[發明專利]一種油水兩相流透明管壁內類油滴附著物識別方法

有效

• 申請號: 201910966266.4
• 申請日: 2019-10-12
• 公開（公告）號: CN110751196B
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 韓連福;叢垚;付長鳳;劉超;劉興斌;姜繼玉
• 申請（專利權）人: 東北石油大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06T7/13
• 代理公司: 大慶禹奧專利事務所 23208
• 代理人: 朱士文;楊曉梅

1.一種油水兩相流透明管壁內類油滴附著物識別方法，其特征在于：所述識別方法包括以下步驟：

步驟一：對采集的多幅油水兩相流PTV圖像進行初始圖像處理，包括濾波、去噪和銳化，并采用Canny算子進行油滴和類油滴附著物邊緣檢測；

步驟二：隨機選取一張圖像作為當前幀圖像，根據檢測到的邊緣，分別提取當前幀圖像的油滴和類油滴附著物邊緣像素鄰域內顏色差異、油滴和類油滴附著物多幀圖像邊緣像素灰度值差異、油滴和類油滴附著物運動位移差異作為有效特征；

步驟三：對特征數據集A進行隨機抽樣，特征數據集A為當前幀圖像邊緣像素的油滴和類油滴附著物邊緣像素鄰域內顏色差異特征、油滴和類油滴附著物多幀圖像邊緣像素灰度值差異特征、油滴和類油滴附著物運動位移差異特征的集合，A＝{X₁,X₂,…,X_i}，X_i為A中第i個樣本，i為邊緣像素序號，i＝1,2,…,L，L為圖像中檢測到的邊緣像素個數；抽取N個樣本作為一個子樣本集A_sub，N為抽取子樣本集大小，開始建立孤立樹，λ₁為孤立樹層序號，λ₁的取值范圍為λ₁＝1,2,…,l，l為孤立樹高度，ο為節點序號，ο的取值范圍為在本步驟中λ₁的初始取值為1；

步驟四：隨機選擇樣本屬性V,在A_sub的V屬性值中隨機產生一個切割點q，q的值位于樣本V屬性值的最大值與最小值之間，在V屬性下，以q為切割點將A_sub劃分為左節點樣本集和右節點樣本集隨機選擇左樣本屬性以及右樣本屬性當前左樣本屬性表示為V^left，當前右樣本屬性表示為V^right，當前左節點樣本集表示為G^left,當前右節點樣本集表示為G^right，其中λ₁為孤立樹層序號，ο為節點序號；此時，

步驟五：λ₁的值增加1，在當前左節點樣本集G^left的當前左樣本屬性V^left值中隨機產生一個左切割點q_left，q_left的值位于當前左樣本屬性V^left值的最大值與最小值之間，在當前左樣本屬性V^left值下，以q_left為左切割點將當前左節點樣本集G^left劃分為左節點子樣本集右節點子樣本集在當前右節點樣本集G^right的當前右樣本屬性V^right值中隨機產生一個右切割點q_right，q_right的值位于當前右樣本屬性V^right值的最大值與最小值之間，在當前右樣本屬性V^right值下，以q_right為右切割點將當前右節點樣本集G^right劃分為左節點樣本子集右節點樣本子集隨機選擇左樣本屬性以及右樣本屬性更新當前左樣本屬性更新當前右樣本屬性當前左節點樣本集更新當前右節點樣本集其中τ₁為左節點子樣本集橫向序號，τ₂為右節點子樣本集橫向序號，τ₃為左節點樣本子集橫向序號，τ₄為右節點樣本子集橫向序號；

步驟六：重復步驟五直至滿足以下任意一個條件(1)、當前左節點樣本集上G^left和當前右節點樣本集G^right中只有一個樣本點；(2)、當前左節點樣本集上G^left內所有樣本特征相同和當前右節點樣本集G^right內所有樣本特征相同；(3)、孤立樹達到了限定的高度l；

步驟七：重復步驟三至步驟六直至產生t棵孤立樹，將特征數據集A中每一個樣本輸入t棵孤立樹，計算樣本的異常得分S；

步驟八：將特征數據集A分為異常樣本集D、密集樣本集C和正常樣本集B，在密集樣本集C中選擇油滴邊緣初始聚類中心c₁、類油滴附著物邊緣初始聚類中心c₂；

步驟九：在正常樣本集B和密集樣本集C的并集中計算樣本點到聚類中心的距離d(X_δ,c′_j)，并對正常樣本集B和密集樣本集C的并集中樣本點進行聚類，δ為正常樣本集B和密集樣本集C的并集中樣本序號，X_δ為正常樣本集B和密集樣本集C的并集中第δ個樣本，j為聚類中心序號，j＝1,2，c′₁為當前油滴邊緣聚類中心，c′₂為當前類油滴附著物邊緣聚類中心；

步驟十：在步驟九的分類結果下重新計算油滴邊緣聚類中心c″₁、類油滴附著物邊緣聚類中心c″₂；

步驟十一：重復步驟九和步驟十直至滿足指定條件之一，指定條件包括：(1)、達到指定迭代次數；(2)、聚類目標函數Γ值的變化小于一個閾值tr；

步驟十二：計算異常樣本集D中每個樣本分別到當前油滴邊緣聚類中心c′₁、當前類油滴附著物邊緣聚類中心c′₂的距離，并根據距離大小將樣本劃分到距離其最近的聚類中心所屬的簇類中。