CN102636313B - 基于红外热成像图像处理的渗漏源检测装置 - Google Patents

Abstract

一种基于红外热成像图像处理的渗漏源检测装置，包括红外热成像摄像装置和用于对红外热成像摄像装置所拍摄的墙体或者容器热像图以及相关输入信息对建筑物墙体或者容器的损坏状况、是否发生渗漏点以及渗漏区域和程度进行分析处理判断的微处理器；红外热成像摄像装置对预处理的被检物体进行扫摄，可获得墙体或者容器的表面温度分布信息；微处理器中软件主要包括：红外热成像图像获取单元、红外热成像图像预处理单元和渗漏定量检测单元，通过数字图像处理技术对被测物体表面温度场进行分析，得出被测物体是否存在渗漏缺陷、本发明不但能快速检测出是否存在渗漏缺陷，还能准确检测出渗漏存在区域、程度和影响范围，为渗漏缺陷提供一种评估方法。

Description

基于红外热成像图像处理的渗漏源检测装置

技术领域

本发明属于红外热成像技术和数字图像处理技术在墙体或容器等渗漏点精确定位检测方面的应用，主要适用于墙体渗漏源定位检测。

背景技术

在维护和管理各种建筑物时，通过表面无损检查来发现液体的渗漏点具有很大的工程应用价值，然而通过常规办法去寻找渗漏源和渗漏路径往往很难实现。渗水破坏是持续的，造成建筑材料、设备和装饰家具的过早损坏，并引起室内空气污染。特别是渗入点难以确定，因为水经常不按照预想的路径渗入，肉眼看不到任何渗水痕迹。确诊像银行，大坝，隧道，管道等建筑的墙体漏水状况，并且立即进行修理，是极其必要的。

现有技术提出了一些容器渗漏的检测方法，容器渗漏检测属于封闭结构的检测，因此可以采用音速喷嘴法、热式空气流量计法和表面涂抹法等方法。而对于墙体这样开放结构的渗漏检测，目前这些检测方法显然已经不能适用；另一方面，虽然墙体渗漏的最终结果能反映到墙体表面上来，但是要检测和准确定位墙体渗漏源却是一件非常困难的事情。

发明内容

为了克服现有检测手段针对墙体渗漏检测，尤其是在渗漏源定位等方面存在的不足，本发明提供一种既能检测和定位墙体渗漏源，又能对渗漏程度和造成的影响进行量化分析的基于红外热成像图像处理的渗漏源检测装置。

本发明解决其技术问题所采用的技术方案是：

一种基于红外热成像图像处理的渗漏源检测装置，包括红外摄像装置和用于对红外摄像装置所拍摄的墙体或者容器红外热成像图像进行预处理，并判断是否发生渗漏点以及分析处理渗漏区域和程度的微处理器；所述的微处理器包括：

红外热成像图像获取单元，用于通过USB接口读取红外摄像装置所拍摄的被检物体的红外热像图，并将读取的红外热像图提交给红外热成像图像预处理单元；

红外热成像图像预处理单元，用于将红外热成像图像进行初步预处理得到初步增强的红外热成像图像，然后对该初步增强红外热成像图像进行区域初步分割，得到红外热成像图像上疑似不同渗漏源引起渗漏影响局部区域，并保存于区域队列供后续运算；

渗漏定量检测单元，用于从区域队列中取出一个疑似单一渗漏源所影响范围红外热成像图像进行渗漏量化，计算得到渗漏源准确位置以及对渗漏影响程度进行量化处理，所述渗漏定量检测单元包括：形态学分析模块，用于缩小渗漏源的检测范围，进行渗漏源的粗定位；温度梯度判断模块，用于准确定位渗漏源的位置；

在所述的形态学判断模块中，首先对单一渗漏点影响范围区域进行面积统计，然后根据形态学进行非渗漏点排除，在渗漏模型中，半径最小椭圆区域为渗漏点所在，有渗漏点向外，水分的扩散造成温度的梯度扩散，在红外热成像图像图中有温度信息找出水分扩散；

在所述的温度梯度计算模块中，使用等值线算法得到多条等温线；针对每一条等温线计算其多条法线，对法线相交最集中区域进行统计，判定法线相交最集中点为渗漏源。

进一步，所述渗漏定量检测单元包括：检测结果输出单元，用于输出检测结果报告，检测结果报告内容包括：是否存在多渗漏点、渗漏点区域坐标、渗漏程度；渗漏程度指标包括：温度梯度密集度、渗漏点区域水分和渗漏影响区域面积。

在所述的温度梯度计算模块中，如果检测出在某一小区域内存在多渗漏点，则需要进一步进行多渗漏点分离计算；多渗漏点处理，如果在所述的渗漏点量化模块对于队列中的一个局部小区域计算得到小区域存在多个渗漏点情况时，逐一对这些渗漏点进行标记。

所述的红外热成像图像预处理单元，预处理过程如下；

步骤1)：温度值-灰度值映射变换，对红外热成像图像进行温度值-灰度值映射变换，以灰度值图像表现，图像上各点灰度值对应相应温度值；步骤2)：低通滤波去噪；步骤3)：对比度增强；步骤4)：轮廓提取，对温度范围修正后的灰度值图像进行边界轮廓提取，以便进行连通域提取与标记；步骤5)：连通域提取，对灰度值图像上疑似单一渗漏点影响范围进行连通域填充提取，消除该范围内的少数空洞。

所述的红外热成像图像预处理单元，低通滤波去噪的过程如下：步骤2.1)：对灰度值图像进行傅立叶变换，将空域图像变换到频域；步骤22)：设计低通滤波器，采用巴特沃斯低通滤波器，低通滤波器公式(1)所示，进行相乘滤波；步骤2.3)：采用傅立叶逆变换，将滤波后的频域图像转换到空域；

$H(u,v)=\frac{1}{1+{[D(u,v)/D_0]}^{2n}}---\left(1\right)$

式中，D₀是截至频率距原点的距离，D(u，v)是(u，v)点距频率矩形中心点距离；这里将把H(u，v)开始小于其最大值的一定比例的点当作其截止频率点，本发明中选择H(u，v)为0.5。

所述的红外热成像图像预处理单元，对比度增强的方式将低温区温度差拉伸，具体做法是采用对数变换方法来扩展图像的低灰度范围，同时压缩高灰度范围；对于一幅最高温度为Tmax和最低温度为Tmin的红外热成像图，其温度变换区域为[Tmin，Tmax]，在宽区间内较小的温差将被淹没，很难准确的被定位检测出来；若渗漏周围温度的范围为[Tmin0，Tmax0]，那么就存在着Tmin＜Tmin0＜Tmax0＜Tmax关系，通过公式(2)所示的非线性灰度变换的对数变换，变换后的图像使得渗漏周围温度的温差范围得以扩展，非渗漏区域的温差范围得以压缩；

$g(u,v)=a+\frac{\ln [f(u,v)+1]}{b}---\left(2\right)$

式中，f(u，v)代表温度值修正前值，g(u，v)为温度修正后的值，参数a控制曲线上下偏移量，参数b控制曲线的弯曲程度；选择合适的参数使得相对低温区的差距得到拉伸，同时抑制非渗漏区域高温区的差距扩大化，选择参数a＝50，b＝0.05。

所述的红外热成像图像预处理单元，采用轮廓提取算法进行渗漏源区域轮廓的提取，具体算法描述如下：首先对对比度增强后的图像进行二值化，这里采用自适应方式确定参数；其次遍历二值图像，确定一个非零点为轮廓前驱点，循环查找其八连通区域内与该点同值的点后确定为轮廓后继点，以此继续进行，同时需要对轮廓线相交、相切和重叠等特殊情况做处理；最后对相邻连通区域进行拼接。

所述的红外热成像图像预处理单元，在初步预处理后进行区域初步分割，在整体红外热成像图像中标记提取单一渗漏点影响范围区域图像，放入区域队列中，到此疑似单一渗漏点影响区域表面红外热成像图像将一个一个存在队列中，接下来进行渗漏定量检测。

所述红外成像装置用于接收目标物体表面热辐射红外波，并转化为电压信号同时以相应彩色值显示在红外热成像图像上，红外摄像装置可手持或安装在摄像支架上，对被检物体进行拍摄得到红外热成像图像，通过红外热成像图像处理获得墙体的表面温度分布信息。

在拍摄红外热成像图像前需要对被检物体进行预处理，过程是：首先对被检物体区域上方模拟下雨情景充分浇水；然后对被检物体区域进行局部加热。

本发明的有益效果主要表现在：1、结合红外图像处理技术能够非接触式无损检测，不需要凿开墙体而得到渗漏点所在；2、使用该方法可以定量定位渗漏坐标和渗漏影响大小；3、解决了墙体渗漏源检测定位难的问题，定量化检测为损失评估和维修工作带来很大的便利。

附图说明

图1为使用热像仪对墙体渗漏检测示意图；

图2a)为墙体热像图、图2b)为灰度值拉升图、图2c)为低通滤波效果图；

图3为一种基于红外热成像图像处理的渗漏源检测装置的软件构成框图；

图4为该系统中热像预处理单元中的初步预处理模块框图；

图5该系统中渗漏定量检测单元中的针对一个区域进行计算算法框图；

图6a)为垂直渗漏模型、图6b)为形态学处理后的渗漏点周围模型；

图7a)为渗漏点周围温度梯度模型、图7b)为其中任一条等温线以及法线模型；

图8为非线性灰度变换方法中的对数变换映射；

图9为巴特沃斯低通滤波器剖面图和透视图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～9，一种基于红外热成像图像处理的渗漏源检测装置，所述基于红外热成像图像处理的渗漏源检测装置，检测装置的应用状态如图1所示，其中包括红外摄像装置和用于对红外摄像装置所拍摄的墙体或者容器红外热成像图像以及相关输入信息对建筑物墙体或者容器的损坏状况、是否发生渗漏点以及渗漏区域和程度进行分析处理判断的微处理器；

所述红外成像装置用于接收目标物体表面热辐射红外波，并转化为电压信号同时以相应彩色值显示在红外热成像图像上；红外摄像装置可手持或安装在摄像支架上，对被检物体进行拍摄得到红外热成像图像，通过红外热成像图像处理获得墙体的表面温度分布信息；在拍摄红外热成像图像前需要对被检物体进行预处理，预处理的目的是为了模拟雨后天晴被检物体的温度分布状态，因此所述的预处理过程是：首先对被检物体区域上方模拟下雨情景充分浇水，浇水的程度取决于每次发生渗漏情况的雨量；然后对被检物体区域进行局部加热；对于雨后情况的检测省略浇水过程，这样使得被检物体的表面温度分布随着渗漏而发生改变；如果对于雨后天晴的情况就可以免去上述所述的预处理过程；

在雨后24小时是对渗漏检测目标区域进行热像拍摄的最佳时间，如果长期不下雨可对被检物体区域上方模拟下雨情景充分浇水后进行拍摄，如果对建筑物顶层检测屋顶洒水效果将会更佳。对内墙进行拍摄时使用加热装置对内墙进行局部加热可提高渗漏区域表面温度对比度，有助于提高后续计算准确度。红外成像装置是利用红外探测器和光学成像物镜接受被测目标的红外辐射能量分布图形反映到红外探测器的光敏元件上，从而获得热像图如图2a)所示，这种红外热成像图与物体表面的热分布场相对应。

所述的微处理器包括硬件和软件两个部分，硬件部分采用一般市售的PC机。软件部分包括：主要包括红外热成像图像获取单元、红外热成像图像预处理单元和渗漏定量检测单元，其处理流程如图3所示。

红外热成像图像获取单元，用于通过USB接口读取红外摄像装置所拍摄的被检物体的红外热像图，并将读取的红外热像图提交给红外热成像图像预处理单元；

红外热成像图像预处理单元，将针对红外热成像图像存在对比度低、边界模糊、存在干扰噪声等缺点进行初步预处理得到初步增强的红外热成像图像，然后对该初步增强红外热成像图像进行区域初步分割，得到红外热成像图像上疑似不同渗漏源引起渗漏影响局部区域，并保存于区域队列供后续运算；

渗漏定量检测单元，从区域对象中取出一个疑似单一渗漏源所影响范围红外热成像图像进行渗漏量化，计算得到渗漏源准确位置以及对渗漏影响程度进行量化处理。

红外热成像图像预处理单元，如图4所示，具体分为以下5个步骤：

P1，步骤1)：温度值-灰度值映射变换，渗漏检测过程中需要使用到的是红外热成像图像中的各点温度信息，针对渗漏检测而言，红外热成像图像是伪彩色图像，需要进行温度值-灰度值映射变换，以灰度值图像表现，图像上各点灰度值对应相应温度值；

P2，步骤2)：低通滤波去噪，红外热成像图像相对于普通可见光图像存在多噪声缺点，需要将噪声去除后得到较理想灰度值图像；红外热成像图像相对于普通可见光图像存在着多噪声缺点，如图2b)所示，通过去噪声处理后可以得到较理想图像，如图2c)所示；

本发明中采用低通滤波方式去除灰度值图像上的噪声点；具体实现步骤是：步骤I)：对灰度值图像进行傅立叶变换，将空域图像变换到频域；步骤II)：设计低通滤波器，采用巴特沃斯低通滤波器，其低通滤波特性如图9所示，低通滤波器公式(1)所示，进行相乘滤波；步骤III)：采用傅立叶逆变换，将滤波后的频域图像转换到空域；

$H(u,v)=\frac{1}{1+{[D(u,v)/D_0]}^{2n}}---\left(1\right)$

式中，D₀是截至频率距原点的距离，D(u，v)是(u，v)点距频率矩形中心点距离；这里将把H(u，v)开始小于其最大值的一定比例的点当作其截止频率点，本发明中选择H(u，v)为0.5。

P3，步骤3)：对比度增强，在得到较理想温度灰度图像上，是将该红外热成像图像上温度最低值和温度最高值为温度区间将255级灰度值映射过去，由于某几个错误像素温度值导致整体温度区间扩大，造成真正需要关注的检测温度区间所占比例较小，使得不能很好在检测温度区间内进行计算，因此对比度增强是指将图像中不关注的温度区间缩小至一个合理的温度区间，将关注温度区间内灰度值差异化拉升，便于后续计算；

为了较准确的定位渗漏源区域，考虑到渗漏检测时，渗漏区域主要集中在温度较低区域，这里采用对比度增强的方式将低温区温度差拉伸，具体做法是采用一种对数变换方法来扩展图像的低灰度范围，同时压缩高灰度范围；对于一幅最高温度为Tmax和最低温度为Tmin的红外热成像图，其温度变换区域为[Tmin，Tmax]，在宽区间内较小的温差将被淹没，很难准确的被定位检测出来；若渗漏周围温度的范围为[T min0，T max0]，那么就存在着Tmin＜Tmin0＜Tmax0＜Tmax关系，通过公式(2)所示的非线性灰度变换的对数变换，变换后的图像使得渗漏周围温度的温差范围得以扩展，非渗漏区域的温差范围得以压缩；

$g(u,v)=a+\frac{\ln +[f(u,v)+1]}{b}---\left(2\right)$

式中，f(u，v)代表温度值修正前值，g(u，v)为温度修正后的值，参数a控制曲线上下偏移量，参数b控制曲线的弯曲程度；选择合适的参数使得相对低温区的差距得到扩展，同时抑制非渗漏区域高温区的差距扩大化，选择参数a＝50，b＝0.05。非线性灰度变换的对数变换结果如图8所示，通过这样的变换在疑似渗漏区域的温差范围得到了较大的扩展。

P4，步骤4)：轮廓提取，对温度范围修正后的灰度值图像进行边界轮廓提取，以便进行连通域提取与标记；为了完整地提取出整个渗漏源区域，采用轮廓提取算法进行渗漏源区域轮廓的提取，具体算法描述如下：首先对对比度增强后的图像进行二值化，这里采用自适应方式确定参数；其次遍历二值图像，确定一个非零点为轮廓前驱点，循环查找其八连通区域内与该点同值的点后确定为轮廓后继点，以此继续进行，同时需要对轮廓线相交、相切和重叠等特殊情况做处理；最后对相邻连通区域进行拼接。

P5，步骤5)：连通域提取，对灰度值图像上疑似渗漏点影响范围进行连通域填充提取，消除该范围内的少数空洞。具体做法是：在整体热像图中标记提取渗漏点影响范围区域图像，放入区域队列中，到此疑似单一渗漏点影响区域表面热像图将一个一个存在队列中，接下来进行渗漏定量检测单元中。

渗漏定量检测单元主要包括：形态学判断模块、温度判断模块、温度梯度判断模块、渗漏点量化模块和多渗漏点分离模块。计算流程如图5所示；首先在存在队列中逐一取出单一渗漏点影响范围图像进入渗漏定量检测单元进行计算；

在所述的形态学判断模块中，首先对单一渗漏点影响范围区域进行面积统计，然后根据形态学进行非渗漏点排除，即初步缩小渗漏点所在位置范围。墙体渗漏考虑墙体受重力和张力影响，水会由渗漏点向外层层的泛开，如图6a)所示。然而存在重力和墙体粘结力，不能简单的把水分最集中的地方当作渗漏点，况且渗漏整体过程很难被全部拍摄，需要找出渗漏点具体位置还需要后续计算。在图6a)的渗漏模型中，半径最小椭圆区域为渗漏点所在，有渗漏点向外，水分的扩散造成温度的梯度扩散，我们在热像图中有温度信息找出水分扩散。形态学判断模块后由图6a)计算后得到图6b)，进一步缩小渗漏点检索范围，同时为后面模块计算排除了渗漏区域外围积水造成的计算干扰。形态学判断模块的处理结果同时提交给温度判断模块和温度梯度判断模块进行处理。

在所述的温度判断模块中，如在图6b)中寻找温度最低值集中区域，所述的温度判断模块中使用的具体算法如下：遍历图6b)，对坐标(u，v)点做温度加权求和操作如公式(3)所示，

$s(u,v)=\stackrel{i=u+2}{\mathrm{\Σ}}\stackrel{j=v+2}{\mathrm{\Σ}}(f(u,v)*\mathrm{\ψ}(i,j))---\left(3\right)$

式中，f(u，v)为疑似渗漏区域图像，ψ(i，j)为权重系数，s(u，v)加权求和结果；

此处，考虑水分在重力影响下，向下扩散能力较向上扩散能力大，温度低值会由渗漏源点向下蔓延趋势，所以，ψ(i，j)当j＞0时取1/j，当j＜0时取值-1/2j，当j＝0取1。在图6b)中搜索s(u，v)最小值区域定义为该判断算法输出结果。

在所述的温度梯度判断模块中，对在图6b)所示渗漏点周围区域图像存在有水分梯度加热后引起的温度梯度，水分和墙体的导热能力和比热容都存在差异，故水分多少可在热像图上以温度梯度的形式表现出来。如图7a)所示，温度梯度以闭合等温线的形式描述，对等温线可计算在某些角度上的法线，多条等温线的多法线将会大致相交于渗漏点区域，利用该原理，温度梯度模块得到等温线法线相对集中区域为渗漏点所在位置，如图7b)所示。

在温度梯度计算模块中用图7a)所示椭圆模型来表示图6b)所示渗漏区域，水分的扩散导致墙体渗漏源附近区域表面温度以一定梯度规则扩散。所述的温度梯度计算模块使用等值线算法得到多条等温线，针对每一条等温线计算其多条法线，如图7b)所示，对法线相交最集中区域进行统计，判定法线相交最集中点为渗漏源；最后所述的基于红外热成像图像处理的渗漏源检测装置输出检测结果报告，检测结果报告内容包括：是否存在多渗漏点、渗漏点区域坐标、渗漏程度；渗漏程度指标包括：温度梯度密集度、渗漏点区域水分和渗漏影响区域面积；如果检测出在某一小区域内存在多渗漏点，则需要进一步进行多渗漏点分离计算；多渗漏点处理，如果在所述的渗漏点量化模块对于队列中的一个局部小区域计算得到小区域存在多个渗漏点情况时，逐一对这些渗漏点进行标记。

上述检测方法同样适用于容器泄漏的检测。

Claims (4)

1.一种基于红外热成像图像处理的渗漏源检测装置，其特征在于：所述基于红外热成像图像处理的渗漏源检测装置，包括红外摄像装置和用于对红外摄像装置所拍摄的墙体或者容器红外热成像图像进行预处理，并判断是否发生渗漏点以及分析处理渗漏区域和程度的微处理器；

所述的微处理器包括：

红外热成像图像获取单元，用于通过USB接口读取红外摄像装置所拍摄的被检物体的红外热像图，并将读取的红外热像图提交给红外热成像图像预处理单元；

红外热成像图像预处理单元，用于将红外热成像图像进行初步预处理得到初步增强的红外热成像图像，然后对该初步增强红外热成像图像进行区域初步分割，得到红外热成像图像上疑似不同渗漏源引起渗漏影响局部区域，并保存于区域队列供后续运算；

渗漏定量检测单元，用于从区域队列中取出一个疑似单一渗漏源所影响范围红外热成像图像进行渗漏量化，计算得到渗漏源准确位置以及对渗漏影响程度进行量化处理，所述渗漏定量检测单元包括：形态学分析模块，用于缩小渗漏源的检测范围，进行渗漏源的粗定位；温度梯度判断模块，用于准确定位渗漏源的位置；

在所述的形态学判断模块中，首先对单一渗漏点影响范围区域进行面积统计，然后根据形态学进行非渗漏点排除，在渗漏模型中，半径最小椭圆区域为渗漏点所在，有渗漏点向外，水分的扩散造成温度的梯度扩散，在红外热成像图像图中有温度信息找出水分扩散；

在所述的温度梯度计算模块中，使用等值线算法得到多条等温线；针对每一条等温线计算其多条法线，对法线相交最集中区域进行统计，判定法线相交最集中点为渗漏源；

所述渗漏定量检测单元包括：检测结果输出单元，用于输出检测结果报告，检测结果报告内容包括：是否存在多渗漏点、渗漏点区域坐标、渗漏程度；渗漏程度指标包括：温度梯度密集度、渗漏点区域水分和渗漏影响区域面积；

在所述的温度梯度计算模块中，如果检测出在某一小区域内存在多渗漏点，则需要进一步进行多渗漏点分离计算；多渗漏点处理，如果在所述的渗漏点量化模块对于队列中的一个局部小区域计算得到小区域存在多个渗漏点情况时，逐一对这些渗漏点进行标记；

所述的红外热成像图像预处理单元，预处理过程如下；

步骤1)：温度值-灰度值映射变换，对红外热成像图像进行温度值-灰度值映射变换，以灰度值图像表现，图像上各点灰度值对应相应温度值；步骤2)：低通滤波去噪；步骤3)：对比度增强；步骤4)：轮廓提取，对温度范围修正后的灰度值图像进行边界轮廓提取，以便进行连通域提取与标记；步骤5)：连通域提取，对灰度值图像上疑似单一渗漏点影响范围进行连通域填充提取，消除该范围内的少数空洞；

所述的红外热成像图像预处理单元，采用轮廓提取算法进行渗漏源区域轮廓的提取，具体算法描述如下：首先对对比度增强后的图像进行二值化，这里采用自适应方式确定参数；其次遍历二值图像，确定一个非零点为轮廓前驱点，循环查找其八连通区域内与该点同值的点后确定为轮廓后继点，以此继续进行，同时需要对轮廓线相交、相切和重叠的特殊情况做处理；最后对相邻连通区域进行拼接；

所述的红外热成像图像预处理单元，低通滤波去噪的过程如下：步骤2.1)：对灰度值图像进行傅立叶变换，将空域图像变换到频域图像；步骤2.2)：设计低通滤波器，采用巴特沃斯低通滤波器，低通滤波器公式(1)所示，进行相乘滤波；步骤2.3)：采用傅立叶逆变换，将滤波后的频域图像转换到空域图像；

$H(u,v)=\frac{1}{1+{[D(u,v)/D_0]}^{2n}}---\left(1\right)$

式中，D₀是截至频率距原点的距离，D(u,v)是(u,v)点距频率矩形中心点距离；这里将把H(u,v)开始小于其最大值的一定比例的点当作其截止频率点，选择H(u,v)为0.5；

所述的红外热成像图像预处理单元，对比度增强的方式将低温区温度差拉伸，具体做法是采用对数变换方法来扩展图像的低灰度范围，同时压缩高灰度范围；对于一幅最高温度为Tmax和最低温度为Tmin的红外热成像图，其温度变换区域为[Tmin,Tmax]，在宽区间内较小的温差将被淹没，很难准确的被定位检测出来；若渗漏周围温度的范围为[Tmin0,Tmax0]，那么就存在着Tmin<Tmin0<Tmax0<Tmax关系，通过公式(2)所示的非线性灰度变换的对数变换，变换后的图像使得渗漏周围温度的温差范围得以扩展，非渗漏区域的温差范围得以压缩；

$g(u,v)=a+\frac{\ln [f(u,v)+1]}{b}---\left(2\right)$

式中，f(u,v)代表温度值修正前值，g(u,v)为温度修正后的值，参数a控制曲线上下偏移量，参数b控制曲线的弯曲程度；选择合适的参数使得相对低温区的差距得到拉伸，同时抑制非渗漏区域高温区的差距扩大化，选择参数a＝50，b＝0.05。

2.如权利要求1所述的基于红外热成像图像处理的渗漏源检测装置，其特征在于：所述的红外热成像图像预处理单元，在初步预处理后进行区域初步分割，在整体红外热成像图像中标记提取单一渗漏点影响范围区域图像，放入区域队列中，到此疑似单一渗漏点影响区域表面红外热成像图像将一个一个存在队列中，接下来进行渗漏定量检测。

3.如权利要求2所述的基于红外热成像图像处理的渗漏源检测装置，其特征在于：所述红外成像装置用于接收目标物体表面热辐射红外波，并转化为电压信号同时以相应彩色值显示在红外热成像图像上，红外摄像装置可手持或安装在摄像支架上，对被检物体进行拍摄得到红外热成像图像，通过红外热成像图像处理获得墙体的表面温度分布信息。

4.如权利要求3所述的基于红外热成像图像处理的渗漏源检测装置，其特征在于：在拍摄红外热成像图像前需要对被检物体进行预处理，过程是：首先对被检物体区域上方模拟下雨情景充分浇水；然后对被检物体区域进行局部加热。