專利名稱：管道無損檢測方法
技術領域：
本發明涉及圖像處理和模式識別技術領域，特別是涉及一種管道無損檢測方法。
背景技術：
現代化工行業已經進入到高度自動化的生產過程，大多數設備處于流程化作業、長周期運行的狀態，有些甚至在高溫、高壓及易腐蝕的環境下運行，存在著易燃、易爆的危險性。因此，生產過程中重大設備的監測顯得十分重要。目前，普遍采用嚴格執行定期大修制度的做法，此方法存在著一定的盲目性，效率不高，有些不必要的停機檢修會使生產停滯而帶來額外的經濟損失。現代社會對產品質量及安全的要求越來越高，無損檢測技術對保障設備結構的安全服役、提高產品質量等具有重要的作用，許多領域，特別是航空航天等部門對無損檢測的準確性和可靠性的要求更高。如在民航維修中采用該技術，能有效地發現民用航空器的疲勞裂紋、結構腐蝕、分層、脫膠等損傷，并能跟蹤檢測損傷的發展，以保持結構的完整性，是控制航空器制造質量和保持其持續適航的重要手段。無損檢測技術也從最初分屬不同領域的簡單探傷檢測發展成為一門富有生命力的專門技術學科。由于它涉及許多技術領域，因此，又是一門邊緣學科。無損檢測方法很多，大概可分六大類約70多種，在GB/T5616無損檢測應用導則中對此進行了分類輻射(工業CT)，聲學(MAT電磁聲檢測，超聲，聲發射)，電磁(渦流、漏磁)，表面方法，泄漏方法，紅外線方法等。國內實際應用中最常用的無損檢測方法有五種，即所謂的五大常規檢測超聲檢測、射線檢測、渦流檢測、滲透檢測和磁粉檢測。此外，非常規無損檢測技術有聲發射、泄漏檢測、光全息照相、紅外熱成像、微波檢測等。各種無損檢測方法各有其局限性及適用范圍，如渦流、滲透、磁粉三種檢測方法主要是針對被檢物的表面及近表面的缺陷，對于被檢物內部的缺陷則要靠超聲、射線兩種方法來檢驗。目前還沒有一種全能的檢測方法，在實際應用中要根據實際情況選擇合適的檢測方法，或多種檢測同時使用，相互補充驗證。作為一種綜合性技術，無損檢測技術經歷了從無損探傷和無損檢測，到無損評價，并且向定量無損評價發展的過程，除了常規的超聲檢測、射線檢測、潤流檢測、磁粉檢測和滲透檢測方法，隨著科技進步，新的檢測方法不斷出現并得到逐步發展和完善，并且這些檢測方法互為補充，共同發展。紅外輻射成像無損檢測技術是隨著紅外熱成像技術等的發展而出現的一種無損檢測技術，近來引起人們越來越廣泛的關注。從性能上看，紅外成像檢測具有快速、直觀、非接觸、一次觀測面積大等優點，適合于外場、在線在役檢測；從功能上看，非常適合于對固體表面和亞表面裂紋、銹蝕、脫粘等一類疲勞損傷的發展性缺陷的檢測和監測。與超聲、滲透、磁粉檢測相比，紅外檢測是非接觸檢測，無污染；與射線檢測相比，紅外檢測同樣可以大面積檢測，同時又具有安全、單面檢測的優勢，是一種安全無污染的“綠色”檢測技術，可完成超聲波、X射線、渦流檢測及聲發射等技術無法勝任的檢測任務，其獨特的功能是傳統常規的無損檢測技術所不能替代。·
紅外測溫裝置一般由光學系統、光電探測器、信號放大器及信號處理、顯示輸出等部分組成。光學系統匯聚其視場內的目標紅外輻射能量，視場的大小由測溫裝置的光學零件及其位置確定。紅外能量聚焦在光電探測器上并轉變為相應的電信號。該信號經過放大器和信號處理電路，并按照儀器內置的算法和目標發射率校正后轉變為被測目標的溫度值。熱紅外探測器可探測O. I至O. 05度的溫差，長波紅外影像可穿透煙霧，分辨率高，空間分辨能力更可達O. I毫弧度。任何物質只要有溫度就會輻射紅外線，溫度不同，輻射的紅外線就有差異。大多數情況下，管道內介 質的溫度與周圍的環境溫度不同，通過紅外線成像設備可以得到溫度差形成的圖像。一旦管道發生泄漏，周圍環境的溫度必然發生變化，由此可以判斷管道泄漏。利用熱紅外成像技術，記錄管道平時周圍環境溫度數據和熱圖譜，實時檢測管道周圍環境溫度場的變化，從而發現泄漏。熱紅外成像的缺點是對管道的埋設深度有一定的限制，只有在氣溫與管道內介質相差很大時才有可能使用成功，而且需要很長時間。由于紅外目標和景物的固有的特性以及外界大氣環境因素的干擾影響作用，使得紅外圖像的信噪比較低，圖像的空間相關性強、對比度低、視覺效果模糊，這將非常不利于后續觀察，目標探測和識別任務，嚴重影響觀察的準確性和有效性。因此，抑制紅外圖像的噪聲，提高紅外圖像的信噪比以及調整紅外圖像的對比度，增強紅外圖像邊緣以及線條等操作將是必不可少的圖像處理操作。雖然中外的研究人員提出了很多紅外的增強方法，但是這些方法依舊存在很多問題，主要有算法的計算量大，不適于實時圖像處理；算法的智能性和自適應性差，需要人為的設置參數；大部分的自適應算法還是依據圖像的灰度分布，并沒有考慮到實際場景中的景物對目標的影響，針對性不強，不利于人眼觀察。這些方法在不同的場景和實際應用中存在著很多缺陷。專門針對化工園區的公共管道的熱成像研究還比較少，化工園區公共管道類型多樣，熱成像圖的效果不盡相同，如何有效地對不同類型的管道進行無損檢測，是需要解決的問題。

發明內容
(一)要解決的技術問題本發明要解決的技術問題是如何解決各種區域的管道的無損檢測問題，尤其是公共管廊中的管道。(二)技術方案為了解決上述技術問題，本發明提供一種管道無損檢測方法，包括以下步驟SI、采集預設區域內的視頻信號；S2、對所述視頻信號中獲取的多個熱像圖進行圖像增強；S3、對增強處理之后的多個熱像圖分別進行處理后再進行圖像拼接；S4、利用拼接后的圖像對所述預設區域內的管道進行無損檢測。優選地,步驟S2具體包括S21、使用基于多尺度方向分析的方法對所述熱像圖進行去噪處理；S22、采用數學工具對包含不同類型管道的熱像圖進行增強處理；S23、利用分形布朗運動模型對增強后的圖像進行分析，以提取人眼感興趣的邊緣特征，并對所述邊緣特征進行加權增強。優選地,步驟S3具體包括
S31、對步驟SI中用于采集視頻信號的攝像機進行標定，并采用標定后鏡頭的徑向畸變模型校正經步驟S2處理之后的圖像；S32、使用Harris角點檢測算法和SIFT算法提取和處理圖像中的特征點，利用kd-樹的BBF搜索算法對所述特征點中的描述子進行粗匹配，并采用隨機采樣算法對所述特征點中的描述子進行精匹配，得到被提取特征點圖像與預設參考圖像對應的投影變換矩陣；S33、采用雙線性插值方法將被提取特征點的圖像進行投影變換，采用雙線性插值方法過程中使用所述投影變換矩陣；S34、采用圖像加權融合的方法使所述預設參考圖像與經投影變換后圖像的重疊區域進行平滑過渡；
S35、對步驟S34處理后的多個圖像進行圖像拼接。優選地，步驟S32中使用所述Harris角點檢測算法提取特征點的步驟包括計算圖像像素點在垂直和水平兩個方向的梯度值，將梯度值經過高斯濾波求得自相關矩陣，通過自相關矩陣的特征值來判斷平坦區域點、邊緣點和角點，所述平坦區域點、邊緣點和角點作為特征點。優選地，步驟S32中使用所述SIFT算法處理所述特征點的步驟包括S321.使用DOG算子構建尺度空間，檢測圖像中的所述特征點；S322.對所述特征點進行過濾；S323.為每個過濾后的特征點指定方向參數；S324.生成特征點的描述子。優選地,步驟S4具體包括S41、根據不同材質管道的導熱特性設定泄漏診斷閾值，所述泄漏診斷閾值包括溫度閾值和管道表面熱場閾值；S42、根據拼接后的圖像的灰度分布確定管道的溫度分布和表面熱場分布；S43、將所述溫度分布與管道表面熱場分布與對應的泄漏診斷閾值進行比較，確定管道是否發生泄漏，并確定泄漏點位置。優選地，所述預設區域為公共管廊區域。(三)有益效果上述技術方案具有如下優點采用圖像處理和模式識別技術相結合，提供了一種管道無損檢測方法，由于本發明的方法是采用處理之后的圖像對管道的位置進行檢測，并且對管道是否泄漏進行檢測，因此，檢測過程對管道無損害，且能夠對管道泄漏點進行準確檢測，進而能夠對可能存在的安全隱患進行及時報警。


圖I是本發明實施例的方法流程圖；圖2是紅外圖像拼接算法流程圖； 圖3是本發明實施例的標定棋盤示意圖；圖4是本發明實施例的圖像加權融合示意圖。
具體實施例方式下面結合附圖和實施例，對本發明的具體實施方式
作進一步詳細描述。以下實施例用于說明本發明，但不用來限制本發明的范圍。本發明設計一種系統全面的對化工園區公共管廊各類型管道進行無損檢測的方法，公共管廊的管道長度長，高度高，在線監控很難提供管道的全景檢測結果，需要對管道熱成像圖的拼接技術進行研究。紅外圖像是灰度圖像，沒有彩色或陰影，所以對人眼而言，分辨率低，沒有立體感；由于景物熱平衡、光波波長較長、傳輸距離遠和大氣衰減等原因，造成紅外圖像空間相關性強、對比度低、視覺效果模糊；外界環境的隨機干擾和紅外成像系統的不完善，給紅外圖像帶來多種多樣的噪聲，這些分布復雜的噪聲使得紅外圖像的信噪比比可見光圖像低。目前，紅外成像系統突出的性能優點還遠沒有得到充分地發揮。因此，研究適合化工園區公共管廊的熱像圖的圖像增強算法，也是研究的重點。因為本發明提出的無損檢測方法，考慮在實時在線的系統中運行，對算法的性能問題也進行了著重考慮。
如圖I所示，本發明實施例提供的一種針對化工園區公共管廊中管道的使用被動紅外在線無損檢測進行管道監控的方法，包括以下步驟SI、使用安裝在云臺上的被動紅外攝像機，以可編程的方式周期性的掃面監控區域內的公共管廊，采集預設監測區域內的視頻信號；S2、根據管廊內管道的類型，使用相應的圖像處理算法對視頻信號中獲取(例如截屏)的熱像圖進行圖像增強，方便人眼識別；S3、對增強處理后的二維熱像圖序列進行處理后進行圖像拼接；S4、利用拼接后的圖像對所述預設區域內的管道進行無損檢測。步驟S2中對所述熱像圖進行圖像增強包括如下步驟S21、使用基于多尺度方向分析的方法進行紅外圖像去噪；S22、采用多種數學工具，包括人工神經網絡、小波理論和遺傳算法，模糊理論和數學形態學等對不同類型的管道熱像圖進行增強；S23、利用分形布朗運動模型對紅外圖像進行分析，提取人眼感興趣的邊緣特征，將圖像的邊緣進行加權增強，解決紅外圖像的邊緣模糊和可視性差的問題。如圖2所示，對增強處理之后的多個熱像圖分別進行處理后再進行圖像拼接包括如下步驟S31、圖像的畸變校正，首先，利用張正友標定方法對攝像機進行標定，采用鏡頭的徑向畸變模型校正圖像。考慮到目前采用普通鏡頭，鏡頭的畸變主要來自徑向畸變與切向畸變，所以采用張正友標定方法標定。由于紅外圖像與可見光圖像存在本質上的差異，利用傳統的棋盤格采集圖像，并不能很好地區分角點，所以在傳統的棋盤格角點處安裝小燈泡，如圖3所示。S32、圖像配準，使用Harris角點檢測算法和SIFT算法提取特征點，利用kd_樹的BBF搜索算法結合監控預置運動軌跡的圖像位置關系對高維描述子進行粗匹配，采用隨機采樣算法(RANSAC)進行精匹配，得到當前圖像與參考圖像對應的投影變換矩陣。步驟S32中所述Harris角點檢測的具體步驟如下計算圖像像素點在垂直、水平方向的梯度值，經過高斯濾波，求得自相關矩陣，通過自相關矩陣的兩個特征值來判斷平坦區域點、邊緣和角點。判定的標準是兩個特征值都很小，為平坦區域點；一個特征值遠大于另一個特征值，為邊緣點；如果兩個特征值都很大，此處是角點。步驟S32中所述SIFT算法的主要步驟如下S321.使用DOG算子構建尺度空間，檢測圖像中的所述特征點，獲得尺度不變性；S322.對所述特征點進行過濾；S323.為每個過濾后的特征點指定方向參數；S324.生成特征點的描述子； 當兩幅圖像的SIFT特征向量生成以后，下一步就可以采用特征點特征向量的歐式距離來作為兩幅圖像中特征點的相似性判定度量。取一幅圖中的某個特征點，通過遍歷找到另一幅圖中的距離最近的兩個特征點。在這兩個特征點中，如果次近距離除以最近距離小于某個閾值，則判定為一對匹配點。降低這個比例閾值，SIFT匹配點數目會減少，但更加穩定。步驟S32中所述投影變換矩陣定義如下設參考圖像中一點為X' = [X' Y' I],對應于當前圖像中點為X = [X y I],投影變換模型為X，= HX,即
X Ihn hl2 λ13￥λ'y = h2l h22 h23 y
I Ji31 h32 Zz33 J _ I _其中H為兩幅圖像間對應的投影變換矩陣。采用直接線性變換(Direct Linear Transformation, DLT)算法計算對應的矩陣H0步驟S32中所述特征點粗匹配如下采用近似最近鄰(Approximate Nearest Neighbor, ANN)的kd_樹最優二分搜索(Best Bin First,BBF)算法。給參考圖像的特征描述子建立kd_樹，待拼接圖像的特征描述子作為查找對象，對kd-樹進行BBF搜索，尋找出最近鄰和次近鄰這兩個匹配點。如果最近鄰和次近鄰的比值小于閾值，就把最近鄰點作為匹配點。步驟S32中所述特征點精匹配是采用RANSAC算法估計對應矩陣H，具體操作如下I.重復隨機采樣N次；2.隨機采樣4對匹配點，估計對應矩陣H的初始參數；3.計算每個特征點經過對應矩陣H變換后到對應匹配點的距離；4.將距離值和距離閾值比較，如果小于距離閾值把此點作為內點；5.找到一個包括內點所占比例最多的點集，并用這個點集來重新估計對應矩陣H。在點集中內點數量相同時，選擇內點的標準差最低的對應矩陣H。S33、圖像投影變換，采用投影變換模型，將當前圖像利用雙線性插值方法進行投影變換，采用雙線性插值方法過程中使用所述投影變換矩陣，插值過程為現有技術；S34、采用圖像加權融合的方法使所述預設參考圖像與經投影變換后圖像的重疊區域進行平滑過渡；如圖4所示，f (x，y)是重疊區域的像素點，分別計算f (x，y)到接縫I和接縫2的距離a和b，定義過渡因子
權利要求
1.一種管道無損檢測方法，其特征在于，包括以下步驟 51、采集預設區域內的視頻信號； 52、對所述視頻信號中獲取的多個熱像圖進行圖像增強； 53、對增強處理之后的多個熱像圖分別進行處理后再進行圖像拼接； 54、利用拼接后的圖像對所述預設區域內的管道進行無損檢測。
2.如權利要求I所述的方法，其特征在于，步驟S2具體包括 521、使用基于多尺度方向分析的方法對所述熱像圖進行去噪處理； 522、采用數學工具對包含不同類型管道的熱像圖進行增強處理； 523、利用分形布朗運動模型對增強后的圖像進行分析，以提取人眼感興趣的邊緣特征，并對所述邊緣特征進行加權增強。
3.如權利要求I所述的方法，其特征在于，步驟S3具體包括 531、對步驟SI中用于采集視頻信號的攝像機進行標定，并采用標定后鏡頭的徑向畸變模型校正經步驟S2處理之后的圖像； 532、使用Harris角點檢測算法和SIFT算法提取和處理圖像中的特征點，利用kd_樹的BBF搜索算法對所述特征點中的描述子進行粗匹配，并采用隨機采樣算法對所述特征點中的描述子進行精匹配，得到被提取特征點圖像與預設參考圖像對應的投影變換矩陣； 533、采用雙線性插值方法將被提取特征點的圖像進行投影變換，采用雙線性插值方法過程中使用所述投影變換矩陣； 534、采用圖像加權融合的方法使所述預設參考圖像與經投影變換后圖像的重疊區域進行平滑過渡； 535、對步驟S34處理后的多個圖像進行圖像拼接。
4.如權利要求3所述的方法，其特征在于，步驟S32中使用所述Harris角點檢測算法提取特征點的步驟包括計算圖像像素點在垂直和水平兩個方向的梯度值，將梯度值經過高斯濾波求得自相關矩陣，通過自相關矩陣的特征值來判斷平坦區域點、邊緣點和角點，所述平坦區域點、邊緣點和角點作為特征點。
5.如權利要求4所述的方法，其特征在于，步驟S32中使用所述SIFT算法處理所述特征點的步驟包括 5321.使用DOG算子構建尺度空間，檢測圖像中的所述特征點； 5322.對所述特征點進行過濾； 5323.為每個過濾后的特征點指定方向參數； 5324.生成特征點的描述子。
6.如權利要求3所述的方法，其特征在于，步驟S34具體為對于位于重疊區域的像素點，先計算在該點位置參考圖像和經投影變換后圖像之間的灰度差，如果差值小于預設固定閾值，則計算加權灰度值作為此像素點的灰度值；否則根據像素點與參考圖像和經投影變換后圖像之間的距離遠近確定其灰度值。
7.如權利要求I所述方法，其特征在于，步驟S4具體包括 S41、根據不同材質管道的導熱特性設定泄漏診斷閾值，所述泄漏診斷閾值包括溫度閾值和管道表面熱場閾值； S42、根據拼接后的圖像的灰度分布確定管道的溫度分布和表面熱場分布；S43、將所述溫度分布與管道表面熱場分布與對應的泄漏診斷閾值進行比較，確定管道是否發生泄漏，并確定泄漏點位置。
8.如權利要求Γ7中任一項所述的方法，其特征在于，所述預設區域為公共管廊區域。
全文摘要
本發明涉及圖像處理和模式識別技術領域，公開了一種管道的無損檢測方法，包括以下步驟S1、采集預設區域內的視頻信號；S2、對所述視頻信號中獲取的多個熱像圖進行圖像增強；S3、對增強處理之后的多個熱像圖分別進行處理后再進行圖像拼接；S4、利用拼接后的圖像對所述預設區域內的管道進行無損檢測。本發明采用圖像處理和模式識別技術相結合，提供了一種管道無損檢測方法，由于本發明的方法是采用處理之后的圖像對管道的位置進行檢測，并且對管道是否泄漏進行檢測，因此，檢測過程對管道無損害，且能夠對管道泄漏點進行準確檢測，進而能夠對可能存在的安全隱患進行及時報警。
文檔編號F17D5/02GK102927448SQ201210362498
公開日2013年2月13日 申請日期2012年9月25日 優先權日2012年9月25日
發明者譚政, 聶蓉 申請人:北京聲迅電子股份有限公司