體泄漏；若二值化處理后的圖像z中所有像素值之和大于設(shè)定的警示閾值k，則所述待測視頻段已發(fā)生管道液體泄漏。

所述設(shè)定的警示閾值k為2550～100000的自然數(shù)。

所述去抖動處理是：取灰度圖像中的一個像素點p，所述像素點p在灰度圖像中的位置坐標(biāo)為(a,b)；在管道未發(fā)生泄漏時的灰度圖像y中取中心為(a,b)，大小為m×m的像素塊p1；把所述像素點p與所述像素塊p1中的每個像素相減，得到大小為m×m的矩陣p2；取矩陣p2中絕對值最小值所在位置作為管道未發(fā)生泄漏時的灰度圖像y中像素點p的最佳匹配點的位置；把矩陣p2中絕對值最小的值作為像素點p與管道未發(fā)生泄漏時的灰度圖像y中的最佳匹配點的差值。

將所述灰度圖像中其余像素點都做上述處理，得到差值圖像。

由于采用上述技術(shù)方案，本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點：

本發(fā)明所提出的基于圖像處理的管道液體泄漏監(jiān)測方法使用簡單，只要求工作人員標(biāo)定出未發(fā)生管道液體泄漏的狀態(tài)，就能快速檢測出是否出現(xiàn)管道液體泄漏。

本發(fā)明采用了去抖動處理技術(shù)，對管道液體泄漏的監(jiān)測精度高，尤其是對于在外界環(huán)境不穩(wěn)定時攝像機產(chǎn)生的微小抖動具有較好的魯棒性，適應(yīng)性強。

本發(fā)明所運用的判定方法無需對管道發(fā)生液體泄漏時的圖像進行特殊訓(xùn)練和學(xué)習(xí)，大大降低了復(fù)雜度，縮短了處理的時長。

本發(fā)明能夠獨立判斷單幅待測圖像的狀態(tài)，滿足在線實時檢測的要求，能在短時間內(nèi)發(fā)現(xiàn)管道液體泄漏，并作出報警，從而增加了檢測的可靠性，能極大的縮減人工成本。

因此，本發(fā)明具有精度高、方法簡單、處理過程短、適應(yīng)性強和能實現(xiàn)在線實時監(jiān)測的特點。

附圖說明

圖1為本發(fā)明的一幀管道未發(fā)生液體泄漏時的灰度圖像y；

圖2為一種灰度圖像集合q1中的一幅圖像；

圖3為圖2所示圖像的二值化處理后的圖像；

圖4為本發(fā)明的另一幀管道未發(fā)生泄漏時的灰度圖像y；

圖5為另一種灰度圖像集合q1中的一幅圖像；

圖6為圖5所示圖像的二值化處理后的圖像。

具體實施方式

下面結(jié)合附圖與具體實施方式對本發(fā)明做進一步的描述，并非對其保護范圍的限制：

實施例1

一種基于圖像處理的管道液體泄漏監(jiān)測方法。本實施例所述監(jiān)測方法的具體步驟是：

第一步、從待檢測視頻中截取一幀船艙管道未發(fā)生泄漏時的彩色rgb圖像y；采用灰度圖像算法將所述管道未發(fā)生泄漏時的彩色rgb圖像y進行灰度變換，得到如圖1所示的管道未發(fā)生泄漏時的灰度圖像y；所述灰度圖像算法是：

gray＝r×0.299+g×0.587+b×0.114(1)

式(1)中：r表示彩色rgb圖片的紅色分量；

g表示彩色rgb圖片的綠色分量；

b表示彩色rgb圖片的藍(lán)色分量。

第二步、從所述待檢測視頻中的第1幀rgb彩色圖像起，取每100幀rgb彩色圖像為一個待檢測視頻段，從第一個待檢測視頻段開始逐個檢測每個待檢測視頻段，每個待檢測視頻段的檢測方法為第三步～第五步。

在所述待檢測視頻段中每4幀rgb彩色圖像取一幀rgb彩色圖像為待檢測圖像，有25幀待檢測圖像。

第三步、用式(1)將所述25幀待檢測圖像轉(zhuǎn)為灰度圖像，得到待檢測灰度圖像集合q1，圖2為所述待檢測灰度圖像集合q1中的一幅圖像。

第四步、將所述管道未發(fā)生液體泄漏時的灰度圖像y與所述待測灰度圖像集合q1中的每一幅圖像做去抖動處理，得到25幅差值圖像；然后對所述25幅差值圖像取平均值，得到1幅平均值圖像z。

第五步、對所述平均值圖像z進行二值化處理，得到如圖3所示的二值化處理后的圖像z；所述二值化處理的算法是：

式(2)中：value表示二值化處理后圖像z的像素值；

p表示平均值圖像z中的原像素值；

tthreshold表示設(shè)定的二值化閾值，tthreshold的值為40。

由圖3可得，二值化處理后的圖像z的像素值之和為25755。

第六步、本實施例設(shè)定的警示閾值k為2295，二值化處理后的圖像z中所有像素值之和為25755，即所述二值化處理后的圖像z中所有像素值之和大于設(shè)定的警示閾值k，則判定所述待測視頻段已發(fā)生管道液體泄漏，并向船艙管道工作人員發(fā)出警報。

所述去抖動處理是：取灰度圖像中的一個像素點p，所述像素點p在灰度圖像中的位置坐標(biāo)為(a,b)；在管道未發(fā)生泄漏時的灰度圖像y中取中心為(a,b)，大小為3×3的像素塊p1；把所述像素點p與所述像素塊p1中的每個像素相減，得到大小為3×3的矩陣p2；取矩陣p2中絕對值最小值所在位置作為管道未發(fā)生泄漏時的灰度圖像y中像素點p的最佳匹配點的位置；把矩陣p2中絕對值最小的值作為像素點p與管道未發(fā)生泄漏時的灰度圖像y中的最佳匹配點的差值。

將所述灰度圖像中其余像素點都做上述處理，得到差值圖像。

實施例2

一種基于圖像處理的管道液體泄漏監(jiān)測方法。本實施例所述的監(jiān)測方法的具體步驟是：

第一步、從待檢測視頻中截取一幀船艙管道未發(fā)生泄漏時的彩色rgb圖像y；采用灰度圖像算法將所述管道未發(fā)生泄漏時的彩色rgb圖像y進行灰度變換，得到如圖4所示的管道未發(fā)生泄漏時的灰度圖像y；所述灰度圖像算法是：

gray＝r×0.299+g×0.587+b×0.114(1)

式(1)中：r表示彩色rgb圖片的紅色分量；

g表示彩色rgb圖片的綠色分量；

b表示彩色rgb圖片的藍(lán)色分量。

第二步、從所述待檢測視頻中的第1幀rgb彩色圖像起，取每300幀rgb彩色圖像為一個待檢測視頻段，從第一個待檢測視頻段開始逐個檢測每個待檢測視頻段，每個待檢測視頻段的檢測方法為第三步～第五步。

在所述待檢測視頻段中每10幀rgb彩色圖像取一幀rgb彩色圖像為待檢測圖像，有30幀待檢測圖像。

第三步、用式(1)將所述30幀待檢測圖像轉(zhuǎn)為灰度圖像，得到待檢測灰度圖像集合q1，圖5為所述待檢測灰度圖像集合q1中的一幅圖像。

第四步、將所述管道未發(fā)生液體泄漏時的灰度圖像y與所述待測灰度圖像集合q1中的每一幅圖像做去抖動處理，得到30幅差值圖像；然后對所述30幅差值圖像取平均值，得到1幅平均值圖像z。

第五步、對所述平均值圖像z進行二值化處理，得到如圖6所示的二值化處理后的圖像z；所述二值化處理的算法是：

式(2)中：value表示二值化處理后圖像z的像素值；

p表示平均值圖像z中的原像素值；

tthreshold表示設(shè)定的二值化閾值，tthreshold的值為100。

由圖6可得，二值化處理后的圖像z的像素值之和為765。

第六步、本實施例設(shè)定的警示閾值k為5100。二值化處理后的圖像z中所有像素值之和為765，即所述二值化處理后的圖像z中所有像素值之和小于閾值k，則判定所述待測視頻段未發(fā)生管道液體泄漏。

所述去抖動處理是：取灰度圖像中的一個像素點p，所述像素點p在灰度圖像中的位置坐標(biāo)為(a,b)；在管道未發(fā)生泄漏時的灰度圖像y中取中心為(a,b)，大小為5×5的像素塊p1；把所述像素點p與所述像素塊p1中的每個像素相減，得到大小為5×5的矩陣p2；取矩陣p2中絕對值最小值所位置作為在管道未發(fā)生泄漏時的灰度圖像y中像素點p的最佳匹配點的位置；把矩陣p2中絕對值最小的值作為像素點p與管道未發(fā)生泄漏時的灰度圖像y中的最佳匹配點的差值。

將所述任灰度圖像中其余像素點都做上述處理，得到差值圖像。

本具體實施方式與現(xiàn)有技術(shù)相比具有如下優(yōu)點：

本具體實施方式所提出的基于圖像處理的管道液體泄漏監(jiān)測方法使用簡單，只要求工作人員標(biāo)定出未發(fā)生管道液體泄漏的狀態(tài)，就能快速檢測出是否出現(xiàn)管道液體泄漏。

本具體實施方式采用了去抖動處理技術(shù)，對管道液體泄漏的監(jiān)測精度高，尤其是對于在外界環(huán)境不穩(wěn)定時攝像機產(chǎn)生的微小抖動具有較好的魯棒性，適應(yīng)性強。

本具體實施方式所運用的判定方法無需對管道發(fā)生液體泄漏時的圖像進行特殊訓(xùn)練和學(xué)習(xí)，大大降低了復(fù)雜度，縮短了處理的時長。

本具體實施方式能夠獨立判斷單幅待測圖像的狀態(tài)，滿足在線實時檢測的要求，能在短時間內(nèi)發(fā)現(xiàn)管道液體泄漏，并作出報警，從而增加了檢測的可靠性，能極大的縮減人工成本。

因此，本具體實施方式具有精度高、方法簡單、處理過程短、適應(yīng)性強和能實現(xiàn)在線實時監(jiān)測的特點。