[发明专利]基于机器视觉的输油管道监控方法

摘要

本发明公开了基于机器视觉的输油管道监控方法，首先获取图像，调节图像的尺寸与像素的大小。更新一天中每个固定时刻的背景图像序列，进行卷积运算，累积背景取均值，建立背景模型。然后对待识别图像进行图像去噪、增强等处理，再对背景图像和待识别图像灰度处理，生成灰度图像。待识别图像与背景图像做差分运算，获得前景图像。采用OTSU算法取自适应阈值对前景图像做二值化处理，更好的将目标与背景分离。将二值图像进行形态学处理，有效减少离散随机噪声的干扰。获取二值图像连通域的个数，以及对每个连通域目标像素进行统计，判断目标类型是人、小型车或大型车，对符合报警条件的情况进行报警，有效减少安全维护成本，提高监控效率。

主权项

1.基于机器视觉的输油管道监控方法，其特征在于：本方法的具体实施步骤如下，步骤a)对获取的单帧野外输油管道图像进行初始化；调整单帧野外输油管道图像的大小以及单帧野外输油管道图像的分辨率；采用最近邻插值方法对野外输油管道图像大小进行调整，野外输油管道图像简称图像，图像大小调整的公式如下：原图像大小为(src.height,src.width)，调整后图像的大小为(dest.height,dest.width)；src.height，src.width分别为野外输油管道单帧图像的的高和宽；dest.height，dest.width分别为调整后野外输油管道单帧图像的的高和宽；fh＝src.height/dest.heightfw＝src.width/dest.widthfh为高度缩放比例，fw为宽度缩放比例；输出图像(x,y)点处像素取原图像(x*fh,y*fw)点处像素，得到新调整的图像，新调整的图像不失比例；步骤b)判断图像是否出现异常情况，以及对各种异常情况进行相应的图像预处理；若出现雾霾天气，对图像进行去雾处理；若图像光通量太大，作为获取图像失败情况处理；采用暗原色先验模型方法去雾，大气散射模型的形成过程：H(x)＝F(x)e‑rd(x)+A(1‑e‑rd(x))其中，x为图像像素的空间坐标；H是观察到的有雾图像；F是待恢复的无雾图像；r表示大气散射系数；d代表景物深度；A是全局大气光，且假设A为全局常量，与空间坐标x无关；步骤c)将已调整大小和尺寸的彩色图像转化为灰度图像；彩色图像中每个像素的颜色有R、G、B三个分量决定，将三个分量以不同的权值进行加权平均，得到一个灰度值；公式如下：Y＝α*R+β*G+γB其中α+β+γ＝1，Y为计算之后获取的灰度值；R为原彩色图像中红色分量；G为原彩色图像中绿色分量；B为原彩色图像中蓝色分量；步骤d)对步骤c)中获取的灰度图像进行高斯滤波，去除光线变化和树枝摆动随机噪声的干扰，对图像平滑去噪的同时更多的保留图像的总体灰度分布特征；高斯滤波是通过对输入图像的每个像素点与高斯核的卷积算子执行卷积计算然后将这些结果一块组成了滤波后的输出图像数组；二维高斯分布：若使用3×3高斯核，则计算公式如下：g(x,y)＝{f(x‑1,y‑1)+f(x‑1,y+1)+f(x+1,y‑1)+f(x+1,y+1)+[f(x‑1,y)+f(x,y‑1)+f(x+1,y)+f(x,y+1)]*2+f(x,y)*4}/16；g(x,y)：输出图像在(x,y)点处的像素值；f(x,y)：输入图像在(x,y)点处的像素值；步骤e)均值背景建模建立背景模型；取一天中固定时刻前一个月的图像序列，建立这个时刻的背景模型，将所有帧的像素点相加，取平均作为背景模型的估计；Ii表示图像序列的第i帧图像，其中i＝1，2，…，N；IB表示N帧图像的均值图像，即均值背景模型；步骤f)在获取累积所得的背景图像之后，再将待检测图像与背景图像进行差分，获取待检测图像的前景图像；具体做法是将待检测图像与背景图像做作差再取绝对值：sl(x,y)＝|src(x,y)‑dst(x,y)|dst(x,y)为背景图像src(x,y)为某时刻待检测图像sl(x,y)为差分所获得的前景图像步骤g)一天中光线强度时刻在变化，采用固定阈值对图像进行二值化，前景和背景不能更好的分离，因此，采用自适应阈值二值化处理；最大类间方差是由日本学者大津(Nobuyuki Otsu)于1979年提出，是一种自适应的阈值确定方法；假设图像大小为M×N，具体实现方法如下：w0＝N0/M×N，N0为前景点数，w0为前景点数占图像比例；w1＝N1/M×N，N1为背景点数，w1为背景点数占图像比例；w0+w1＝1；μ＝ω0*μ0+ω1*μ1；g＝w0(μ0‑μ)^2+w1(μ1‑μ)^2；得出类间方差：g＝w0w1(μ0‑μ1)^2；用遍历的方法得到使类间方差g最大的阈值T，即为最合适的阈值，将小于T的像素置0，大于T的像素置为255，获得前景图像；步骤h)对二值前景图像进行形态学方法处理；首先腐蚀方法进行运算，消除噪声引起的小像素块；再进行膨胀方法进行运算，填满前景空洞现象；步骤i)统计去噪后的二值图像目标个数，采用像素面积法判断目标类型，在监控界面进行显示，对可疑目标进行圈定，进而采取报警措施。