基于图像增强的管道内衬泄漏视觉检测方法及系统与流程

本发明涉及图像数据处理，具体涉及基于图像增强的管道内衬泄漏视觉检测方法及系统。

背景技术：

1、管道内衬检测技术为近年来热度较高的地下管道修复技术，管道内衬检测技术用于修复各种类型的管道，包括给水管道、排水管道、燃气管道等。通过灌注或喷涂等方式将内衬材料固定在管道内壁上。管道内衬技术能够减少挖掘工程的需求，从而降低工程成本、缩短修复时间，并减少对周围环境的影响，因此对于管道内衬的泄漏检测是评估管道内衬质量的重要标识。

2、现阶段对管道内衬的泄漏检测主要通过机器学习的方式检测，由于管道内衬存在于管道内，使用相机拍摄的图像细节性不强，需要对拍摄图像进行增强处理。现阶段常用的图像增强算法包括：自适应对比度增强算法、伽马变换增强、暗通道增强算法等，其中，暗通道增强算法对先验知识的依赖性较强；自适应对比度增强算法（ace）中增益函数的设置决定着图像增强的效果，然而增益函数的取值很容易被泄露检测人员设置为经验值，从而导致对管道内衬图像的增强效果欠佳。

技术实现思路

1、本发明提供基于图像增强的管道内衬泄漏视觉检测方法及系统，以解决自适应对比度增强算法对管道内衬图像的增强效果差的问题，所采用的技术方案具体如下：

2、第一方面，本发明一个实施例基于图像增强的管道内衬泄漏视觉检测方法，该方法包括以下步骤：

3、获取管道内衬灰度图；

4、根据每个像素点所取邻域窗口内灰度级的分布特征获取每个像素点的细节变化度；

5、根据每个像素点所取局部管道窗口中不同位置滑动窗口内灰度分布特征获取所述局部管道窗口中任意两个位置滑动窗口之间的异质因数；

6、根据每个像素点所取局部管道窗口中所有滑动窗口之间的异质因数获取每个像素点的细节增益因子；根据每个像素点所取局部管道窗口中所有滑动窗口之间的异质因数的分布范围获取每个像素点的局部细节凸显度；

7、采用图像增强算法基于管道内衬灰度图中每个像素点的局部细节凸显度得到增强内衬图；利用显著性检测算法基于增强内衬图得到管道内衬泄露的检测结果。

8、优选的，所述根据每个像素点所取邻域窗口内灰度级的分布特征获取每个像素点的细节变化度的方法为：

9、根据每个像素点所取邻域窗口内不同灰度级出现的频率获取每个像素点所取邻域窗口内两个灰度级之间的相邻差异系数；

10、将每个像素点所取邻域窗口内两个灰度级之间的相邻差异系数在每个像素点所取邻域窗口上的累加作为第一组成因子；

11、获取每个像素点所取邻域窗口内任意两个灰度级之间的差值，将每个像素点所取邻域窗口内所有所述灰度级之间差值的信息熵作为第二组成因子；

12、每个像素点的细节变化度由第一组成因子、第二组成因子两部分组成，其中，所述细节变化度与第一组成因子成正比关系、所述细节变化度与第二组成因子成反比关系。

13、优选的，所述根据每个像素点所取邻域窗口内不同灰度级出现的频率获取每个像素点所取邻域窗口内两个灰度级之间的相邻差异系数的方法为：

14、获取每个像素点所取邻域窗口内所有灰度级按照降序顺序的排列结果，将所述排列结果中任意两个相邻元素之间的差值绝对值作为第一乘积因子；

15、将所述排列结果中任意两个相邻元素在所述邻域窗口内出现频率的均值与第一乘积因子的乘积作为所述两个相邻元素的相邻差异系数。

16、优选的，所述根据每个像素点所取局部管道窗口中不同位置滑动窗口内灰度分布特征获取所述局部管道窗口中任意两个位置滑动窗口之间的异质因数的方法为：

17、根据每个像素点所取局部管道窗口中不同位置滑动窗口内相同次序像素点灰度值之间的差异获取所述相同次序像素点之间的同质因子；

18、将每个像素点所取局部管道窗口中不同位置滑动窗口内相同次序像素点灰度值差值的绝对值在所述滑动窗口内所有像素点上的累加作为分子；

19、将所述相同次序像素点之间的同质因子在所述滑动窗口内所有像素点上的累加与预设参数之和作为分母；

20、将分子与分母的比值作为每个像素点所取局部管道窗口中两个位置滑动窗口之间的异质因数。

21、优选的，所述根据每个像素点所取局部管道窗口中不同位置滑动窗口内相同次序像素点灰度值之间的差异获取所述相同次序像素点之间的同质因子的方法为：

22、根据每个像素点所取局部管道窗口中不同位置滑动窗口内相同次序像素点灰度值之间的差异情况确定所述相同次序像素点之间的同质因子；

23、所述差异情况包括第一差异情况、第二差异情况，所述第一差异情况为所述相同次序像素点灰度值之间差值的绝对值小于等于决策阈值，所述第二差异情况为所述相同次序像素点灰度值之间差值的绝对值大于决策阈值；

24、将满足第一差异情况的所述相同次序像素点之间的同质因子的值置为1，将满足第二差异情况的所述相同次序像素点之间的同质因子的值置为0。

25、优选的，所述根据每个像素点所取局部管道窗口中所有滑动窗口之间的异质因数获取每个像素点的细节增益因子的方法为：

26、获取每个像素点所取局部管道窗口中所有滑动窗口之间的异质因数按照升序顺序的排列结果；

27、将所述排列结果中每个元素与所有元素的均值之间差值的绝对值在所述排列结果上的累加作为第三组成因子，将第三组成因子与所述排列结果内所有元素标准差的和作为分子；

28、将所述异质因数在每个像素点所取局部管道窗口中出现频率最大值与最小值的差值作为第一差值；将每个像素点所取局部管道窗口中出现频率最高、出现频率最低的异质因数之间的差值绝对值作为第二差值；将第一差值、第二差值以及预设参数的和作为分母；

29、将分子与分母的比值作为每个像素点的细节增益因子。

30、优选的，所述根据每个像素点所取局部管道窗口中所有滑动窗口之间的异质因数的分布范围获取每个像素点的局部细节凸显度的方法为：

31、将每个像素点所取局部管道窗口中所有滑动窗口之间异质因数最大值、最小值之间的差值作为分子，将每个像素点所取局部管道窗口中所有滑动窗口之间异质因数升序排列结果中上下四分位差值与预设参数的和作为分母，将分子与分母的比值作为比例系数；

32、将每个像素点的细节增益因子与比例系数的和作为取整函数的输入，将取整函数的输出结果作为每个像素点的局部细节凸显度。

33、优选的，所述采用图像增强算法基于管道内衬灰度图中每个像素点的局部细节凸显度得到增强内衬图的方法为：

34、采用图像增强算法基于管道内衬灰度图中每个像素点的局部细节凸显度得到每个像素点的增强灰度值；

35、利用管道内衬灰度图中每个像素点的增强灰度值代替每个像素点的原有灰度值，遍历整幅管道内衬灰度图，将替换后的结果作为增强内衬图。

36、优选的，所述利用显著性检测算法基于增强内衬图得到管道内衬泄露的检测结果的方法为：

37、将增强内衬图作为显著性检测算法的输入，基于显著性检测算法得到增强内衬图上每个区域的显著值；

38、利用阈值分割算法得到增强内衬图上所有区域的显著值的分割阈值；将显著值大于所述分割阈值的区域作为发生管道内衬泄露的区域。

39、第二方面，本发明实施例还提供了基于图像增强的管道内衬泄漏视觉检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。

40、本发明的有益效果是：本发明通过对管道内衬灰度图上每个像素点所取邻域窗口内的灰度级分布情况得到像素点的细节变化度，细节变化度反应了邻域窗口内图像信息的复杂度；其次基于局部管道窗口以及滑动窗口构建异质因数，异质因数反映了不同位置滑动窗口之间的细节变化情况；并基于不同位置滑动窗口之间异质因数的分析构建细节增益因子以及局部细节凸显度，局部细节凸显度可以自适应获取管道内衬灰度图中每个像素点应当具有的增益量，利用局部细节凸显度对自适应对比度增强ace算法进行改进，可以有效的凸显出管道内衬灰度图像中的细节，提高了基于显著性检测算法检测管道内衬泄露现象的检测精度。