基于多特征的红外成像VOCs气体检测

洪少壮，胡 英，于宏伟

(大连海事大学船舶电气工程学院，辽宁 大连 116026)

1 引言

在我国，所谓VOCs气体指常温下饱和蒸汽压大于70pa，常压下沸点在260℃以内的有机化合物，或者常温常压下任何能挥发的有机固体或液体[1]。

VOCs气体成像检测技术是气体泄漏检测领域的重要组成部分，其只采集目标场景内某一红外波段辐射信息进行成像。而大多数VOCs气体红外辐射波段在3-5μm的中波段，通过采集该波段内辐射信息，获得类似烟雾的泄漏气体图像，掌握气体扩散趋势并确定泄漏源[2]。

由于VOCs气体红外图像与可见光下烟雾图像在视觉效果上相似，相关视频烟雾检测算法具有一定参考价值。史玉坤[3]等人列举了烟雾的静态与动态特征，其中部分特征与VOCs气体特征相同。袁非牛[4]等人提出了一种基于累积量和主运动方向的视频烟雾检测算法，对VOCs气体泄漏检测有一定的借鉴意义。但其成像结果为灰度图像，且对比度相对较低。烟雾检测中常用到的颜色特征及频率特征，无法应用到VOCs气体检测算法中。比如唐杰[5]等人提出利用烟雾颜色模型确定疑似烟雾区域。虽然在可见光烟雾检测中达到理想效果，但红外图像为灰度图像，无法利用颜色信息进行气体检测。此外，国外学者Gubbi[6]等人提出利用小波变换与支持向量机结合的烟雾检测方法，分析背景高频信息变化。但由于红外图像对比度低，高频能量信息相对较少，通过频率特性进行气体泄漏检测比较困难。如图1所示为红外与可见光下的小波分析测试结果，图(a1)和(b1)为红外与可见光条件下对其背景分解后得到的4个子图像，其中LL为图像的低频部分，HL、LH和HH分别为垂直、水平和对角线方向的高频信息；……