基于紅外圖像的高壓絕緣子串自動定位方法

胡淋波，姚建剛，孔維輝，鄒品晶，付 強，潘雪晴

?

基于紅外圖像的高壓絕緣子串自動定位方法

胡淋波，姚建剛，孔維輝，鄒品晶，付 強，潘雪晴

（湖南大學 電氣與信息工程學院，湖南 長沙 410082）

絕緣子串自動定位是實現劣化絕緣子紅外智能檢測的重要前提。針對紅外圖像背景復雜的特點，提出了基于灰度閥值分割和Hough變換的自動定位方法。首先采用基于Otsu閥值的灰度拉伸法對圖像增強，利用灰度圖像的開運算對圖像去噪，然后采用灰度Otsu閥值法對圖像進行閥值分割，圖像二值化后，用最大連通區(qū)域過濾法提取絕緣子串區(qū)域，最后利用Hough變換進行傾斜度校正，完成絕緣子串的最終定位。試驗結果表明：提出的分割方法可以快速完整地將目標提取出來。提出的定位方法可以完成復雜背景下絕緣子串的自動精確定位，為實現劣化絕緣子紅外智能檢測奠定基礎。

絕緣子串；紅外圖像；圖像增強；閥值分割；Hough變換；自動定位

0 引言

絕緣子是用來固定發(fā)電廠、變電站和高壓輸電線路導線的重要絕緣部件，同時也是故障多發(fā)元件，污穢、裂紋、破損等問題嚴重威脅輸電線路的安全運行[1]，因此采用高精度在線智能檢測裝置進行高壓絕緣子狀態(tài)檢測對電網安全、經濟和高效運行尤為重要。紅外檢測技術在高壓絕緣子狀態(tài)檢測方面的應用是一種可靠、高效的檢測手段，而紅外圖像中絕緣子串的自動定位是實現絕緣子狀態(tài)智能檢測的重要前提。

文獻[2]提出基于二值形狀特征描述的絕緣子串自動定位方法，對垂直懸掛的航拍絕緣子串有著較好的定位效果，但該方法針對性強，對于有一定傾斜度的絕緣子串且背景復雜的紅外圖像難以達到理想的效果；文獻[3]、[4]提出了基于航拍圖像絕緣子色彩特征的區(qū)域定位方法，但紅外圖像和航拍圖像有著本質的不同，紅外圖像不能保留絕緣子原來色彩信息，因而該方法并不適合紅外圖像處理；文獻[5]提出最小二乘法擬合單個絕緣子盤面邊緣提取絕緣子盤面，但在紅外檢測現場中拍攝的圖片可能會包含多串絕緣子，無法識別目標絕緣子；文獻[6]提出通過邊緣檢測提取絕緣子邊緣，但檢測結果可能包含鋼架、導線等偽目標，抗噪效果差。

本文提出基于Otsu自動閥值的灰度線性變換圖像增強法，提高導線、鋼架等偽目標與絕緣子灰度對比度，再采用Otsu閥值分割和區(qū)域過濾相結合的方法將絕緣子串區(qū)域完整提取出來，然后用Hough變換求取絕緣子串的傾斜角度，通過旋轉將目標水平校正，最后完成絕緣子串的定位，為絕緣子串盤面和鋼帽區(qū)域的提取及狀態(tài)識別[7]奠定基礎。

1 絕緣子串紅外圖像定位方法

1.1 基于Otsu閥值的灰度線性變換圖像增強

線性變換[8]實質：假設(,)的灰度范圍為[,]，我們希望變換后的圖像(,)的灰度范圍為[,]，則我們可以采用如下變換：

在工程應用中，我們希望對不同的灰度段做不同的調整：拉伸或壓縮，利用線性變換可以最大程度地改善圖像對比度，變換公式為：

其變換圖形如圖1。從圖1和式(2)可以看出，斜率越大，其對應在橫軸上的灰度區(qū)域映射到縱軸上所得到的灰度區(qū)域越寬，從而該區(qū)域中的對比度也越高。若欲提高某段灰度區(qū)域的對比度，則可以通過增大該灰度段對應的表達式的斜率對這一段灰度區(qū)域進行拉伸。

圖1 灰度線性變換原理圖

基于方差的Otsu閥值法是眾多圖像分割閥值法性能最好的一種[9-11]。利用Otsu閥值分割法對紅外圖像進行分割，往往能將背景和目標較好地分離，但絕緣子紅外圖像中存在導線、鋼架等偽目標，分割往往達不到理想的效果。根據紅外圖片的特點，發(fā)熱越明顯的物體在紅外圖像中亮度越大，對應的灰度值也越大，絕緣子串紅外圖像中絕緣子是發(fā)熱最明顯的區(qū)域，因此目標區(qū)域和鋼架等偽目標的灰度值存在較大的差異。

紅外圖片灰度化之后，其灰度范圍為[0,255]，假設根據Otsu閥值分割法將[0,255]灰度區(qū)域分為背景[0,]和前景[,255]的2個區(qū)域，則[,255]區(qū)域一般包含著目標和導線、鋼架等偽目標區(qū)域，對[,255]這個區(qū)域進行灰度拉伸，則可以增大目標和偽目標的對比度，其灰度平均差也相應增大，為后面的閥值分割和區(qū)域過濾提取絕緣子區(qū)域奠定基礎。改進的灰度線性變換表達式為：

式中：為Otsu閥值法確定的閥值；為小于1的加權系數。多次試驗表明在取值范圍[0.8,0.9]中時，分割結果較好。

1.2 圖像去噪

灰度圖像的開操作和閉操作與二值圖像的對應操作具有相同的形式。用子圖（結構元素）對圖像進行開操作同二值圖像中的情況一樣，先用對進行簡單的腐蝕操作，而后用對得到的結果進行膨脹操作。實際應用中，開操作經常用于去除較?。ㄏ鄬τ诮Y構元素的大小而言）的明亮細節(jié)，同時相對地保持整體灰度級和較大的明亮區(qū)域不變。

結構元素，又被形象地稱為刷子，結構元素的選取對于圖像去噪效果也比較重要，可以根據非目標物體的形狀特點進行選取。本文采用平面圓形和矩形兩種結構元素。

1.3 圖像二值化

經過圖像增強和圖像去噪，應用閥值分割將灰度圖像轉為二值圖像，本文采用基于Otsu閥值分割法，利用其確定分割閥值，并引入權值系數對閥值進行修正。其分割原理表達式如下：

式中：u為經驗權值系數。可根據圖像背景復雜程度進行調節(jié)，非目標區(qū)域在整個紅外圖像中占據區(qū)域越大，u的值相應增大，u的范圍為[1,1.2]，圖像二值化結果如圖2所示。

1.4 區(qū)域過濾提取絕緣子串區(qū)域

由圖3可以看出，經過前面幾步的處理，鋼架被分成很多小塊區(qū)域，絕緣子區(qū)域占據面積最大，去除小區(qū)域即可得到絕緣子串區(qū)域。首先采用連通區(qū)域標記法對二值圖進行區(qū)域標記，區(qū)域標記后，提取最大區(qū)域即可將絕緣子串區(qū)域提取出來。本文采用4通區(qū)域標記法，提取結果如圖3所示。

圖3 絕緣子串區(qū)域提取結果圖

1.5 Hough變換求取絕緣子串傾斜角度

最簡單的Hough變換是在圖像中檢測直線。其基本思想是：將直線上每一個數據點變換為參數平面中的一條直線或曲線，利用共線的數據點對應的參數曲線相交于參數空間中一點的關系，使直線的提取問題轉換為計數問題。在應用中通常采用直線的極坐標方程進行檢測：

＝cos＋cos

Hough變換求取直線的基本過程為：根據圖像空間的數據點計算參數空間參數點的可能軌跡，并在一個累加器中統計參考點，檢測累加器中頻率最高的點，最后根據這些點擬合成直線。

Hough變換求取絕緣子串傾斜角度算法步驟如下：

①通過MATLAB工具箱基礎函數bwmorph提取絕緣子串區(qū)域骨架。

②提取中心軸若干個特征點，根據絕緣子串骨架特點，可以求取十字交叉點作為特征點。首先對分割出的絕緣子二值圖像bw進行列掃描，當bw(,)為1時，以(,)為中心用一個隱形的邊長較小2的正方形檢測該點是否為十字交叉點，即判斷bw(±,±) 是否都為1，如果是，則可判斷該點為十字交叉點。

③將②所求的點膨脹之后作為Hough變換的特征點，調用MATLAB工具箱中Hough變換的相關函數即可求得絕緣子串的中心軸，再計算中心軸的斜率便可得到傾斜角。

根據上述算法求取絕緣子串傾斜角度為：＝4.9604°。

1.6 水平校正及定位

定位算法步驟：

①將絕緣子串圍繞中心點順時針旋轉＝4.9604°。

②首先從第一列開始列掃描，記錄第1列出現1的個數并設為初始值記為(1)，然后依次向后掃描并統計各列出現1的個數，記為()，表示列數，當(＋1)＞()時停止掃描，并將作為絕緣子串左邊界；同樣方法，從最后一列開始依次向前列掃描，當(－1)＞()時停止掃描，確定右邊界。

③假設紅外圖像的尺寸大小為[,]，為了提高圖像處理效率和定位精確度，確定上下邊界時縮小掃描區(qū)域：行的范圍為[20,－20]，列的范圍為[30,－30]，首先對掃描區(qū)域由上至下進行行掃描，當出現第一個1時即可確定上邊界；同樣的方法自下往上行掃描確定下邊界。

④構造同紅外圖像尺寸大小的零矩陣，將絕緣子串邊界的位置記錄在零矩陣中，矩陣圍繞中心點逆時針旋轉＝4.9604°，此時矩陣記錄了原圖絕緣子串的位置信息，最后提取矩陣非零的位置即可完成絕緣子串的定位。

根據上述算法步驟最后定位結果如圖4所示。

圖4 傾斜度校正定位結果

2 試驗結果與分析

為驗證本文提出改進的灰度線性變換圖像增強算法對圖像分割有效性，將其與全局線性變換圖像增強法及直方圖均衡化圖像增強法等圖像增強的方法進行對比[12-13]，試驗采取背景復雜且絕緣子區(qū)域面積小于偽目標區(qū)域面積的現場紅外圖片，本實驗參數設置為：＝1.2，＝0.9，圖像增強后分割結果比較如圖5所示，圖6為直方圖對比圖，圖7為目標區(qū)域提取對比圖。

圖5 圖像增強后分割結果

圖6 本文圖像增強直方圖

圖7 目標區(qū)域提取結果圖

在紅外檢測拍攝過程中，紅外圖像中絕緣子區(qū)域可能并非最大連通區(qū)域。從實驗結果可以看出，本文所提出的圖像增強算法可將偽目標較多灰度值拉伸至背景灰度范圍，用Otsu閥值分割法能將導線、鋼架等偽目標較多區(qū)域去除，降低各偽目標區(qū)域在圖像中的區(qū)域占比，確保區(qū)域提取時絕緣子串區(qū)域為最大連通區(qū)域。從目標提取結果來看，本文的方法可以完整地提取目標區(qū)域，抗噪性好。計算4種圖像增強法對圖像增強后目標區(qū)域提取的成功率，客觀評價本文圖像增強算法對分割的有效性，如表1所示。

由表1可知，本文提出的圖像增強算法較大地改善了分割效果，效果最優(yōu)。

表1 圖像增強方法效果比較

3 結論

本文提出了一種針對紅外圖像背景復雜等特點的自動分割和定位方法，實現了紅外圖像中絕緣子串的自動定位，為絕緣子狀態(tài)智能識別奠定了基礎。利用基于Otsu閥值的線性變換圖像增強算法，較大程度改善了Otsu閥值分割法的分割效果，采用最大連通區(qū)域過濾法有效地將絕緣子區(qū)域提取出來，分割結果目標完整連續(xù)，利用Hough變換進行傾斜度校正，最終完成絕緣子串的準確定位。

為驗證本文定位方法的有效性，隨機從江西上饒、鷹潭220kV變電站現場拍攝的紅外圖片各選50張背景復雜的紅外圖片，通過本文所提出的定位方法對100張紅外圖像進行測試，測試結果表明：串定位準確率為98%。

試驗表明：本文提出的自動定位方法具有快速、準確和抗噪性強的優(yōu)點，具有較高的工程應用價值，現已應用于劣化絕緣子紅外檢測系統。但由于各個變電站的復雜程度不同，應用本文所提出的定位方法時，在紅外檢測的過程中對拍攝人員拍攝技術有著較高的要求，在拍攝過程中應選好角度拍攝，盡量使絕緣子串在圖片中占據較大區(qū)域和包含較少的偽目標區(qū)域，且絕緣子串傾斜角度不宜過大。

[1] 何洪英, 姚建剛, 蔣正龍, 等. 基于支持向量機的高壓絕緣子污穢等級紅外熱像檢測[J]. 電力系統自動化, 2005, 29(24): 70-74, 82.

He Hong-ying, Yao Jian-gang, Jiang Zheng-long ,et al. Infrared thermal image detecting of high voltage insulator contamination grades based on support vector machine[J]., 2005, 29(24): 70-74, 82.

[2] 趙振兵, 王樂. 一種航拍絕緣子串圖像自動定位方法[J]. 儀器儀表學報, 2014, 35(3): 558-565.

Zhao Zhen-bing, Wang Le. Aerial insulator string image automatic location method[J]., 2014, 35(3): 558-562.

[3] 黃宵寧, 張真良. 直升機巡檢航拍圖像中絕緣子圖像的提取算法[J]. 電網技術, 2010, 34(1): 194-197.

HUANG Xiao-ning, ZHANG Zhen-liang. A method to extract insulator image from aerial image of helicopter patrol[J]., 2010, 34(1): 194-197.

[4] 馬帥營, 安居白, 陳舫明. 基于區(qū)域定位的絕緣子圖像分割[J]. 電力建設, 2010, 31(7): 14-17.

MA Shuaiying, AN Ju-an, CHEN Fang-ming．Segmentation of the blue insulator images based on region location[J]., 2010, 31(7): 14-17.

[5] 陳芳, 姚建剛, 李佐勝, 等. 絕緣子串紅外圖像中單個絕緣子盤面的提取方法[J]. 電網技術, 2010, 34(5): 220-224.

CHEN Fang, YAO Jian-gang, LI Zuo-sheng, et al. The method to etract shed surface image of a single insulator from infrared image of a insulator string[J]., 2010, 34(5): 220-224.

[6] 趙振兵, 金思新, 劉亞春. 基于NSCT的航拍絕緣子圖像邊緣提取方法[J]. 儀器儀表學報, 2012, 33(9): 2045-2052.

Zhao Zhenbing, Jin Sixin, Liu Yachun. Aerial insulator image edge etraction method based on NSCT[J]., 2012, 33(9): 2045-2052.

[7] 李唐兵,付鵬, 朱向前, 等. 絕緣子串紅外圖像中絕緣子盤面和鋼帽區(qū)域的自動提取方法[J]. 紅外技術, 2014, 36(8): 644-648.

LI Tang-bing, FU Peng, ZHU Xiang-qian, et al. Algorithm research of automatically extracting the area of insulator from infrared image and state identification[J]., 2014, 36(8): 644-648.

[8] Rafecel C Gonzalez, Richard E Woods, Steven L Eddins.[M].2nded. Bejing: Publishing House of Electronic Industry, 2003.

[9] 門洪, 于加學, 秦蕾. 基于CA和OTSU的電氣設備紅外圖像分割方[J]. 電力自動化設備, 2011(9): 92-95.

MEN Hong, YU Jiaxue, QIN Lei. Segmentation of electric equipment infrared image based on CA and OTSU[J]., 2011(9): 92-95.

[10] Yen J C, Chang F J, Chang S. A new criterion for automatic multilevel thresholding[J]., 1995, 4(3): 370-378.

[11] Hamed Shah-Hosseini, Reza Safabakhsh. Automatic multilevel thresholding for image segmentation by the growing time adaptive self-organizing map[J]., 2002, 24(10): 1388-1393.

[12] 謝文達, 邱竣鴻, 王壘. 實際且快速的圖像對比度增強方法[J]. 計算機研究與發(fā)展, 2013(4): 787-799.

XIE Wen-da, QIU Junhong, WANG Lei. A practical and efficient contrast enhancement method[J]., 2013(4): 787-799.

[13] 劉祖軍, 劉純亮, 梁志虎, 等. 基于動態(tài)直方圖均勻化的對比度增強方法[J]. 光學技術, 2005(3): 376-379.

LIU Zujun, LIU Chunliang, LIANG Zhihu, et al. Contrast enhancement method based on dynamic histogram equalization[J]., 2005(3): 376-379.

High Voltage Insulator String Automatic Location Method Based on Infrared Image

HU Lin-bo，YAO Jian-gang，KONG Wei-hui，ZOU Pin-jing，FU Qiang，PAN Xue-qing

(,,410082,)

Insulator string automatic location is an important premise of realizing the intelligent testing of the deteriorated insulator by infrared technology. Aiming at the characteristics of infrared image complex background, this paper proposes an insulator string automatic location method based on gray threshold segmentation and Hough transform. Firstly, the infrared image of insulator string is enhanced by gray level stretching based on Otsu threshold; the gray image open-operation is carried out to denoise the whole image; then gray Otsu threshold method is adopted to segment the image; after the binarization of the image, maximum connected region filtration method is carried to retrieve the region of insulator string; at last, Hough transform is used to do the image gradient correction ,achieving insulator string final automatic location. Experiment results show that the proposed segmentation can retrieve the target fast and perfectly; the proposed location method can achieve insulator string location under complicated backgrounds automatically and accurately, and it lays a foundation for the intelligent testing of the deteriorated insulator by infrared technology.

insulator string，infrared image，image enhancement，threshold segmentation，Hough transform，automatic location

TP391.4

A

1001-8891(2015)12-1047-05

2015-07-02；

2015-07-22.

胡淋波（1992-），男，碩士研究生，主要研究方向：電氣設備智能檢測與圖像處理。

姚建剛（1952-），男，教授，博士生導師，主要研究方向：電力市場，電力系統。

江西省電力公司科技項目，編號：贛電科201350617。