[发明专利]基于红外图像的局部灰度-熵差的泄漏检测定位方法

摘要

本发明是基于红外图像的局部灰度-熵差的新型泄漏检测算法，属于检测技术领域。算法的创新点是基于图像熵理论，对被测对象红外图像的局部熵进行了改进，得到了改进后的局部加权熵、局部方差加权熵、局部灰度-熵、局部灰度-加权熵与局部灰度-方差加权熵。针对以上六种改进了的算法，经大量实验检验得出，局部灰度-熵差算法的检测能力最强，进而确定了局部灰度-熵差算法的目标检测策略和算法流程，证实了其准确性与有效性。此算法不仅继承了原局部熵差法的优点，而且通过灰度信息的引入使其能够良好地反映图像的这一点是由熵信息体现的，熵信息反应灰度分布情况、突出高灰度区域的表现，敏感地检测出图像间的温度差，获得泄漏目标。

主权项

1.基于红外图像的局部灰度-熵差的泄漏检测定位方法，其特征在于：具体步骤如下：步骤一，基于现有的红外泄漏检测装置，采集被测对象充气前与充气后的红外图像A和B；步骤二，设定大小为m×n的模板分别对A和B扫描计算，得出大小为m×n所有子图像对应的平均灰度值和灰度概率；g‾=Σi=1mΣj=1nf(i,j)/m×n]]>p*(i,j)=f(i,j)/Σi=1mΣj=1nf(i,j)]]>其中为平均灰度值，f(i,j)为数字图像在坐标(i,j)处的灰度值，p^*(i,j)为灰度值f(i,j)在模板中的出现概率；步骤三，计算每个子图像对应的灰度-熵值，进而得到图像A和B的局部灰度-熵矩阵；Hij=-g‾Σi=1mΣj=1np*(i,j)log[p*(i,j)]]]>Hm,n=H11H12LH1(M-m+1)H21H22LH2(M-m+1)MMMMH(N-n+1)1H(N-n+1)2LH(N-n+1)(M-m+1)]]>步骤四，计算图像A和B的局部灰度-熵差矩阵△H_BA，将其作为泄露检测的诊断因子；△H_BA=H_B-H_A步骤五，设定阈值δ=k·average（△H_BA），其中k为比例系数，当△H_BA中某一连续区域中的元素值均大于阈值，则判定该区域为泄漏区域，并计算该连通区域的质心，即可在图中得到泄漏中心；再通过对局部熵差阵△H_BA大于阈值区域对应的坐标值进行反向映射，即可得到被测对象泄漏点位置。