基于图像处理的光纤预警系统模式识别

    龙飞++招继恩

    

    

    

    摘 要：光纤预警系统作为石油、化工等行业中应用广泛的安全设备，对其使用时，铺设较为方便，很容易将其工程化，同时，抗电磁能力较强，使其具有更加良好的检测能力。想要光纤预警系统发挥出最大化的作用，必须使用效率更高、模式识别更加准确的方法。文章研究了基于图像处理的光纤预警系统模式识别，为光纤预警系统发挥出更大的作用打下良好基础。

    关键词：图像处理；光纤预警系统；模式识别

    1 φ-OTDR管线预警信号的特征

    为了使本文研究得更加清晰，对光纤预警管道入侵事件的φ-OTDR光纤预警系统模式识别进行了研究。研究室主要对以下3种情况进行了分析：（1）大车对管道到来的压力；（2）人员在管道周围施工时，挖掘其附近的土壤；（3）相关人员在管线上活动。实验进行的过程中，选择广东某成品油管道为研究对对象。在对该管道进行铺设时，同时建设了相应的GYTA六芯单模通信光缆，其与地面相距2 m，与管道相距25 cm。实验时，从整个光缆中截取了15 km的光缆进行了实验，在该段光缆内，脉冲频率为550 Hz，采样率为55 Hz。

    本实验进行时，选择了900×900的矩阵进行研究。在任何一种常见事件中，不论是光纤的变化情况，还是波的传播，都是繁琐的过程，想要使实验结果更加准确，往往非常困难。所以，在本文研究的过程中，将所有事件全部看作为一点，通过对点的研究降低实验难度。在弹性半空间理论内介绍，波的频率与衰弱速率成正比，频率越高，衰弱的速率越大，而事件所产生的能量与衰弱频率成反比，能力越强，衰弱速率越小。当管道处出现入侵事件，使土壤中出现信号后，这些信号通过土壤的途径传递到光纤当中，并由光纤向周围传递。波在土壤中传递的过程中，会受到短时间的作用力，使其在平面传递时，同时向两个方向传递，同时，波的速率不断衰弱，如图1所示。

    图1 波在土壤中传递示意

    其中K为波的传递速率。在不同的事件当中，土壤所受的外力存在一定差异，不仅初始波的频率不同，而且影响时间也完全不同。所以，3种事件内，波的衰弱速率也存在差异。任意一个信号传递到光纤中，都会呈现出“V”型，事件一中大车移动时，会产生较大的作用力，并且作用时间只会出现在一瞬间，能够在图像中清晰的体现出“V”型。但事件二与事件三的作用力较小，作用时间長，所以，图像中的“V”型不是很明显。

    2 基于形态学的特征提取方法

    2.1 图像预处理

    在提取特征之前，要将图像划分为多个小区域，使图像中出的所有特征，脱离出图像的背景。在实际的入侵事件当中，特征最大参数与背景最大参数存在非常大的不同，所以，对图像进行划分时，选择了临界值划分法，使划分可以符合实际的要求。在利用临界值划分法之前，先对图像进行一定的处理，由原来的二维图像，转换成灰度图像，之后通过Ostu法计算出临界值。由于二维图像零点在图像的下部，而对图像划分时，MATLAB将零点放置到图像的上部，所以，与原来图像相比，呈现出相反的状态，但这一状态并不能干扰模式识别的最终结果。

    在划分后的图像内，除特征域之外，依然具有一定的噪点，所以，为了图像更加清晰，通过中值滤波法的方式，将这些噪点清除。同时，图像中还存在一些小孔，也会对特征的提取带来一定干扰，使提取的效果较差。所以，又通过图像膨胀的方式，对所有小孔进行填充。上述处理完成后，还要标记每一个区域，将所有区域区分出来。

    2.2 特征提取

    在每种事件当中，会出现不同的情况，在提取的过程中，由于每种事件对管道带来的影响不同，产生的振动信号存在差异，所以，需要使特征样本向量化，并将振动信号看成其中主要的参数。之后，由于在每个事件中，产生的能力有所差异，图像内每一个区域的像素数完全不同，所以，利用特征值对图像分析时，可以将像素数看成一个特征参数。本文研究表达各事件差异时，可以利用十余种存在的间隔，即图像内各区域的间距，而对间距的计算则可通过最小距离法完成，具体如下。

    在对距离进行计算时，第一步要求出所有区域的质量中心，通过C=[c1，c2，…，cn]来表示，式中，n为所有区域的数量。之后根据所得的质量中心，求出两个质量中心的最短距离，公式为：

    （1）

    若在整个图像当中，只存在单个特征域，不能利用该公司进行计算时，应根据图像的实际情况，选择出相对较大的数值，看作特征域的距离。同时，在该图当中还可以发现，各种类型的事件当中，所对应的形状完全不同，出现这一现象的主要原因为：车辆运动时，能够产生非常大的能量，波在传递的过程中，逐渐向两侧传递，在时间不断流失的情况下，逐渐呈现出“倒V”字型；而另外两个事件中，产生的能量不是很高，其中，人员在管线上部移动时，是通过脚底与地面接触的，能够使外力均匀分散在土壤中，因此，其所构建的特征区域，与椭圆形较为相似。人员挖掘时，需要使用的铁锹这一工具，受到人员因素的影响，外力会出现明显的变化，因此，构建出的图像不是很规则。所以，本文研究的过程中，通过形状特征的方式，提升特征的丰富性。计算公式如下所示：

    Dik，|bik-ci|D，k∈（1，2，…，K） （2）

    其中，K表示所有区域内，界线点的总数。

    然后，通过上述公式（1）计算出各界限点与质量中心的最长距离Dimax，以及最短距离Dimin，通过求出的两个距离，得到形状系数，公式为：

    （3）

    为了在整个光纤预警系统模式识别当中，体现出特征提取的最佳效果，通过描绘子法的方式，开展了对比试验。在实际当中，描绘子的类型非常丰富，所以，需要结合事件的特征，筛选出最佳的6个特征作为研究对象，描绘子与区域凸壳像素数；与此相似椭圆中主要的3个参数，分别为偏心率、长轴与短轴；与此图像面积相似圆形的直径；欧拉数，即整个区域内，所有对象与小孔之间的差值。

    研究时，在3种事件当中，各选取60个特征域，同时求出所有的特征向量，所以，该研究内共有180个样本。通过计算，可以得到各事件特征向量的均值，如表1所示。而在人员挖掘当中，只存在独立的特征域，所以，为了将其与另外两个事件区分出来，求质量中心距离时，按照1 000的数值进行计算。描绘子特征值如表2所示。

    3 分类器设计

    管道安全事件应用光纤预警系统时，所收集的信号是随机的，具有非平稳的特点，同时，从上述研究中能够得知，数据样本的总数不是很多。关联向量机是以Bayes framework为主的学习机，使用的过程中，没有受到Mercer定理的约束，能够设置出所有核函数，与支持向量机相比，更加稀疏。所以，利用其进行测试时，需要的时间更短，识别的精确度更高，符合光纤预警系统运行的要求。

    首先进行假设：向量x∈Rn表示整个光纤预警系统内，收集信号特征的模式录入；t=[t1，t2，t3]T表示各事件的目标向量。关联向量机模型为：

    （4）

    其中，N为数据总长度；w表示权重向量，w=[ω0，ω1，…，ωN]；φ表示N×（N+1）矩阵，φ=[φ（x1），φ（x2），…，φ（xN）]；K（x，xi）表示核函数。将整个数集似然后，可以得到以下函数：

    （5）

    为防止拟合过度现象的出现，使该模型具有较强的稀疏性，需通过稀疏贝叶斯的方式，对权重向量进行处理，使其具有零值高斯先验分布的特性，即：

    （6）

    通过计算αi的最大后验概率，推测出最高后验权重，从而导出关联向量机模型。

    本文研究中，选择出常见的并且效果较强的高斯核函数，该函数当中，半径通常在0～1之间。利用试验研究能够知道，在对管道入侵事件识别时，半径不同的情况下，识别准确率存在一定差异，但差异较小，在0.5时，准确率最强。在分类决策选择时，采用的为“一对一”的决策，这样分类会更加符合识别的需求。所以，该研究采用3个关联向量机分类器。另外，在对分类器使用之前，还要将3個分类器看作一个整体，科学评估出其性能，并且，采用5-折交叉试验的方式，评估出精确率。通过对各事件中25个样本进行试验，结果如图2所示。

    图2中MFE为特征选择后，通过形态特征提取推算出的识别精确率；RDFE为通过描述子特征分类识别的精确率。从该图中能够发现，MFE的识别精确率更高，全部在96%以上。之后，筛选出其中某次验证结果，进一步探讨各事件分类精确率，如表3所示。

    从表3能够发现，在各种事件当中，分类识别精确度都非常高，均超过了95%，只有人员挖掘识别时产生了一次问题，这是由于在挖掘的过程中，人员会在上部进行小范围的行走，从而产生了干扰信号，对精确度造成了一定影响。所以说，在光纤预警系统模式识别的过程中，采用图像处理技术不仅增强了识别的精度，而且计算的速度较快，符合光纤预警系统模式识别的要求。

    4 结语

    在以往管道侵入事件预警的过程中，往往需要非常庞大的预算，只有通过大型计算机的帮助，才能在最短时间内计算出最终的结果，使光纤预警系统无法在广泛应用。在此基础上，本文从形态学特征提取的角度出发，通过关联向量机分类器对事件进行识别，并利用科学的方法验证其精确性，从而说明该方法可以有效地在光纤预警系统模式识别中应用。

    [参考文献]

    [1]吴晶，吴晗平，黄俊斌，等.光纤光栅传感信号解调技术研究进展[J].中国光学，2014（4）：519-531.

    [2]李川，刘江，庄君刚，等.基于背向Brillouin散射监测混凝土应变[J].光学精密工程，2014（2）：325-330.