管道泄漏報警軟件的編制

李浩男，張尚昆

（西南石油大學理學院，成都 610500）

0 引言

管道運輸已變成我國油氣運輸?shù)囊环N主要方式，就全球范圍來看，油氣管道整體長度不斷增長，而且大規(guī)模的油氣長輸管道變成了各國經濟整體發(fā)展的重要標志。我國長輸油氣管道總里程已超過13萬km，隨著國家不斷發(fā)展，建設量不斷增加，管道運輸已經大有供不應求的態(tài)勢。而隨著數(shù)量增多，長度加長，也就意味著管道運輸?shù)陌踩珕栴}也日益加重。國內外都有因管道泄漏而引發(fā)的重大安全事故。而且管道泄漏有很多原因：施工質量問題、管道腐蝕影響、陰極保護失效、管道運行監(jiān)管的責任，等等。這些都是或多或少不可避免的，在保護管道的前提下，預防、避免、及時發(fā)現(xiàn)意外的發(fā)生成了處理管道泄漏問題最重要也是最后的手段。

本次實驗通過了解管道泄漏時圖像的顏色變化，利用彩色目標分割的圖像處理技術以及RGB向量空間的分割原理的相關基本知識來設計一種算法，結合彩色圖像分割的圖像匹配算法等對圖像進行處理，并進行誤差分析，進一步得到較為準確的結果，并且設計GUI可視化界面，完成輸入視頻圖像中的泄漏目標的自動檢測和目標分割，并針對泄漏事件及時發(fā)出報警信息。

1 相關模型

1.1 RGB模型（紅、綠、藍）

在RGB彩色模型中，任何一束色光S都可以用3個方向的分量疊加而成，這3個方向的分量是不同的顏色，分別是：紅色（R）、綠色（G）、藍色（B）。它的彩色空間可以用圖1來表示。

圖1 RGB顏色空間三維立方體模型

在RGB模型中，每種顏色出現(xiàn)在紅、綠、藍的原色光譜分量中，這個模型基于笛卡爾坐標系統(tǒng)，所考慮的彩色空間是如圖2所示的立方體［2］：

圖2 彩色空間立方體模型

在RGB彩色模型中，所表示的圖像由3幅圖像分量組成，每個分量圖像都是其原色圖像。當送入RGB監(jiān)視器時，這3幅圖像在熒光屏上混合產生一幅合成的彩色圖像［3］。RGB顏色空間中，顏色是由一個單位長度的立方體來表示的，立方體的8個頂點代表了8種常見顏色，分別是黑藍綠青紅紫黃白，立方體坐標系的原點代表了黑色，直角坐標系的3根坐標軸上是紅綠藍3種顏色，如圖2所示。這些顏色中存在3對互補色，分別是紅色和青色、紫色和綠色、黃色和藍色。三基色的取值范圍為R：0～255；G：0～255；B：0～255，值除以255后可以歸一到0～1之間［6］。

1.2 HSI模型

如圖3是HSI的圓形平面模型：HSI顏色模型的3個字母H、S、I分別代表的是顏色的波長、顏色的深淺程度、顏色的亮度。此外，在HSI顏色模型的雙六棱錐表示中，I是強度軸，色調H的角度范圍為[0,2π]，其中，純紅色的角度為0，純綠色的角度為2π/3，純藍色的角度為4π/3。

圖3 圓形平面HSI模型

HSI彩色空間模型可以用一個圓錐來描述，如圖4所示。用這種方法可以把色調、亮度和色飽和度的變化表現(xiàn)地很清楚，但是描述此過程確非常的復雜。色度一般包括色調和色飽和度，它一般用來表示顏色的種類和顏色的亮度。RGB模型更多的是面向硬件設備，而HSI彩色模型則是更多的是面向彩色處理應用的模型，而且HSI模型與人眼感知彩色的方式十分類似，具有顏色分量與亮度分量分離的優(yōu)點，使用顏色分量分割目標，不受光照變化的影響，適用性較強。所以處理有關人的視覺系統(tǒng)經常采用HSI色彩空間。此外，HSI色彩空間也多用于圖像處理等大量的算法中，而且色度和亮度兩個是相互獨立的，由于可以分開處理兩個量，所以能夠大大簡化圖像分析處理的工作量。

圖4 HSI色彩空間圓錐模型

2 研究原理

2.1 顏色相似性判據

（1）Euclidean距離。分割是一個把一幅圖像劃分成多個區(qū)域的過程。欲在HSI彩色空間分割彩色目標，我們需從彩色目標提取顏色樣本，估計其HSI分量的平均值矢量（mH，mS，mI）。通過把到目標顏色中心的Euclidean距離與設定的閾值T進行比較，我們可以判斷顏色點（zH，zS，zI）是否是目標顏色點。Euclidean距離公式為（1）：

圖5 Euclidean距離：落在球內的為目標顏色點

圖6 Mahalanobis距離：落在橢球內的為目標顏色點

（2）Mahalanobis距離：對Euclidean距離公式進行推廣，我們可以得到Mahalanobis距離公式：

其中，C為待分割的目標顏色樣本的協(xié)方差矩陣。

2.2 協(xié)方差矩陣

設給定一組M個以如下形式表示的隨機矢量：

均值矢量：

協(xié)方差矩陣：

其中，x矩陣的第k列即為第k個矢量，每個矢量包含了N個分量，矩陣第i行第k列元素表示第k個矢量的第i個分量。m列矢量的第i個元素表示所有矢量的第i個分量的平均值。

3 實驗結果與分析

3.1 將視頻數(shù)據轉化為靜態(tài)圖像數(shù)據

調用obj=VideoReader（filename）函數(shù)將導入的視頻數(shù)據轉化為每一幀的靜態(tài)圖像。

圖7

3.2 確定目標區(qū)域的顏色特征參數(shù)

對提取的幀數(shù)圖片進行特征參數(shù)的確定，并轉換為Binary image圖像。

圖8

3.3 檢測泄漏區(qū)域并及時報警

對圖像進行檢測，并標注滲漏時刻和幀數(shù)。

從圖9可以看出，管道是在0.05秒的時刻開始滲漏，以至于隨著時間的流逝會持續(xù)監(jiān)測出泄漏的具體區(qū)域。由于人的視覺對亮度的敏感程度遠強與對顏色濃淡的敏感程度，而HSI彩色模型與人眼感知彩色的方式十分類似，具有顏色分量與亮度分量分離的優(yōu)點，使用顏色分量分割目標，不受光照變化的影響，適用性較強。而且現(xiàn)在將彩色圖像分割結合算法應用于其他方面的已有很多，但在管道泄漏方面的研究還相對較少。

圖9

4 結語

通過圖像處理的方法檢測管道泄漏已有普遍的幾種方法。而現(xiàn)在將彩色圖像分割結合算法應用于其他方面的已有很多，但在管道泄漏方面的研究還相對較少。本項目的特色是將管道泄漏的檢測系統(tǒng)同彩色圖像分割原理相結合，利用圖像處理的方法對管道泄漏進行監(jiān)測，通過圖像處理與算法的研究，編制一款可用于管道泄漏報警的軟件。

伴隨著我國管道運輸行業(yè)的飛速發(fā)展，管道會因為各種現(xiàn)象而發(fā)生泄漏和損害從而給我們的環(huán)境、生命財產安全以及經濟帶來巨大的損失。雖然我們已經意識到管道數(shù)量眾多會帶來的安全隱患，但要想方便快捷的處理問題還是有許多的麻煩，例如管道在地下、管道網絡錯綜復雜都是非常關鍵重要的問題，它們會讓我們在發(fā)生事故后難以對發(fā)生地點進行定位以及檢測具體位置。到目前為止，處理這些問題主要還是依靠人工的逐一巡檢，這種方法既費時又費力，效率也不高。因此，如果本項目開發(fā)的報警軟件能夠成功，會大大減少人工成本，也降低了給人帶來的安全隱患。此外，僅僅一款軟件也會很大程度地降低巡檢帶來的高額費用成本，而且能夠及時并快速地發(fā)現(xiàn)泄漏問題，能夠極大地提高工作的效率。