图像处理在石油安全储存监控方面的应用

王通 朱士虎

（江苏师范大学物理与电子工程学院 江苏省徐州市 221116）

第二次工业革命与第二次世界大战之后,对更高效、更能效的新能源的需求，使得几乎所有的发达国家的能源消费都转向了石油和天然气。1965年世界能源消费中，石油的比重39.4%，大于煤炭0.4个百分点, 成为世界第一能源[1]。石油在当下世界经济竞争格局中，作为基础能源，扮演着至为重要的角色功能。

随着高质量发展理念的提出，适应生态保护和谐发展的战略需要，如何高效利用石油能源，尽可能减少安全隐患，避免因为是有储存或运输中的爆炸事故引发的不可逆性破坏，就成为一个迫切需要在科学研究与技术防范方面必须解决的安全问题。

1 石油安全存储所面临的问题

石油储存过程中发生泄露导致的安全事故，包括火灾，爆炸，爆燃等，对于资源以及周围环境所产生的破坏都是不可逆的，例如美国墨西哥湾原油泄露事件、7•16大连输油管爆炸事故、滨港石油罐区爆炸等，石油火灾、爆炸所造成的破坏影响范围广、时间久、危害大。因此石油存储的安全问题不容忽视。

2 针对石油存储安全监控研究

石油具有易蒸发性、易泄漏、扩散、积聚性等特点，其储存中的安全检测就需要较高的技术条件；但通过传统监控手段进行检测和监控的话，当石油还未引起火灾爆炸反应之前，各种安全隐患并不容易监控到。因此，考虑到石油蒸汽与空气密度差的问题，基于红外热成像测温原理，对石油储存区进行红外监控，应用图像处理技术对监控图像进行图像增强处理，通过分析红外图像的变化，可以实现对石油储存高效安全监测的目的。这是本文研究的重点所在。

2.1 红外图像采集

由于石油本身的物质特性，在储存中很难采用直接接触的温度检测等技术手段，一来因储运工具本身的物理条件限制，难以准确检测和控制；再者，因为直接接触技术可能引发更多的安全隐患。因此，必须采用非接触式检测技术。在这一领域，目前最为稳定和有效的技术当属红外热成像技术。众所周知，红外成像技术依据普朗克定律，通过探测辐射能的量和量变，利用不同物体辐射发散率的差异，技术呈现红外热图像，来观测物体的温度分布与变化[2]。这一技术条件已经比较成熟，不过在石油储存的安全监测方面还有很多值得细致探究的课题，还有很多可以改进得更为精准的技术手段值得深入探索。

红外热成像技术原理主要分为两部分：

（1）借助相应的光学组件和光电探测器，将物体的红外热辐射转换为电压信号，电压信号的大小与变化反映物体的红外热辐射波长差异；

（2）通过图像路板的处理芯片，将相应的电子信号按照特定的算式，转换为数字形式，数字形式转换为视频图像信号[3]。

2.2 图像处理技术

机器视觉检测技术就是利用红外成像原理开发出的一种无损监测技术,伴随着人工智能与深度学习的发展，尤其是当下网络条件推动远程监控手段不断迈向精准运用的更高水平，这些已成为研究热点，并且产生了越来越多的技术革新。机器视觉监测系统具有不仅高度自动化且检测目标明确的特点，又因为和传统监控方式相比，具有非接触式的特点,特别适用于封闭储存状态下的石油安全监测，比起以“人”为主体的接触式监测来说具有更高的精确度，因此跟更适合广泛应用于石油储存的在线监测。石油安全存储监测不仅可以利用机器视觉技术和量化的性能指标检测，还可以运用图像增强技术对监控图像进一步进行处理（具体步骤为：图像采集→图像传输→图像处理→泄露识别定位），判别是否泄漏以及泄露定位。高度的自动化与精确性可以减少人工检测的劳动强度的同时减少不必要的劳动力浪费, 达到安全可靠存储石油的目的。

2.3 图像锐化

2.3.1 概述

利用红外成像原理进行石油储存安全监测的技术呈现方式就是图像锐化。

所谓图像锐化，按照目前学界的观点，就是“图像锐化目的是让图像的细节, 如边缘、顶点等更加清晰、突出、尖锐, 是一种补偿轮廓、突出边缘信息的处理方法”。[4]

从理论上来说，在图像增强中，图像通常受到噪声的干扰，而平滑可以降低这种干扰，而且平滑可以降低对比度，图像锐化则与之相反，使图像的边缘和细节得到增强，提高对比度。对于石油存储来说，泄漏来-般为石油蒸汽,常常无法事先确定石油蒸汽的轮廓的取向，所以需要对得到的图像进行锐化处理，得到蒸汽云图像才能确定是否泄漏以及泄露具体情况。一般情况下，石油蒸汽具有轮廓不规则、不确定的特点，这就给监测技术提出了挑战，要求确定基本变量，也就是轮廓基础的算子，因此必须确定两点：一是不具备空间方向性的线性微分算子，这可以说是不变量，另一则是具有旋转不变的线性微分算子，这样才能正确的确定蒸汽的轮廓，达到图像锐化的目的。

对石油罐区监控图像，必须用灰度这一物理量来检测空间分布和变化。所谓的变化率，就是数学研究中所提出的梯度。简单来说，就是灰度变化率越大，梯度越大，反之则越小。可以观察到，用梯度法进行图像增强处理显然是有效果的，但是石油蒸汽不易观察，形状不固定，透明性较大，如果按照梯度法处理的话，误差结果较大，根据石油本身的特性，采取拉普拉斯锐化显然更符合监测设计的预期。

表1：3×3模板矩阵的权值

表2：8邻域3×3的

2.3.2 拉普拉斯锐化原理原理

拉普拉斯锐化图像的依据是图像像素的变化程度。函数的一阶微分概括函数的变化方向（增长/降低），二阶微分则描述速率（变化的急剧程度）。由此可以推测：观察二阶微分就可以观察到图像色素的过渡程度（如黑色到白色的过渡就是比较急剧的）。

总结来说，就是将区域内灰度像素低的点进一步降低灰度，而灰度像素高的点进一步提高灰度,以此实现图像的锐化处理。

2.3.3 拉普拉斯锐化应用

拉普拉斯相比于其他方法最大的优势在于可以增强图像的细节，由此来确定图像的边缘轮廓，针对石油蒸汽的特性显然拉普拉斯法具有明显的优势，但不可避免的是，在特殊情况下存在着把噪音也一并加强的情况，针对这种误差情况，需要运用平滑的处理方法对图像进行预处理，再把图像锐化。

推导二阶微分与像素的关系，可以经过一阶偏微分和推出的二元函数微分来呈现。

常用的推导公式如下：

一阶微分法的作用是检测石油蒸汽云边缘是否存在，拉普拉斯算子的作用是确定边缘的位置。

这样可以找到一个模板矩阵，即表1，表2。

表1和表2分别是使用垂直和水平两个方向上共四个邻域的拉普拉斯算子处理模板和包括对角邻点的8邻域权值模板。由表1和表2可以在计算机上具体实现拉普拉斯锐化增强。他们的作用就是将黑色区域中的白点亮度增强。图像边缘就是灰度发生跳变的区域[5]。

8邻域的表示方法为：

将算得的值替换原（x,y）处的像素值，可以得到类似边界的地方然后根据式（5）即可得锐化图像。

采用拉普拉斯算子8邻域3×3清晰滤波模板，编制拉普拉斯增强程序编制框图。大致流程为：打开软件后，输入灰度图像文件名和输出文件名（如果文件打不开退出程序重新启动），复制文件头，接着读入位图阵列，然后计算每点的x方向与y方向的分差，就可以计算拉普拉斯算子值，未处理完返回读入位图阵列继续计算，最后将数据存盘。

3 结论

现阶段，在网络信息高度发达的时代背景下，计算机技术以及图像处理技术的应用在模拟图像方面不断优化[6]，应用不断追求方便化、全面化、可靠化，在石油资源日益重要的今天，安全生产与存储是不可忽视的战略性问题，运用图像处理技术对石油存储进行安全监控是必要的。本文从现行技术手段出发，针对石油特性，在石油安全存储监控技术手段的基础上对监控图像进行优化，实验结果表明具有一定的意义。但是图像处理技术还有许多待完善与进步的地方，还需继续研究，力争对图像处理的研究向纵深发展。