1．引言

石油天然氣是重要的國家戰略資源，石油天然氣的長(cháng)距離輸送直接關(guān)系到國民經(jīng)濟發(fā)展和社會(huì )穩定。目前，我國陸上已建成油氣輸送管道的總長(cháng)度已超過(guò)15萬(wàn)公里，然而當前對油氣管道的安全管理問(wèn)題仍存在缺失。違法侵占管道用地、工機械挖掘、深根植物種植、打孔盜油、洪水侵蝕、山體滑坡、地面塌陷、泥石流等問(wèn)題嚴重威脅管道安全，管道管理安全形勢日趨嚴峻。為保證油氣管道安全正常工作，必須對油氣管道進(jìn)行定期巡檢。

傳統的管道巡檢方法以人工巡檢為主，但人工巡檢方式存在著(zhù)巡檢人員主觀(guān)因素過(guò)多、巡檢效率較低、信息反映不及時(shí)、勞動(dòng)強度大、安全風(fēng)險大、安全成本高等缺陷，也難以對高山、沙漠和沼澤等環(huán)境惡劣地區的管道進(jìn)行巡查，已遠遠不能滿(mǎn)足現代化管道管理的需求。

解決上述問(wèn)題的方法就是利用無(wú)人機航空攝影測量進(jìn)行管道巡檢工作。即利用集成GPS定位系統的小型測繪無(wú)人機作為飛行平臺，搭載高清相機或光電吊艙，沿管道飛行實(shí)時(shí)傳輸影像信息或采集高清數碼照片，內業(yè)實(shí)時(shí)監測或進(jìn)行航片后處理，以實(shí)現對管線(xiàn)進(jìn)行巡檢的技術(shù)手段�，F代無(wú)人機具有成像分辨率高、設備機動(dòng)性好、轉場(chǎng)作業(yè)靈活及便于緊急作業(yè)等優(yōu)點(diǎn)，不僅可以對管道進(jìn)行定期常規巡檢，而且能夠在突發(fā)情況后開(kāi)展應急監測，從而為管道的管理與維護提供有力的技術(shù)支持。

2.低空影像自動(dòng)識別技術(shù)

低空遙感影像自動(dòng)識別技術(shù)是基于無(wú)人機等低空飛行器獲取的影像資料，通過(guò)軟件自動(dòng)解譯，對航片中的特定地物按照預設的特征進(jìn)行自動(dòng)提取的專(zhuān)業(yè)化、智能化技術(shù)。

影像自動(dòng)識別技術(shù)目前已初步應用在災害動(dòng)態(tài)監測、環(huán)境污染監測以及城市規劃等方面，但其較多基于衛星遙感影像數據進(jìn)行識別分析，采用低空遙感影像數據的較少，如果直接用于油氣管道巡檢，尚存在針對性不強、缺少專(zhuān)用提取算法、缺少管道風(fēng)險評估技術(shù)和機制、未能形成完整技術(shù)鏈等不足。因此，更加迫切需要利用人工智能和深度學(xué)習技術(shù)，研究從低空遙感影像中提取目標地物的幾何形態(tài)、光譜信息、紋理特征、高程異常變化及粗糙指數、水分指數等其它特征參數進(jìn)行管線(xiàn)風(fēng)險因素自動(dòng)識別和評估的技術(shù)體系，開(kāi)發(fā)一套專(zhuān)門(mén)用于油氣管道巡檢的低空遙感影像的管道風(fēng)險因素自動(dòng)識別、分類(lèi)提取技術(shù)，以提高管線(xiàn)巡檢的效率和可靠性。

3.基于油氣管道無(wú)人機巡檢的風(fēng)險因素識別

3.1自動(dòng)識別關(guān)鍵技術(shù)

管道風(fēng)險因素自動(dòng)識別其中涉及的幾項關(guān)鍵技術(shù)：無(wú)人機影像多尺度分割技術(shù)、無(wú)人機遙感特征提取技術(shù)和基于新型人工神經(jīng)網(wǎng)絡(luò )的無(wú)人機影像分類(lèi)技術(shù)等。

1）無(wú)人機影像多尺度分割技術(shù)

無(wú)人機影像多尺度分割技術(shù)是無(wú)人機遙感信息提取的前提與基礎。多尺度分割技術(shù)，可以結合不同地物的形狀、色彩、紋理等特征，建立與其對應的分割準則，基于對象內部異質(zhì)性最小原則，在不同尺度下對不同地物進(jìn)行分割，分割后使得對象間的異質(zhì)性達到最大，以實(shí)現不同地物的最優(yōu)分割。相對于單一尺度分割，多尺度分割可以改善地物的分割精度，提高高分辨率遙感影像的應用水平。多尺度分割的關(guān)鍵是參數的選擇，分割過(guò)程中的主要參數有分割尺度、波段權重、均質(zhì)性因子3類(lèi)。

2）無(wú)人機遙感特征提取技術(shù)

無(wú)人機影像特征識別技術(shù)是的無(wú)人機遙感信息提取的關(guān)鍵。為了能夠很好地完成施工場(chǎng)地的提取工作，需要綜合運用其無(wú)人機影像的光譜特征、紋理特征及形狀特征，常用的光譜特征有各波段的均值、比值、影像對象的亮度及影像對象的最大差分等；常用的紋理特征包括角二階矩、均值、均質(zhì)性、標準差及相關(guān)性等；常用的形狀特征包括面積、邊界長(cháng)度、長(cháng)、寬及長(cháng)寬比等。

3）基于新型人工神經(jīng)網(wǎng)絡(luò )的無(wú)人機影像分類(lèi)技術(shù)

新型人工神經(jīng)網(wǎng)絡(luò )——卷積神經(jīng)網(wǎng)絡(luò )(Convolutional Neural Networks, CNN)是無(wú)人機影像分類(lèi)的重點(diǎn)。它是一個(gè)為識別二維形狀而特殊設計的類(lèi)多層感知器(Multilayer perceptron, MLP)，是一個(gè)多層結構學(xué)習算法，通過(guò)分析空間相對關(guān)系的方法來(lái)減少參數數目，從而提高訓練性能。卷積神經(jīng)網(wǎng)絡(luò )為多層的神經(jīng)網(wǎng)絡(luò )，每層網(wǎng)絡(luò )由多個(gè)二維平面組成，每個(gè)二維平面由多個(gè)獨立神經(jīng)元組成，網(wǎng)絡(luò )的最基本構成為單個(gè)神經(jīng)元。卷積神經(jīng)網(wǎng)絡(luò )的算法中，其訓練過(guò)程最為重要。通過(guò)構建大量訓練樣本，能夠有效完成卷積神經(jīng)網(wǎng)絡(luò )的構建，保證影像分類(lèi)識別的準確性和可靠性。

3.2自動(dòng)識別要素分類(lèi)

在油氣管道的眾多破壞因素中，項目施工出現的頻率最高，帶來(lái)的破壞性極強，成為油氣管道巡檢的重點(diǎn)。施工場(chǎng)地具備的穩定要素有裸土、板房和機械設備三種，根據其光譜、紋理、形狀及結構等特征可以對油氣管道周邊的施工場(chǎng)地進(jìn)行有效的識別。

3.2.1裸土識別

裸土識別主要依靠其光譜特征和紋理特征。裸土表面裸露，顏色與周?chē)�的地物如植被、水體等明顯不同，使光譜特征成為其識別的主要特征。其次，裸土土質(zhì)疏松，呈顆粒狀，粗糙的紋理特征成為其另一重要特征。

a. 基于NDSI指數的裸土提取

顏色是地物光譜特征的反映，裸土的反射光譜曲線(xiàn)與其它地物差異明顯（右圖），光譜反射率從可見(jiàn)光到紅外波段逐漸上升，特別是在中紅外波段，裸土的光譜反射率最高，本研究利用其這一特性構建歸一化裸土指數（NDSI）進(jìn)行裸土的提取。

b. 基于灰度共生矩陣（ GLCM ）的裸土提取

紋理是裸土的又一識別特征，灰度共生矩陣（GLCM）是一種通過(guò)研究灰度的空間相關(guān)特性來(lái)描述紋理的方法，其用多種灰度統計量描述影像中像元灰度值不同組合出現頻率的列聯(lián)表或聯(lián)合概率的分布，具體求解方法為：在某一特定方向上（如45°），對間隔為d的兩個(gè)像素之間的灰度值關(guān)系進(jìn)行統計，并將結果保存于矩陣中。

圖1 基于GLCM技術(shù)的裸土提取

3.2.2板房識別

板房識別主要依靠其光譜特征和紋理特征。板房頂面一般為藍色，同其它地物顏色差異明顯，顏色成為板房的主要識別特征。其次，板房排列整齊，朝向基本一致，頂面起伏規則，具有一定的規律性，紋理特征成為板房識別的又一重要特征。

a. 基于BBI指數的板房提取

同其它地物相比，彩色板房顏色特殊，具有特殊的光譜特征，其光譜反射率在可見(jiàn)光的藍、綠、紅波段均較低，據此，本研究構建了板房光譜識別指數（BBI,Blue Building Index）進(jìn)行彩色板房的識別。式中，RB、RG、RR分別為可見(jiàn)光藍、綠、紅波段的反射率。

BBI=(R_G-R_B)/(R_R-R_B )

圖2 基于BBI指數的板房提取

b. 基于局部二元模式（LBP）的板房提取

紋理是板房的又一識別特征，局部二值模式（LBP）是一種用來(lái)描述圖像局部紋理特征的算子，該算子是一個(gè)固定大小為3×3的矩形塊，矩形中有1個(gè)中心子塊和8個(gè)鄰近子塊，共對應于9個(gè)灰度值，計算后可產(chǎn)生8位二進(jìn)制數，該值反映了區域紋理信息。通過(guò)該算法能夠實(shí)現對板房區域的紋理信息提取。

3）機械設備識別

板房識別主要依靠其形狀特征。機械設備如挖掘機、塔吊等外部輪廓清晰，幾何形狀不規則，特殊的幾何形狀成為機械設備遙感識別的重要特征。

二值形態(tài)學(xué)將二值圖像看成是集合,其基本運算就是將結構元素在圖像范圍內平移,同時(shí)施加

交、并等基本集合運算，通過(guò)圖像集合與結構元素的相互作用來(lái)提取有意義的信息。

圖3 基于二值形態(tài)學(xué)的板房提取

4 結束語(yǔ)

隨著(zhù)無(wú)人機測繪航空攝影技術(shù)日益成熟，利用無(wú)人機進(jìn)行油氣管道巡檢保護已經(jīng)初步展現出其廣闊的應用前景和極高的推廣價(jià)值。利用傳統的數字圖像處理技術(shù)、人工神經(jīng)元網(wǎng)絡(luò )技術(shù)對影像處理，結合油氣業(yè)務(wù)管線(xiàn)本身的地物識別需求進(jìn)行編程開(kāi)發(fā)，必將大量縮減管線(xiàn)巡檢的人力成本和時(shí)間成本，能夠為管線(xiàn)施工、巡檢、管線(xiàn)改擴建工程提供信息化的支持，同時(shí)能夠對管線(xiàn)的、預警管理、設計管理、施工過(guò)程管理、巡線(xiàn)管理、隱患管理及應急搶險等應用業(yè)務(wù)起到輔助作用。

[參考文獻]

[1]張曉坤.高維數據可視化方法與可視化分類(lèi)技術(shù)研究[D].哈爾濱:哈爾濱工業(yè)大學(xué).2013.

[2]賀洪元.面向對象高分辨率多尺度分割[D].武漢:華中科技大學(xué)，2009, 41(3).

[3]李霞,徐涵秋,李晶,郭燕濱.基于NDSI和NDISI指數的SPOT-5影像裸土信息提取[J].地球信息科學(xué)學(xué)報,2016(1):117-123

[4]孫開(kāi)敏,李德仁,眭海剛.基于多尺度分割的對象級影像平滑算法[J].武漢大學(xué)學(xué)報(信息科學(xué)版).2009(04)

[5]孫穎,何國金.基于標記分水嶺算法的高分辨率遙感圖像分割方法[J].科學(xué)技術(shù)與工程.2008(11)

作者簡(jiǎn)介：翟凱，男，漢族，高級工程師。研究方向管道安全管理及保護。

《管道保護》2017年第3期（總第34期）