IADF算法在双色水位计液位图像测量中的应用*

冯 广， 张长胜， 刘子裕， 李 川， 钱 斌， 张汉平

(昆明理工大学 信息工程与自动化学院，云南 昆明 650500)



IADF算法在双色水位计液位图像测量中的应用*

冯 广， 张长胜， 刘子裕， 李 川， 钱 斌， 张汉平

(昆明理工大学 信息工程与自动化学院，云南 昆明 650500)

为了代替值守人员目测水位计液位值，研究基于工控机(IPC)的智能遥视系统和数字图像处理算法，给出了水位计图像识别流程。分析了传统P-M模型各向异性扩散滤波算法，给出了一种改进各向异性扩散滤波(IADF)算法，结合给出的图像畸变校正和亮化算法，实现了水位计液位值的智能读数。实验结果表明：该算法及其实现系统智能化程度高，具有良好实时性和较高识别率。

液位值； 智能遥视系统； 亮化算法； 改进的各向异性扩散滤波

0 引 言

锅炉作为特种压力设备，其运行参数包括温度、汽压和液位等。锅炉双色水位计液位反映了锅炉负荷与给水之间的平衡关系。液位过高造成蒸汽带水，致使过热器受热面及汽轮机通流部分结垢，严重时造成过热器和再热器超温爆管及汽轮机水冲击等事故；液位过低使锅炉水循环失衡，易使水汽化烧坏锅炉甚至爆炸。随着智能化仪表与遥视技术发展，数据检测由传统人工方式转变为智能仪表检测，通过采用图像处理方法，实现数值智能读取，其不但降低值守人员工作量，而且提高了生产效率，保障设备运行可靠性。

林瑞凤等人针对明渠水位获取问题，提出一种基于图像的水位自动测量方法，并采用改进边缘检测算法对水位图像处理来获取液位高度[1]。叶昕鑫等人针对液位检测时环境不理想或液体存在杂质等情况，提出改进粒子滤波算法，提高了系统检测鲁棒性，进而获取较清晰液位图像[2]。黄玲等人通过分析液体折射原理，提出了带标杆的液位检测算法，能够识别标杆在液面处的虚拟折射点，实现较准确地检测液位高度[3]。Kunal J P针对透明瓶装水液位图像，提出了一种最优边缘检测算法，获取更清晰图像边缘信息[4]。

本文以智能遥视技术的锅炉水位检测为主题论述研究，对采集的液位图像，采用亮化处理、无限对称指数滤波器(infinite symmetric exponential filter,ISEF)边缘检测、八分格数字识别法等算法，且给出一种改进的各向异性扩散滤波算法，进而开发了液位检测系统，实现智能监测液位数值。

1 系统硬件结构与检测流程

该液位检测系统硬件结构图如图1所示，CCD摄像头是系统图像采集设备，视频采集卡是CCD摄像头与工控PC(industrial PC,IPC)的传输中介，工控PC则是处理液位图像部分。

图1 系统硬件结构图Fig 1 Hardware structure diagram of system

双色水位计液位值检测步骤:1)CCD摄像头拍摄水位计图像;2)SAA7134HL视频采集卡转换视频信号;3)畸变校正;4)图像亮化处理;5)图像边缘提取;6)水位计液注提取;7)液位刻度值提取;8)液位数字识别。

2 水位计图像边缘提取

2.1 畸变校正

由于现场拍摄入射光线角度变化或摄像头偏移导致液位计图像畸变，故引入误差分析，如图2所示。

图2 误差原理分析Fig 2 Analysis on error principle

其误差为err=H-h，水位计真实液位高度为

(1)

畸变液柱图像与水平方向形成夹角θ，其正弦值为

(2)

式中 cL为畸变液柱水平方向坐标，v0为畸变液柱垂直方向坐标，因而误差为

(3)

校正后液位值为H=h+err，变量θ是通过装有水平仪的工业摄像头根据现场装设条件反馈给系统的一个偏离夹角，故需尽量避免θ角的出现，从而保证识别精度[5，6]。

2.2 图像亮化处理

锅炉水位计液位值识别时，光照是影响遥视识别效果的重要因素。图3(a)为暗光环境拍摄的水位计图像，图3(b)和图3(c)分别为阈值分割和灰度直方图处理图。

图3 暗光条件处理图像Fig 3 Processing image under dim light condition

暗光环境图像像素灰度值处于较低灰度级区域，阈值分割时易将较暗区域识别为目标区域，导致分割效果不理想。针对此问题，本文提出了一种图像亮度自适应调节算法，以降低光线过暗对阈值分割的影响。

如图4所示，对水位计液柱区域二值化并作垂直像素投影后，液柱区域B比A和C要高，说明该图像亮度不足，需对图像加亮处理。具体亮化处理流程如图5所示。

图4 暗光条件下液柱图像Fig 4 Liquid column image under dim light condition

图5 加亮算法流程图Fig 5 Flow chart of highlight algorithm

图5中，f(i,j)为液柱图像像素点，M和N分别是液柱图像横竖点数。亮化处理后的图像如图6所示。

图6 亮化处理后液位图像Fig 6 Liquid level image under lighting processing

通过自适应亮度调节算法解决了因环境光线不足造成识别度不高的问题，该算法对于后续图像处理和数值识别有重要意义。

2.3 基于改进的各向异性扩散滤波算法的图像边缘检测

图像边缘检测能够为水位计液位值识别提供重要保障，采用Perona-Malik(P-M)的各向异性扩散滤波算法，其很好地保留图像边缘信息，但遭遇强噪声时滤波效果会失效，且算法中扩散门限K很难控制，扩散处理后的图像易存在明显“阶梯”效应[5～7]。通过分析扩散函数的优缺点，本文提出一种改进的各向异性扩散滤波(improved anisotropic diffusion filtering，IADF)算法，即改进了扩散函数，保证了在平滑区有较快平滑迭代速度，且图像边缘不会随迭代过程而被平滑掉，有较高图像鲁棒性。改进后扩散函数定义为

(4)

式中

(5)

改进后扩散函数曲线如图7所示，图中假设t1=15，t2=40。在梯度小于15的区间内，扩散系数为1；在限定区间(t1,t2)内，扩散系数满足式(4)且呈单调递减；当梯度大于40时，扩散函数被强制置0。

图7 扩散模型函数曲线Fig 7 Function curve of diffusion model

但在改进后的算法中，t1和t2的取值若仅限于通过人为经验选取，则主观因素的引入将使扩散过程达不到所需效果，故本文给出了一种方法对两个设定值进行计算。如图8所示，将图像中像素点看成如下3×3领域。

图8 像素点领域梯度计算原理图Fig 8 Principle diagram of pixel poiont field gradient calculation

其梯度幅值定义为

(6)

式中

(7)

梯度幅值均值定义为

(8)

梯度幅值标准差定义为

(9)

由于考虑实际偏差影响，引入标准差σ(x,y)作为梯度期望值的偏差裕度,从而可定义t1和t2为

(10)

(11)

由图9可知改进的P-M各向异性扩散滤波算法处理效果明显，其噪点明显减少，且在噪声同质区域滤波效果优与传统算法，因此证明改进有效。

图9 滤波效果对比图Fig 9 Contrast figure of filtering effect

3 液柱提取和刻度识别

3.1 液柱提取

通过ISEF边缘检测算法[8,9]获得水位计液柱像素高度，其是由Shen J提出的最佳线性滤波器，主要针对多阶跃边缘检测给出最佳指数滤波器的递归算法。

二维ISEF算法公式为

f(x,y)=a2·b|x|+|y|

(12)

式中a和b分别为液柱左右顶点坐标，V0为液位位置。利用ISEF算法对水位计图像进行灰度处理和二值化，然后对液柱边缘检测，确定液位高度并提取液柱图像，如图10所示。

图10 液位高度提取Fig 10 Extraction of liquid level height

3.2 刻度识别

数字识别算法是遥视系统获得最终液位数值的支撑算法，其决定了刻度识别准确性。本文采用基于贝叶斯分类器的八分格数字识别算法[10]对图像刻度进行识别。

通过将数字图像划分为8个相等三角区域，获取输入样本分块特征向量

(13)

式中k=1,…,4；i=1,…,8；n=1,…,4；αn为在每个区域中任意4分块所包含的像素值为1的个数。

(14)

在各个特征相互独立情况下，分类器规则为

(15)

图11 八分格数字识别算法归一化仿真效果Fig 11 Normalized simulation effect of eight compartment digital recognition algorithm

在图像畸变情况下，该算法对数字1，2，3，4的识别率分别为93.5，89.8，92.9，93.7。由此可知：基于贝叶斯分类器的八分格数字识别算法识别率较高且识别效果显著。

4 结束语

本文针对传统P-M模型各向异性扩散滤波算法扩散处理后的图像存在“阶梯”效应问题，给出了一种改进算法，对Perona和Malik两个扩散函数均值化，并引入标准差作为梯度期望值的偏差裕度，提高了水位计图像识别鲁棒性，较好地保留图像边缘的重要信息，增强了图像平滑滤波效果，有效消除了噪声对图像识别度的影响。针对现场视频光照变化较大对成像质量影响，给出了一种图像亮度自适应调节算法。该基于PC的锅炉双色水位计遥视监测系统提高了锅炉装备的智能化程度，初步满足了生产需求，可继续对图像处理算法及程序的鲁棒性进行研究，进而研发嵌入式图像传感器。

[1] 林瑞凤,徐 海.基于图像传感器的明渠水位自动测量方法[J].传感器与微系统,2013,32(8):53-55.

[2] 叶昕鑫,卢建刚.基于图像的微化工过程液位与流量测量[D].杭州:浙江大学,2013.

[3] 黄 玲,张叶林,胡 波,等.基于机器视觉的透明瓶装液体液位自动检测[J].自动化与仪表,2012(2):57-60.

[4] Kunal J P,Chintan K M,Jayesh D C.Comparison of optimal edge detection algorithms for liquid level inspection in bottles[J].Emerging Trends in Engineering and Technology,2009,45(11):447-452.

[5] 任文琦,王元全.基于梯度矢量卷积场的四阶各向异性扩散及图像去噪[J].光学精密工程，2013，21(10):2713-2719.

[6] 杨吉宏,张 民,潘全科,等.保护边缘及细节的彩色图像滤波算法[J].计算机工程与设计,2010(7)：1516-1518.

[7] 付丽娟,姚 宇,付忠良.中值滤波与各向异性扩散相结合的医学图像滤波方法[J].计算机应用,2014,34(1):145-148.

[8] 许志祥.二阶导数型边缘检测算子边缘定位误差的研究[J].自动化学报,1992(4):448-455.

[9] 张治强,柳 健,万发贯.遥感图像的边缘检测[J].遥感信息,1987(1):29-30.

[10] Liu Ziyu.Research on ESNI algorithm for image recognition of boiler water level gauge[C]∥Chinese Control and Decision Conference,2014:4106-4111.

冯 广(1991- )，男，山西运城人，硕士研究生，主要研究方向为图像传感检测理论与技术等研究。

Application of IADF algorithm for level image measurement bicolor water level gauge*

FENG Guang, ZHANG Chang-sheng, LIU Zi-yu, LI Chuan, QIAN Bin, ZHANG Han-ping

(Faculty of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,China)

To replace on-duty staff viewing liquid level value on water level gauge,intelligent remote viewing system based on industrial PC(IPC) and digital image processing algorithm are researched,and image recognition process of water level gauge is given.Analyze traditional P-M model anisotropic diffusion filtering(ADF)algorithm,an improved anisotropic diffusion filtering(IADF)algorithm is presented,combined with given image distortion correction and brighten algorithm,so that intelligent reading of liquid level value of water level gauge is realized.Experimental results show that the algorithm and the realized system have higher intelligentize degree and good real-time and higher recognition rate.

liquid level value; intelligent remote viewing system; brighten algorithm; improved anisotropic diffusion filtering(IADF)

2015—11—04

云南省中青年学术和技术带头人后备人才项目(2012HB011)；昆明理工大学学科方向建设研究项目(14078212)

10.13873/J.1000—9787(2016)10—0148—04

TP 391

A

1000—9787(2016)10—0148—04