紅外圖像增強(qiáng)機(jī)車(chē)電力系統(tǒng)故障診斷與定位

劉小春，張 蕾

（湖南鐵道職業(yè)技術(shù)學(xué)院，湖南 株洲 412001）

紅外圖像增強(qiáng)機(jī)車(chē)電力系統(tǒng)故障診斷與定位

劉小春，張 蕾

（湖南鐵道職業(yè)技術(shù)學(xué)院，湖南 株洲 412001）

針對(duì)機(jī)車(chē)電力設(shè)備紅外圖像的對(duì)比度較差、細(xì)節(jié)不夠明顯的特點(diǎn)，該文提出一種基于非線性變換（nonsubsampled contourlet transform，NSCT）的圖像增強(qiáng)算法，在算法模型中構(gòu)造一個(gè)非線性匹配函數(shù)，該函數(shù)能夠?qū)t外圖像的邊緣進(jìn)行一定的增強(qiáng)，并且能夠抑制噪聲的干擾。實(shí)驗(yàn)結(jié)果表明：該方法能夠?qū)﹄娏ο到y(tǒng)過(guò)熱故障進(jìn)行智能診斷，并且能夠提供復(fù)選解決方案。

非線性變換；紅外圖像；增強(qiáng)；機(jī)車(chē)電力；過(guò)熱故障

0 引 言

隨著我國(guó)電力機(jī)車(chē)的快速普及，鐵路電網(wǎng)的規(guī)模不斷擴(kuò)大，機(jī)車(chē)電力設(shè)備的負(fù)責(zé)度也有了大幅度增強(qiáng)。智能電氣設(shè)備是現(xiàn)代化機(jī)車(chē)的重要組成部分，紅外圖像檢測(cè)技術(shù)在對(duì)電力系統(tǒng)進(jìn)行故障診斷時(shí)，具有操作簡(jiǎn)單、檢測(cè)定位準(zhǔn)確等優(yōu)勢(shì)，已被廣泛用于電力系統(tǒng)的故障診斷領(lǐng)域。傳統(tǒng)的紅外圖像電力監(jiān)控系統(tǒng)往往是采用人工巡檢的方法，這種方法不但需要大量的人力物力，而且無(wú)法實(shí)現(xiàn)對(duì)電力設(shè)備的整體監(jiān)控，無(wú)法滿(mǎn)足目前機(jī)車(chē)電力系統(tǒng)故障監(jiān)控的智能需要。電力設(shè)備發(fā)生故障時(shí)常伴有發(fā)熱的現(xiàn)象，導(dǎo)致局部溫度迅速升高；因此，通過(guò)測(cè)量電力系統(tǒng)的溫度變化，就可以提前對(duì)電力系統(tǒng)的故障進(jìn)行預(yù)測(cè)，從而為智能故障診斷提供依據(jù)。

紅外圖像檢測(cè)技術(shù)以其不接觸、無(wú)需斷電且檢測(cè)準(zhǔn)確度高等優(yōu)勢(shì)已在電氣智能檢測(cè)領(lǐng)域得到了廣泛應(yīng)用[1-3]；但是，由于紅外圖像的邊緣較模糊且對(duì)比度較差，導(dǎo)致紅外圖像在空間上存在一些孤立的點(diǎn)和脈沖噪聲的干擾[4]，因此在對(duì)紅外圖像檢測(cè)時(shí)首先需要對(duì)圖像進(jìn)行增強(qiáng)去噪處理，目前常用的圖像增強(qiáng)方法有小波增強(qiáng)和直方圖均衡化增強(qiáng)[5-6]。

1 NSCT電力系統(tǒng)紅外圖像增強(qiáng)原理

1.1 NSCT變換介紹

非線性變換（NSCT）可以分為兩個(gè)平移不變的部分：1）非下采樣金字塔（non-subsampled pyramid，NSP），用來(lái)確保NSCT的多尺度分析性質(zhì)；2）非下采樣方向?yàn)V波器組（non-subsampled directional filter bank，NSDFB），用來(lái)確保NSCT的多方向分析特性。這兩部分的濾波器組都避免了采樣環(huán)節(jié)，使得NSCT具有平移不變性。NSCT的平移不變性使得圖像經(jīng)NSCT變換后所得到的各個(gè)子帶中的信息與原圖像一一對(duì)應(yīng)，而且NSCT的低頻子帶不會(huì)有頻率混淆現(xiàn)象產(chǎn)生，因而具有更強(qiáng)的方向選擇性[7-8]，NSCT變換如圖1所示。

圖1 NSCT變換結(jié)構(gòu)圖

NSCT變換的最大優(yōu)點(diǎn)是各向異性和多尺度變換，能夠在任意方向上實(shí)現(xiàn)任意尺度的分解，可以產(chǎn)生低頻系數(shù)和各個(gè)帶通方向的子帶，將紅外圖像信息分解到每個(gè)尺度子帶的圖像方向信息，然后根據(jù)統(tǒng)計(jì)分析的結(jié)果對(duì)紅外圖像的不同細(xì)節(jié)信息分別進(jìn)行增強(qiáng)去噪，以取得最為理想的圖像增強(qiáng)效果。

1.2 NSCT圖像增強(qiáng)原理

圖像增強(qiáng)的最終目的是削弱噪聲信號(hào)對(duì)有用信息的影響，以提高圖像的信噪比。由于紅外圖像的對(duì)比度較低，因此在機(jī)器識(shí)別之前首先應(yīng)該對(duì)紅外圖像進(jìn)行圖像增強(qiáng)和去噪處理，以提高紅外圖像的信噪比，使圖像處理結(jié)果更加準(zhǔn)確。

目前常用的紅外圖像增強(qiáng)方法是將原始圖像信息用函數(shù)映射進(jìn)行系數(shù)變換，然后對(duì)變換后的圖像系數(shù)進(jìn)行重構(gòu)。相對(duì)于可見(jiàn)光圖像，由于紅外圖像的對(duì)比度較低，含有較多的噪聲信息，采用傳統(tǒng)的圖像增強(qiáng)方法雖然放大了有用信息，同時(shí)也將噪聲信號(hào)進(jìn)行了相當(dāng)倍數(shù)的放大，反而可能導(dǎo)致圖像質(zhì)量的下降；因此，在對(duì)紅外圖像進(jìn)行增強(qiáng)時(shí)，要考慮對(duì)圖像噪聲的抑制。在采用NSCT變換增強(qiáng)中，選擇合適的增強(qiáng)函數(shù)對(duì)增強(qiáng)效果非常重要，本文采用Jean-LucStarck函數(shù)[9-10]，非線性映射函數(shù)修正NSCT變換系數(shù)為

式中：δ——圖像各個(gè)子帶的噪聲標(biāo)準(zhǔn)差；

c——δ的系數(shù)，c＞3的噪聲信息不會(huì)被放大。

圖像每個(gè)子帶上的噪聲估計(jì)標(biāo)準(zhǔn)差δ的計(jì)算方法[11]如下式所示：

式中：Ym×n∈{di，j}——原始圖像Im，n的NSCT變換系數(shù)；

m——臨界點(diǎn)參數(shù)，小于m的子帶參數(shù)都會(huì)被放大，圖像的像素決定了m值的大小。

在一般情況下將NSCT子帶系數(shù)塊內(nèi)最大值的80%設(shè)置為m的值。通過(guò)對(duì)參數(shù)m和c的調(diào)整，能夠有效增強(qiáng)圖像的細(xì)節(jié)，抑制噪聲，通過(guò)調(diào)整k值可以改變系統(tǒng)對(duì)噪聲的抑制程度。

2 過(guò)熱區(qū)域定位與故障判斷

物體輻射的能量等級(jí)不同，決定了物體各個(gè)部分溫度的差異，在紅外圖像中表現(xiàn)為灰度值與能量具有一定的線性或者非線性的關(guān)系，即溫度高，能量大，對(duì)應(yīng)的灰度值就會(huì)越大，基于此理論可以實(shí)現(xiàn)對(duì)機(jī)車(chē)電力系統(tǒng)的故障檢測(cè)與定位。然而，由于紅外圖像采集識(shí)別本身受環(huán)境因素的影響，紅外圖像在增強(qiáng)以后仍可能包含一些孤立的脈沖信號(hào)點(diǎn)，其數(shù)值往往與其附近有著明顯差異，在接下來(lái)的故障判別過(guò)程中極有可能將其誤判為過(guò)熱點(diǎn)。另一方面，由于電力系統(tǒng)局部過(guò)熱的現(xiàn)象在紅外圖像上的呈現(xiàn)往往具有一定區(qū)域性的特點(diǎn)，因此可以通過(guò)拓?fù)渚仃噷?duì)孤立的脈沖噪聲信號(hào)進(jìn)行剔除，最終實(shí)現(xiàn)對(duì)電力系統(tǒng)過(guò)熱區(qū)的提取與定位。

首先通過(guò)閾值法對(duì)電力系統(tǒng)紅外圖像過(guò)熱區(qū)進(jìn)行初步標(biāo)示。用x（i，j）表示第（i，j）個(gè)像素點(diǎn)的灰度值，用矩陣Im×n表示紅外圖像所有像素點(diǎn)的灰度值。設(shè)灰度圖像的像素點(diǎn)的最大值為maxm×n，將閾值設(shè)定為T(mén)h，因此，x（i，j）≥Th的像素點(diǎn)標(biāo)記為1，x（i，j）＜Th的像素點(diǎn)標(biāo)記為0，得到一個(gè)m×n的矩陣Pm×n；然后遍歷矩陣Pm×n的所有像素點(diǎn)，尋找4×4的單位矩陣，如果存在則將矩陣Pm×nnew所對(duì)應(yīng)的位置賦1，其余為0，如果不存在這樣的4階單位陣，那么就令Th=maxm×n，n=1，2，3，…，重新尋找賦值，依此類(lèi)推，直到找到4×4的單位陣為止，具體運(yùn)算過(guò)程如圖2所示。

圖2 拓?fù)渚仃囆拚龍D

采用非線性NSCT變換對(duì)紅外圖像進(jìn)行增強(qiáng)處理以后，通過(guò)求解電力系統(tǒng)熱紅外圖像相對(duì)溫度差就可以對(duì)故障點(diǎn)進(jìn)行判別。相對(duì)溫度差是兩個(gè)測(cè)量點(diǎn)之間的溫度差與中熱電之間的升溫百分比，可表示為

根據(jù)電力系統(tǒng)被測(cè)對(duì)象相對(duì)溫度差的大小，可以對(duì)設(shè)備故障的嚴(yán)重程度進(jìn)行等級(jí)劃分，部分電流致熱導(dǎo)致機(jī)車(chē)電力系統(tǒng)故障的溫度差判據(jù)如表1所示。

表1 機(jī)車(chē)電力設(shè)備電流致熱型故障相對(duì)溫度差判據(jù)

3 實(shí)驗(yàn)結(jié)果分析

采用機(jī)車(chē)電力系統(tǒng)中易發(fā)生打火、發(fā)熱等故障的部位進(jìn)行實(shí)驗(yàn)，選取其中的兩個(gè)部位進(jìn)行討論，經(jīng)對(duì)比分析得出如下結(jié)論：

1）對(duì)比圖3中各個(gè)算法對(duì)紅外熱圖像的增強(qiáng)效果，發(fā)現(xiàn)采用直方圖均衡化的方法對(duì)紅外圖像具有一定的增強(qiáng)效果，然而對(duì)噪聲信號(hào)的濾除效果不好，信噪比改善較小。分析圖3中小波增強(qiáng)算法的效果，小波增強(qiáng)技術(shù)雖然對(duì)圖像信息的增強(qiáng)效果較好，但由于缺少紅外圖像的方向信息，導(dǎo)致紅外圖像信噪比改善不明顯，其抑制噪聲的效果不如非線性NSCT方法好。采用非線性NSCT變換的紅外圖像增強(qiáng)算法能夠很好地增強(qiáng)紅外圖像的細(xì)節(jié)，且對(duì)噪聲有很好的抑制效果，信噪比得到了大幅度的提高。

圖3 不同增強(qiáng)算法增強(qiáng)結(jié)果對(duì)比

2）NSCT紅外圖像增強(qiáng)算法中，將s的值設(shè)為0，這樣可以保證增強(qiáng)后的圖像與原始圖像灰度圖的像素值系數(shù)不發(fā)生變化，不會(huì)對(duì)圖像產(chǎn)生影響，然后通過(guò)拓?fù)渚仃囘M(jìn)行修正，將疑似故障點(diǎn)在圖4（a）中標(biāo)出，其中圖4的最大迭代灰度值maxm×n=245，即表明采用NSCT變換圖像增強(qiáng)算法具有很強(qiáng)的適應(yīng)性。

3）對(duì)電力系統(tǒng)疑似故障點(diǎn)進(jìn)行標(biāo)記后，可以得到過(guò)熱點(diǎn)的坐標(biāo)圖，其結(jié)果如圖4（b）所示，電力系統(tǒng)的紅外圖像目標(biāo)溫度分布圖是由其灰度圖像的灰度值直觀反映出來(lái)的，因此通過(guò)對(duì)比坐標(biāo)圖可以對(duì)故障點(diǎn)進(jìn)行分析，為下一步對(duì)電力系統(tǒng)故障的定位奠定了基礎(chǔ)。

4）將機(jī)車(chē)電力系統(tǒng)的過(guò)熱區(qū)域提取以后，通過(guò)式（3）可以對(duì)圖4中的電力系統(tǒng)部件的故障進(jìn)行判別。

4 結(jié)束語(yǔ)

本文首先利用紅外圖像的方法對(duì)機(jī)車(chē)電力系統(tǒng)的故障診斷進(jìn)行了分析，然后對(duì)其紅外圖像對(duì)比度低、圖像增強(qiáng)較為困難等問(wèn)題，嘗試采用非線性NSCT變換對(duì)機(jī)車(chē)電力系統(tǒng)的紅外圖像進(jìn)行了增強(qiáng)與對(duì)噪聲的抑制研究，然后運(yùn)用拓?fù)渚仃囆拚姆椒ㄗ詣?dòng)對(duì)系統(tǒng)的疑似故障區(qū)域進(jìn)行定位，最后通過(guò)相對(duì)溫度差的關(guān)系對(duì)疑似故障區(qū)域進(jìn)行故障判別；基本可以實(shí)現(xiàn)對(duì)機(jī)車(chē)電力系統(tǒng)發(fā)生的熱故障進(jìn)行智能診斷和定位，為進(jìn)一步研究機(jī)車(chē)電力系統(tǒng)故障智能監(jiān)控系統(tǒng)提供了理論依據(jù)，同時(shí)為電力行業(yè)的其他領(lǐng)域以及電網(wǎng)系統(tǒng)的智能診斷提供了一定的參考價(jià)值。

圖4 系統(tǒng)1的疑似故障區(qū)域提取結(jié)果

[1]李佐勝，李文利，姚建剛，等.應(yīng)用絕緣子紅外熱像處理的現(xiàn)場(chǎng)污穢等級(jí)檢測(cè)方法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2010，30（4）：132-138.

[2]王祖林，黃濤，劉艷，等.合成絕緣子故障的紅外熱像在線檢測(cè)[J].電網(wǎng)技術(shù)，2003，27（2）：17-20.

[3]劉健，解辰，藺麗華，等.基于紅外圖像的電力變壓器油位自動(dòng)檢測(cè)方法[J].高電壓技術(shù)，2010，36（4）：964-970.

[4]李文杰，姚建剛，毛李帆.基于中值濾波法及小波自適應(yīng)擴(kuò)散法的絕緣子紅外熱像去噪[J].電網(wǎng)技術(shù)，2010，34（8）：160-164.

[5]王炳建，劉上乾，周慧鑫.基于平臺(tái)直方圖的紅外圖像自適應(yīng)增強(qiáng)算法[J].光子學(xué)報(bào)，2005，34（2）：299-302.

[6]吳穎謙，施鵬飛.基于小波變換的低對(duì)比度圖像增強(qiáng)[J].紅外與激光工程，2003，32（2）：4-7.

[7]李殿均，賈振紅，覃錫忠，等.一種新的基于NSCT域的遙感圖像增強(qiáng)算法[J].計(jì)算機(jī)工程與應(yīng)用，2012，48（33）：203-206.

[8]Chen J Y，Sun H.Multi-resolution edge detection based on alpha-stable model in SAR image using translation-Invariance Contourlet transform[C]∥IEEE International Symposium on Signal Processing and Information Technology.Vancouver Canada，2006：264-270.

[9]楊振亞，陳裕泉，潘敏，等.基于Curvelet變換的X射線圖像增強(qiáng)[J].計(jì)算機(jī)科學(xué)，2010，37（3）：275-277.

[10]Jean L S.Gray and color image contrast enhancement by the curvelet transform[J].IEEE Transactions on Image Processing，2003，12（6）：706-717.

[11]Chang S G，Yu B，Vetterli M.Spatially adaptive wavelet thresholding with context modeling for image denoising[J].IEEE Trans Image Process，2000，9（9）：1522-1531.

Fault diagnosis and location for locomotive electric power system based on infrared image enhancement

LIU Xiao-chun，ZHANG Lei
（Hunan Railway Professional Technology Institute，Zhuzhou 412001，China）

Forlocomotive powerequipmentinfrared image contrastispoorer，and itsdetail characteristics are not obvious enough，this paper puts forward a kind of the image enhancement algorithm based on NSCT （nonsubsampled contourlet transform）nonlinear transform.The algorithm constructs a nonlinear matching function which can enhance the edge of the infrared image and suppress the interference of noise.Experimental results show that the proposed method can overheat faults in the power system with intelligent diagnosis，and this study can provide a solution for checking.

NSCT；infrared image；enhance；locomotive power；overheat faults

TP206+.3；TP391.41；U292.91+4；U262.1

：A

：1674-5124（2014)06-0120-04

10.11857/j.issn.1674-5124.2014.06.031

2014-04-20；

：2014-06-18

劉小春（1973-），女，副教授，碩士，主要從事自動(dòng)控制教學(xué)與研究。