基于阈值分割的石化保温管线高温区域提取方法摘要：石化系统的蒸汽管网保温状况可分为两大类：正常温度区域和高温区域。巡检中快速定位蒸汽管网的超温区对安全运行、节能与环保至关重要。为了从红外图像中快速正确地获取超温区域并定位，根据一维基本的Otsu方法，给出了一种二维Otsu双阈值自动获取方法，并将此用于蒸汽管网红外图像分割。对实际采集到的管网红外图像进行仿真研宄，结果表明，采用二维Otsu方法获得的阈值能够较好地过滤掉树木、灌木等环境干扰，分割保温管线中的正常温度区域和高温区域，满足了实际工程的需要。关键词：红外图像；图像分割；蒸汽管网；Otsu：TP399文献标志码：A：1006-8228(2015)08-15-03ExtractionmethodofhightemperatureregioninpetrochemicalthermalinsulationpipelinebasedonthresholdsegmentationZhangZhenjie1，DingYe2，XiaoLiyin2(1.ResearchInstitute，LanzhouPetrochemicalCo.，Lanzhou,Gansu730060，China；---本文于网络，仅供参考，勿照抄，如有侵权请联系删除---2.UniversityofScienceTechnologyBeijing，SchoolofAutomationandElectricalEngineering)Abstract：Thethermalinsulationofsteampipenetworkinthepetrochemicalsystemcanbedividedintotwocategories:normaltemperatureandhightemperaturearea.Intheinspection,toquicklylocatetheover-temperatureareaofthesteampipenetworkisveryimportantforsafeoperation，energysavingandenvironmentalprotection.Inordertogetover-temperatureareaandlocateitfromtheinfraredimagequicklyandcorrectly，accordingtothemethodofone-dimensionalbasicOtsu，thispaperpresentsadual-thresholdautomaticacquisitionmethodoftwo-dimensionalOtsu，whichisusedforsegmentationofsteampipenetworkinfraredimage.Accordingtothesimulationofrealinfraredimagescollected，theresultsshowthatthethresholdobtainedbytwo-dimensionalOtsumethodcaneffectivelyfilterouttheenvironmentalinterferenceincludingtreesorshrubs，anddividethei---本文于网络，仅供参考，勿照抄，如有侵权请联系删除---nsulationpipelineintonormaltemperatureandhightemperaturearea，thatmeetstheneedsofpracticalengineering.Keywords:infraredimage；imagesegmentation；steampipenetwork；Otsu0引言本文以中国石油某分公司蒸汽管线保温效果检测为背景。当蒸汽管网上存在较多超温区域时，蒸汽管网的散热损失将快速增长，这是造成蒸汽热量损失的重要原因［1］。大多数情况下超温区域人眼无法观察到，如果不能及时发现这些温度超标区域，将造成能量浪费，提高企业成本，甚至带来安全隐患导致生产事故利用红外热像仪可以获得表征管线温度信息的红外图，但是由于红外图在获取时受到树杈遮挡等因素造成其背景往往比较复杂，在红外图上不容易直接观察出什么区域是低温区，什么区域属于高温区。本文试图用图像分割方法将红外图像中心背景（包括树杈等）低温区和高温区分割开来。所谓图像阈值分割方法就是利用一个或几个阈值将将图像灰度进行分割，这类方法通常具有简单，快速，应用范围广的特性。但其关键在于阈值的选择和确定上［2］。---本文于网络，仅供参考，勿照抄，如有侵权请联系删除---阈值的确定有人为给定和自适应获取两大类。自适应阈值法因适用性更广得到广泛关注，其中最著名的是NobuyukiOtsu［3］提出的一种自动选取阈值的图像分割方法。该算法选择最优阈值的判别标准是，最大限度地使两类灰度级的差别达到最大，即Otsu（最大类间方差）算法，该方法稳定性好，适应能力强。1980年，ThierryPun[4]提出了一种基于熵的概念的自动阈值分割方法，该方法引入了熵的概念，得到了很好的分割效果。1989年，AbutalebAS[5]认为一维最大熵阈值法可以有效地从背景中分离所需的对象，但是该种方法没有考虑到图像像素之间的空间相关性，因而当像素之间的空间相关性比灰度值更加重要时，其性能会迅速下降，因此他提出了将一维熵阈值扩展至二维。但自适应阈值法目前一次只能得到一个阈值，这对需要多分类的蒸汽管网红外图像的分割是不够的。本文首先在将一维的单阈值Otsu方法推广到一维多阈值获取的基础上，提出一种阈值自适应获取方法,然后将一维方法推广到二维上，并将这些方法用于蒸汽管网红外图像分割。---本文于网络，仅供参考，勿照抄，如有侵权请联系删除---