基于图像增强的光纤分布式声波传感入侵事件识别方法

本发明涉及长距离油气输送管道安全监测领域，具体涉及一种基于图像增强的光纤分布式声波传感入侵事件识别方法。

背景技术：

1、对油气资源输送而言，管道运输在运输损耗、成本投资和运输风险等方面都具有独特优势，因此管道运输方式被世界各国广泛接受和使用。目前，管道运输成为与水路运输、铁路运输、航空运输和公路运输并列的五大运输方式之一，尤其在天然气和油品运输行业，其重要性与日俱増。据《中国天然气发展报告(2023)》显示，2022年，全国长输天然气管道总里程11.8万公里(含地方及区域管道)，新建长输管道里程3000公里以上。

2、但是，当前已建成的天然气管道中，有相当多的管线由于建成时间长、施工缺陷、管道腐蚀和第三方入侵等原因，造成天然气管道存在破坏和泄漏的危险。所以，如何预先或及时发现并定位对油气输送管道安全造成威胁的隐患或事件，给油气输送管道安全预警技术提出了新的挑战和要求。

3、分布式声波传感系统(distributed acoustic sensing，das)，通过布设长距离的传感光纤，可以实现沿光纤长距离的振动事件监测，同时实现准确的定位。das系统在油气管道安全监测、周界安防、建筑结构安全健康监测等场景中具有极为广泛的应用。

4、目前，基于光纤分布式声波传感的信号识别方法通常以一维时序信号为分析目标，通过信号的特征提取构建特征向量，并利用支持向量机(svm)、线性判别分析(lda)、随机森林(rf)等机器学习方法进行分类器训练，以实现对入侵事件的准确识别。然而，这种方法在很大程度上依赖于所提取的信号特征的有效性。尤其在面临多分类问题时，传统的基于人工提取信号特征的方法存在一定局限性。

技术实现思路

1、针对上述存在的问题或不足，本发明提供了一种基于图像增强的光纤分布式声波传感入侵事件识别方法。本发明首先利用小波阈值方法对原始信号进行去噪，然后对降噪后的信号进行短时傅里叶变换得到降噪信号的时频图，再根据信号的时频分布特点对图像进行裁剪，紧接着对裁剪后的图像使用自适应加权阈值滤波均衡方法进行增强，突出不同类别间信号的差异性特征，最后结合卷积神经网络(cnn)提取不同入侵事件信号对应的图像特征，实现对不同类别入侵事件的分类识别。本发明将图像增强处理方法应用于由光纤传感信号经过处理转换得到的信号时频图，通过增强图像的方法，在不借助于提升cnn网络复杂度和优化网络结构的前提下，实现了对cnn网络识别准确率的提升。

2、一种基于图像增强的光纤分布式声波传感入侵事件识别方法，包括以下步骤：

3、步骤1、采集分布式光纤的原始信号，对原始信号进行预处理。

4、首先，对原始信号进行降噪处理，以降低系统噪声和环境噪声对后续信号分析处理的影响。然后，对降噪后的信号进行样本分割，对不同入侵事件(如人工挖掘、机械怠速、机械挖掘、打夯机施工等)的数据样本进行标记并存储，构建初始数据集。

5、步骤2、计算步骤1预处理后信号样本的时频图以表征信号的时频分布特征；

6、步骤3、根据步骤2中得到的时频图判断信号的频率成分，对时频图进行裁剪，接着对裁剪后的图像采用自适应加权阈值滤波均衡方法进行增强，以突出不同类别信号间的差异性特征。

7、步骤4、将步骤3中经过滤波均衡处理的图像通过伪彩色变换转换为3通道的rgb图像并存储，标记图像类别建立图像数据集。

8、步骤5、将步骤4建立的图像数据集输入cnn网络模型进行分类训练，使用训练完成的网络模型实现对入侵事件的识别和分类，并记录病害位置和类型进行输出报警，实现对入侵事件的识别与定位。

9、进一步地，所述步骤1中使用小波阈值方法对原始信号进行降噪。时域信号通过小波分解得到各层分解系数，对各层分解系数根据软阈值函数进行调整，根据阈值处理后的分解系数重构信号完成降噪处理。设第i层的分解系数为w(i)，长度为n，则该层系数阈值thr(i)计算公式为：

10、

11、其中，函数median()表示求中值，使用的软阈值函数为：

12、

13、其中，函数sgn(x)是符号函数，thr(i)是第i层分解系数的阈值，wthr(i)是经过阈值处理的第i层分解系数。

14、进一步地，所述步骤1中样本分割为：设窗口长度为wl、步长为sl，则长度为l的信号分割为n个样本：

15、

16、进一步地，所述步骤1中分多次在不同时间采集原始信号，保证构建的初始数据集中包含待识别的所有事件样本，将各次采集经过预处理的数据样本进行合并后再存储，共同构建初始数据集。

17、进一步地，所述步骤1中入侵事件为人工挖掘、机械怠速、机械挖掘、打夯机施工。

18、进一步地，所述步骤2中通过计算预处理后信号样本的短时傅里叶变换表征信号的时频分布信息。首先，对经过降噪处理的信号进行最大最小变换，将其归一化至[0,1]范围，然后求解归一化后信号的短时傅里叶变换，获取信号的时频分布特征。

19、进一步地，所述步骤3中的自适应加权阈值滤波均衡方法具体包括：

20、步骤3-1、首先，根据步骤2中得到的时频图判断信号频率成分，对时频图进行裁剪，确保裁剪后的时频图仅涵盖入侵事件的信号频率成分。然后，对裁剪后的图像首先采用中值滤波算法进行降噪，消除孤立点噪声。中值滤波是通过一个奇数点的移动窗口(核)，使得窗口中心点和图像像素重合，用窗口内像素的中间值代替该像素的值。通过中值滤波可以消除图像中的“椒盐噪声”，同时可以保留图像的边缘信息。为了保持信号原有的频谱特征不被改变，移动窗口选择线状窗口，中值滤波的基本步骤是：

21、(a)定义一个奇数点的线状窗口se，移动se使其中心点和图像像素重合；

22、(b)对窗口内所有像素按照值的大小进行升序排序；

23、(c)将窗口内像素的中值赋给窗口中心的像素。

24、步骤3-2、采用基于直方图统计的自适应加权阈值均衡算法对中值滤波后的图像进行增强以提升图像质量。若图像尺寸为m×n，像素矩阵为pix(i,j),i＝1,2,...,m,j＝1,2,3,...,n，像素取值范围为[0,k],k≤255，则各灰度级像素的概率密度函数p(k)为：

25、

26、对p(k)进行阈值加权，加权概率密度函数pw(k)为：

27、

28、其中pupper＝α×max(p(k))，plower＝0.001，α和r则是用于控制图像增强效果的两个控制因子。其中，α决定了像素概率密度的截断点，较低的α可以使得更多高概率的像素被截断，从而使得高概率的像素在输出中占主导地位的可能性变小；控制因子r决定了不同概率密度的像素被保留的概率，当r＜1时，赋予概率密度较低的像素以更高的权重，可能性较低的像素级别被保护，以防止图像被过度增强。

29、由此可以得到图像的累积分布函数c(k)为：

30、

31、从而，经过直方图均衡后的图像像素为：

32、

33、其中，w是输出图像的动态取值范围，w＝min(255,wgain×max(pix(i,j))，wgain是对输出图像取值范围的增益控制因子。

34、进一步地，所述步骤4中，将经过步骤3增强后的图像采用伪彩色变换转换为3通道的rgb图像，构建图像数据集。伪彩色变换方法如下：

35、

36、

37、

38、其中，r(i,j)、g(i,j)、b(i,j)分别为经过伪彩色变换后r、g、b通道的图像像素。

39、进一步地，所述步骤5具体包括：

40、步骤5-1、使用步骤4所得rgb图像数据对cnn网络进行训练，得到训练好的网络模型。

41、步骤5-2、将训练好的模型进行部署，使用步骤1到步骤4的方法对原始信号进行处理，将得到的rgb图像作为网络模型的输入，完成分类识别。

42、步骤5-3、记录网络模型的识别结果，并输出入侵事件的位置与类型，实现对入侵事件的识别与定位。

43、本发明针对采集的分布式光纤原始信号进行信号分析和处理，首先对原始信号进行预处理，然后计算预处理后信号的短时傅里叶变换，根据预处理后信号的时频分布特征对短时傅里叶变换得到的图像进行裁剪；接着采用自适应加权阈值滤波均衡方法对裁剪后的图像进行增强，并将增强后的图像转换为3通道的rgb图像；最后使用训练好的cnn网络模型对生成的rgb图像进行识别和分类。本发明结合时域信号的时频特征分析和图像的自适应加权阈值滤波均衡方法突出了不同类别入侵事件信号的差异性特征，实现了对长距离油气输送管道面临的人工挖掘、机械怠速、机械挖掘、打夯机施工等典型入侵事件的识别与分类，为长距离油气输送管道的安全监测提供了一种长期在线的监测手段。

44、综上所述，本发明将图像增强处理方法应用于由分布式光纤传感信号经过处理转换得到的信号时频图，通过增强图像的方法，在不借助于提升cnn网络复杂度和优化网络结构的前提下，实现了对cnn网络识别准确率的提升，并在实施例中验证，识别准确率提升了6.73％。