基于紅外成像的乙烯氣體泄漏檢測(cè)

王建平，李俊山，楊亞威，孫勝永，王 蕊

(1.第二炮兵工程大學(xué) 信息工程系，陜西 西安 710025;2. 第二炮兵工程大學(xué) 一系，陜西 西安 710025)

1 引 言

乙烯工業(yè)是石油化工產(chǎn)業(yè)的核心，其產(chǎn)品占石化產(chǎn)品的70%以上，在國(guó)民經(jīng)濟(jì)中占有重要的地位。國(guó)際上將乙烯產(chǎn)量作為衡量一個(gè)國(guó)家石油化工發(fā)展水平的一項(xiàng)重要標(biāo)志。然而，當(dāng)乙烯發(fā)生泄漏時(shí)如果不及時(shí)處理，將有可能帶來(lái)巨大的損失。目前傳統(tǒng)的檢測(cè)方法是利用其部分化學(xué)性質(zhì)以接觸式操作來(lái)進(jìn)行檢測(cè)，該方法檢測(cè)范圍較小，必然消耗大量人力物力，難以做到全天候?qū)崟r(shí)監(jiān)控。當(dāng)前缺乏一種應(yīng)用范圍廣、檢測(cè)能力強(qiáng)、可靠性和實(shí)時(shí)性高的乙烯泄漏檢測(cè)方法。

紅外成像探測(cè)技術(shù)以其被動(dòng)式、抗干擾性強(qiáng)、目標(biāo)識(shí)別能力強(qiáng)和全天候工作等特點(diǎn)，已在導(dǎo)彈控制、前視成像、紅外夜視、紅外搜索、紅外跟蹤、海關(guān)緝私、海上救援、森林消防、航空測(cè)量、資源勘探、生物醫(yī)學(xué)等領(lǐng)域得到了越來(lái)越廣泛和深入的應(yīng)用，并使紅外圖像處理技術(shù)成為21世紀(jì)信息化社會(huì)構(gòu)成和國(guó)防建設(shè)中的重要的支撐技術(shù)之一，具有十分廣闊的發(fā)展和應(yīng)用前景[1]。氣體紅外成像基本原理是：利用氣體的物理特性，采用不同紅外輻射和目標(biāo)氣體的吸收波段來(lái)區(qū)別譜域和空間域的信號(hào)，在攝像機(jī)取景器或者LCD上實(shí)時(shí)獲得類似煙霧的泄露氣體圖像，從而實(shí)現(xiàn)對(duì)可見(jiàn)光下無(wú)色的氣體(如烴類，碳?xì)浠衔?的檢測(cè)識(shí)別。在石油化工領(lǐng)域，由于基于氣體紅外成像的監(jiān)控系統(tǒng)具備高安全性、實(shí)時(shí)性的優(yōu)點(diǎn)，因此能有效地解決當(dāng)前該領(lǐng)域存在的此類難題。但是，在化工企業(yè)龐雜管道連接處發(fā)生乙烯泄漏時(shí)，氣體紅外成像后形成的圖像具有濃度低、飄動(dòng)方向隨機(jī)變化、易受多種輻射源因素干擾的特點(diǎn)，運(yùn)用傳統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)算法只能得到部分離散的羽狀疑似區(qū)域，不能得到一個(gè)完整、準(zhǔn)確、能進(jìn)行精確定位的疑似區(qū)域，而監(jiān)控系統(tǒng)的性能直接受到圖像系統(tǒng)處理技術(shù)的限制。本文主要針對(duì)這一難點(diǎn)，提出一種幀間差分和背景差分相結(jié)合的累積分析方法，此方法能獲得較完整準(zhǔn)確的疑似區(qū)域，為后續(xù)疑似區(qū)域進(jìn)一步判定識(shí)別奠定可靠的基礎(chǔ)。

2 紅外成像氣動(dòng)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法分析

運(yùn)動(dòng)目標(biāo)檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域中的一個(gè)重要研究熱點(diǎn)，在軍事、工業(yè)過(guò)程控制、醫(yī)學(xué)研究、交通監(jiān)控、飛機(jī)導(dǎo)航等領(lǐng)域有著廣泛的應(yīng)用前景。針對(duì)氣體自身的運(yùn)動(dòng)特性，比較有效的方法主要有三種檢測(cè)算法，即幀間差分法[2]、背景差分法[3]和光流法[4]。

2.1 成像氣體的幀間差分法分析

幀間差分法是通過(guò)對(duì)視頻序列中相鄰兩幀圖像作差分運(yùn)算來(lái)獲取檢測(cè)目標(biāo)輪廓的一種方法。當(dāng)監(jiān)控場(chǎng)景中出現(xiàn)運(yùn)動(dòng)目標(biāo)時(shí)，幀與幀之間會(huì)出現(xiàn)一定的差別，將兩幀相減后再取絕對(duì)值，用所得結(jié)果和設(shè)定閾值比較后分析該視頻序列的運(yùn)動(dòng)特性，確定圖像是否有運(yùn)動(dòng)目標(biāo)。對(duì)視頻序列進(jìn)行幀間差分，相當(dāng)于進(jìn)行了高通濾波。本文以Δt表示獲取的間隔幀數(shù)，幀間差分的過(guò)程如下：

Dkx，y=Ikx，y-Ik-Δtx，y,

(1)

(2)

其中：Dk是差分運(yùn)算后得到的圖像，IDk為二值化后的圖像，T為所設(shè)定的閾值。為了減少噪聲的干擾以及去除一些小面積的區(qū)域，需要對(duì)IDk進(jìn)行形態(tài)學(xué)處理，所得輪廓才屬于感興趣的運(yùn)動(dòng)區(qū)域。該算法對(duì)周圍環(huán)境的變化不敏感，適應(yīng)性強(qiáng)；但對(duì)于運(yùn)動(dòng)性不明顯的物體，提取前景比較困難；對(duì)于快速運(yùn)動(dòng)的目標(biāo)，差分后的圖像可能會(huì)出現(xiàn)重影的情況。

由于泄漏氣體具有濃度、飄動(dòng)方向隨機(jī)變化性，形成的相鄰幾幀圖像的相似區(qū)域?qū)㈦S機(jī)變化，其幀間差分后獲得的疑似區(qū)域就會(huì)呈現(xiàn)出隨機(jī)離散多塊的特點(diǎn)。受多種輻射源因素干擾的特點(diǎn)，氣體紅外成像形成的圖像具有很多噪點(diǎn)，形態(tài)學(xué)的處理能將大部分噪點(diǎn)剔除取得不錯(cuò)的濾波效果。但此方法最終得到的疑似區(qū)域不能滿足準(zhǔn)確定位的要求。

2.2 成像氣體的背景差分法分析

當(dāng)攝像機(jī)固定在某一個(gè)位置時(shí)，背景差分是運(yùn)動(dòng)目標(biāo)檢測(cè)一個(gè)較為理想的選擇。該方法是一種采用圖像序列中當(dāng)前幀和背景參考模型比較來(lái)檢測(cè)運(yùn)功目標(biāo)，其背景的建模方法至關(guān)重要。常見(jiàn)的背景建模方法有均值法、中值法、卡爾曼濾波器、單高斯分布模型、多高斯分布模型等[5]。其背景差分過(guò)程如下：

Dkx，y=Ikx，y-Bkx，y,

(3)

(4)

其中：Dk是差分運(yùn)算后得到的圖像，Bk為實(shí)時(shí)更新的背景圖像，DBk為二值化后的圖像，T為所設(shè)定的閾值。同樣的，也應(yīng)當(dāng)對(duì)DBk進(jìn)行形態(tài)學(xué)去噪處理。

采用合理的背景模型能夠提高對(duì)周圍環(huán)境的適應(yīng)性，使其背景差分的效果相對(duì)較好。然而由紅外相機(jī)獲得的視頻圖像，背景和前景有較多相似性，泄漏氣體所形成的圖像和背景灰度值比較接近時(shí)，較難提實(shí)現(xiàn)前景獲取。在進(jìn)行背景建模時(shí)，無(wú)論我們使用何種方法，都會(huì)將前景的信息分量更新到背景中，因此得到的也不能是完全真實(shí)的背景。氣體圖像具有濃度的非均勻性，與背景模型進(jìn)行差分后雖能獲得較為整體的疑似區(qū)域信息，但仍然存在隨機(jī)離散多塊的特點(diǎn)。

3 聯(lián)合背景差分與幀間差分的疑似區(qū)域檢測(cè)方法

由紅外攝像機(jī)拍攝得到的乙烯氣體泄漏紅外視頻圖像與可見(jiàn)光圖像相比，紅外成像在像元分辨率、圖像清晰度等方面有一定差距[6]，因此當(dāng)氣體泄漏達(dá)不到一定程度時(shí)，并不能得到較為清晰的氣體擴(kuò)散圖像。生產(chǎn)車間是一個(gè)具有復(fù)雜管道的工作環(huán)境，受到氣流的影響較大時(shí)氣體又會(huì)朝向不同的方向隨機(jī)飄動(dòng)，以及工人等環(huán)境因素進(jìn)入紅外攝像機(jī)的檢測(cè)范圍內(nèi)時(shí)極易產(chǎn)生干擾，此時(shí)只使用幀間差分或背景差分進(jìn)行檢測(cè)也不能取得理想效果。兩種方法都只能得到離散的多塊羽狀疑似區(qū)域，不能進(jìn)行后續(xù)的定位處理。光流法具有較強(qiáng)適應(yīng)性強(qiáng)，但該方法計(jì)算復(fù)雜度高，耗時(shí)較高，難以用于實(shí)時(shí)檢測(cè)。

受文獻(xiàn)[7-11]的啟示，我們提出了一種簡(jiǎn)單有效的運(yùn)動(dòng)檢測(cè)算法，充分利用了幀間差分和背景差分兩種方法的優(yōu)點(diǎn)，將一段時(shí)間內(nèi)的視頻圖像信息巧妙累積在一起，得到較為理想的泄漏疑似區(qū)域。其具體流程如圖1所示。

圖1 疑似區(qū)域檢測(cè)過(guò)程Fig.1 Suspected region detection process

3.1 背景模型的建立

為了保證系統(tǒng)的實(shí)時(shí)性，應(yīng)該在確保得到較為理想背景模型的前提下，選擇簡(jiǎn)單的背景建模方法。在對(duì)泄漏氣體檢測(cè)的算法中，平均值法是一個(gè)較為理想的選擇，其計(jì)算簡(jiǎn)單、容易實(shí)現(xiàn)、效率較高，同時(shí)也起到了消除相機(jī)抖動(dòng)和噪聲干擾等作用[12]。本次研究中選擇前N幀圖像進(jìn)行平均得到初始背景圖像B1，如下：

(5)

初始背景得到后，在后續(xù)運(yùn)算中，必須進(jìn)行實(shí)時(shí)的背景更新，如果在更新中繼續(xù)采用平均值的思想進(jìn)行，將會(huì)使計(jì)算變得復(fù)雜。利用滑動(dòng)平均法就能使計(jì)算變得簡(jiǎn)單，如下：

Bk+1x，y=αIkx，y+

1-αBkx，y，0<α<1，

(6)

其中：Bk為第k幀時(shí)的背景圖像，α為更新參數(shù)。通過(guò)改變?chǔ)恋闹悼梢詫?shí)現(xiàn)對(duì)背景圖像更新速率的控制。當(dāng)α較大時(shí)，能迅速對(duì)背景進(jìn)行更新，當(dāng)α很小時(shí)則實(shí)現(xiàn)緩慢更新。在實(shí)際中α取值較小，具體取值應(yīng)有大量實(shí)驗(yàn)得到。

3.2 幀間差分和背景差分結(jié)合

背景模型得到后，建立一種幀間差分和背景差分相結(jié)合的疑似區(qū)域檢測(cè)方法。具體步驟如下：

(1)使用公式(3)和公式(4)進(jìn)行背景差分得到二值圖像，再對(duì)此二值圖像進(jìn)行形態(tài)學(xué)濾波處理得到圖像DBk；

(2)取一段時(shí)間間隔[k-n，k]，間隔內(nèi)每m幀取一幀圖像，可為Ik-n，Ik-n+m，…，Ik，此處所取的間隔m應(yīng)保證兩幀圖像相異程度相對(duì)最高，使用公式(1)和公式(2)對(duì)以上圖像進(jìn)行幀間差分以及形態(tài)學(xué)濾波得到二值圖像序列Dk-n+m，Dk-n+2m，…，Dk；再將Dk-n+m，Dk-n+2m，…，Dk這n/m張二值圖像做邏輯或運(yùn)算得到圖像Ok，其綜合了多幀幀間差分的信息，如下：

Okx，y=

Dk-n+m(x，y)‖Dk-n+2m(x，y)‖Dk(x，y).

(7)

(3)將背景差分所得圖像DBk和多幀幀間差分結(jié)合所得圖像Ok進(jìn)行邏輯與運(yùn)算得到最終檢測(cè)結(jié)果Ak；如下：

Akx，y=DBkx，y&Okx，y.

(8)

(4)設(shè)置最大面積閾值TSmax，若疑似區(qū)域大于該閾值，則認(rèn)為相機(jī)工作狀態(tài)不穩(wěn)定(例如云臺(tái)轉(zhuǎn)動(dòng))，舍棄該次檢測(cè)的疑似區(qū)域；設(shè)定最小面積閾值TSmin以排除噪聲的干擾，得到最終的疑似區(qū)域序列。

4 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)環(huán)境為PC機(jī)(CPU Core E5200，內(nèi)存2G，主頻2.50 GHz，硬盤250G)，開(kāi)發(fā)工具為VS2010及開(kāi)源軟件Open CV 2.4.3庫(kù)。實(shí)驗(yàn)中所使用的視頻圖像由生產(chǎn)車間的中特定的紅外相機(jī)獲得，其分辨率為704×576，幀速率為25幀/s；處理速度能達(dá)到30～35幀/s。

如圖2所示，經(jīng)過(guò)100幀的平均后能得到一個(gè)與實(shí)際近似的背景模型(b)，將(a)與更新后的(b)圖像差分后得到(c)，(c)具有很多噪點(diǎn)，調(diào)用OpenCV庫(kù)中的形態(tài)學(xué)濾波函數(shù)進(jìn)行開(kāi)閉運(yùn)算后就可以得到(d)，但(d)所得到的是一個(gè)離散的不完整羽狀疑似區(qū)域。

如圖3所示，公式(1)中間隔幀數(shù)Δt為3，大量實(shí)驗(yàn)所得此時(shí)兩幀圖像的相異程度相對(duì)最高，但所獲取的疑似區(qū)域也是離散不完整的。

圖3 幀間差分

如圖4所示，(a)為將101幀之后的10張幀間差分后的二值圖像進(jìn)行邏輯或運(yùn)算而得到的二值圖像，此圖像綜合了多張幀間差分圖像的信息；(b)為將圖2中(d)與圖4中(a)進(jìn)行邏輯與運(yùn)算而得到的二值圖像。(c)、(d)為背景更新至161幀和221幀時(shí)得到的二值圖像，此時(shí)獲取到一個(gè)清晰、完整、準(zhǔn)確和能進(jìn)行精確定位的疑似泄漏區(qū)域。

5 結(jié) 論

提出了一種聯(lián)合背景差分與幀間差分的泄露氣體疑似區(qū)域檢測(cè)方法，該方法具備運(yùn)算復(fù)雜度低，計(jì)算速度快的優(yōu)點(diǎn)，有效地克服單獨(dú)的幀間差分和背景差分在氣體泄露檢測(cè)中存在的缺點(diǎn)，對(duì)兩種方法多幀圖像的信息進(jìn)行累積，形成了優(yōu)勢(shì)互補(bǔ)，克服了氣體不規(guī)律性的飄動(dòng)以及背景的變化帶來(lái)的影響，能排除絕大部分的干擾，得到一個(gè)相對(duì)較為完整確定的疑似區(qū)域，為疑似區(qū)域的進(jìn)一步精確判定奠定基礎(chǔ)。但該方法不能將大面積類成像氣體干擾因素(如生產(chǎn)車間周期性運(yùn)動(dòng)的物體)排除，仍然需要經(jīng)過(guò)其他的識(shí)別方法對(duì)疑似區(qū)域進(jìn)行進(jìn)一步的判定。

下一步工作將利用乙烯氣體泄漏紅外成像的形態(tài)特征、統(tǒng)計(jì)特征、頻域特征以及其飄動(dòng)性對(duì)疑似區(qū)域進(jìn)行分析識(shí)別，找到泄漏區(qū)域的本征特征，排除干擾，進(jìn)一步提高監(jiān)控系統(tǒng)的準(zhǔn)確性。

[1] 李俊山，楊威，張雄美. 紅外圖像處理、分析與融合[M]. 北京：科學(xué)出版社，2009.

Li J S，Yang W，Zhang X M.InfraredImageProcessing，AnalysisandFusion[M].Beijing：Science Press，2009. (in Chinese)

[2] 吳君欽，劉昊，羅勇. 靜態(tài)背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 液晶與顯示，2012，27(5)：682-686.

Wu J Q，Liu H，Luo Y. Algorithm of moving object detection in static background [J].ChineseJournalofLiquidCrystalsandDisplays，2012，27(5)：682-686 . (in Chinese)

[3] Yuan F N. A fast accumulative motion orientation model based on integral image for video smoke detection [J].PatternRecognitionLetters，2008(29)：925-932.

[4] 胡以靜，李政訪，胡躍明. 基于光流的運(yùn)動(dòng)分析理論及應(yīng)用[J]. 計(jì)算機(jī)測(cè)量與控制，2007，15(2)：219-221.

Hu Y J，Li Z F，Hu Y M. Theories and applications of motion analysis based on optical flow [J].ComputerMeasurement&Control，2007，15(2)：219-221 . (in Chinese)

[5] 李林，盧煥章，肖山竹，等. 基于分級(jí)自適應(yīng)背景差分的運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 電視技術(shù)，2013，37(7)：164-166.

Li L，Lu H Z，Xiao S Z，etal. Moving object detection based on differentiated Self-adaptive background difference [J].VideoEngineering，2013，37(7)：164-166 .(in Chinese)

[6] 劉火平，孟維平，宋立維，等. 紅外圖像序列中不均勻背景消除新方法[J]. 液晶與顯示，2012，27(4)：539-544.

Liu H P，Meng W P，Song L W，etal. New method for eliminating non-uniformity background of IR images [J].ChineseJournalofLiquidCrystalsandDisplays，2012，27(4)：539-544 . (in Chinese)

[7] 帥師，周平，汪亞明，等. 基于小波的實(shí)時(shí)煙霧檢測(cè)[J]. 計(jì)算機(jī)應(yīng)用研究，2007，24(3)：309-311.

Shuai S，Zhou P，Wang Y M，etal. Wavelet based real-time smoke detection [J].ApplicationResearchofComputers，2007，24(3)：309-311 .(in Chinese)

[8] 夏永泉，寧少輝，李衛(wèi)麗. 一種簡(jiǎn)單有效的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 計(jì)算機(jī)測(cè)量與控制，2011，19(2)：356-358.

Xia Y Q，Ning S H，Li W L. A simple and effective moving objects detection algorithm [J].ComputerMeasurement&Control，2011，19(2)：356-358. (in Chinese)

[9] Ho C C，Chen M C. Nighttime fire smoke detection system based on machine vision[J].InternationalJournalofPrecisionandManufacturing，2012，13(8)：1369-1376.

[10] 靳永亮，王延杰，丁南南，等. 改進(jìn)的紅外弱小目標(biāo)檢測(cè)方法[J]. 液晶與顯示，2011，26(4)：555-560.

Jin Y L，Wang Y J，Ding N N，etal. Improved method for small infrared target detection [J].ChineseJournalofLiquidCrystalsandDisplays，2011，26(4)：555-560. (in Chinese)

[11] 邱家濤，李玉山，初秀琴，等. 穩(wěn)定運(yùn)動(dòng)物體視頻的特征方法[J]. 光學(xué) 精密工程，2012，20(10)：2300-2307.

Qiu J T，Li Y S，Chu X Q，etal. Feature-based approach for stabilizing videos moving objects [J].Opt.PrecisionEng.，2012，20(10)：2300-2307. (in Chinese)

[12] 穆治亞，魏仲慧，何昕，等. 采用稀疏表示的紅外圖像自適應(yīng)雜波抑制[J]. 光學(xué) 精密工程，2013，21(7)：1850-1857.

Mu Z Y，Wei Z H，He X，etal. Adaptive clutter suppression of infrared images by using sparse representation [J].Opt.PrecisionEng.，2013，21(7)：1850-1857. (in Chinese)