一种法兰轴向漏磁阵列信号自动识别方法技术领域
本发明属于漏磁内检测数据处理领域，具体涉及一种法兰轴向漏磁阵列信号自动
识别方法，用于解决法兰轴向漏磁信号自动检测、识别和定位问题。
背景技术
法兰磁阵列信号自动识别定位有重要的工程实践意义。法兰作为油气管道之间连
接的结构件，相较管道它们发生腐蚀和断裂的隐患更大，因此对法兰焊缝的检测和评价是
保证整条油气通路安全运行的重要措施。漏磁内检测器用里程轮记录缺陷位置信息，为管
道开挖提供支持，而管道壁上的污染物会导致里程轮打滑而产生累计误差，位置信息确定
的法兰可作为天然定位器，用于对里程信息进行自动校准，从而实现缺陷精确定位。法兰位
置及个数与管道之间有一一对应的关系，检测、识别并定位到某个焊缝和法兰即可自动定
位某条管道，最终可实现海量漏磁数据自动分段，便于后续数据查询和分析。
现有技术中存在难以从轴向漏磁阵列信号中自动检测、识别并定位法兰漏磁信号
的问题。
发明内容
本发明要解决的技术问题是：从轴向漏磁阵列信号中自动检测、识别并定位法兰
漏磁信号。
本发明将漏磁阵列信号视为二维图像，在分析对比信号特征基础上，选用对比度
增强方法对漏磁阵列信号预处理，选用阈值分割、竖向投影增强方法检测、识别并定位法兰
目标，取得了较好的效果。
本发明采用的技术方案为：
一种法兰轴向漏磁阵列信号自动识别方法，该方法包括如下步骤：
1、对原始轴向漏磁阵列信号进行轴向边缘增强预处理；
2、将所述预处理后数据归一化为0～255整形数据；
3、计算所述整形数据中的全局最优分割点，从而实现阈值分割，得到二值化数据；
4、对所述二值化数据做竖向投影叠加和参数判断，获得法兰信号特征；
5、对所述法兰信号特征进行聚类分析，从而识别并定位出法兰轴向坐标。
进一步的，所述步骤1对原始轴向漏磁阵列信号进行轴向边缘增强预处理具体包
括：
1.1、选择卷积核T。
1.2、设漏磁阵列信号为f(x,y)，计算f(x,y)与T的卷积，获得边缘增强数据q(x,
y)：
q(x,y)＝f(x,y)*T(x,y) (2)。
进一步的，所述步骤2、将预处理数据归一化为0～255整形数据具体包括：
计算边缘增强处理后的数据q(x,y)的最大值Mx和最小值Mi，并以如下公式完成数
据归一化：
其中，为向下取证操作。
进一步的，所述步骤3、计算所述整形数据中的全局最优分割点，从而实现阈值分
割，得到二值化数据具体包括：
3.1、将归一化后的数据视为二维图像，则图像像素点数为N，图像灰度级为L，ni为
灰度级为i的像素点数，pi为灰度级为i的像素点出现的概率,则
pi＝ni/N i＝0,1,2…255 (4)
3.2、将图像像素点分为两类，即C0类和C1类；
计算C0类的均值和权值为
其中，k为像素灰度级分界点值；
C1类的均值和权值为
其中，L为图像灰度级；
整幅图像的均值为
那么类间方差为
3.3、让k在[0，255]范围内遍历取值，当最大时对应的k值即为图像的全局最优
分割点；
3.4、遍历二维漏磁阵列图像，数值大于全局最优分割点的点设为1，否则设为0，从
而得到二值化数据b(x,y)。
进一步的，所述步骤4、对所述二值化数据做竖向投影叠加和参数判断，获得法兰
信号特征具体包括：
4.1、将二值化数据b(x,y)做竖向投影增强：
其中，s(y)为竖向投影增强后的一维信号，其中M为轴向信号点的个数；
4.2、计算信号特征：
遍历竖向投影增强后的一维信号s(y)的所有采样点，根据法兰判断阈值T判断此
点是否为法兰信号特征，
其中，t(i)为信号特征，当t(i)＝1时表示t(i)是法兰信号特征，当t(i)＝0时表示
t(i)不是法兰信号特征。
进一步的，所述步骤5、对所述法兰信号特征进行聚类分析，从而识别并定位出法
兰轴向坐标具体包括：
5.1、遍历信号特征t(i)，若任意两个非零的特征点轴向距离小于轴向距离阈值D，
则此两点被认为来自同一法兰；
5.2、遍历查找法兰信号左、右边界点坐标，其中法兰信号左、右边界点坐标分别为
dl和dr，则最终识别并定位出法兰轴向坐标为df
df＝(dl+dr)/2 (10)。
有益效果：
(1)本发明计算复杂度低、识别率高，可满足工程应用对大数据处理的实时性和准
确性的要求。
(2)本发明获得的定位信息可用于设备里程修正。
附图说明
图1为本发明的方法流程图
图2轴向漏磁阵列信号示意图
图3竖向投影后法兰信号识别定位结果示意图
具体实施方式
下面结合附图和具体实施方式对本发明的技术方案做进一步进行详细的解释和
说明。
一种法兰轴向漏磁阵列信号自动识别方法，该方法包括如下步骤：
(1)对原始轴向漏磁阵列信号进行轴向边缘增强预处理，从而提高目标信号对比
度的具体实现步骤为：
①选择卷积核T。
②设漏磁阵列信号为f(x,y)，计算f(x,y)与T的卷积，获得边缘增强数据q(x,y)：
q(x,y)＝f(x,y)*T(x,y) (2)
(2)将预处理数据归一化为0～255整形数据，具体实现步骤为：
计算q(x,y)的最大Mx、最小值Mi，并以如下公式完成数据归一化操作。
为向下取证操作。
(3)计算数据全局最优分割点，实现阈值分割，得到二值化数据，具体实现步骤如
下：
3.1将归一化后的数据视为二维图像，则图像像素点数为N，灰度范围为[0，255]，
ni为灰度级为i的点数，pi为灰度级i出现的概率,则
pi＝ni/N i＝0,1,2…255 (4)
3.2计算C0类的均值和权值为
C1类的均值和权值为
整幅图像的均值为那么类间方差定义为
3.3让k在[0，255]范围内遍历性取值，当最大时对应的k值即为选定阈值。
3.4遍历二维漏磁阵列图像，数值大于k的点设为1，否则设为0，可得二值化数据b
(x,y)。
(4)二值化数据做竖向投影叠加和参数判断，获得法信号特征，具体实现步骤如
下：
①将b(x,y)做竖向投影增强：
s(y)为竖向投影增强后的一维信号，其中M为轴向信号点的个数。
②计算信号特征：
遍历s(y)所有采样点，根据阈值T判断此点是否为法兰信号特征，
(5)对法兰信号特征聚类分析，识别并定位法兰轴向坐标，具体实现步骤如下：
①遍历信号特征t(i)，若任意两个非零的特征点轴向距离小于阈值D，则此两点被
认为来自同一法兰。
②遍历查找查找法兰信号左、右边界点坐标分别为dl和dr，则最终识别定位坐标点
为df
df＝(dl+dr)/2 (10)。
与现有技术相比，本方法采用阈值分割与投影增强相结合的方案，将多维信号检
测识别问题转换为一维信号检测识别问题，降低了方法复杂度。
上述具体实施方式仅用于解释和说明本发明的技术方案，但并不能构成对权利要
求的保护范围的限定。本领域技术人员应当清楚，在本发明的技术方案的基础上做任何简
单的变形或替换而得到的新的技术方案，均将落入本发明的保护范围之内。