一種絕緣子串紅外圖像的特征提取方法研究

摘要：紅外測(cè)溫作為一種廣泛使用的設(shè)備運(yùn)行狀態(tài)檢測(cè)方式，它最大的特點(diǎn)是無(wú)需停電、操作便利、安全性高?，F(xiàn)以絕緣子串為例提出了一種紅外圖像的標(biāo)準(zhǔn)化處理方法，為后續(xù)變電站設(shè)備紅外圖像處理技術(shù)的應(yīng)用提供了方案。

關(guān)鍵詞：絕緣子;圖像處理;Hough變換

0? ? 引言

紅外熱像圖與可見(jiàn)光圖像相比，存在對(duì)比度低、熱度圖灰度差距小、圖像干擾噪聲大等問(wèn)題，它們會(huì)影響電力設(shè)備異常狀態(tài)判斷，經(jīng)過(guò)預(yù)處理后的紅外圖像不僅能夠?qū)﹄娏υO(shè)備灰度圖進(jìn)行濾波，消除設(shè)備內(nèi)部灰度異常點(diǎn)，而且可以在保護(hù)結(jié)構(gòu)邊緣不發(fā)生彌散的同時(shí)提升圖像質(zhì)量。預(yù)處理后的圖像，滿(mǎn)足特征提取的要求。

本文提出一種絕緣子串紅外圖像的特征提取方法，屬于紅外圖像的標(biāo)準(zhǔn)化處理方法，也適用于其他電力設(shè)備。

1? ? 絕緣子串的結(jié)構(gòu)及其紅外特征

文獻(xiàn)[1]中指出，正常絕緣子串的溫度從低壓端到高壓端呈不對(duì)稱(chēng)的馬鞍形分布，并且低值和零值故障主要通過(guò)鋼帽的溫度反映，污穢故障通過(guò)盤(pán)面的溫度反映。而故障絕緣子溫度異常必然會(huì)導(dǎo)致溫度分布曲線呈現(xiàn)一個(gè)極大峰值或極小谷值，根據(jù)此特點(diǎn)，提出分割絕緣子串中的鋼帽和盤(pán)面，利用溫度分布規(guī)律來(lái)判定絕緣子串是否存在故障或定位故障。

絕緣子串在紅外圖像中具有如下幾個(gè)特征：

（1）每片盤(pán)形懸式瓷絕緣子通過(guò)鋼腳串聯(lián)起來(lái)，各絕緣子等間距排列;

（2）紅外圖像中的單片絕緣子盤(pán)面?zhèn)纫晥D呈現(xiàn)橢圓形，鋼帽近似于矩形;

（3）不同線路電壓等級(jí)對(duì)應(yīng)不同數(shù)量的絕緣子串，一般110 kV線路有7～8片，220 kV線路有14～16片，500 kV線路有28～30片。

2? ? 特征提取標(biāo)準(zhǔn)化處理流程

基于上述絕緣子電氣及外形特征，筆者提出絕緣子紅外圖像特征提取方法，該方法能夠?qū)崿F(xiàn)自動(dòng)提取絕緣子盤(pán)面和鋼帽紅外圖像特征并在原圖中標(biāo)記。

2.1? ? 選取目標(biāo)矩形區(qū)域

特征提取的第一步是要排除干擾背景，盡量準(zhǔn)確地把要檢測(cè)的目標(biāo)設(shè)備從圖像中提取出來(lái)，隨后把各個(gè)部件分割出來(lái)。首先手動(dòng)選取四個(gè)頂點(diǎn)，形成目標(biāo)矩形區(qū)域。對(duì)于一幅m×n大小的紅外圖像，如圖1（a）所示，從原圖中提取目標(biāo)區(qū)域，本文利用RGB顏色空間和HSV顏色空間的轉(zhuǎn)換實(shí)現(xiàn)。RGB顏色空間和飽和度S的轉(zhuǎn)換關(guān)系為：

RGB顏色空間中，紅色分量在HSV空間中基于紅色飽和度維度值S=1的特點(diǎn)，設(shè)置合適的閾值，可以從圖中矩形區(qū)域提取出絕緣子串的邊界并填充邊界內(nèi)部區(qū)域，消除周?chē)臋M擔(dān)、構(gòu)架、導(dǎo)線等無(wú)關(guān)物件干擾。

2.2? ? Hough變換直線檢測(cè)

為將目標(biāo)旋轉(zhuǎn)到豎直方向，便于后續(xù)長(zhǎng)度特征統(tǒng)計(jì)，Hough變換前先將目標(biāo)設(shè)備骨架化，然后檢測(cè)特征點(diǎn)，最后使用Hough變換檢測(cè)其中最長(zhǎng)直線，并計(jì)算其傾斜角度作為目標(biāo)設(shè)備的角度用于旋轉(zhuǎn)。骨架化操作可以在描述物體形狀的前提下最大程度減少圖像冗余信息，Matlab提供了實(shí)現(xiàn)該操作的數(shù)學(xué)形態(tài)學(xué)函數(shù)Bwmorph。對(duì)圖1（a）進(jìn)行骨架化操作，如圖1（b）所示，特征點(diǎn)（在此定義為十字交叉的點(diǎn)）經(jīng)Hough變換后，直線檢測(cè)結(jié)果如圖1（c）所示，該直線與豎直方向之間的夾角為89°。

為校正紅外圖像中傾斜的絕緣子串，并保留旋轉(zhuǎn)后的坐標(biāo)信息，首先使用平移矩陣Mat-m將計(jì)算中心設(shè)定在圖像矩陣中心，以圖像矩陣中心為原點(diǎn)，利用旋轉(zhuǎn)矩陣Mat-r旋轉(zhuǎn)圖像使絕緣子串旋轉(zhuǎn)至豎直方向，如式（2）所示。

式中：α為之前求得的傾斜角度。

角度矯正后的圖像如圖2（d）所示。

2.3? ? 形態(tài)學(xué)操作去除干擾

Matlab形態(tài)學(xué)操作的對(duì)象是二值圖像，因此需首先將RGB彩色圖像進(jìn)行灰度化，然后再轉(zhuǎn)化為二值圖像。本文灰度化使用的公式如下：

式中：R、G、B為顏色分量;g為轉(zhuǎn)化后的灰度值，相當(dāng)于轉(zhuǎn)化后R=G=B。

二值化就是每個(gè)像素點(diǎn)的灰度值為0或者255，在灰度化的圖像中灰度值的范圍為0～255。從灰度圖像轉(zhuǎn)化為二值圖像使用最大類(lèi)間方差法，篇幅有限，不做詳細(xì)介紹，該方法原理是當(dāng)σ2取得最大值時(shí)，二值化的效果最好，此時(shí)對(duì)應(yīng)的k的取值即為最佳閾值gray_thresh，故在二值化后的圖像中灰度值范圍是0或者255。

變電站內(nèi)設(shè)備緊湊，拍攝時(shí)由于角度受限，主體設(shè)備容易被遮擋（如穿過(guò)設(shè)備的導(dǎo)線），就會(huì)影響二值化的效果，因此需要在二值化圖像上采用形態(tài)學(xué)操作去除小干擾，具體操作包括腐蝕、膨脹、開(kāi)操作和閉操作。設(shè)A為二值圖像，B為結(jié)構(gòu)元，定義A？茌B、A？苓B分別為B對(duì)A的膨脹操作與腐蝕操作。膨脹操作使目標(biāo)范圍變大，而腐蝕操作則縮小了目標(biāo)范圍，兩者變化的程度由結(jié)構(gòu)元B的形狀控制。若A先被B腐蝕，然后被B膨脹，則定義此操作為開(kāi)操作A？誘B;若A先被B膨脹，然后被B腐蝕，則定義此操作為閉操作A？誗B。對(duì)圖1（d）進(jìn)行形態(tài)學(xué)開(kāi)操作，去除目標(biāo)區(qū)域除右下角細(xì)小區(qū)域后如圖1（e）所示，圖像的輪廓變得光滑，濾除了噪聲。

2.4? ? 長(zhǎng)度特征統(tǒng)計(jì)

主體目標(biāo)的角度矯正到豎直方向后，可進(jìn)行目標(biāo)的長(zhǎng)度特性統(tǒng)計(jì)。依據(jù)設(shè)備相同部件水平方向上長(zhǎng)度一致或者連續(xù)、不同部件之間在水平方向上的長(zhǎng)度明顯不同或突變的規(guī)律，對(duì)設(shè)備目標(biāo)進(jìn)行長(zhǎng)度統(tǒng)計(jì)，從而分割設(shè)備不同部件。

絕緣子串盤(pán)面長(zhǎng)度較大，鋼帽長(zhǎng)度較小，并且其長(zhǎng)度頻數(shù)為整幅圖像峰值。

（1）設(shè)d為水平方向像素值連續(xù)為1的長(zhǎng)度，初始值d=0，設(shè)長(zhǎng)度統(tǒng)計(jì)空矩陣Dm×n;

（2）從左至右掃描第i行所有列j（j=1，2，3，…，n），d為該行中連續(xù)1出現(xiàn)的長(zhǎng)度，令D（i，j）=d，（i，j）為1終止處的坐標(biāo)，同時(shí)將長(zhǎng)度d歸零并繼續(xù)掃描，直至列結(jié)束;

（3）i=1，2，3，…，m，重復(fù)步驟（2）得完整矩陣Dm×n;

（4）設(shè)一維向量p，統(tǒng)計(jì)每個(gè)長(zhǎng)度d的頻數(shù)，其維度為d最大值;

（5）p中兩個(gè)極大值分別對(duì)應(yīng)鋼帽特征長(zhǎng)度dmao和盤(pán)面特征長(zhǎng)度dpan。

對(duì)圖1（e）中絕緣子串做長(zhǎng)度統(tǒng)計(jì)，較小的鋼帽特征長(zhǎng)度dmao=6，較大的盤(pán)面特征長(zhǎng)度dpan=14。

求得dmao和dpan后，結(jié)合矩陣Dm×n中記錄的長(zhǎng)度信息，在D（i，j）=dmao和D（i，j）=dpan=d處分別從右至左反向延伸對(duì)應(yīng)長(zhǎng)度。

2.5? ? 連通區(qū)域標(biāo)記

為將分割后的部件在原圖上標(biāo)記，需獲得每個(gè)部件的坐標(biāo)位置，可使用Matlab中bwlabel函數(shù)標(biāo)記每個(gè)連通區(qū)域，同時(shí)結(jié)合矩陣pix-i和pix-j中保存的行、列信息，將每個(gè)連通區(qū)域?qū)?yīng)的原圖坐標(biāo)保存于矩陣Panorg-i和Panorg-j（鋼帽亦同），分別得到圖1（f）和（g），最終分割結(jié)果如圖1（h）所示，鋼帽區(qū)域用藍(lán)色標(biāo)記，盤(pán)面區(qū)域用綠色標(biāo)記。

3? ? 結(jié)語(yǔ)

本文以500 kV絕緣子串為例說(shuō)明絕緣子的紅外圖像處理算法，220 kV、110 kV、35 kV絕緣子串在故障判斷準(zhǔn)則和圖像處理方法上本質(zhì)相同，其不同之處在于110 kV絕緣子串靠近橫擔(dān)的幾片以及35 kV全部絕緣子由于分布電壓都在6 kV以下，發(fā)熱功率不超過(guò)0.5 W，所以這部分絕緣子劣化狀況需要采用精度更高的儀器或者別的手段檢測(cè)。該套紅外圖像標(biāo)準(zhǔn)處理流程可以靈活適用于變電站內(nèi)包括絕緣子串、避雷器、斷路器、CT、CVT和高壓套管在內(nèi)的關(guān)鍵設(shè)備的部件分割提取。

[參考文獻(xiàn)]

[1] 胡世征.劣化絕緣子的發(fā)熱機(jī)理及熱象特征[J].電網(wǎng)技術(shù)，1997，21（10）：44-46.

[2] 金立軍，田治仁，高凱，等.基于紅外與可見(jiàn)光圖像信息融合的絕緣子污穢等級(jí)識(shí)別[J].中國(guó)電機(jī)工程學(xué)報(bào)，2016，36（13）：3682-3691.

[3] 胡淋波，姚建剛，孔維輝，等.基于紅外圖像的高壓絕緣子串自動(dòng)定位方法[J].紅外技術(shù)，2015，37（12）：1047-1051.

收稿日期：2020-06-11

作者簡(jiǎn)介：鐘藝晶（1990—），女，廣東梅州人，工程師，研究方向：變電運(yùn)行維護(hù)技術(shù)。