| 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。