輸電線路狀態(tài)檢測圖像的增強算法研究

王思源， 王金勝， 嚴璽， 江淼， 盛戈皞

(1.國網(wǎng)山東省電力公司濟南供電公司,山東 濟南 250012；2.國網(wǎng)山東省電力公司淄博供電公司,山東 淄博 255000； 3.上海交通大學，上海 200240)

輸電線路狀態(tài)檢測圖像的增強算法研究

王思源1， 王金勝2， 嚴璽1， 江淼3， 盛戈皞3

(1.國網(wǎng)山東省電力公司濟南供電公司,山東 濟南 250012；2.國網(wǎng)山東省電力公司淄博供電公司,山東 淄博 255000； 3.上海交通大學，上海 200240)

基于飛行器航拍的智能巡檢，能夠避免傳統(tǒng)人工巡檢方式的諸多不便，成為新興的輸電線路巡檢方式。為了消除光照對巡線圖像的影響，提高后續(xù)故障識別的準確率，針對輸電線路巡線這一特殊領域，以可見光圖像為研究對象，對多種增強算法進行實驗與比較，提出適用于輸電線路圖像識別與故障檢測的圖像增強算法。

輸電線路；狀態(tài)檢測；圖像處理；直方圖均衡化；同態(tài)濾波；Retinex

0 引 言

隨著經(jīng)濟的快速發(fā)展，我國的電網(wǎng)規(guī)模不斷地擴大，長距離的輸電線路增長迅速，但隨之帶來了運行、維護和檢修難的問題。過去依靠人工巡線的作業(yè)方式對輸電線路進行故障和安全隱患的檢測和排查，對人力、物資以及相關技術人員的經(jīng)驗和水平都要求較高，特別是在超高壓、特高壓技術迅速發(fā)展之后，傳統(tǒng)的人工巡線方式日益顯露出工作效率低下、存在威脅人身安全的缺陷[1]。

隨著各種飛行器技術的發(fā)展與成熟，借助飛行器攜帶成像設備進行輸電線路的巡檢成為現(xiàn)實。這種新型的巡線方式在一日之內可以完成幾十甚至上百公里線路的巡檢工作，具有高效、便捷、安全等優(yōu)點。目前，采用直升機、無人機巡檢線路已經(jīng)成為國內外的主流，尤其是發(fā)達的歐美等西方國家和地區(qū)。效率的提高必然導致大量巡線圖像、巡線視頻的產(chǎn)生，如何進行后續(xù)的篩選、處理、識別和分析又成為新的挑戰(zhàn)。

絕大部分的輸電線路被架設在戶外，隨著電壓等級的升高，線路的選址越來越遠離城市，結構也越復雜。因此，以可見光圖像為載體來實現(xiàn)輸電線路的智能識別與故障檢測面臨著諸多的技術難題，其中，針對輸電線路圖像的增強處理首當其沖。由于成像設備的限制而導致圖像分辨率較低，或者在采集過程中受到光照的影響，引起曝光不足或曝光過度，導致圖像無法直接用于識別和檢測工作。為了改善圖像的效果，增強識別中需要的有用信息，圖像增強成為必不可少的預處理之一。

凡是改變原始圖像的結構關系以取得更好的判斷和應用效果的所有處理手段，都可以歸結為圖像增強處理[2]。圖像增強是將原來那些模糊不清的圖像或者圖像中某些不清晰的部分通過各種增強算法得到改善，從而獲得清晰的目標數(shù)據(jù)，增加信息量。

目前，常用的圖像增強算法有灰度變換、直方圖修正、圖像銳化、噪聲去除、頻域濾波、同態(tài)濾波和彩色增強等[3]。實際的應用需求各不相同，盡管有多種多樣的處理方式，但每一種方式都帶有較強的針對性和目的性。因此對于圖像增強而言，目前尚不存在一種普遍適用的增強算法。本文將針對輸電線路巡線這一特殊領域，以可見光圖像為研究對象，對多種增強算法進行實驗與比較，提出適用于輸電線路圖像識別與故障檢測的圖像增強算法。

如圖1所示，采用無人機或直升機巡線，輸電線路圖像的采集方式一般為自上向下，采集設備背對光源，圖像背景復雜，易造成圖像整體灰度值偏低。

圖1 航拍輸電線路灰度圖像

1 直方圖均衡化

直方圖是用來描述圖像灰度值的統(tǒng)計圖，將圖像的灰度等級及其出現(xiàn)概率這兩個參數(shù)在一個直角坐標系表示：橫軸(X軸)為圖像的灰度值，縱軸(Y軸)為該灰度等級出現(xiàn)的概率。設一灰度圖像f(x,y)，其大小為 其直方圖如式(1)所描述。

pf(fi)=ni/N,i∈[1,L-1]

(1)

式中fi為圖像f(x,y)的某一級灰度值；ni為fi在圖像f(x,y)中出現(xiàn)的總像素數(shù)；N=m×n為圖像f(x,y)的總像素數(shù)；pf(fi)為fi在f(x,y)中出現(xiàn)的概率密度。

直方圖能夠直觀地展現(xiàn)圖像中各個灰度級的不同含量以及一幅圖像其中明暗程度所分布的狀態(tài)[4]。因此，通過修改各部分灰度的比例關系，可改變原始圖像當中的某些部分的明暗程度，實現(xiàn)對目標數(shù)據(jù)的增強，即直方圖均衡化。把原始圖像的直方圖兩端沿X軸將其擴展，將那些遠遠超過圖像概率密度平均值的部分向其他遠低于平均值的地方進行均分，使得輸出圖像的概率密度所構成的直方圖盡可能的貼合一維均勻分布函數(shù)。

通過式(2)把輸入圖像的灰度變量通過對應法則映射到輸出圖像的灰度變量上，使得輸出圖像概率概率分布pg(gi)的總和等于輸入圖像灰度概率分布pf(fi)的總和。

gi=A(fi)

(2)

式中A(·)為對應法則。

灰度的出現(xiàn)概率則為：

(3)

由一維連續(xù)型均勻分布隨機變量的概率密度函數(shù)可知：

(4)

式中gmax為輸出圖像的最大灰度值，gmin為輸出圖像的最小灰度值。

圖2 直方圖均衡化增強效果

代入式(3)中，則可以得到對應函數(shù)A(·)為：

A(·)=(gmax-gmin)

pf(fi)+gmin

(5)

對圖1進行直方圖均衡化處理，效果如圖2所示。

2 同態(tài)濾波

對于一幅灰度圖像f(x,y)而言，不僅可以使用普通的數(shù)字圖像矩陣來進行表示，還可以用它的照明分量和反射分量來表示，如式(6)來所示[5]：

f(x,y)=i(x,y)·r(x,y)

(6)

式中i(x,y)為照明分量，取值范圍(0,+∞)；r(x,y)為反射分量，取值范圍(0,1)。

通常情況下，照明分量i(x,y)是均勻的或緩慢變化的，其頻譜落在低頻區(qū)域；反射分量r(x,y)反映物體的細節(jié)內容，會有急劇的變化，斜度較大，頻譜中的大部分都位于高頻區(qū)域。

同態(tài)濾波算法的流程圖如圖3所示。

圖3 同態(tài)濾波流程

將式(6)兩邊同取對數(shù)，即定義了新的函數(shù)z(x,y)：

z(x,y)=lnf(x,y)=lni(x,y)+lnr(x,y)

(7)

于是便可對兩邊進行傅里葉變換，于是可得：

F[z(x,y)]=F[lni(x,y)]+F[lnr(x,y)]

(8)

式中f[·]表示對某一個函數(shù)進行傅里葉變換。

式(8)也可以寫成：

Z(u,v)=Fi(u,v)+Fr(u,v)

(9)

圖4 同態(tài)濾波增強結果

以上就完成了函數(shù)從空間域變換到頻率域的過程。變換到頻率域之后，照明分量的部分和反射分量的部分徹底的分離。

因此，在進行同態(tài)濾波增強時如圖4所示，根據(jù)不同情況的巡線圖像，同態(tài)濾波器的參數(shù)需要經(jīng)過大量實驗獲取經(jīng)驗值。

3 Retinex

Retinex是由retina(視網(wǎng)膜)和cortex(大腦皮層)組成的復合詞，又稱為視網(wǎng)膜皮層理論(Retinal-cortical theory)[6]。Retinex算法于1971年由美國物理學家Edwin Land提出，算法在起初剛剛被推廣時并沒有獲得世界上大部分學者的認可以及傳播。直到1980年后，由于NASA (National Aeronautics and Space Administration，美國國家航空航天局)成功使用該算法處理外太空圖片獲得了良好的效果而開始被人們廣泛的所關注[7]。如今這種算法已經(jīng)被廣泛地應用在許多方面，例如醫(yī)療X光圖像，雨天以及霧霾天的模糊圖像解析(常用于路況的拍攝分析)，甚至于紅外線圖像的處理方面也被運用于其中。

Retinex理論的基本操作方法和同態(tài)濾波有些許相似之處。同樣也是將原始圖像f(x,y)分解成照明分量i(x,y)和反射分量r(x,y)兩部分。實驗數(shù)據(jù)表明：照明分量i(x,y)僅僅決定了一幅圖像能夠浮動的動態(tài)范圍，而反射分量r(x,y)才是真正的決定了一幅圖像的內在性質[8]。因此該理論的核心就在于去除或抑制那些照射圖像的影響，僅保留反映物體本質特征的反射屬性。

在Retinex算法提出并發(fā)展了一段時間之后，諸多科學家在總結傳統(tǒng)Retinex算法的不足的基礎上相繼提出了多種改進的Retinex算法，其中帶色彩恢復的多尺度Retinex算法(MSRCR)受到工程應用領域的關注。

帶色彩恢復的多尺度Retinex算法，簡單的來說，就是在多尺度Retinex的基礎上考慮原始圖像色彩影響的結果。需要做的就是從原始圖像之中引出一個參數(shù)，記錄原始圖像的比例數(shù)據(jù)，隨后對處理完成后的MSR，再將該參數(shù)運用在處理后的算式中，達到修正輸出圖像，使其更加接近于原始圖像的色彩分布。

由此，在理論中，引入了參量色彩恢復因子，符號為C，它是一個變量而不是常量，如式(10)所示：

(10)

式中C為參量色彩恢復因子，n為通道個數(shù)(同上文，若是灰度圖像n=1，若是RGB圖像則等于3)，h(·)為映射函數(shù)。

通常，映射函數(shù)一般取對數(shù)函數(shù)，則式(10)可以寫成：

(11)

于是MSRCR的算法如式(12)所示：

Ri(x,y)=Ci(x,y)×

(12)

算法流程如圖5所示。

圖5 MSRCR算法流程

對圖1進行MSRCR處理，效果如圖6所示。

圖6 MSRCR增強結果

4 結束語

針對輸電線路的可見光圖像增強，本文對三種典型的圖像增強算法進行實驗與分析，結果如下：

(1)在輸電線路巡線圖像領域中，與同態(tài)濾波和帶色彩恢復的多尺度的Retinex算法相比，直方圖均衡化的增強效果最不理想；

(2)同態(tài)濾波以及帶色彩恢復的多尺度的Retinex算法運行以及處理時間過長，速度以及時效性是這兩種算法的缺陷，在對處理速度要求較高的應用中需要對算法以及程序進行更深層次的優(yōu)化。

[1] 肖世杰．構建中國智能電網(wǎng)技術思考[J]．電力系統(tǒng)自動化，2009，33(9)：1-4．

[2] 阮秋琦．數(shù)字圖像處理學[M]，北京：電子工業(yè)出版社，2008．

[3] 岡薩雷斯．數(shù)字圖像處理[M]．阮秋琪，阮宇智,譯．北京：電子工業(yè)出版社，2005．

[4] 孫即祥．現(xiàn)代模式識別[M]．2版.北京：高等教育出版社，2008．

[5] 馬龍?zhí)?，張成義．基于MATLAB的同態(tài)濾波器的優(yōu)化設計[J]．應用光學，2010，31(4)：584-588．

[6] 陳霧．基于Retinex的圖像增強算法的研究[D]．南京：南京理工大學，2006．

[7] DJ J, Z R, GA W. Amultiscale retines for bridging the gap between color images and the human obscervation of scenes[J]. IEEE Trans on Image Processing, 1997,6(7): 965-976.

[8] 梁琳，何衛(wèi)平，雷蕾,等．光照不均圖像增強方法綜述[J]．計算機應用研究，2010，27(5) ：1625-1628．

Research on Enhanced Algorithm for State Monitoring Image of Electric Transmission Line

Wang Siyuan1， Wang Jinsheng2， Yan Xi1， Jiang Miao3， Sheng Gehao3

(1. State Grid Shandong Electric Power Company Jinan Power Supply Company, Jinan Shandong 250012, China;2. Zibo Power Supply Company of State Grid Shandong Electric Power Company, Zibo Shandong 255000, China;3. Shanghai Jiao Tong University, Shanghai 200240, China)

Smart aerial patrol based on flight device is able to avoid the inconvenience of traditional manual patrol and it becomes a new patrol method for electric transmission line. In order to eliminate the effect of light on the patrol line image and improve subsequent fault recognition accuracy, In this paper, aiming at this special dimension i.e. patrol of electric transmission line, it takes the visible image as the subject for study to conduct and compare the experiments of a variety of enhancement algorithms, and proposes an image enhancement algorithm that is adequate for image recognition and fault detection of the electric transmission line.

electric transmission line；state detection；image processing；histogram equalization；homomorphic filtering；Retinex

國家高技術研究發(fā)展計劃(863計劃) (2015AA050204)；國網(wǎng)山東省電力公司科技項目

10.3969/j.issn.1000-3886.2016.06.024

TP39;TP391.41

A

1000-3886(2016)06-0077-03

王思源(1979-)，男，山東濟南人，高級工程師，碩士，主要從事設備運行狀態(tài)管理、故障診斷分析、設備風險評估工作。 王金勝(1973-)，男，山東淄博人，工程師，碩士，主要從事設備運維、設備風險評估、配電自動化管理工作。 嚴璽(1984-)，女，山東濟南人，工程師，研究生，主要從事繼電保護檢修及故障診斷分析工作。 江淼(1990-)，男，安徽人，碩士生，研究方向為輸電線路在線監(jiān)測。 盛戈皞(1974-)，男，湖南人，副教授，博士，研究方向為電力設備智能化。

定稿日期: 2016-04-21