管道泄漏报警软件的编制

李浩男，张尚昆

（西南石油大学理学院，成都 610500）

0 引言

管道运输已变成我国油气运输的一种主要方式，就全球范围来看，油气管道整体长度不断增长，而且大规模的油气长输管道变成了各国经济整体发展的重要标志。我国长输油气管道总里程已超过13万km，随着国家不断发展，建设量不断增加，管道运输已经大有供不应求的态势。而随着数量增多，长度加长，也就意味着管道运输的安全问题也日益加重。国内外都有因管道泄漏而引发的重大安全事故。而且管道泄漏有很多原因：施工质量问题、管道腐蚀影响、阴极保护失效、管道运行监管的责任，等等。这些都是或多或少不可避免的，在保护管道的前提下，预防、避免、及时发现意外的发生成了处理管道泄漏问题最重要也是最后的手段。

本次实验通过了解管道泄漏时图像的颜色变化，利用彩色目标分割的图像处理技术以及RGB向量空间的分割原理的相关基本知识来设计一种算法，结合彩色图像分割的图像匹配算法等对图像进行处理，并进行误差分析，进一步得到较为准确的结果，并且设计GUI可视化界面，完成输入视频图像中的泄漏目标的自动检测和目标分割，并针对泄漏事件及时发出报警信息。

1 相关模型

1.1 RGB模型（红、绿、蓝）

在RGB彩色模型中，任何一束色光S都可以用3个方向的分量叠加而成，这3个方向的分量是不同的颜色，分别是：红色（R）、绿色（G）、蓝色（B）。它的彩色空间可以用图1来表示。

图1 RGB颜色空间三维立方体模型

在RGB模型中，每种颜色出现在红、绿、蓝的原色光谱分量中，这个模型基于笛卡尔坐标系统，所考虑的彩色空间是如图2所示的立方体［2］：

图2 彩色空间立方体模型

在RGB彩色模型中，所表示的图像由3幅图像分量组成，每个分量图像都是其原色图像。当送入RGB监视器时，这3幅图像在荧光屏上混合产生一幅合成的彩色图像［3］。RGB颜色空间中，颜色是由一个单位长度的立方体来表示的，立方体的8个顶点代表了8种常见颜色，分别是黑蓝绿青红紫黄白，立方体坐标系的原点代表了黑色，直角坐标系的3根坐标轴上是红绿蓝3种颜色，如图2所示。这些颜色中存在3对互补色，分别是红色和青色、紫色和绿色、黄色和蓝色。三基色的取值范围为R：0～255；G：0～255；B：0～255，值除以255后可以归一到0～1之间［6］。

1.2 HSI模型

如图3是HSI的圆形平面模型：HSI颜色模型的3个字母H、S、I分别代表的是颜色的波长、颜色的深浅程度、颜色的亮度。此外，在HSI颜色模型的双六棱锥表示中，I是强度轴，色调H的角度范围为[0,2π]，其中，纯红色的角度为0，纯绿色的角度为2π/3，纯蓝色的角度为4π/3。

图3 圆形平面HSI模型

HSI彩色空间模型可以用一个圆锥来描述，如图4所示。用这种方法可以把色调、亮度和色饱和度的变化表现地很清楚，但是描述此过程确非常的复杂。色度一般包括色调和色饱和度，它一般用来表示颜色的种类和颜色的亮度。RGB模型更多的是面向硬件设备，而HSI彩色模型则是更多的是面向彩色处理应用的模型，而且HSI模型与人眼感知彩色的方式十分类似，具有颜色分量与亮度分量分离的优点，使用颜色分量分割目标，不受光照变化的影响，适用性较强。所以处理有关人的视觉系统经常采用HSI色彩空间。此外，HSI色彩空间也多用于图像处理等大量的算法中，而且色度和亮度两个是相互独立的，由于可以分开处理两个量，所以能够大大简化图像分析处理的工作量。

图4 HSI色彩空间圆锥模型

2 研究原理

2.1 颜色相似性判据

（1）Euclidean距离。分割是一个把一幅图像划分成多个区域的过程。欲在HSI彩色空间分割彩色目标，我们需从彩色目标提取颜色样本，估计其HSI分量的平均值矢量（mH，mS，mI）。通过把到目标颜色中心的Euclidean距离与设定的阈值T进行比较，我们可以判断颜色点（zH，zS，zI）是否是目标颜色点。Euclidean距离公式为（1）：

图5 Euclidean距离：落在球内的为目标颜色点

图6 Mahalanobis距离：落在椭球内的为目标颜色点

（2）Mahalanobis距离：对Euclidean距离公式进行推广，我们可以得到Mahalanobis距离公式：

其中，C为待分割的目标颜色样本的协方差矩阵。

2.2 协方差矩阵

设给定一组M个以如下形式表示的随机矢量：

均值矢量：

协方差矩阵：

其中，x矩阵的第k列即为第k个矢量，每个矢量包含了N个分量，矩阵第i行第k列元素表示第k个矢量的第i个分量。m列矢量的第i个元素表示所有矢量的第i个分量的平均值。

3 实验结果与分析

3.1 将视频数据转化为静态图像数据

调用obj=VideoReader（filename）函数将导入的视频数据转化为每一帧的静态图像。

图7

3.2 确定目标区域的颜色特征参数

对提取的帧数图片进行特征参数的确定，并转换为Binary image图像。

图8

3.3 检测泄漏区域并及时报警

对图像进行检测，并标注渗漏时刻和帧数。

从图9可以看出，管道是在0.05秒的时刻开始渗漏，以至于随着时间的流逝会持续监测出泄漏的具体区域。由于人的视觉对亮度的敏感程度远强与对颜色浓淡的敏感程度，而HSI彩色模型与人眼感知彩色的方式十分类似，具有颜色分量与亮度分量分离的优点，使用颜色分量分割目标，不受光照变化的影响，适用性较强。而且现在将彩色图像分割结合算法应用于其他方面的已有很多，但在管道泄漏方面的研究还相对较少。

图9

4 结语

通过图像处理的方法检测管道泄漏已有普遍的几种方法。而现在将彩色图像分割结合算法应用于其他方面的已有很多，但在管道泄漏方面的研究还相对较少。本项目的特色是将管道泄漏的检测系统同彩色图像分割原理相结合，利用图像处理的方法对管道泄漏进行监测，通过图像处理与算法的研究，编制一款可用于管道泄漏报警的软件。

伴随着我国管道运输行业的飞速发展，管道会因为各种现象而发生泄漏和损害从而给我们的环境、生命财产安全以及经济带来巨大的损失。虽然我们已经意识到管道数量众多会带来的安全隐患，但要想方便快捷的处理问题还是有许多的麻烦，例如管道在地下、管道网络错综复杂都是非常关键重要的问题，它们会让我们在发生事故后难以对发生地点进行定位以及检测具体位置。到目前为止，处理这些问题主要还是依靠人工的逐一巡检，这种方法既费时又费力，效率也不高。因此，如果本项目开发的报警软件能够成功，会大大减少人工成本，也降低了给人带来的安全隐患。此外，仅仅一款软件也会很大程度地降低巡检带来的高额费用成本，而且能够及时并快速地发现泄漏问题，能够极大地提高工作的效率。