基于衛(wèi)星遙感影像的輸電線路異物故障特征分析

聶 鼎，黃 然，周仿榮，趙現(xiàn)平，沈 志

（1.云南電網(wǎng)有限責(zé)任公司電力科學(xué)研究院，云南 昆明 650200；2.云南電網(wǎng)有限責(zé)任公司帶電作業(yè)分公司，云南 昆明 650051）

0 引言

遙感監(jiān)測是綜合多種學(xué)科的一種探測技術(shù)，通過攝像和其他方式獲取被測目標(biāo)的影像和數(shù)據(jù)，由于其為區(qū)域地理環(huán)境研究從定性到定量、從靜態(tài)到動(dòng)態(tài)、從過程到模式的轉(zhuǎn)化和發(fā)展提供了條件，大力提高了監(jiān)測工作的廣度和質(zhì)量，節(jié)省人力、財(cái)力的特點(diǎn)［1］，該技術(shù)已在多個(gè)領(lǐng)域被廣泛應(yīng)用，是人們認(rèn)識(shí)世界的重要手段。

電力是國民正常生活和安全生產(chǎn)的重要保證，一旦發(fā)生無法安全運(yùn)行狀況，將給民眾和企業(yè)帶來重大損失。氣候變換和外來異物是影響輸電線路正常運(yùn)行的主要原因，如果異物一直懸掛在輸電線路上，可能會(huì)導(dǎo)致輸電線路斷裂，造成電力能源輸送中斷，給企業(yè)和居民帶來損失。以往采用的人工巡檢方式需要耗費(fèi)大量的人力和物力，在受到地理環(huán)境和氣候影響時(shí)，無法精確檢測輸電線路異物故障的情況［2］。新型的航拍技術(shù)是以機(jī)器人視覺技術(shù)為學(xué)科背景，將目標(biāo)技術(shù)應(yīng)用于輸電線路安全運(yùn)行的檢測中。應(yīng)用圖像處理和模式識(shí)別等多種理論，提取異物區(qū)域懸掛的信息，有效提高輸電線路巡檢的自動(dòng)化水平，具有穩(wěn)定性好和提取率高的特點(diǎn)［3］。

1 輸電線路異物故障特征分析算法

1.1 輸電特征節(jié)點(diǎn)的關(guān)鍵幀篩選

現(xiàn)代遙感航拍技術(shù)是依據(jù)人腦的工作原理分析影像并提取相關(guān)信息，為降低系統(tǒng)的計(jì)算量，同時(shí)保證航拍影像中的數(shù)據(jù)包含足夠多的輸電特征節(jié)點(diǎn)信息，對所有影像數(shù)據(jù)進(jìn)行關(guān)鍵幀的篩選，為保證后期異物故障檢測的準(zhǔn)確性，關(guān)鍵幀的準(zhǔn)確提取至關(guān)重要。因此在使用航拍影像對輸電線路進(jìn)行異物故障檢測之前，首先需要進(jìn)行關(guān)鍵幀篩選的設(shè)計(jì)。

傳統(tǒng)的歐式距離篩選法、直方圖篩選等方法篩選后的圖像幀仍然存在較高的信息冗余度［3-5］，且篩選結(jié)果容易受到噪聲干擾，穩(wěn)定性差，因此，本文采用預(yù)估漂移區(qū)域法對圖像關(guān)鍵幀進(jìn)行篩選。

選取閾值t，令di＞t 對應(yīng)的幀為初始的關(guān)鍵幀集合。再將初始集合的每一幀劃分為4 個(gè)等面積的區(qū)域，分別記為區(qū)域Ⅰ、Ⅱ、Ⅲ、Ⅳ。計(jì)算目標(biāo)在各區(qū)域的面積，通過目標(biāo)與區(qū)域的比值來去除背景因素對預(yù)估漂移范圍的干擾，剔除非目標(biāo)區(qū)域。使用預(yù)估漂移范圍進(jìn)行關(guān)鍵幀的篩選，記第i 幀中標(biāo)記目標(biāo)窗口為Si，則在第i+1 幀相同位置選取漂移位置M 倍的范圍內(nèi)進(jìn)行搜索，若搜索到的目標(biāo)區(qū)域面積Sy滿足式（2）條件，則保留該幀，否則刪除掉候選的關(guān)鍵幀。

預(yù)估漂移區(qū)域算法能夠有效選取漂移范圍內(nèi)變化的目標(biāo)，通過目標(biāo)區(qū)域面積比能夠剔除變化程度較小的圖像幀，在保證關(guān)鍵幀信息可代表性的同時(shí)精簡冗余信息量。

1.2 輸電特征節(jié)點(diǎn)的區(qū)域分割

通過預(yù)估漂移區(qū)域法對關(guān)鍵幀進(jìn)行篩選后，需要對目標(biāo)所在的區(qū)域進(jìn)行提取，在計(jì)算目標(biāo)特征時(shí)可以只考慮提取區(qū)域的特征點(diǎn)，從而能夠有效地減少算法的運(yùn)算量，且提取后的區(qū)域?qū)Ξ愇镎趽醯仍肼暰哂恤敯粜?。采用Mean Shift 算子對當(dāng)前關(guān)鍵幀中的區(qū)域進(jìn)行分割提取。

Mean Shift 算法是一種有效的統(tǒng)計(jì)迭代算法，通過對核密度函數(shù)梯度的迭代跟蹤計(jì)算使得每一個(gè)點(diǎn)xi“漂移”到特征空間模式點(diǎn)。從特征空間的任一點(diǎn)開始，按照迭代公式，每個(gè)點(diǎn)都將會(huì)到達(dá)某一個(gè)模式點(diǎn)，具體迭代公式與算法流程參見文獻(xiàn)［6］。由于特征空間的模式是有限的，所以會(huì)有許多個(gè)點(diǎn)都移動(dòng)到同一個(gè)模式點(diǎn)，這些點(diǎn)以及這些點(diǎn)移動(dòng)到模式點(diǎn)的路徑都用模式點(diǎn)進(jìn)行標(biāo)記，這樣圖像就可以被分為許多的小區(qū)域，然后再根據(jù)這些小區(qū)域?qū)﹃P(guān)鍵幀中的像素點(diǎn)進(jìn)行聚類、合并，從而實(shí)現(xiàn)關(guān)鍵幀的區(qū)域分割。

1.3 異物特征點(diǎn)的提取及檢測

傳統(tǒng)的電力線路及異物提取方法有Ratio 算法提取，F(xiàn)reeman 鏈碼算法提取輸電線路，并通過SIFT、SURF、FAST 方法提取特征異物點(diǎn)，但傳統(tǒng)算法所得輸電線路檢測成果并不突出，常存在過多噪聲，掩蓋了提取目標(biāo)及特征。此外，近年來興起的FAST 算子［7］特征點(diǎn)處理速度為SIFT 算子的100 倍，是SURF 算子的10 倍，因此，本文選用其進(jìn)行異物特征的提取與檢測。

FAST 算子為角點(diǎn)檢測算子，在特征點(diǎn)檢測方面具有快速性。檢測的過程如下：對候選點(diǎn)p 選取半徑為r 的區(qū)域作為其鄰域，計(jì)算點(diǎn)p 與鄰域各點(diǎn)的差值（選用全色數(shù)據(jù)矩陣），記差值大于閾值t 的點(diǎn)的數(shù)目為N，當(dāng)N 大于設(shè)定的下限時(shí)，則判斷該點(diǎn)為FAST 特征點(diǎn)。

確定了特征描述后，整個(gè)輸電線路的異物檢測步驟為：

1）首先采用預(yù)估漂移區(qū)域算法選取遙感影像中的關(guān)鍵幀；

2）對每一幀進(jìn)行如下操作：采用Mean Shift 算子對關(guān)鍵幀進(jìn)行區(qū)域分割，提取不同區(qū)域的FAST特征，將正常輸電線路的特征點(diǎn)存入目標(biāo)特征庫，若發(fā)現(xiàn)新的FAST 特征，則存入異物特征集合，并對該區(qū)域進(jìn)行標(biāo)記。

1.4 方法論證

為了驗(yàn)證所提算法的有效性，選取3 處輸電線路對應(yīng)的遙感數(shù)據(jù)集，包含了120 d 拍攝的遙感影像集（周期為1 天），采用傳統(tǒng)的歐式距離法、預(yù)估漂移區(qū)域改進(jìn)法（不同倍數(shù)M）分別進(jìn)行關(guān)鍵影像的提取，實(shí)驗(yàn)結(jié)果如表1 所示。

表1 關(guān)鍵影像提取準(zhǔn)確率比較

由表1 可知，當(dāng)漂移區(qū)域的倍數(shù)取1.4 時(shí)，所得到的關(guān)鍵幀的準(zhǔn)確率更高（用于計(jì)算準(zhǔn)確率的真實(shí)關(guān)鍵幀為人工選取）。

2 試驗(yàn)場實(shí)際異物提取

為驗(yàn)證影像對電網(wǎng)高壓線路異物提取算法有效性，在某省電網(wǎng)試驗(yàn)場布置了不同種類高壓線異物附著場景如圖1 所示，包括塑料袋、鳥窩、斷股散股等異物。

圖1 試驗(yàn)場現(xiàn)場

為驗(yàn)證通過該算法提取輸電線路異物的效果，實(shí)驗(yàn)采用Worldview3 遙感影像數(shù)據(jù)進(jìn)行輸電線路異物提取，在Mean Shift 算法中選用的特征空間為數(shù)據(jù)的全色數(shù)據(jù)、多光譜數(shù)據(jù)以及紅外數(shù)據(jù)的結(jié)合，對應(yīng)的特征空間為5 維的特征空間。

通過2018-11-13 拍攝的衛(wèi)星數(shù)據(jù)進(jìn)行觀測，遙感影像如圖2～3 所示，從圖上可以清晰地分辨出實(shí)驗(yàn)場地的輸電塔桿，基于Worldview3 的衛(wèi)星影像可以提取出試驗(yàn)場地高壓線上的疑似異物，目前可提取出疑似鳥窩、疑似塑料袋等。

圖2 Worldview3 衛(wèi)星拍攝的實(shí)驗(yàn)場地

圖3 Worldview3 試驗(yàn)場預(yù)處理后

圖4 為經(jīng)過處理之后的裁剪出的試驗(yàn)場鐵塔圖，圖片中可以清晰分辨出鐵塔，并且可隱約看到電線的脈絡(luò)；對圖像進(jìn)行增強(qiáng)算法處理，可以更為清晰地辨識(shí)圖像，更好識(shí)別電線鐵塔和異物分布，由圖可見效果較為清晰。

圖4 Worldview3 試驗(yàn)場鐵塔疑似異物提取

3 結(jié)語

所提出的基于遙感影像的輸電線路異物故障特征分析算法具有極高的有效性，較傳統(tǒng)算法提取的特征點(diǎn)準(zhǔn)確度更高。在輸電線路航拍的關(guān)鍵幀集合中，任意選擇異物出現(xiàn)的圖像，并進(jìn)行標(biāo)記，保留大于閾值的像素點(diǎn)，篩選完整的異物區(qū)域，并標(biāo)出目標(biāo)位置的變化情況，研究算法在某省電網(wǎng)試驗(yàn)場進(jìn)行試驗(yàn)，試驗(yàn)結(jié)果與實(shí)際相符。采用所提算法后可以識(shí)別出輸電線路上的疑似異物，如疑似鳥窩、疑似塑料袋等異物，實(shí)現(xiàn)了對輸電線路微小形變的檢測提取工作，并取得了較為理想的效果，可以為有效解決異物故障的問題提供參考依據(jù)。