[发明专利]一种基于数字图像的工业管道探伤内壁检测方法

说明书

本发明公开了一种基于数字图像的工业管道探伤内壁检测方法，提出一种新的全景展开算法，该算法通过图像的增强，提高图像的分辨率；通过建立管道与内窥镜的数学模型，提取管道中心点的位置，提高展开的精度；通过按比例径向展开算法，增强算法的鲁棒性。其次本发明提出了对SIFT算法的改进，在保证继承原算法良好的旋转不变性的前提下实现了对原算法的时效性的改进。提出了一种基于相似度的特征点粗匹配过程，能够有效地提出大多错误的误匹配。提出了一种基于自适应阈值的RANSAC算法，不仅解决了原算法无法凭借经验精确定位合适阈值的缺点，同时还在参数性能上有所提升。

技术领域

本发明属于管道无损检测检测技术领域，涉及一种基于数字图像的工业管道探伤内壁检测方法。

背景技术

随着机器视觉技术的广泛应用，越来越多的工程师、研究者们着力于基于视觉的管道检测技术的研究。就其研究领域而言可以分为两类：

一是管道自动检测系统。在国外，主要集中在城市管道自动检测，比如，加拿大康科迪亚大学学者Moselhi等开展了一种用于检测地下污水管道缺陷的自动化系统，该系统将神经网络与数字图像处理技术相结合，通过对管道图像分析和识别，从而对排水管道缺陷进行自动识别。美国普渡大学学者 Myung Jin Chae带领团队也研发了污水管道自动数据分析系统，该系统也是基于光学图像进行工作的[1]。我国长安大学学者孙朝云等，在VC++平台，基于图像处理技术开发了一种裂纹自动化检测技术，该项技术能校正所得的不均匀图像，再通过增强、分割等处理，自动分割出裂纹缺陷[2]。金门大学学者苏东清团队研究出一种形态学分割算法，该算法在对外观多变、无规律管道缺陷有较好的识别能力[3]。

二是管道实时监测系统。加拿大蒙特利尔大学学者Mohammadreza等人研究出一种基于数字图像处理技术的城市管道腐蚀缺陷检测方法[4]。该方法首先采用图像预处理技术，比如：形态学处理、平滑、点处理、滤波、分割、二值等，对图像进行处理。然后通过迭代算法，有效获取管道腐蚀、裂纹等缺陷细节。我国北京工业大学学者何存富等人，开发出一种基于管道机器人检测系统。该系统将采集到的视频信号，通过无线方式即时传送到上位机上，再对采集到的视频进行分析处理[5]。该检测系统能够适应口径狭小，结构复杂的金属管道，但容易对管道造成二次伤害，并且该系统对管道缺陷图像处理过程简单，缺陷识别效果欠佳。成都电子机械学院学者陈应松等人也提出基于机器视觉策略的管内机器人系统，该系统具有识别管内障碍物的能力。其通过性能良好，可以进行各类管道的实时检测。但是该系统兼容性能差，无法有效的检测出管道各类缺陷[6]。

[1]Chae M J,Abraham D M.Neuro-Fuzzy Approaches for Sanitary SewerPipeline Condition Assessment[J].Journal of Computing in Civil Engineering,2001,15(1):4-14.

[2]孙朝云,褚燕利,樊瑶,等.基于VC++路面裂缝图像处理系统研究 [J].计算机应用与软件,2009,26(8):82-85.

[3]Yang M D,Yang Y F,Su T C,et al.An efficient fitness function ingenetic algorithm classifier for Landuse recognition on satellite images.[J].Scientific World Journal,2014,12(2):264-512.

[4]Motamedi M,Faramarzi F,Duran O.New concept for corrosioninspection of urban pipeline networks by digital image processing[J].TheJournal of Urology,2016,195(4):e1079-e1080.