CN116912172A - 一种基于高动态红外图像增强的气体泄漏检测方法 - Google Patents
一种基于高动态红外图像增强的气体泄漏检测方法 Download PDFInfo
- Publication number
- CN116912172A CN116912172A CN202310700860.5A CN202310700860A CN116912172A CN 116912172 A CN116912172 A CN 116912172A CN 202310700860 A CN202310700860 A CN 202310700860A CN 116912172 A CN116912172 A CN 116912172A
- Authority
- CN
- China
- Prior art keywords
- image
- gray level
- base layer
- gas
- dynamic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 238000013507 mapping Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000006835 compression Effects 0.000 claims abstract description 13
- 238000007906 compression Methods 0.000 claims abstract description 13
- 238000000926 separation method Methods 0.000 claims abstract description 11
- 238000009792 diffusion process Methods 0.000 claims abstract description 7
- 238000009826 distribution Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 24
- 230000014509 gene expression Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000001788 irregular Effects 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 239000007789 gas Substances 0.000 description 121
- 238000003331 infrared imaging Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 229910018503 SF6 Inorganic materials 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 239000000460 chlorine Substances 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 description 2
- 229960000909 sulfur hexafluoride Drugs 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于高动态红外图像增强的气体泄漏检测方法,涉及泄漏气体检测技术领域,解决了现有技术中对泄漏气体检测不准确且不及时的问题,该方法包括:获取泄漏气体的高动态红外图像;对高动态红外图像分层进行处理,确定基础层处理图像和增强层处理图像;将动态压缩基础层图像与细节纹理增强图像进行叠加并进行图像分离以及误检区域剔除,确定泄漏气体区域;与高动态红外图像对比,确定红外泄漏气体区域,并完成灰度的伪彩色映射,确定伪彩色泄漏气体区域;将伪彩色泄漏气体区域与泄漏气体区域进行叠加,确定伪彩色叠加图像;并确定气体的扩散方向和泄漏后的浓度分布;实现了对泄漏气体区域进行精准检测,提高泄漏气体检测的灵敏度和准确度。
Description
技术领域
本发明涉及泄漏气体检测技术领域,尤其涉及一种基于高动态红外图像增强的气体泄漏检测方法。
背景技术
随着现代科技的快速发展,各种气体在工业和生活中发挥着越来越广泛的作用,比如六氟化硫(SF6)气体应用于各种设备充当绝缘材料、二氧化碳(CO2)广泛用于消防系统中、氟利昂可用在制冷系统中以及氨气(NH3)、氯气(Cl2)等气体在工业生产发挥重要作用等等。虽然目前工业生产和日常生活均离不开气体的使用,但是这些气体一旦发生泄漏会对周围环境造成严重危害,甚至一些危险气体会严重威胁到工业人员的人身及财产安全,因此气体的泄漏检测也成为了石油、化工、电力等企业的重要维护工作之一。
在众多泄漏气体检测方法中,红外成像检测技术以距离远、效率高、范围广、效果直观等优势成为泄漏气体检测领域的研究热点。被动式红外成像技术不需要特定的红外激光光源,利用泄漏的气体会吸收环境背景的红外辐射,在红外成像下泄漏区域会显示出比周围环境更暗的气体云团这一现象进行被动式气体泄漏检测。红外图像中泄漏气体云团的明暗程度、扩散速度可以大致反映实际气体的泄漏量和泄漏速度,因此可以通过观察红外图像判断气体是否发生泄漏,并且在高动态红外图像中找到泄漏源进行及时的修补措施,这将很大程度上降低气体检漏人员的时间成本和工作量。但是,通常因为气体的泄漏量较小、红外成像设备采用高动态方式存储图像等原因,在高动态红外图像中泄漏气体云团往往纹理模糊、对比度较低难以直接观察得出结论,并且高动态红外图像中存在大量噪声和其他干扰物影响工作人员的准确判断。
因此,对气体泄漏高动态红外图像进行必要的图像处理,在整体降低高动态红外图像噪声的同时增强泄漏气体云团的对比度,并对泄漏气体运动区域进行更加显著的增强显示,将大幅提高气体泄漏巡检工作人员的气体泄漏检测效率。
发明内容
本发明通过提供一种基于高动态红外图像增强的气体泄漏检测方法,解决了现有技术中进行泄漏气体检测时部分重要的泄漏气体纹理信息丢失,且没有对前景图像中的干扰因素进行处理,造成的泄漏气体检测不准确且不及时的问题,进而实现了能够对泄漏气体区域进行精准检测,提高泄漏气体检测的灵敏度和准确度。
本发明实施例提供了一种基于高动态红外图像增强的气体泄漏检测方法,该方法包括:
获取泄漏气体的高动态红外图像;
对所述高动态红外图像分层进行处理,确定基础层处理图像和增强层处理图像,所述基础层处理图像包括基础层图像和动态压缩基础层图像,所述增强层处理图像包括细节层图像和细节纹理增强图像;
将所述动态压缩基础层图像与所述细节纹理增强图像进行叠加,对叠加后的图像进行图像分离以及误检区域剔除,确定泄漏气体区域;
对比所述泄漏气体区域与所述高动态红外图像,确定所述红外泄漏气体区域,并根据所述红外泄漏气体区域内的像素点的像素信息完成灰度的伪彩色映射,确定伪彩色泄漏气体区域;
将所述伪彩色泄漏气体区域与所述泄漏气体区域进行叠加,确定伪彩色叠加图像;
根据所述伪彩色叠加图像确定气体的扩散方向和泄漏后的浓度分布。
在一种可能的实现方式中,所述对所述高动态红外图像分层进行处理,确定基础层处理图像和增强层处理图像,包括:
利用第一引导滤波器对所述高动态红外图像进行去噪处理,确定所述基础层图像;
利用双尺度二值化直方图加权映射算法对所述基础层图像进行压缩,确定所述动态压缩基础层图像;
利用差分算法对所述高动态红外图像与所述基础层图像进行差分操作,确定所述细节层图像;
利用第二引导滤波器进行去噪以及利用滤波线性因子作为增益增强所述细节层图像的细节纹理,确定所述细节纹理增强图像。
在一种可能的实现方式中,所述第一引导滤波器表示为:
q(i,j)=akI(i,j)+bk
其中,q(i,j)表示输出图像,I(i,j)表示引导图像,ak和bk表示局部窗口内的线性因子,ak和bk是通过成本函数E(ak,bk)的最小化来确定,E(ak,bk)的表达式为:
其中,Ωk表示局部窗口,p(i,j)表示滤波器输入图像,ε表示正则化参数。
在一种可能的实现方式中,所述利用双尺度二值化直方图加权映射算法对所述基础层图像进行压缩,确定所述动态压缩基础层图像,包括:
逐一判断所述基础层图像的直方图中每个灰度级的频数是否大于或者等于第一有效灰度级频数阈值,若满足,则确定所述直方图灰度级为有效灰度级且赋予二值化系数为1,否则确定所述直方图灰度级为无效灰度级且赋予二值化系数为0;
判断所述直方图的所述灰度级频数与第二有效灰度级频数阈值的大小关系,再判断所述直方图灰度级数值与所述泄漏气体的灰度级数值范围的大小关系,进而确定所述直方图的所述灰度级频数是否为有效灰度级,并修正二值化系数,所述第二有效灰度级频数阈值小于所述第一有效灰度级频数阈值;
将有效灰度级映射至可显示的范围,以确定所述动态压缩基础层图像。
在一种可能的实现方式中,所述判断所述直方图的所述灰度级频数与第二有效灰度级频数阈值的大小关系,再判断所述直方图灰度级数值与所述泄漏气体的灰度级数值范围的大小关系,进而确定所述直方图的所述灰度级频数是否为有效灰度级,并修正二值化系数,包括:
设定所述泄漏气体的灰度级数值范围为[P1,P2],其中P1与P2的计算公式为:
其中,a,b表示为泄漏气体灰度区间系数,M1,M2表示为所述基础层图像的灰度值范围;
判断二值化系数为0的灰度级频数大于或者等于所述第二有效灰度级频数阈值,且所述直方图灰度级数值在[P1,P2]内,则修正二值化系数为b-a;
判断二值化系数为1的所述直方图灰度级数值是否在[M1,P1]和[P2,M2]的范围内,若是则修正二值化系数为1-b+a。
在一种可能的实现方式中,所述有效灰度级的映射表达式为:
其中,Ibase_do(x)表示映射后的图像灰度值,G(i)为所述动态压缩基础层图像的灰度级二值化系数,Dmax为映射后的图像动态最大范围,L用于限制映射图像的最小动态范围,图像最小动态范围Dmin表示为:
其中Pmin、Pmax表示所述基础层图像的最小、最大灰度值。
在一种可能的实现方式中,所述第二引导滤波器具体表示为:
其中,表示所述细节层图像局部方差,εdetail表示滤波器正则化参数,表示所述细节层图像均值,Idetail表示为所述细节层图像,ak表示为线性因子。
在一种可能的实现方式中,所述对叠加后的图像进行图像分离以及误检区域剔除,确定泄漏气体区域,包括:
利用混合高斯背景建模,对叠加后的图像进行图像分离,确定运动前景图像和背景图像;
对所述运动前景图像中的误检区域进行剔除,确定泄漏气体区域。
在一种可能的实现方式中,所述对所述运动前景图像中的误检区域进行剔除,包括对不符合不规则特性的运动区域进行剔除,其中区域不规则度计算方法为:
其中,C表示区域的周长,S表示区域的面积。
在一种可能的实现方式中,所述根据所述红外泄漏气体区域内的像素点的像素信息完成灰度的伪彩色映射,包括:
所述伪彩色映射具体的公式为:
T[f(x,y)]={TR(f(x,y)),TG(f(x,y)),TB(f(x,y))}
其中f(x,y)表示所述红外泄漏气体区域内的像素点在(x,y)处的灰度值,TR、TG和TB分别为R、G和B三通道的映射方法,T[f(x,y)]为映射后的彩色值。
本发明中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本发明通过采用了一种基于高动态红外图像增强的气体泄漏检测方法,该方法包括:获取泄漏气体的高动态红外图像;对高动态红外图像分层进行处理,确定基础层处理图像和增强层处理图像,基础层处理图像包括基础层图像和动态压缩基础层图像,增强层处理图像包括细节层图像和细节纹理增强图像;对高动态红外图像进行分层处理,增加了对细节纹理的增强处理,增加了气体区域的局部对比度;将动态压缩基础层图像与细节纹理增强图像进行叠加,确定对叠加后的图像进行图像分离以及误检区域剔除,确定泄漏气体区域;在叠加后的图像上对运动前景图像进行修正,保证得到准确完成的泄漏气体区域;对比泄漏气体区域与高动态红外图像,确定红外泄漏气体区域,并根据红外泄漏气体区域内的像素点的像素信息完成灰度的伪彩色映射,确定伪彩色泄漏气体区域;将泄漏气体区域定为到高动态红外图像中,增加了伪彩色映射的彩色丰富程度;将伪彩色泄漏气体区域与泄漏气体区域进行叠加,确定伪彩色叠加图像;根据伪彩色叠加图像确定气体的扩散方向和泄漏后的浓度分布;有效解决了现有技术中进行泄漏气体检测时部分重要的泄漏气体纹理信息丢失,且没有对前景图像中的干扰因素进行处理,造成的泄漏气体检测不准确且不及时的问题,进而实现了能够对泄漏气体区域进行精准检测,提高泄漏气体检测的灵敏度和准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于高动态红外图像增强的气体泄漏检测方法步骤流程图;
图2为本发明实施例提供的泄漏气体的高动态红外图像;
图3为本发明实施例提供的泄漏气体的基础层图像;
图4为本发明实施例提供的细节层图像;
图5为本发明实施例提供的动态压缩基础层图像;
图6为本发明实施例提供的细节纹理增强图像;
图7为本发明实施例提供的气体增强图像;
图8为本发明实施例提供的运动前景图像;
图9为本发明实施例提供的区域剔除后的前景图像;
图10为本发明实施例提供的红外泄漏气体区域;
图11为本发明实施例提供的叠加后的最终图像。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
目前对气体高动态红外图像的增强方法主要存在于高动态红外图像的范围压缩阶段、高动态红外图像的噪声抑制阶段、泄漏气体的纹理增强阶段。但是现有图像增强算法更多是将气体图像当作普通高动态红外图像而没有针对图像中的泄漏气体特性进行侧重研究。因此,深入分析泄漏气体的特性可使图像增强方法更贴近气体泄漏检测的需求和应用方向。
鉴于国内外对气体泄漏检测的迫切需要,以及针对现阶段被动式红外成像检测方法及气体高动态红外图像处理方法存在的主要问题。本发明提供一种基于高动态红外图像增强的气体泄漏检测方法,在尽可能保留高动态图像中泄漏气体信息的同时压缩图像的动态范围至显示范围,增强气体高动态红外图像的对比度和泄漏气体的纹理细节信息,并通过伪彩色映射的方式增强气体区域的可视化程度,以提升气体泄漏检测方法检测准确度与及时性。
本发明实施例提供了一种基于高动态红外图像增强的气体泄漏检测方法,如图1所示该方法包括以下步骤S101至S106。
S101,获取泄漏气体的高动态红外图像Isrc,如图2所示为高动态红外图像Isrc。
S102,对高动态红外图像分层进行处理,确定基础层处理图像和增强层处理图像,基础层处理图像包括基础层图像Ibase和动态压缩基础层图像Ibase_do,增强层处理图像包括细节层图像Idetail和细节纹理增强图像Idetail_do。
利用第一引导滤波器对高动态红外图像进行去噪处理,确定基础层图像Ibase,如图3所示为基础层图像Ibase。使用第一引导滤波器抑制对高动态红外图像的噪声的同时保证高动态红外图像的气体边缘不被模糊,第一引导滤波器表示为:
q(i,j)=akI(i,j)+bk
其中,q(i,j)表示输出图像,I(i,j)表示引导图像,ak和bk表示局部窗口内的线性因子,ak和bk是通过成本函数E(ak,bk)的最小化来确定,E(ak,bk)的表达式为:
其中,Ωk表示局部窗口,p(i,j)表示滤波器输入图像,ε表示正则化参数。
在本发明中提供的一个具体的实施例中,第一引导滤波器窗口选择为3×3,ε确定为10。
利用双尺度二值化直方图加权映射算法对基础层图像Ibase进行压缩,确定动态压缩基础层图像,如图5所示为动态压缩基础层图像Ibase_do。具体包括以下步骤S201至步骤S203。
S201,逐一判断基础层图像的直方图中每个灰度的级频数是否大于或者等于第一有效灰度级频数阈值T1,若满足,则确定直方图灰度级为有效灰度级且赋予二值化系数为1,否则确定直方图灰度级为无效灰度级且赋予二值化系数为0。用数学表达式表示为:
其中,h(x)表示每个灰度级的频数,H(x)表示直方图灰度级的二值化系数。
S202,判断直方图的灰度级频数与第二有效灰度级频数阈值T2以及泄漏气体的灰度级数值范围的大小关系,确定直方图的灰度级频数是否为有效灰度级,并修正直方图的有效灰度级的二值化系数,第二有效灰度级频数阈值T2小于第一有效灰度级频数阈值T1。具体包括:
设定泄漏气体的灰度级数值范围为[P1,P2],其中p1与p2的计算公式为:
其中,a,b表示为泄漏气体灰度区间系数,M1,M2表示为基础层图像的灰度值范围。
判断二值化系数为0的灰度级频数大于或者等于第二有效灰度级频数阈值,且直方图灰度级数值在[P1,P2]内,则修正二值化系数为b-a。
判断二值化系数为1的灰度级数值是否在[M1,P1]和[P2,M2]的范围内,若是则修正二值化系数为1-b+a。
具体使用数学表达式表示为:
其中p(x)表示灰度级的像素值。
S203,将有效灰度级映射至可显示的范围,以确定动态压缩基础层图像Ibase_do。有效灰度级的映射表达式为:
其中,Ibase_do(x)表示映射后的图像灰度值,G(i)为动态压缩基础层图像Ibase_do的灰度级二值化系数,Dmax为映射后的图像动态最大范围,L用于限制映射图像的最小动态范围,图像最小动态范围Dmin表示为:
其中Pmin、Pmax表示基础层图像的最小、最大灰度值。在本发明提供的一个具体的实施例中,设定L=0和Dmax=250。
现有技术在对高动态的红外气体图像进行动态范围压缩至显示范围时,同等的对待图像所有灰度级,没有对泄漏气体灰度级侧重研究,会造成在动态范围压缩时湮灭部分重要的泄漏气体纹理信息。本发明利用双尺度判别有效灰度级的方式保留了更多的泄漏气体灰度级信息,同时对泄漏气体和非泄漏气体的有效灰度级赋予不同权值,增加气体灰度级的映射权重,也增加了气体区域的局部对比度。
在步骤S102中,确定细节层图像Idetail,如图4所示为细节层图像Idetail。包括利用差分算法对高动态红外图像与基础层图像进行差分操作,即Idetail=Isrc-Ibase。
在步骤S102中,确定细节纹理增强图像Idetail_do,如图6所示为细节纹理增强图像Idetail_do。具体包括:利用第二引导滤波器进行去噪以及以及利用滤波线性因子作为增益增强细节层图像的细节纹理。第二引导滤波器具体表示为:
其中,表示细节层图像Idetail局部方差,εdetail表示滤波器正则化参数,表示细节层图像Idetail均值,Idetail表示为细节层图像,ak表示为线性因子。
在本发明提供的一个具体的实施例中,设定细节层引导滤波局窗口大小为3×3,εdetail=1。使用S102中的中间结果线性因子ak作为增益掩膜增强细节层细节纹理信息,既可以减少算法的运算量又可以增强图像的细节信息,确定细节纹理增强图像Idetail_do。
S103,将动态压缩基础层图像Ibase_do与细节纹理增强图像Idetail_do进行叠加,对叠加后的图像进行图像分离以及误检区域剔除,确定泄漏气体区域。将动态压缩基础层图像Ibase_do与细节纹理增强图像Idetail_do进行叠加,获取到气体增强图像Ienhance,如图7所示为气体增强图像Ienhance。再利用混合高斯背景建模,对叠加后的图像进行图像分离,确定运动前景图像和背景图像;运动前景图像如图8所示,对运动前景图像中的误检区域进行剔除,确定泄漏气体区域确定泄漏气体区域。
在本发明提供的一个具体的实施例中,对连通域面积小于50的前景区域进行剔除,如图9所示为区域剔除后的前景图像。对区域不规则度不在置信区间[2.75,7.00]且区域光流值统计不满足Nv>0.5Mv的区域进行剔除,其中Nv为光流值大于0的像素点数量,Mv为区域总像素数量,区域不规则度计算方法为:
其中,C表示区域的周长,S表示区域的面积。
现有技术在进行泄漏气体运动区域检测时通常仅检测出图像中的所有前景,而环境中的光影光照变化和其他运动物体会造成泄漏气体区域误检。本发明利用前景中的连通域信息以及误检区域对运动前景再次修正,最终可以得到准确完整的泄漏气体区域。
S104,对比泄漏气体区域与高动态红外图像Isrc,确定红外泄漏气体区域,如图10所示为红外泄漏气体区域。并根据红外泄漏气体区域内的像素点的像素信息完成灰度的伪彩色映射,确定伪彩色泄漏气体区域。伪彩色映射具体的公式为:
T[f(x,y)]={TR(f(x,y)),TG(f(x,y)),TB(f(x,y))}
其中f(x,y)表示红外泄漏气体区域内的像素点在(x,y)处的灰度值,TR、TG和TB分别为R、G和B三通道的映射方法,T[f(x,y)]为映射后的彩色值。
其中,m和M为高动态红外图像Isrc泄漏气体区域的灰度最小值和最大值,p和q为映射分隔区间,分别表示为:
在本发明提供的一个具体的实施例中系数k1=0.6,k2=0.8。
S105,将伪彩色泄漏气体区域与泄漏气体区域进行叠加,确定伪彩色叠加图像,增强泄漏气体的可视化程度。
S106,根据伪彩色叠加图像确定气体的扩散方向和泄漏后的浓度分布。如图11所示为叠加后的最终图像。
现有技术在对高动态红外图像中泄漏气体区域进行伪彩色映射时,结合泄漏气体浓度信息较少且彩色丰富度较低。本发明将泄漏气体区域定位到高动态红外图像中增加了伪彩色映射的彩色丰富程度,同时结合泄漏气体浓度与图像灰度的关系,伪彩色变化更能反映泄漏气体的扩散方向与浓度分布。
本说明书中的各个实施方式采用递进的方式描述,各个实施方式之间相同或相似的部分互相参见即可,每个实施方式重点说明的都是与其他实施方式的不同之处。本发明的全部或者部分可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、移动通信终端、多处理器系统、基于微处理器的系统、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
以上实施例仅用以说明本发明的技术方案,而非对本发明限制;尽管参照前述实施例对本发明进行了详细的说明,本领域普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明技术方案的范围。
Claims (10)
1.一种基于高动态红外图像增强的气体泄漏检测方法,其特征在于,包括:
获取泄漏气体的高动态红外图像;
对所述高动态红外图像分层进行处理,确定基础层处理图像和增强层处理图像,所述基础层处理图像包括基础层图像和动态压缩基础层图像,所述增强层处理图像包括细节层图像和细节纹理增强图像;
将所述动态压缩基础层图像与所述细节纹理增强图像进行叠加,确定对叠加后的图像进行图像分离以及误检区域剔除,确定泄漏气体区域;
对比所述泄漏气体区域与所述高动态红外图像,确定所述红外泄漏气体区域,并根据所述红外泄漏气体区域内的像素点的像素信息完成灰度的伪彩色映射,确定伪彩色泄漏气体区域;
将所述伪彩色泄漏气体区域与所述泄漏气体区域进行叠加,确定伪彩色叠加图像;
根据所述伪彩色叠加图像确定气体的扩散方向和泄漏后的浓度分布。
2.根据权利要求1所述的方法,其特征在于,所述对所述高动态红外图像分层进行处理,确定基础层处理图像和增强层处理图像,包括:
利用第一引导滤波器对所述高动态红外图像进行去噪处理,确定所述基础层图像;
利用双尺度二值化直方图加权映射算法对所述基础层图像进行压缩,确定所述动态压缩基础层图像;
利用差分算法对所述高动态红外图像与所述基础层图像进行差分操作,确定所述细节层图像;
利用第二引导滤波器进行去噪以及利用滤波线性因子作为增益增强所述细节层图像的细节纹理,确定所述细节纹理增强图像。
3.根据权利要求2所述的方法,其特征在于,所述第一引导滤波器表示为:
q(i,j)=akI(i,j)+bk
其中,q(i,j)表示输出图像,I(i,j)表示引导图像,ak和bk表示局部窗口内的线性因子,ak和bk是通过成本函数E(ak,bk)的最小化来确定,E(ak,bk)的表达式为:
其中,Ωk表示局部窗口,p(i,j)表示滤波器输入图像,ε表示正则化参数。
4.根据权利要求2所述的方法,其特征在于,所述利用双尺度二值化直方图加权映射算法对所述基础层图像进行压缩,确定所述动态压缩基础层图像,包括:
逐一判断所述基础层图像的直方图中每个灰度级的频数是否大于或者等于第一有效灰度级频数阈值,若满足,则确定所述直方图灰度级为有效灰度级且赋予二值化系数为1,否则确定所述直方图灰度级为无效灰度级且赋予二值化系数为0;
判断所述直方图的所述灰度级频数与第二有效灰度级频数阈值的大小关系,再判断所述直方图灰度级数值与所述泄漏气体的灰度级数值范围的大小关系,进而确定所述直方图的所述灰度级频数是否为有效灰度级,并修正二值化系数,所述第二有效灰度级频数阈值小于所述第一有效灰度级频数阈值;
将有效灰度级映射至可显示的范围,以确定所述动态压缩基础层图像。
5.根据权利要求4所述的方法,其特征在于,所述判断所述直方图的所述灰度级频数与第二有效灰度级频数阈值的大小关系,再判断所述直方图灰度级数值与所述泄漏气体的灰度级数值范围的大小关系,进而确定所述直方图的所述灰度级频数是否为有效灰度级,并修正二值化系数,包括:
设定所述泄漏气体的灰度级数值范围为[P1,P2],其中p1与p2的计算公式为:
其中,a,b表示为泄漏气体灰度区间系数,M1,M2表示为所述基础层图像的灰度值范围;
判断二值化系数为0的灰度级频数大于或者等于所述第二有效灰度级频数阈值,且所述直方图灰度级数值在[P1,P2]内,则修正二值化系数为b-a;
判断二值化系数为1的所述直方图灰度级数值是否在[M1,P1]和[P2,M2]的范围内,若是则修正二值化系数为1-b+a。
6.根据权利要求4所述的方法,其特征在于,所述有效灰度级的映射表达式为:
其中,Ibase_do(x)表示映射后的图像灰度值,G(i)为所述动态压缩基础层图像的灰度级二值化系数,Dmax为映射后的图像动态最大范围,L用于限制映射图像的最小动态范围,图像最小动态范围Dmin表示为:
其中Pmin、Pmax表示所述基础层图像的最小、最大灰度值。
7.根据权利要求2所述的方法,其特征在于,所述第二引导滤波器具体表示为:
其中,表示所述细节层图像局部方差,εdetail表示滤波器正则化参数,/>表示所述细节层图像均值,Idetail表示为所述细节层图像,ak表示为线性因子。
8.根据权利要求1所述的方法,其特征在于,所述对叠加后的图像进行图像分离以及误检区域剔除,确定泄漏气体区域,包括:
利用混合高斯背景建模,对叠加后的图像进行图像分离,确定运动前景图像和背景图像;
对所述运动前景图像中的误检区域进行剔除,确定泄漏气体区域。
9.根据权利要求8所述的方法,其特征在于,所述对所述运动前景图像中的误检区域进行剔除,包括对不符合不规则特性的运动区域进行剔除,其中区域不规则度计算方法为:
其中,C表示区域的周长,S表示区域的面积。
10.根据权利要求1所述的方法,其特征在于,所述根据所述红外泄漏气体区域内的像素点的像素信息完成灰度的伪彩色映射,包括:
所述伪彩色映射具体的公式为:
T[f(x,y)]={TR(f(x,y)),TG(f(x,y)),TB(f(x,y))}
其中f(x,y)表示所述红外泄漏气体区域内的像素点在(x,y)处的灰度值,TR、TG和TB分别为R、G和B三通道的映射方法,T[f(x,y)]为映射后的彩色值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310700860.5A CN116912172A (zh) | 2023-06-13 | 2023-06-13 | 一种基于高动态红外图像增强的气体泄漏检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310700860.5A CN116912172A (zh) | 2023-06-13 | 2023-06-13 | 一种基于高动态红外图像增强的气体泄漏检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116912172A true CN116912172A (zh) | 2023-10-20 |
Family
ID=88359097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310700860.5A Pending CN116912172A (zh) | 2023-06-13 | 2023-06-13 | 一种基于高动态红外图像增强的气体泄漏检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116912172A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437151A (zh) * | 2023-12-21 | 2024-01-23 | 成都市晶林科技有限公司 | 一种噪声抑制的伪彩映射方法 |
-
2023
- 2023-06-13 CN CN202310700860.5A patent/CN116912172A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437151A (zh) * | 2023-12-21 | 2024-01-23 | 成都市晶林科技有限公司 | 一种噪声抑制的伪彩映射方法 |
CN117437151B (zh) * | 2023-12-21 | 2024-03-08 | 成都市晶林科技有限公司 | 一种噪声抑制的伪彩映射方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921878A (zh) | 动目标低对比度下的危险气体泄漏红外视频检测方法 | |
CN105335963B (zh) | 一种边缘缺陷检测方法及装置 | |
CN116912172A (zh) | 一种基于高动态红外图像增强的气体泄漏检测方法 | |
CN111650346B (zh) | 大气污染监测数据的自动审核方法、装置及电子设备 | |
CN113570605B (zh) | 一种基于液晶显示面板的缺陷检测方法和系统 | |
CN111325721A (zh) | 一种基于红外热成像的气体泄漏检测方法及系统 | |
CN109190473A (zh) | 一种“机器视觉理解”在电力远程监控中的应用 | |
CN112781791A (zh) | 一种基于光学气体成像的VOCs气体泄漏检测方法及系统 | |
CN111650345A (zh) | 大气环境污染检测数据的处理方法、装置、设备及介质 | |
CN110687255A (zh) | 一种空气污染物的溯源方法、装置、设备和存储介质 | |
CN107843818B (zh) | 基于异源图像温升与局部放电特征高压绝缘故障诊断方法 | |
CN115797641A (zh) | 一种电子设备气体泄漏检测方法 | |
CN111598869B (zh) | 一种对显示屏幕的Mura进行检测的方法、设备及存储介质 | |
CN113155839A (zh) | 一种基于机器视觉的钢板外表面缺陷在线检测方法 | |
CN111986552B (zh) | 地图数据质量鲜度获取方法、装置及存储介质 | |
CN116416227A (zh) | 背景图像处理方法和装置 | |
CN116612065A (zh) | 一种基于YOLO v5的输电线路巡检图像缺陷智能识别方法 | |
CN114638822B (zh) | 一种利用光学手段的汽车盖板表面质量检测方法及系统 | |
CN116228659A (zh) | 一种ems小车漏油的视觉检测方法 | |
CN111275642A (zh) | 一种基于显著性前景内容的低光照图像增强方法 | |
CN107203976A (zh) | 一种基于噪点检测的自适应非局部均值去噪方法及系统 | |
Chung et al. | A Study of Single Image Haze Removal Using a Novel White-Patch RetinexBased Improved Dark Channel Prior Algorithm. | |
CN107085662B (zh) | 一种基于夜间灯光数据提取地震烈度的方法 | |
Sun et al. | Spatiotemporal dynamics of CO2 emissions: a case study of the “New Yangtze River Delta” in China | |
Ge et al. | An optimized design of the pointer meter image enhancement and automatic reading system in low illumination environment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |