[发明专利]一种用于管道破裂的自动识别方法

权利要求书

1.一种用于管道破裂的自动识别方法，其特征在于，该方法包括如下步骤：

步骤1)：管道图像的获取：利用管道爬行机器人采集管道的图像，并通过线缆传输至计算机；其中管道爬行机器人上安装有CCD摄像头，直流输入提供电力，使用PWM调速，计算机采用RS-422通信方式读取管道检测图像，记其管道图像矩阵为I；

I为图像矩阵，a_ij为图像像素点的i,j位置的灰度值,m为图像横向像素数，n为图像纵向像素数；

步骤2)：管道图像预处理：将步骤1)中采集的管道图像进行灰度处理，将其变为灰度图；

采集的管道破裂图像为彩色图像，而图像处理是基于灰度图像进行处理，针对破裂图像的识别要求需去掉色彩信息，图像的色彩由红(R)、绿(G)、蓝(B)三原色组合而成，通过对RGB三原色数值的叠加得到其他颜色，RGB变化可实现色彩间的转换，所述灰度处理采用加权平均值来实现灰度化，即将3个分量加权平均进行计算得到灰度值，具有计算如下：

I(i,j)＝0.299×R(i,j)+0.587×G(i,j)+0.114B(i,j)

式中，R(i,j)为R分量，G(i,j)为G分量，B(i,j)为R分量，I(i,j)为像素点的灰度值。

步骤3)：步骤2)中经灰度处理后的管道图像中黑色圆形区域对应管道管径中心区域，黑色梯形区域对应管道的水流区域；针对该经灰度处理后的管道图像计算图像中心，其中图像中心坐标如下：

x_c＝n/2,y_c＝m/2

x_c为图像中心的横坐标，y_c为图像中心的终坐标；

以此为中心圈定一个方框，在XY坐标系上截取图像(1/4a,1/4b)至(3/4a,3/4b)部分，此方框为原图像的1/2大小，并将该方框内图像矩阵记为I₁，该矩阵如下：

步骤4)：定位管径中心，在步骤3)的方框中以圆形检测算法(搜寻黑色圆形区域，记圆形区域像素坐标集合A,记其总共点数为n,(x_i,y_i)为集合中任意一点，圆形检测可得外接圆半径r,将圆形检测结果图进行二值化；其中，圆形检测算法的步骤如下：

1)首先对图像应用canny边缘检测；

2)使用sobel算子计算所有像素的梯度；

3)遍历canny之后的所有非0的像素点，沿着梯度方向画线，每个点有是一个累加器，有一个线经过该点，累加器加1，对所有累加器进行排序，根据阈值找到所有可能的圆心；

4)计算canny图像中所有的非0像素点距离圆心的距离，距离从小到大排序，选取合适的半径；

5)对选取的半径设置累加器，对于满足半径r的累加器+1；

步骤5)：利用质心求取算法求二值化图中的质心，据此将图二中管径部分的黑色区域排除；其中，质心计算式如下：

记x_i最大值为x_max，最小值为x_min，y_i最大值为y_max，最小值为y_min，管径下方为水流区域，去掉水流区域及管径中心即为管壁位置；

步骤6)：在求得管径中心及外接方框后，水流区域为梯形区域，需要去除，将方框以下区域的图像灰度值均赋值255，255为白色，还包括将其梯形区域赋值为255；

步骤7)：去掉图像中上边缘、左右边缘机器人采集图像时的记录的采集时间信息文字；

步骤8)：搜寻图中剩余区域是否存在黑色区域，并记该区域的灰度图矩阵为I'，其矩阵所有灰度值的算术平均值为利用阈值法获得二值化图，判别式如下：

满足公式(2)的I'_ij点，对其采用聚类算法剔除孤立点，挑选的区域可认为是破裂；其中，聚类算法的计算如下：

1)确定数据要分多少组，并随机初始化各组中心；

2)通过计算每个数据点与每个组中心之间的距离，对每个数据点进行分类，然后归到与距离最近的中心的组中；

3)基于迭代后的结果，计算每一类内，所有点的平均值，作为新簇中心；

4)迭代重复这些步骤，或者直到组中心在迭代之间变化不大，或者选择随机初始化组中心几次，然后选择提供最佳结果；

步骤9)：根据破裂区域的图像，在原图上标注破裂病害位置。