基于無人機巡線圖像的地面油氣管道識別方法

雍歧衛,喻言家

(后勤工程學院 a.軍事供油系； b.研究生管理大隊,重慶 401331)

?

【信息科學與控制工程】

基于無人機巡線圖像的地面油氣管道識別方法

雍歧衛a,喻言家b

(后勤工程學院 a.軍事供油系； b.研究生管理大隊,重慶 401331)

限于成本，無人機搭載的任務設備主要為普通數碼相機，采集的是可見光圖像，針對此種情況，提出了一種利用彩色分割及形狀檢測識別油氣管道的方法，首先需要設定感興趣區域ROI，計算出協方差矩陣C和均值m，并使用歐氏距離、馬氏距離對圖像進行彩色聚類分割，然后對分割圖像填色后進行邊緣檢測，最后根據邊緣圖像進行霍夫變換來檢測直線特征，實現復雜環境下對管道位置的自動定位。測試圖像庫包含300幅圖像，識別準確率達到80.3%，實驗結果表明，在色彩差異較大背景中，基于顏色和形狀特征的識別方法能有效進行管線跟蹤定位。

油氣管道;無人機巡檢；彩色分割；形狀特征

目前，我國主要的油氣輸送方式依靠管道輸送，隨著管道覆蓋面不斷擴大，為了確保油氣管線的安全運行，展開無人機巡線技術研究能夠提高巡線效率，擁有巨大的市場潛力[1,2]。我國對無人機巡線系統的開發屬于起步階段，市場上的大多數無人機都只具備航線規劃，相機增穩等簡單功能，扮演著一個小型飛行器的角色。圖像處理軟件還主要集中在圖像校正、圖像拼接、三維建模等方面，缺乏對智能飛行，遙感數據后處理方面的研究[3-5]。在依靠可見光圖像的目標精確檢測與識別方面，主要依靠視覺特征、統計特征、變換特征、代數特征對目標進行識別判斷[6-7]。基于此，作者提出了一種基于顏色與形狀特征的油氣管線識別方法，利用實驗圖像在Matlab平臺進行仿真實驗，實現了復雜環境下對油氣管道的識別定位。

1 實驗管道顏色與形狀特征分析

實驗油氣管道鋪設環境復雜多樣，存在草叢、樹木、建筑等各種背景元素的干擾，采集的圖像如圖1所示，采集條件為晴天順光，管線目標區域環境色差較小，目標被部分遮擋，圖1(a)管線顏色呈亮銀色，圖1(b)管線顏色呈淡黃色；管線形狀均為直線。

圖1 實驗管線圖像

2 油氣管道的識別方法

2.1 顏色空間的分析選擇

計算機將圖片顏色數值化處理，建立相應的顏色空間模型，如RGB、HSI、HSV、Lab、CMYK、YUV、YIQ、YCbCr等，顏色空間之間可以互相轉換。RGB顏色空間用一個三維矩陣表達顏色信息，每個元素值在0～255之間，優點為直觀方便，便于轉換，缺點是每個顏色分量都包含亮度信息，不利于圖像分割。HIS、HVS是符合人眼視覺規律的顏色空間，優點是亮度與色度相互獨立，在光照不均環境下色彩辨識度高，便于顏色的提取，但是在低光條件下對噪聲敏感[8]。本研究利用實驗圖像，通過在RGB、YCbCr、Lab、HSV 4種顏色空間對比實驗分析，如圖2所示，發現目標管線在HSV顏色空間下，與背景區分較大，受光強的影響小，特征明顯，適用于顏色的聚類分割。

2.2 顏色聚類分割

圖2 4種顏色空間下的顏色顯示

1) 歐氏距離

歐式距離是指對于一張圖像，將前景中像素的值轉化為該點到達最接近背景點的距離。該距離對圖像中屬性區別不敏感，對邊緣清晰的圖像分割效果好，計算式為

dk(euclid)=|X-μk|=

(1)

2) 馬氏距離

馬氏距離是多維空間中兩點相似性的度量，具有不受量綱影響的特點，但它放大了細微變化的作用。受協方差矩陣不穩定的影響，馬氏距離并不總是能順利計算出，所以只適用于區域狹小的圖像。假設均值μ=(μ1, μ2, …, μp)，協方差矩陣是S，樣本向量X=(x1,x2,…,xp)T，馬氏距離可以由以下的公式定義

(2)

其中S為協方差矩陣為

(3)

圖3為不同T值下聚類分割的二值圖像。對于顏色區別較大的圖像，如圖3(a)所示的管線分割效果好，而圖3(b)中與管線顏色相近的地面也在顏色聚類范圍。

圖3 顏色聚類分割二值圖像

2.3 霍夫變換直線檢測

對分割圖像進行填色處理后，利用Canny算子進行邊緣檢測，邊緣輪廓明顯，噪聲較小。最后，通過霍夫變換可以非常容易地將這些直線檢測出來。霍夫變換就是利用點與線在直角坐標系下和極坐標系下的相互對應關系，將直角坐標系下的線轉換為極坐標系下的點，通過圖像掃描，利用計數器對極坐標系下的點累加，提取出代表峰值點作為目標直線，完成直線的檢測，同時可以提取直線的端點坐標以及對應角度等相關信息。直線的極坐標方程為

(4)

式中：ρ表示極坐標系下原點到直線的距離；θ表示直線與x軸的夾角。

通過直角坐標到極坐標的坐標轉換，直角坐標系下中的直線就可以對應極坐標系下的點，用ρ值和θ值來表示。霍夫變換就是根據這個原理，設置累加器H(ρ,θ)；對直角坐標系下圖像的每個像素點根據式(4)計算對應的(ρ,θ)；利用計數器累加操作，提取出H(ρ,θ)的峰值坐標，從而獲取檢測直線的ρ和θ值。

若提取直線區域接近，近似重合，對應的ρ和θ值數值相近，即滿足

(5)

式中： Tp， Tσ分別代表閾值。

可將近似值進行擬合處理：

(6)

實驗管線直線提取圖像如圖4所示。

2.4 基于顏色與形狀特征的管線目標識別算法流程

首先提取感興趣區域ROI，計算ROI樣本區域的顏色協方差矩陣C和均值m，進行樣本的顏色聚類分割；然后，利用Canny算子對分割圖像進行邊緣檢測，獲得分割圖像的區域輪廓，再進行直線霍夫變換檢測圖像中的直線，并進行直線擬合，提取出圖像中最長直線段作為管線目標，并計算出直線中心點和端點坐標以及方位角，用矩形標記框標記，流程如圖5所示。

圖4 霍夫變換直線峰值檢測

圖5 管線目標的識別算法流程

3 實驗結果分析

本文利用提出的方法在Matlab，Windows08平臺編程仿真，測試圖像庫包含300幅圖像，所有的圖像均為JPG格式下1280×723的24位彩色圖像，檢測結果如圖6所示。該方法能夠較快檢測出管線位置，通過測試圖像發現，在管線與背景色彩差別較大的情況下，識別效果較好。在光線影響和背景色彩相似條件下，會產生檢測偏差。圖7因樹干與管線形狀顏色相似，將樹木誤識別為管線目標。

圖6 管線識別效果

圖7 誤識別效果

4 結束語

本研究針對無人機巡線條件下的地面管線識別跟蹤問題，提出了利用管線的顏色和形狀特征進行管線目標的識別方法。本方法對管線目標特征進行了分析歸類，相比單一依靠顏色、輪廓、紋理特征的目標檢測方法具有更好的魯棒性。測試圖像庫包含300幅圖像，識別準確圖像達到241張。實驗表明，該方法在顏色區別較大的環境下識別效果良好，能夠快速地對目標區域進行標定，為無人機進行跟蹤巡線提供一種新的思路。對于動態圖像中的管線目標，需對每一幀圖像目標進行識別標定，從而實現動態跟蹤。本文所研究的內容還是相對比較有限，對于管道巡線，還需要研究干擾更小的管線跟蹤方法、故障檢測方法、油氣泄漏識別方法等。

[1] 常文見，孟凡輝，王倉，等.無人機遙感技術在長輸管道中的應用探討[J].價值工程,2013(32):197-198.

[2] 唐晏.基于無人機采集圖像的植被識別方法研究[D].成都：成都理工大學,2014.

[3] 董鴻鵬，姜本清，方偉.面向雷達圖像仿真的三維實體模型表示方法[J].兵器裝備工程學報,2016(2):154-158.

[4] 郝平.基于機器視覺的快速動態檢測研究與應用[J].兵器裝備工程學報,2016(2):131-134.

[5] 桂振文，吳侹，彭欣.一種融合多傳感器信息的移動圖像識別方法[J].自動化學報,2015(8):1394-1404.

[6] 楊旭，趙徑通，高升久.基于Harris算法的直線提取方法[J].電子技術與軟件工程,2016(4):81-82.

[7] 張振杰，郝向陽，劉松林，等.基于Hough一維變換的直線檢測算法[J].光學學報,2016(4):166-173.

[8] 曹建秋，王華清，藍章禮.基于改進YCrCb顏色空間的膚色分割[J].重慶交通大學學報:自然科學版,2010(3):488-492.

[9] 高偉，王志衡，趙訓坡，等.基于HSI顏色空間的棉花雜質高速實時檢測方法[J].自動化學報,2008(7):729-735.

[10]虎曉紅，李炳軍，劉芳.多顏色空間中玉米葉部病害圖像圖論分割方法[J].農業機械學報,2013(2):177-181.

[11]唐羊洋，葉華平，吳書金，等.基于波段與形狀特征的遙感影像建筑物分類提取[J].后勤工程學院學報,2016(1):93-96.

(責任編輯 楊繼森)

Research on Recognition Method of Ground Oiland Gas Pipeline Based on UAV Patrol Line Image

YONG Qi-weia，YU Yan-jiab

(a. The Military Supply Department; b.Graduate Management School,Logistical Engineering University, Chongqing 401331, China)

Limited to the cost, the unmanned aerial vehicles are equipped with ordinary digital cameras for the main task, collecting the visible light image. In this paper, we proposed a method to identify oil and gas pipelines by color segmentation and shape detection. Firstly, we needed to set the ROI of the ROI, and calculated the covariance matrixCand meanm, and had image color cluster segmentation with Euclidean distance and Mahalanobis distance. Then, the edge detection was performed after that the image is segmented. Finally, the Hough transform is used to detect the line features according to the edge image to realize the automatic positioning of the pipe position in the complex environment. The test image bank contains 300 images, and the recognition accuracy is 80.3%. Experimental results show that the method based on color and shape features can effectively track and locate the pipeline in the background of large color difference.

gas pipeline; unmanned aerial vehicle inspection; color clustering segmentation; shape feature

2016-11-25；

2016-12-21 作者簡介：雍歧衛(1967—)，男，碩士，教授，主要從事石油與天然氣研究。

10.11809/scbgxb2017.04.022

雍歧衛,喻言家.基于無人機巡線圖像的地面油氣管道識別方法[J].兵器裝備工程學報，2017(4):100-104.

format:YONG Qi-wei，YU Yan-jia.Research on Recognition Method of Ground Oil and Gas Pipeline Based on UAV Patrol Line Image[J].Journal of Ordnance Equipment Engineering,2017(4):100-104.

TE832

A

2096-2304(2017)04-0100-05