基于彩色可見光圖像的外絕緣污穢等級檢測

夏 晶 胡 娟

（同濟大學電子與信息工程學院，上海 201804）

隨著環(huán)境污穢的加重，輸變電線路中絕緣子表面污穢加劇，當遇到大霧、融雪、霜露等惡劣天氣時，電網污閃事故頻發(fā)[1-3]。高壓線路絕緣子污穢監(jiān)測是電力系統(tǒng)絕緣監(jiān)測的一個重要課題，本文提出一種運用可見光成像設備獲取彩色圖像，結合圖像處理技術，在 HSV顏色空間中提取表征表面污穢度的特征，通過特征值實現對絕緣子污穢等級分類的新型外絕緣污穢檢測方法。這種方法可實現非接觸性測量，不易受電磁干擾，安全、經濟、便捷。試驗結果表明該方法簡單有效，便于實施。

1 外絕緣污穢彩色圖像檢測基本原理

當絕緣子表面有沙塵、鹽堿等污穢時，會覆蓋絕緣子原本的顏色特征，表現出沙塵的視覺特性，在視覺及可見光彩色圖像中表現的特征即表面積污區(qū)域顏色發(fā)生改變。通過在顏色空間中對絕緣子圖像進行顏色特征值的提取，可以將這種改變量化，利用顏色差異實現絕緣子表面污穢狀態(tài)的檢測。

為實現絕緣子污穢狀態(tài)的自動檢測與識別，本文提出如圖 1所示的外絕緣污穢狀態(tài)識別流程。整個識別過程主要包括 3個部分：圖像預處理、特征提取和污穢狀態(tài)識別。圖像預處理包括圖像濾波、顏色空間轉換等，目的是減少圖像中的干擾；特征提取部分提取目標區(qū)域中表征顏色、可反映絕緣子表面污穢狀態(tài)的特征值。

2 圖像預處理

2.1 圖像濾波

由于絕緣子圖像在自然采集過程中受到天氣和光照的影響，正常情況下成像時絕緣子的統(tǒng)一色度存在一定的色散現象。因此，首先對圖像做平滑處理，消除含有的背景噪聲。

根據文獻 4所述，中值濾波法是一種非線性平滑技術，它將每一像素點的值設置為該點某鄰域窗口內的所有像素點的中值，對椒鹽噪聲等有很好的濾除效果。本文選用3×3的中值濾波進行處理。

2.2 顏色空間轉換

選取合適的顏色空間對特征的選取和降低光照等環(huán)境因素的影響有著至關重要的作用。一般圖像默認保存格式為基于RGB（紅R、綠G、藍B）彩色模型的圖像。HSV指H（色相）、S（飽和度）、V(色調)，根據文獻5可知，它是基于人類對色彩感覺的非線性變換，能更好的描述人類對顏色的認識規(guī)律，且各分量之間的相關性小。此外，H、S分量包含了顏色信息，對光線和陰影不敏感，可以區(qū)分不同顏色的物體。為了更好的進行圖像分割和特征提取，先將彩色圖像由 RGB顏色空間轉換到HSV空間。

圖2（a）所示為濾波后的彩色圖，圖2（b）、圖2（c）、圖2（d）分別為轉換為灰度圖以后的H分量圖、S分量圖和V分量圖。

3 特征提取和選擇

3.1 目標區(qū)域的確定方法

圖 2（a）反映了在變電站現場拍攝到的典型絕緣子圖片內容，圖片中的主體部分為絕緣子，除此之外，還有建筑物及其他電力設備等，背景復雜。為了確保提取特征的有效性，目標區(qū)域須為絕緣子盤面部分。本文實驗中采集的圖片針對絕緣子進行采樣，過調整焦距，可以保證中心部分（即長寬均屬于整幅圖像的1/3至2/3部分）全部為絕緣子盤面部分（設備的型號等見第5節(jié)）。因此，選取中心部分進行特征提取。

3.2 特征值的提取

依據絕緣子圖像分割所得的盤面目標區(qū)域，可提取出如下表征顏色的特征參數：（1）絕緣子盤面部分H分量的平均值、最大值、最小值、極差（最大值-最小值）、中值、方差；（2）絕緣子盤面部分S分量的平均值、最大值、最小值、極差（最大值-最小值）、中值、方差；（3）絕緣子盤面部分V分量的平均值、最大值、最小值、極差（最大值-最小值）、中值、方差；（4）絕緣子盤面部分R分量的平均值、最大值、最小值、極差（最大值-最小值）、中值、方差；（5）絕緣子盤面部分G分量的平均值、最大值、最小值、極差（最大值-最小值）、中值、方差；（6）絕緣子盤面部分B分量的平均值、最大值、最小值、極差（最大值-最小值）、中值、方差。

3.3 基于方差分析的特征值選擇

能反映顏色的特征量很多，并不是所有的特征都能有效的表征污穢度。同時由于圖像數據量大，處理費時、費力。為此，在得到上述多項反映絕緣子表面顏色的特征時，需要選擇其中最能反映目標重要的、本原的特征量。重要特征[6]，指以它們作為分量的特征點在特征空間中同類相聚、異類分散；本原特征，指特征絕對性較強，最大限度地不依賴于特征獲得時的條件和環(huán)境，即盡量減少設備、環(huán)境等因素對特征的影響。這時，需要利用成熟的統(tǒng)計方法進行選擇，本文引入方差進行評判。對兩類數據，為了實現分類，有效的特征能使兩類的類內方差較小而類間方差較大，為了衡量其優(yōu)劣性，使用類間方差與類內方差的比值來量化，稱為Fisher準則函數值 JF(i)[6]。第i維特征的類內方差與類間方差的計算分別方法如下：

ω=1,2為污穢狀態(tài)類別，i為特征維數，I = 1…12，k為樣本的類別數，k = 1為輕度污穢，k = 2為重度污穢，為第k類樣本的第i維特征值，為第k類樣本的第i維特征值的均值， m(k)為所有樣本的第i維特征值的均值，為第k類樣本的第i維特征值的個數，ni為兩類樣本的第i維特征的總個數。圖3所示為計算所得36維特征值的JF函數值，其中H、S、V、R、G、B分別代表H分量、S分量、V分量、R分量、G分量、B分量，av、max、min、range、mid、var分別代表平均值、最大值、最小值、極差、中值、方差。

從圖中可以看出，以 JF值為標準來衡量各特征值分類有效性，從高到低分別為：S分量平均值、S分量中值、R分量極差、R分量最大值、H分量平均值等。以JF=1作為判定特征取舍的標準，計算得出，S分量平均值、S分量中值的Fisher準則函數值分別為1.8970和1.8131，符合要求。如圖4所示，不同污穢等級絕緣子圖像在以上兩個特征值具有較好的區(qū)分度。

4 結論

本文提出了一種全新的基于可見光圖像的高壓絕緣子污穢等級檢測方法。針對深圳供電局所屬各變電站現場獲得的圖像樣本，首先在圖像預處理階段完成濾波和顏色空間轉換，然后提取和篩選盤面部分反映絕緣子表面污穢狀態(tài)的特征值。結果表明，該方法能有效的實現外絕緣污穢狀態(tài)的識別，具有較好參考價值和應用前景。

[1] 顧樂觀,孫才新.電力系統(tǒng)的污穢絕緣[M].重慶:重慶大學出版社,1990.

[2] 關志成,劉瑛巖,周遠翔,等.絕緣子及輸變電設備外絕緣[M].北京:清華大學出版社,2006.

[3] 宿志一.防止大面積污閃的根本出路是提高電網的基本外絕緣水平——對我國電網大面積污閃事故的反思[J].中國電力,2003,32(12):57-61.

[4] 何洪英,姚建剛,蔣正龍,等.利用紅外圖像特征和 RBPNN識別不同濕度條件下絕緣子的污穢等級[J].中國電機工程學報,2006,26(8):117-123.

[5] 倪臣敏,葉懋冬,陳孝春.一種改進的自適應中值濾波算法[J].中國圖象圖形學報,2006(05):672-678.

[6] 李佐勝,姚建剛,楊迎建,等.絕緣子污穢等級紅外熱像檢測的視角影響分析[J].高電壓技術,2008,34(11): 2327-2331.