论文部分内容阅读
在石油运输业蓬勃发展的今天,石油泄漏事故的发生频率越来越高,给事故周边人们造成了巨大的经济损失,甚至带来生命危险。与海洋相比,内河与当地居民的日常生活关系更加密切,一旦有石油泄漏发生,其危害更加严重,因此对内河石油泄漏进行检测具有重要的现实意义和实用价值。本文鉴于内河周围已建立完善的视频监控系统,并且应项目需求,针对摄像头拍摄的内河河面视频进行可见光层次的石油泄漏检测,提出了石油识别、油区分割和报警三步走的解决方案。在石油识别阶段,根据不同事物具有不同的纹理特征,通过提取石油和水等物质的纹理特征来识别石油和非油类;在油区分割阶段,采用漫水填充算法对检测出来的油区进行准确分割;在报警阶段,通过计算油区占整幅图像的百分比,依据已定的警报级别划定规则确定警报级别并显示在屏幕上。本文在VC++6.0平台下,利用OpenCV库进行各个阶段的实验仿真,对每个阶段的不同方法和涉及的参数进行了详细的实验优化,最后实现了本文的检测方法。在利用灰度共生矩阵提取纹理特征时,采用了改进的纹理特征量评估准则——特征间距F——对提取的七种纹理特征量进行评估,对涉及到的方向、步长、窗口大小和灰度级数进行详细讨论和优化取值,并最终选取了方差、对比度、熵、均匀性和能量五种纹理特征量进行分类识别;在模式识别分类时,对比了BP神经网络和支持向量机(SVM)两种分类方法,选取了分类效果较好的SVM分类;接着依据纹理识别的结果选取种子点,进行漫水填充算法分割,并对灰度阈值的选取进行了实验和分析,对比分析了本文算法和迭代阈值分割算法的优劣;最后对警报级别的确定进行了实验仿真。通过对不同情况下的溢油视频图像进行检测分割,验证了本文设计的检测石油泄漏的方法的可行性与鲁棒性,该方法检测和分割结果精准,抗干扰能力强,达到了预期的目的。