本發(fā)明屬于漏磁內(nèi)檢測數(shù)據(jù)處理領(lǐng)域，具體涉及一種法蘭軸向漏磁陣列信號自動識別方法，用于解決法蘭軸向漏磁信號自動檢測、識別和定位問題。

背景技術(shù)：

法蘭磁陣列信號自動識別定位有重要的工程實踐意義。法蘭作為油氣管道之間連接的結(jié)構(gòu)件，相較管道它們發(fā)生腐蝕和斷裂的隱患更大，因此對法蘭焊縫的檢測和評價是保證整條油氣通路安全運行的重要措施。漏磁內(nèi)檢測器用里程輪記錄缺陷位置信息，為管道開挖提供支持，而管道壁上的污染物會導致里程輪打滑而產(chǎn)生累計誤差，位置信息確定的法蘭可作為天然定位器，用于對里程信息進行自動校準，從而實現(xiàn)缺陷精確定位。法蘭位置及個數(shù)與管道之間有一一對應的關(guān)系，檢測、識別并定位到某個焊縫和法蘭即可自動定位某條管道，最終可實現(xiàn)海量漏磁數(shù)據(jù)自動分段，便于后續(xù)數(shù)據(jù)查詢和分析。

現(xiàn)有技術(shù)中存在難以從軸向漏磁陣列信號中自動檢測、識別并定位法蘭漏磁信號的問題。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是：從軸向漏磁陣列信號中自動檢測、識別并定位法蘭漏磁信號。

本發(fā)明將漏磁陣列信號視為二維圖像，在分析對比信號特征基礎(chǔ)上，選用對比度增強方法對漏磁陣列信號預處理，選用閾值分割、豎向投影增強方法檢測、識別并定位法蘭目標，取得了較好的效果。

本發(fā)明采用的技術(shù)方案為：

一種法蘭軸向漏磁陣列信號自動識別方法，該方法包括如下步驟：

1、對原始軸向漏磁陣列信號進行軸向邊緣增強預處理；

2、將所述預處理后數(shù)據(jù)歸一化為0～255整形數(shù)據(jù)；

3、計算所述整形數(shù)據(jù)中的全局最優(yōu)分割點，從而實現(xiàn)閾值分割，得到二值化數(shù)據(jù)；

4、對所述二值化數(shù)據(jù)做豎向投影疊加和參數(shù)判斷，獲得法蘭信號特征；

5、對所述法蘭信號特征進行聚類分析，從而識別并定位出法蘭軸向坐標。

進一步的，所述步驟1對原始軸向漏磁陣列信號進行軸向邊緣增強預處理具體包括：

1.1、選擇卷積核T。

1.2、設(shè)漏磁陣列信號為f(x,y)，計算f(x,y)與T的卷積，獲得邊緣增強數(shù)據(jù)q(x,y)：

q(x,y)＝f(x,y)*T(x,y) (2)。

進一步的，所述步驟2、將預處理數(shù)據(jù)歸一化為0～255整形數(shù)據(jù)具體包括：

計算邊緣增強處理后的數(shù)據(jù)q(x,y)的最大值Mx和最小值Mi，并以如下公式完成數(shù)據(jù)歸一化：

其中，為向下取證操作。

進一步的，所述步驟3、計算所述整形數(shù)據(jù)中的全局最優(yōu)分割點，從而實現(xiàn)閾值分割，得到二值化數(shù)據(jù)具體包括：

3.1、將歸一化后的數(shù)據(jù)視為二維圖像，則圖像像素點數(shù)為N，圖像灰度級為L，n_i為灰度級為i的像素點數(shù)，p_i為灰度級為i的像素點出現(xiàn)的概率,則

p_i＝n_i/N i＝0,1,2…255 (4)

3.2、將圖像像素點分為兩類，即C₀類和C₁類；

計算C₀類的均值和權(quán)值為

其中，k為像素灰度級分界點值；

C₁類的均值和權(quán)值為

其中，L為圖像灰度級；

整幅圖像的均值為

那么類間方差為

3.3、讓k在[0，255]范圍內(nèi)遍歷取值，當最大時對應的k值即為圖像的全局最優(yōu)分割點；

3.4、遍歷二維漏磁陣列圖像，數(shù)值大于全局最優(yōu)分割點的點設(shè)為1，否則設(shè)為0，從而得到二值化數(shù)據(jù)b(x,y)。

進一步的，所述步驟4、對所述二值化數(shù)據(jù)做豎向投影疊加和參數(shù)判斷，獲得法蘭信號特征具體包括：

4.1、將二值化數(shù)據(jù)b(x,y)做豎向投影增強：

其中，s(y)為豎向投影增強后的一維信號，其中M為軸向信號點的個數(shù)；

4.2、計算信號特征：

遍歷豎向投影增強后的一維信號s(y)的所有采樣點，根據(jù)法蘭判斷閾值T判斷此點是否為法蘭信號特征，

其中，t(i)為信號特征，當t(i)＝1時表示t(i)是法蘭信號特征，當t(i)＝0時表示t(i)不是法蘭信號特征。

進一步的，所述步驟5、對所述法蘭信號特征進行聚類分析，從而識別并定位出法蘭軸向坐標具體包括：

5.1、遍歷信號特征t(i)，若任意兩個非零的特征點軸向距離小于軸向距離閾值D，則此兩點被認為來自同一法蘭；

5.2、遍歷查找法蘭信號左、右邊界點坐標，其中法蘭信號左、右邊界點坐標分別為d_l和d_r，則最終識別并定位出法蘭軸向坐標為d_f

d_f＝(d_l+d_r)/2 (10)。

有益效果：

(1)本發(fā)明計算復雜度低、識別率高，可滿足工程應用對大數(shù)據(jù)處理的實時性和準確性的要求。

(2)本發(fā)明獲得的定位信息可用于設(shè)備里程修正。

附圖說明

圖1為本發(fā)明的方法流程圖

圖2軸向漏磁陣列信號示意圖

圖3豎向投影后法蘭信號識別定位結(jié)果示意圖

具體實施方式

下面結(jié)合附圖和具體實施方式對本發(fā)明的技術(shù)方案做進一步進行詳細的解釋和說明。

一種法蘭軸向漏磁陣列信號自動識別方法，該方法包括如下步驟：

(1)對原始軸向漏磁陣列信號進行軸向邊緣增強預處理，從而提高目標信號對比度的具體實現(xiàn)步驟為：

①選擇卷積核T。

②設(shè)漏磁陣列信號為f(x,y)，計算f(x,y)與T的卷積，獲得邊緣增強數(shù)據(jù)q(x,y)：

q(x,y)＝f(x,y)*T(x,y) (2)

(2)將預處理數(shù)據(jù)歸一化為0～255整形數(shù)據(jù)，具體實現(xiàn)步驟為：

計算q(x,y)的最大Mx、最小值Mi，并以如下公式完成數(shù)據(jù)歸一化操作。

為向下取證操作。

(3)計算數(shù)據(jù)全局最優(yōu)分割點，實現(xiàn)閾值分割，得到二值化數(shù)據(jù)，具體實現(xiàn)步驟如下：

3.1將歸一化后的數(shù)據(jù)視為二維圖像，則圖像像素點數(shù)為N，灰度范圍為[0，255]，n_i為灰度級為i的點數(shù)，p_i為灰度級i出現(xiàn)的概率,則

p_i＝n_i/N i＝0,1,2…255 (4)

3.2計算C₀類的均值和權(quán)值為

C₁類的均值和權(quán)值為

整幅圖像的均值為那么類間方差定義為

3.3讓k在[0，255]范圍內(nèi)遍歷性取值，當最大時對應的k值即為選定閾值。

3.4遍歷二維漏磁陣列圖像，數(shù)值大于k的點設(shè)為1，否則設(shè)為0，可得二值化數(shù)據(jù)b(x,y)。

(4)二值化數(shù)據(jù)做豎向投影疊加和參數(shù)判斷，獲得法信號特征，具體實現(xiàn)步驟如下：

①將b(x,y)做豎向投影增強：

s(y)為豎向投影增強后的一維信號，其中M為軸向信號點的個數(shù)。

②計算信號特征：

遍歷s(y)所有采樣點，根據(jù)閾值T判斷此點是否為法蘭信號特征，

(5)對法蘭信號特征聚類分析，識別并定位法蘭軸向坐標，具體實現(xiàn)步驟如下：

①遍歷信號特征t(i)，若任意兩個非零的特征點軸向距離小于閾值D，則此兩點被認為來自同一法蘭。

②遍歷查找查找法蘭信號左、右邊界點坐標分別為d_l和d_r，則最終識別定位坐標點為d_f

d_f＝(d_l+d_r)/2 (10)。

與現(xiàn)有技術(shù)相比，本方法采用閾值分割與投影增強相結(jié)合的方案，將多維信號檢測識別問題轉(zhuǎn)換為一維信號檢測識別問題，降低了方法復雜度。

上述具體實施方式僅用于解釋和說明本發(fā)明的技術(shù)方案，但并不能構(gòu)成對權(quán)利要求的保護范圍的限定。本領(lǐng)域技術(shù)人員應當清楚，在本發(fā)明的技術(shù)方案的基礎(chǔ)上做任何簡單的變形或替換而得到的新的技術(shù)方案，均將落入本發(fā)明的保護范圍之內(nèi)。