石油天然气管道作为一种重要运输资源设施,为能源可持续发展提供巨大便利,极大节约能源运输成本。但管道在长期使用过程中,会出现各种类型的缺陷,如变形、裂纹、腐蚀等。定期对管道缺陷检测和管道维护十分重要。视频图像管道缺陷检测系统是国内外普遍采用的一种检测系统,在实际检测过程中需由人工辅助完成,因此检测过程加入大量人为的不确定因素,且其可靠性差,导致缺陷图像检测效率低、误差大等。针对传统视频图像管道缺陷检测系统存在的诸多弊端,本文开发了 一种管道内壁视频图像获取机器人和CCD视频图像检测系统。通过机器人搭载的CCD摄像检测装置实时采集管道内壁视频图像信息,无线传输模块将数据传输到上位机系统,上位机系统对管道图像进行一系列处理,最终实现了对管道缺陷图像的特征提取和自动检测功能。本文开发了一种适应中小管径的视频图像检测管道机器人,对管道机器人的驱动方式、电力供给、以及视频图像检测获取方案等进行了分析设计。针对实际管道内壁图像采集过程的特点以及检测系统实时性的要求,完成了 LED照明光源的设计、CCD广角数字摄像头以及视频控制器芯片选型。进行了管道视频图像采集、压缩以及数据传输接口协议等参数的设置,完成了上位机人机交互界面的开发,实现了管道内壁视频图像信息的实时检测、传输与显示,为后续图像处理与管道缺陷检测奠定了基础。针对管道内部环境特殊及其视频图像背景复杂,对管道缺陷图像的噪声特点进行了分析,提出了一种对管道缺陷图像进行预处理的方法,通过使用图像去噪和图像增强方法提高了管道缺陷图像的质量,并通过最大类间方差动态选择阈值的二值化处理,将缺陷特征信息从管道背景图像中凸显出来。通过实验结果分析验证了管道缺陷预处理的可行性。在对管道缺陷图像预处理的基础上,针对缺陷图像的边界确定问题,对传统Canny边缘检测算子进行了改进,避免假边缘的出现同时保留了有用边缘信息。本文提出了一种新的基于边缘检测的数学形态学分割算法(Morphological segmentation based on edge detection,MSED),并对该算法的实现原理进行详细介绍。针对管道接口缝和裂纹这两种典型的管道缺陷,分别采用形态学开顶帽算子、闭底帽算子和MSED算子对缺陷图像数据进行处理,最后实验结果表明,基于数学形态学的开顶帽算法适用于管道接口缝缺陷的检测,并且具有良好的鲁棒性;基于边缘检测数的学形态学能够有效检测管道裂缝缺陷。针对管道缺陷形状的描述问题,选取缺陷面积、长轴、短轴和偏心等特征量参数,完成推导计算。对于缺陷特征的定量计算结果,通过实缺陷特征的完整性、正确性和缺陷检测质量等指标予以评价分析。