[發明專利]一種基于紅外熱成像的氣體泄漏檢測方法及系統

在審

• 申請號: 202010090294.7
• 申請日: 2020-02-13
• 公開（公告）號: CN111325721A
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 鄧峰
• 申請（專利權）人: 北京信息科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/155;G06T5/00;G06K9/62
• 代理公司: 北京方安思達知識產權代理有限公司 11472
• 代理人: 陳琳琳;楊青

1.一種基于紅外熱成像的氣體泄漏檢測方法，所述方法包括：

采集氣體泄漏紅外視頻序列圖像，獲得氣體紅外圖像序列；將獲取的當前幀圖像和前N幀圖像逐幀進行預處理；

對于預處理后的當前幀圖像和前N幀圖像進行數字細節增強；

對數字細節增強后的當前幀圖像和前N幀圖像，采用聯合幀間差分和背景差分獲取當前幀圖像中的氣體泄露疑似區域；

提取當前幀圖像中的氣體泄露疑似區域的氣體云團特征；對提取的氣體疑似區域的氣體云團特征進行特征選擇，選擇出與被測氣體最為相關的主要特征；將所述與被測氣體最為相關的主要特征輸入預先訓練好的分類器，對氣體泄漏區域進行定位和識別檢測。

2.根據權利要求1所述的基于紅外熱成像的氣體泄漏檢測方法，其特征在于，所述將獲取的當前幀圖像和前N幀圖像逐幀進行預處理，具體包括：

對當前幀圖像和前N幀圖像逐幀進行非均勻性校正，去除固定圖案噪聲；

對去除固定圖案噪聲的當前幀圖像和前N幀圖像逐幀進行濾波處理，去除噪聲干擾。

3.根據權利要求2所述的基于紅外熱成像的氣體泄漏檢測方法，其特征在于，所述非均勻性校正采用一點校正算法、兩點校正算法或基于場景的非均勻性校正算法。

4.根據權利要求2所述的基于紅外熱成像的氣體泄漏檢測方法，其特征在于，所述對去除固定圖案噪聲的當前幀圖像和前N幀圖像逐幀進行濾波處理，去除噪聲干擾，具體包括：

對于去除固定圖案噪聲的圖像，采用改進的雙邊濾波算法，其對應改進的雙邊濾波輸出圖像表述如下：

w(i,j)＝w_s(i,j)*w_r(i,j)*w_t(i,j)

其中，I_c(i,j)為去除固定圖案噪聲的圖像，I_s(i,j)為雙邊濾波器的輸出圖像信號，w(i,j)為總模板，w_s(i,j)是空間模板，w_r(i,j)是亮度模板，w_t(i,j)是梯度模板，(i,j)為當前圖像像素位置，s_x,y是指以(i,j)為中心的濾波窗口的范圍。

5.根據權利要求1所述的基于紅外熱成像的氣體泄漏檢測方法，其特征在于，所述對數字細節增強后的當前幀圖像和前N幀圖像，采用聯合幀間差分和背景差分獲取當前幀圖像中的氣體泄露疑似區域；具體包括：

對前N幀圖像進行平均得到初始背景圖像；

對實時的背景圖像采用背景更新算法進行更新，獲得更新后的背景圖像；

將當前幀圖像和更新后的背景圖像進行差分得到二值圖像，再對二值圖像進行形態學濾波處理得到背景差分圖像DB_k；

對前N幀圖像進行幀間差分，獲得多幀幀間差分圖像OF_k；

將背景差分圖像DB_k和多幀幀間差分圖像OF_k進行邏輯與運算，得到當前幀圖像中的氣體泄露疑似區域。

6.根據權利要求5所述的基于紅外熱成像的氣體泄漏檢測方法，其特征在于，所述背景更新算法包括聯合視覺背景提取算法和邊緣提取算法。

7.根據權利要求1所述的基于紅外熱成像的氣體泄漏檢測方法，其特征在于，所述氣體云團特征包括時域特征和小波域特征，其中，所述時域特征包括矩特征、幾何特征、灰度特征、灰度共生矩陣的紋理特征和亮度直方圖特征；所述小波域特征為小波高頻能量特征。

8.根據權利要求1所述的基于紅外熱成像的氣體泄漏檢測方法，其特征在于，所述對提取的氣體疑似區域的氣體云團特征進行特征選擇，采用主成分分析法。

9.根據權利要求1所述的基于紅外熱成像的氣體泄漏檢測方法，其特征在于，所述分類器為支持向量機的非線性預測模型，該模型以與被測氣體最為相關的主要特征為輸入變量，以對應的氣體泄漏類型作為輸出變量，利用支持向量機的核函數尋求輸入變量與輸出變量之間的非線性映射關系。

10.一種基于紅外熱成像的氣體泄漏檢測系統，其特征在于，所述系統包括：包括圖像預處理模塊、數字細節增強模塊、氣體區域分割模塊和氣體泄漏檢測模塊；

所述圖像預處理模塊，用于采集氣體泄漏紅外視頻序列圖像，獲得氣體紅外圖像序列；將獲取的當前幀圖像和前N幀圖像逐幀進行預處理；

所述數字細節增強模塊，用于對于預處理后的當前幀圖像和前N幀圖像進行數字細節增強；

所述氣體區域分割模塊，用于對數字細節增強后的當前幀圖像和前N幀圖像，采用聯合幀間差分和背景差分獲取當前幀圖像中的氣體泄露疑似區域；

所述氣體泄漏檢測模塊，用于提取當前幀圖像中的氣體泄露疑似區域的氣體云團特征；對提取的氣體疑似區域的氣體云團特征進行特征選擇，選擇出與被測氣體最為相關的主要特征；將與被測氣體最為相關的主要特征輸入預先訓練好的分類器，對氣體泄漏區域進行定位和識別檢測。