IADF算法在雙色水位計液位圖像測量中的應(yīng)用*

馮 廣， 張長勝， 劉子裕， 李 川， 錢 斌， 張漢平

(昆明理工大學(xué) 信息工程與自動化學(xué)院，云南 昆明 650500)

?

IADF算法在雙色水位計液位圖像測量中的應(yīng)用*

馮 廣， 張長勝， 劉子裕， 李 川， 錢 斌， 張漢平

(昆明理工大學(xué) 信息工程與自動化學(xué)院，云南 昆明 650500)

為了代替值守人員目測水位計液位值，研究基于工控機(jī)(IPC)的智能遙視系統(tǒng)和數(shù)字圖像處理算法，給出了水位計圖像識別流程。分析了傳統(tǒng)P-M模型各向異性擴(kuò)散濾波算法，給出了一種改進(jìn)各向異性擴(kuò)散濾波(IADF)算法，結(jié)合給出的圖像畸變校正和亮化算法，實現(xiàn)了水位計液位值的智能讀數(shù)。實驗結(jié)果表明：該算法及其實現(xiàn)系統(tǒng)智能化程度高，具有良好實時性和較高識別率。

液位值； 智能遙視系統(tǒng)； 亮化算法； 改進(jìn)的各向異性擴(kuò)散濾波

0 引 言

鍋爐作為特種壓力設(shè)備，其運(yùn)行參數(shù)包括溫度、汽壓和液位等。鍋爐雙色水位計液位反映了鍋爐負(fù)荷與給水之間的平衡關(guān)系。液位過高造成蒸汽帶水，致使過熱器受熱面及汽輪機(jī)通流部分結(jié)垢，嚴(yán)重時造成過熱器和再熱器超溫爆管及汽輪機(jī)水沖擊等事故；液位過低使鍋爐水循環(huán)失衡，易使水汽化燒壞鍋爐甚至爆炸。隨著智能化儀表與遙視技術(shù)發(fā)展，數(shù)據(jù)檢測由傳統(tǒng)人工方式轉(zhuǎn)變?yōu)橹悄軆x表檢測，通過采用圖像處理方法，實現(xiàn)數(shù)值智能讀取，其不但降低值守人員工作量，而且提高了生產(chǎn)效率，保障設(shè)備運(yùn)行可靠性。

林瑞鳳等人針對明渠水位獲取問題，提出一種基于圖像的水位自動測量方法，并采用改進(jìn)邊緣檢測算法對水位圖像處理來獲取液位高度[1]。葉昕鑫等人針對液位檢測時環(huán)境不理想或液體存在雜質(zhì)等情況，提出改進(jìn)粒子濾波算法，提高了系統(tǒng)檢測魯棒性，進(jìn)而獲取較清晰液位圖像[2]。黃玲等人通過分析液體折射原理，提出了帶標(biāo)桿的液位檢測算法，能夠識別標(biāo)桿在液面處的虛擬折射點(diǎn)，實現(xiàn)較準(zhǔn)確地檢測液位高度[3]。Kunal J P針對透明瓶裝水液位圖像，提出了一種最優(yōu)邊緣檢測算法，獲取更清晰圖像邊緣信息[4]。

本文以智能遙視技術(shù)的鍋爐水位檢測為主題論述研究，對采集的液位圖像，采用亮化處理、無限對稱指數(shù)濾波器(infinite symmetric exponential filter,ISEF)邊緣檢測、八分格數(shù)字識別法等算法，且給出一種改進(jìn)的各向異性擴(kuò)散濾波算法，進(jìn)而開發(fā)了液位檢測系統(tǒng)，實現(xiàn)智能監(jiān)測液位數(shù)值。

1 系統(tǒng)硬件結(jié)構(gòu)與檢測流程

該液位檢測系統(tǒng)硬件結(jié)構(gòu)圖如圖1所示，CCD攝像頭是系統(tǒng)圖像采集設(shè)備，視頻采集卡是CCD攝像頭與工控PC(industrial PC,IPC)的傳輸中介，工控PC則是處理液位圖像部分。

圖1 系統(tǒng)硬件結(jié)構(gòu)圖Fig 1 Hardware structure diagram of system

雙色水位計液位值檢測步驟:1)CCD攝像頭拍攝水位計圖像;2)SAA7134HL視頻采集卡轉(zhuǎn)換視頻信號;3)畸變校正;4)圖像亮化處理;5)圖像邊緣提取;6)水位計液注提取;7)液位刻度值提取;8)液位數(shù)字識別。

2 水位計圖像邊緣提取

2.1 畸變校正

由于現(xiàn)場拍攝入射光線角度變化或攝像頭偏移導(dǎo)致液位計圖像畸變，故引入誤差分析，如圖2所示。

圖2 誤差原理分析Fig 2 Analysis on error principle

其誤差為err=H-h，水位計真實液位高度為

(1)

畸變液柱圖像與水平方向形成夾角θ，其正弦值為

(2)

式中 cL為畸變液柱水平方向坐標(biāo)，v0為畸變液柱垂直方向坐標(biāo)，因而誤差為

(3)

校正后液位值為H=h+err，變量θ是通過裝有水平儀的工業(yè)攝像頭根據(jù)現(xiàn)場裝設(shè)條件反饋給系統(tǒng)的一個偏離夾角，故需盡量避免θ角的出現(xiàn)，從而保證識別精度[5，6]。

2.2 圖像亮化處理

鍋爐水位計液位值識別時，光照是影響遙視識別效果的重要因素。圖3(a)為暗光環(huán)境拍攝的水位計圖像，圖3(b)和圖3(c)分別為閾值分割和灰度直方圖處理圖。

圖3 暗光條件處理圖像Fig 3 Processing image under dim light condition

暗光環(huán)境圖像像素灰度值處于較低灰度級區(qū)域，閾值分割時易將較暗區(qū)域識別為目標(biāo)區(qū)域，導(dǎo)致分割效果不理想。針對此問題，本文提出了一種圖像亮度自適應(yīng)調(diào)節(jié)算法，以降低光線過暗對閾值分割的影響。

如圖4所示，對水位計液柱區(qū)域二值化并作垂直像素投影后，液柱區(qū)域B比A和C要高，說明該圖像亮度不足，需對圖像加亮處理。具體亮化處理流程如圖5所示。

圖4 暗光條件下液柱圖像Fig 4 Liquid column image under dim light condition

圖5 加亮算法流程圖Fig 5 Flow chart of highlight algorithm

圖5中，f(i,j)為液柱圖像像素點(diǎn)，M和N分別是液柱圖像橫豎點(diǎn)數(shù)。亮化處理后的圖像如圖6所示。

圖6 亮化處理后液位圖像Fig 6 Liquid level image under lighting processing

通過自適應(yīng)亮度調(diào)節(jié)算法解決了因環(huán)境光線不足造成識別度不高的問題，該算法對于后續(xù)圖像處理和數(shù)值識別有重要意義。

2.3 基于改進(jìn)的各向異性擴(kuò)散濾波算法的圖像邊緣檢測

圖像邊緣檢測能夠為水位計液位值識別提供重要保障，采用Perona-Malik(P-M)的各向異性擴(kuò)散濾波算法，其很好地保留圖像邊緣信息，但遭遇強(qiáng)噪聲時濾波效果會失效，且算法中擴(kuò)散門限K很難控制，擴(kuò)散處理后的圖像易存在明顯“階梯”效應(yīng)[5～7]。通過分析擴(kuò)散函數(shù)的優(yōu)缺點(diǎn)，本文提出一種改進(jìn)的各向異性擴(kuò)散濾波(improved anisotropic diffusion filtering，IADF)算法，即改進(jìn)了擴(kuò)散函數(shù)，保證了在平滑區(qū)有較快平滑迭代速度，且圖像邊緣不會隨迭代過程而被平滑掉，有較高圖像魯棒性。改進(jìn)后擴(kuò)散函數(shù)定義為

(4)

式中

(5)

改進(jìn)后擴(kuò)散函數(shù)曲線如圖7所示，圖中假設(shè)t1=15，t2=40。在梯度小于15的區(qū)間內(nèi)，擴(kuò)散系數(shù)為1；在限定區(qū)間(t1,t2)內(nèi)，擴(kuò)散系數(shù)滿足式(4)且呈單調(diào)遞減；當(dāng)梯度大于40時，擴(kuò)散函數(shù)被強(qiáng)制置0。

圖7 擴(kuò)散模型函數(shù)曲線Fig 7 Function curve of diffusion model

但在改進(jìn)后的算法中，t1和t2的取值若僅限于通過人為經(jīng)驗選取，則主觀因素的引入將使擴(kuò)散過程達(dá)不到所需效果，故本文給出了一種方法對兩個設(shè)定值進(jìn)行計算。如圖8所示，將圖像中像素點(diǎn)看成如下3×3領(lǐng)域。

圖8 像素點(diǎn)領(lǐng)域梯度計算原理圖Fig 8 Principle diagram of pixel poiont field gradient calculation

其梯度幅值定義為

(6)

式中

(7)

梯度幅值均值定義為

(8)

梯度幅值標(biāo)準(zhǔn)差定義為

(9)

由于考慮實際偏差影響，引入標(biāo)準(zhǔn)差σ(x,y)作為梯度期望值的偏差裕度,從而可定義t1和t2為

(10)

(11)

由圖9可知改進(jìn)的P-M各向異性擴(kuò)散濾波算法處理效果明顯，其噪點(diǎn)明顯減少，且在噪聲同質(zhì)區(qū)域濾波效果優(yōu)與傳統(tǒng)算法，因此證明改進(jìn)有效。

圖9 濾波效果對比圖Fig 9 Contrast figure of filtering effect

3 液柱提取和刻度識別

3.1 液柱提取

通過ISEF邊緣檢測算法[8,9]獲得水位計液柱像素高度，其是由Shen J提出的最佳線性濾波器，主要針對多階躍邊緣檢測給出最佳指數(shù)濾波器的遞歸算法。

二維ISEF算法公式為

f(x,y)=a2·b|x|+|y|

(12)

式中a和b分別為液柱左右頂點(diǎn)坐標(biāo)，V0為液位位置。利用ISEF算法對水位計圖像進(jìn)行灰度處理和二值化，然后對液柱邊緣檢測，確定液位高度并提取液柱圖像，如圖10所示。

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

3.2 刻度識別

數(shù)字識別算法是遙視系統(tǒng)獲得最終液位數(shù)值的支撐算法，其決定了刻度識別準(zhǔn)確性。本文采用基于貝葉斯分類器的八分格數(shù)字識別算法[10]對圖像刻度進(jìn)行識別。

通過將數(shù)字圖像劃分為8個相等三角區(qū)域，獲取輸入樣本分塊特征向量

(13)

式中k=1,…,4；i=1,…,8；n=1,…,4；αn為在每個區(qū)域中任意4分塊所包含的像素值為1的個數(shù)。

(14)

在各個特征相互獨(dú)立情況下，分類器規(guī)則為

(15)

圖11 八分格數(shù)字識別算法歸一化仿真效果Fig 11 Normalized simulation effect of eight compartment digital recognition algorithm

在圖像畸變情況下，該算法對數(shù)字1，2，3，4的識別率分別為93.5，89.8，92.9，93.7。由此可知：基于貝葉斯分類器的八分格數(shù)字識別算法識別率較高且識別效果顯著。

4 結(jié)束語

本文針對傳統(tǒng)P-M模型各向異性擴(kuò)散濾波算法擴(kuò)散處理后的圖像存在“階梯”效應(yīng)問題，給出了一種改進(jìn)算法，對Perona和Malik兩個擴(kuò)散函數(shù)均值化，并引入標(biāo)準(zhǔn)差作為梯度期望值的偏差裕度，提高了水位計圖像識別魯棒性，較好地保留圖像邊緣的重要信息，增強(qiáng)了圖像平滑濾波效果，有效消除了噪聲對圖像識別度的影響。針對現(xiàn)場視頻光照變化較大對成像質(zhì)量影響，給出了一種圖像亮度自適應(yīng)調(diào)節(jié)算法。該基于PC的鍋爐雙色水位計遙視監(jiān)測系統(tǒng)提高了鍋爐裝備的智能化程度，初步滿足了生產(chǎn)需求，可繼續(xù)對圖像處理算法及程序的魯棒性進(jìn)行研究，進(jìn)而研發(fā)嵌入式圖像傳感器。

[1] 林瑞鳳,徐 海.基于圖像傳感器的明渠水位自動測量方法[J].傳感器與微系統(tǒng),2013,32(8):53-55.

[2] 葉昕鑫,盧建剛.基于圖像的微化工過程液位與流量測量[D].杭州:浙江大學(xué),2013.

[3] 黃 玲,張葉林,胡 波,等.基于機(jī)器視覺的透明瓶裝液體液位自動檢測[J].自動化與儀表,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.基于梯度矢量卷積場的四階各向異性擴(kuò)散及圖像去噪[J].光學(xué)精密工程，2013，21(10):2713-2719.

[6] 楊吉宏,張 民,潘全科,等.保護(hù)邊緣及細(xì)節(jié)的彩色圖像濾波算法[J].計算機(jī)工程與設(shè)計,2010(7)：1516-1518.

[7] 付麗娟,姚 宇,付忠良.中值濾波與各向異性擴(kuò)散相結(jié)合的醫(yī)學(xué)圖像濾波方法[J].計算機(jī)應(yīng)用,2014,34(1):145-148.

[8] 許志祥.二階導(dǎo)數(shù)型邊緣檢測算子邊緣定位誤差的研究[J].自動化學(xué)報,1992(4):448-455.

[9] 張治強(qiáng),柳 健,萬發(fā)貫.遙感圖像的邊緣檢測[J].遙感信息,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.

馮 廣(1991- )，男，山西運(yùn)城人，碩士研究生，主要研究方向為圖像傳感檢測理論與技術(shù)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

云南省中青年學(xué)術(shù)和技術(shù)帶頭人后備人才項目(2012HB011)；昆明理工大學(xué)學(xué)科方向建設(shè)研究項目(14078212)

10.13873/J.1000—9787(2016)10—0148—04

TP 391

A

1000—9787(2016)10—0148—04