标题 | 基于Lab和YUV颜色空间的污油图像分割研究 |
范文 | 邢致恺 贾鹤鸣 邢国军 张森 朱柏卓 朱传旭 摘 要:传统的油田人工巡检方式往往效率很低,因此本文提出利用多旋翼无人机进行管线巡检,并且对管线所在区域进行拍摄,将获得的原始污油彩色图像分别转换到颜色空间和YUV颜色空间,然后分别对Lab颜色空间进行Otus阈值分割,对YUV颜色空间进行Renyi熵分割,最后将两种分割方法得到的图像进行合并、滤波,以得到最终的分割图像。结果表明该方法能够有效地进行管线巡检,并且能过发现该区域中存在的污油。 关键词:油田管线巡检;图像处理;颜色空间;阈值分割 中图分类号:TP273 文献标识码:A 0.引言 在石油生产开发中,油田管线是必不可少的一部分,为确保原油的运输提供了保障,通过进行管线巡检确保将原油泄漏的污染降到最低。油田中巡查管线,主要依靠徒步巡检或者根据管线压力进行判断,由于野外油气管道环境恶劣、道路复杂等问题,所以巡检效果不好,人力成本极高。随着微电子、微机械系统和北斗卫星导航的快速发展,多旋翼无人机发展迅速,确保无人机能够执行油田管线巡检任务。同时,对于一些管道泄漏区域,人员根本无法靠近,存在运营成本高、人员安全保障难等问题。在无人机巡检过程中,污油的识别对最终识别管线穿孔准确率有着很大的影响。本文将无人机应用于油田管线巡检任务,并且通过图像处理对管线渗漏以及污油面积进行识别。首先,利用无人机对油田的地面情况分区域进行拍摄,将每幅图片传回控制屏,并将每幅图片的位置信息进行记录。然后分别在Lab空间下利用阈值分割进行分割。通过观察试验结果得到:利用Lab和YUV颜色空间的污油图像分割方法,可以得到分割较好的污油区域,并且能够初步估算污油大致的面积。 1.多旋翼无人机图像采集系统 1.1 无人机的定义 无人机驾驶航空器简称无人机,英文的缩写为UAV(unmanned aerial vehicle)。无人机最早在20世纪20年代出现,无人机当时是作为训练用的靶机使用的。随着技术的成熟,无人机正在逐步市场化,其应用的领域在民用、商业或是娱乐等方面正逐步加强。无人机具有受天气情况影响小、工作效率高、反应灵敏、定位精确度高、操控容易等特点。飞控系统运行平稳,性价比高,能够实现悬停并且对固定区域进行重点拍摄。 1.2 无人机工作原理 无人机的核心是飞行控制系统,该系统对无人机的欧拉角、角速度、空气阻力进行采集,转换成电信号传输给飞行处理器,通过中央处理器对采集的信号进行解析,确定无人机的位置信息,通过下达指令对其飞行的方向和速度进行控制,在飞行中通过Wi-Fi通信系统实时将无人机的相关参数和采集的图片传输给地面站;另一方面,根据实际要求可以编辑指令,利用地面站发送给无人机,调整无人机姿态、航向,对指定目标拍摄或探测。在实际控制中,无人机沿地图中标记的石油管线走向进行巡查,默认为自动飞行模式,遇到紧急情况时可以通过手动模式进行操控,飞行时用三轴高清摄像设备对石油线道进行拍摄,将所采集的图片和录像实时传输至地面站。利用4G网络进行传输数据,手机则可以实时接收到图像信息。 2.基于Lab和YUV颜色空间的污油图像分割算法 由于输油管线埋于地下,存在腐蚀、渗漏等问题,造成原油泄漏,导致环境污染。但是实际中,有些管线穿过湖泊或者芦苇等,人力无法到达,给巡检带来巨大困难。通过无人机对有管线区域进行巡检,对每个区域进行拍摄,对拍摄后的图片进行分析,得到该污油面积等数据。本文使用基于Lab和YUV颜色空间的分割算法对实验数据进行处理。 Lab颜色空间是由CIE(国际照明委员会)制定的一种色彩模式。大自然中所有的点色都能通过Lab空间进行表达,它展现的色彩空间比RGB空间大得多。Lab空间的转换是非线性的,在RGB颜色空间的基础上,用3个原色X、Y、Z建立一个新的颜色空间,首先将RGB转换到XYZ上,如公式(1)所示: 4.实验设计与结果分析 4.1 样本采集及预处理 本实验所采用的样本均采集于大庆油田采油二厂区域,主要利用无人机在悬停状态下进行拍摄,达到合理高度保证图像质量;将采集的图片传回地面站,利用Matlab2016进行仿真实验研究。为保证程序的处理速度,对有效的图片采用自适应霍夫曼方法进行压缩,将4000*2250的图像样本归一化为400*225大小的同比例图像,如图1所示。由于高空存在气流等因素导致图片会存在噪声,所以对图像进行中值平均滤波方法处理,以便对彩色图像进行分割处理,如图2所示和图3所示。 4.2 管线污油分割实验设计-Lab和YUV空间的分割算法 (1)将图像从RGB彩色空间转换到Lab颜色空间,对a分量运用Otsu法进行分割。 (2)将图像从RGB彩色空间转换到YUV颜色空间,然后提取V分量,对其使用Renyi熵方法进行分割。 (3)将基于Lab顏色空间的Otsu分割所得图像与基于YUV颜色空间的Renyi熵分割所得的图像进行数学或运算,采用均值滤波处理,得到最佳分割图像。 4.3 实验结果与分析 从图3和图4的实验结果可以看出,Lab和YUV空间的分割算法能够将污油与周围颜色对比明显的区域分割出来,验证了图像分割算法在油田管线巡检应用的实用性。 结论 针对目前管线巡检难度大,复杂区域人力无法进行巡检,提出了多旋翼无人机进行管线巡检。通过对无人机进行控制,使无人机能够自行对地下已知管线进行巡检,通过摄像设备的拍摄,由地面站对图片进行识别,最后判断该区域是否存在污油。 参考文献 [1]付昱玮,李字明,姜洪.无人机巡线的发展和应用研究[J].黑龙江科技信息,2014(3):25-27. [2]王翔宇,王跃,鲍蕊,等.基于巡检方案事件检出概率的长距管线无人机总体设计[J].航空学报,2016,37(1):193-206. [3]常文见,孟凡辉,王仓,等.无人机遥感技术在长输管道中的应用探讨[J].价值工程,2013(32):197-198. [4]李器宇,张拯宁,柳建斌,等.无人机遥感在油气管道巡检中的应用[J].红外,2014(3):37-42. 通信作者:贾鹤鸣 |
随便看 |
|
科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。