一种基于红外热成像技术的隧道车载渗漏感知检测方法与流程

本发明涉及图像分析，具体为一种基于红外热成像技术的隧道车载渗漏感知检测方法。

背景技术：

1、当前渗漏感知方法通过获取隧道衬砌表面的热辐射分布数据，运用数字图像处理技术构建温度与灰度图像的映射关系，核心在于通过灰度映射或伪彩色编码算法将温度信息转化为多维数字图像矩阵，利用阈值分割和区域生长等算法对热辐射图像进行处理，结合形态学运算优化热异常区域的轮廓特征，具体而言，采用基于热传导差异的梯度边缘检测方法，对衬砌表面温度分布矩阵进行图像处理，生成热异常区域的拓扑结构表征图。

2、然而，现有的技术方案在移动式检测中存在图像序列处理的局限性，主要体现在未分析连续帧图像间的时空关联。由于移动式成像采集产生的连续图像序列具有空间位移特性，传统基于单帧静态图像的分析方法不能有效捕捉目标区域随检测设备移动而呈现的时空发展规律，导致检测在空间连续性上出现割裂，降低结果的可靠性。

3、为此，提出一种基于红外热成像技术的隧道车载渗漏感知检测方法。

技术实现思路

1、本发明的目的在于提供一种基于红外热成像技术的隧道车载渗漏感知检测方法。包括：获取红外图像帧序列并进行预处理和特征增强处理；对增强红外图像提取梯度特征值和离群度特征值，识别初始渗漏区域；在连续的增强红外图像帧序列中对每个初始渗漏区域进行跟踪得到区域空间序列，提取初始渗漏区域的空间梯度特征值；根据梯度特征值、离群度特征值和空间梯度特征值计算综合渗漏指数，对初始渗漏区域进行处理得到渗漏区域；对每个渗漏区域进行特征分析得到区域多维特征，根据区域多维特征进行严重程度评估。本发明提高了渗漏分析与评估的可靠性。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于红外热成像技术的隧道车载渗漏感知检测方法，包括：

4、获取隧道检测区域的红外图像帧序列并对每帧红外图像进行预处理和特征增强处理，得到增强红外图像帧序列；

5、对每帧增强红外图像提取每个像素的梯度特征值和离群度特征值，结合所述梯度特征值和所述离群度特征值识别初始渗漏区域；

6、在所述增强红外图像帧序列中对每个所述初始渗漏区域进行追踪得到区域空间序列，提取所述初始渗漏区域的空间梯度特征值；

7、根据所述梯度特征值、所述离群度特征值和所述空间梯度特征值计算所述初始渗漏区域的综合渗漏指数；

8、根据所述综合渗漏指数，通过区域生长算法处理所述初始渗漏区域得到渗漏区域；

9、对每个所述渗漏区域进行特征分析得到区域多维特征，根据所述区域多维特征对所述渗漏区域进行严重程度评估。

10、进一步地，对每帧所述红外图像进行预处理和特征增强处理的过程具体包括：对所述红外图像进行高斯滤波去噪、几何校正和温度校准，得到预处理红外图像；通过自适应非线性映射，对所述预处理红外图像进行特征增强，公式为：

11、；

12、其中，和分别为增强后和增强前像素点处的温度值；为所述预处理红外图像的平均温度；为自适应增强系数；为梯度敏感度系数；为所述预处理红外图像中像素点处的梯度。

13、进一步地，识别所述初始渗漏区域的过程具体包括：提取所述增强红外图像中每个像素点的温度梯度，得到所述梯度特征值；将所述增强红外图像划分为均匀的局部区域，计算每个像素点的温度与所在局部区域的温度偏差，得到所述离群度特征值；根据所述梯度特征值和所述离群度特征值计算每个像素点的潜在渗漏指数；通过连通分量算法处理所述潜在渗漏指数大于潜在渗漏阈值的像素，得到初始渗漏区域集合。

14、进一步地，在所述增强红外图像帧序列中对每个所述初始渗漏区域进行追踪的过程具体包括：为所述增强红外图像帧序列中的每个所述初始渗漏区域分配不同的标识符并提取表征特征；结合车辆运动参数和图像采集参数，计算第帧图像中所述初始渗漏区域在后序帧图像中的预测位置；在后序帧图像中，以所述预测位置为中心设置搜索窗口，根据所述表征特征计算所述搜索窗口内待匹配初始渗漏区域与所述初始渗漏区域的表征匹配度，将所述搜索窗口内表征匹配度最大的待匹配初始渗漏区域标记为所述初始渗漏区域的追踪对象，若追踪对象的所述表征匹配度大于或等于匹配度阈值，则将追踪对象的标识符改为所述初始渗漏区域的标识符，若追踪对象的所述表征匹配度小于匹配度阈值，则结束对所述初始渗漏区域的追踪；汇总所述增强红外图像帧序列中与所述初始渗漏区域的标识符相同的待匹配初始渗漏区域，作为所述初始渗漏区域的区域空间序列。

15、进一步地，对于每个初始渗漏区域，基于所述区域空间序列计算所述空间梯度特征值，计算公式为：

16、；

17、其中，为初始渗漏区域的空间梯度特征值；为初始渗漏区域的区域空间序列的长度；为区域空间序列的序列号；为第个序列号的权重系数；和分别为初始渗漏区域在第和第个序列号对应的增强红外图像中的平均温度值；为相邻两帧增强红外图像的空间距离。

18、进一步地，以所述初始渗漏区域中所述综合渗漏指数最高的像素点为种子点，对所述初始渗漏区域应用区域生长算法，得到渗漏区域，所述综合渗漏指数的计算公式为：

19、；

20、其中，为初始渗漏区域中像素点的综合渗漏指数；、和分别为离群度特征值、梯度特征值和空间梯度特征值的权重系数；为离群度特征值；为梯度特征值；为初始渗漏区域所在的增强红外图像中梯度特征值最大值；为初始渗漏区域的空间梯度特征值；为初始渗漏区域所在的增强红外图像中所有初始渗漏区域的空间梯度特征值最大值。

21、进一步地，对所述渗漏区域进行特征提取与严重程度评估的过程包括：根据每个所述渗漏区域与所述初始渗漏区域的映射关系，获取所述渗漏区域的区域空间序列，提取所述区域多维特征得到区域多维特征序列；所述区域多维特征包括区域形态特征、区域温度特征和区域渗透特征；将所述区域多维特征序列输入渗漏严重程度评估模型，输出渗漏严重程度指数。

22、与现有技术相比，本发明的有益效果为：

23、1、首先对红外图像进行预处理和特征增强，然后利用梯度特征值和离群度特征值两个维度的特征来识别初始渗漏区域。梯度特征值能够捕捉渗漏区域与周围环境的温度变化率，而离群度特征值则通过计算像素点温度与局部区域温度的偏差来识别异常温度点。这两个特征的结合能够更准确地识别出温度分布异常且具有明显边界特征的区域。通过连通分量算法处理潜在渗漏指数大于阈值的像素，从而确定初始渗漏区域集合，显著提高了初步渗漏识别的准确性，有效减少了环境噪声和非渗漏异常热源的干扰，为后续的渗漏区域分析奠定了基础。

24、2、针对车载检测环境下初始渗漏区域的动态追踪，首先为每个初始渗漏区域分配唯一标识符并提取表征特征，然后结合车辆运动参数和图像采集参数，预测渗漏区域在后续帧中的位置。通过在预测位置设置搜索窗口，计算窗口内初始渗漏区域与目标区域的表征匹配度，实现了对渗漏区域的有效追踪。引入了空间梯度特征值的概念，通过计算区域空间序列中的温度变化，能够反映渗漏区域温度随空间变化的规律，显著提高了在移动环境下渗漏检测的适应性和检测稳定性，以及检测流程的连贯性和可靠性。

25、3、通过结合离群度特征值、梯度特征值和空间梯度特征值三个关键特征，计算综合渗漏指数，综合考虑了渗漏区域的静态温度特性和动态空间变化特性，能够更全面地表征渗漏现象。基于综合渗漏指数，识别渗漏区域，然后进一步提取区域多维特征序列，全面描述了渗漏区域的几何形状、温度分布和渗透动态特性。最后，将这些多维特征序列输入到渗漏严重程度评估模型中，输出渗漏严重程度指数，实现对渗漏问题的定量评估。基于区域多维特征序列的评估方法提高了渗漏严重程度评估的准确性和可靠性。