基于Canny邊緣檢測算法的絕緣子缺陷圖像處理方法

石冬陽 張俊林 卿源華 賈 兵 林 契

(重慶科技學(xué)院 電氣工程學(xué)院，重慶 401331)

0 前 言

輸電線路連接塔的絕緣子是輸電線路中極其重要的電氣元件，對保證電力運行的安全性、穩(wěn)定性和可靠性發(fā)揮了至關(guān)重要的作用[1-2]。當(dāng)絕緣子發(fā)生嚴(yán)重故障時，有可能會導(dǎo)致電網(wǎng)癱瘓，給輸電線路的安全運行帶來極大的隱患[3-6]。自爆現(xiàn)象是絕緣子在運行中的常見故障，及時發(fā)現(xiàn)并研究絕緣子自爆現(xiàn)象對維護電網(wǎng)的正常運行具有非常重要的意義。研究表明，絕緣子自爆的原因分為自身原因與外部原因。自身原因主要是指絕緣子自身材料問題。例如，玻璃絕緣子內(nèi)部含有雜質(zhì)顆粒，在運行中逐漸出現(xiàn)相變，受冷熱沖擊的影響發(fā)生質(zhì)變而導(dǎo)致破裂。外部原因主要是在積污、受潮和電場的作用下，絕緣子表面泄露電流過大，產(chǎn)生部分干帶，干帶位置發(fā)生空氣擊穿時將損傷絕緣表面，當(dāng)損傷嚴(yán)重時將出現(xiàn)裂縫，導(dǎo)致絕緣子自爆。絕緣子自爆的原因多種多樣，亟需一種簡單高效的檢測方法。

針對無人機拍攝的絕緣子圖像，利用圖像處理技術(shù)對絕緣子的進行目標(biāo)提取[7]，但如何選用簡單高效的缺陷處理方法成為一大難點。為了檢測輸電線路絕緣子的自爆缺陷，文獻[2]建立YOLOv2深度學(xué)習(xí)模型，實現(xiàn)了對絕緣子特征的準(zhǔn)確識別。在故障診斷模型中，主要采用傳統(tǒng)Canny邊緣檢測算法對絕緣子進行邊緣檢測，其背景噪聲處理效果較差。文獻[8]中首先通過YOLO網(wǎng)絡(luò)定位絕緣子在圖像中的位置，然后基于顯著性檢驗提取絕緣子掩碼，最后利用水平投影找尋絕緣子在圖像中缺失的信息，但最終無法確定絕緣子的外觀輪廓。文獻[9]中提出將圖像從RGB空間轉(zhuǎn)換到HSI空間的方法來實現(xiàn)絕緣子自爆診斷，但檢測方法仍需優(yōu)化，檢測效率仍需進一步提高。文獻[10]中提出一種基于粒子群參數(shù)優(yōu)化的蟻群算法來檢測其缺陷數(shù)量及缺陷位置，使用橢圓擬合絕緣子外觀輪廓，但絕緣子的真實邊緣細(xì)節(jié)難以得到有效呈現(xiàn)。

1 缺陷檢測模型的構(gòu)建

基于以上絕緣子自爆檢測方法存在的問題，提出一種針對絕緣子自爆缺陷的圖像處理方法，即采用新型Canny邊緣檢測算法、Radon直線檢測算法、圖像旋轉(zhuǎn)算法和垂直投影算法來實現(xiàn)絕緣子自爆缺陷識別。輸電線路絕緣子缺陷圖像處理模型如圖1所示。

圖1 輸電線路絕緣子缺陷圖像處理模型

1.1 傳統(tǒng)Canny邊緣檢測

傳統(tǒng)Canny邊緣檢測算法的實現(xiàn)主要基于以下3個基本目標(biāo)：(1)檢測到的邊緣必須具有真實性，避免錯檢、漏檢等現(xiàn)象的發(fā)生[11]；(2)檢測到的目標(biāo)點與真實邊緣中心點的距離應(yīng)盡可能?。?3)原圖中的真實邊緣應(yīng)只被標(biāo)記一次。下面為傳統(tǒng)Canny邊緣檢測算法的一般步驟。

1.1.1 高斯濾波平滑圖像

傳統(tǒng)Canny邊緣檢測算法使用高斯濾波器來減輕噪聲的影響，對圖像進行卷積處理，濾除圖像中的噪聲[12-13]。選用的高斯分布函數(shù)為：

(1)

式中：σ為高斯濾波器的參數(shù)，需要根據(jù)圖像處理的實際情況選擇合適的參數(shù)，從而影響高斯濾波質(zhì)量。

原圖像I(x，y)與高斯分布函數(shù)G(x，y)卷積后得到圖像H(x，y)：

H(x，y)=G(x，y)×I(x，y)

(2)

1.1.2 計算梯度幅值與方向

傳統(tǒng)Canny邊緣檢測算法通過計算尋找圖像像素強度變化最大的位置，梯度方向很好地表示了強度變化的方向[14]。其中，像素點(i，j)在兩個方向的偏導(dǎo)數(shù)Wx(i，j)和Wy(i，j)分別為：

Wx(i，j)=(I(i，j+1)-I(i，j)+

I(i+1，j+1)-

I(i+1，j))/2

(3)

Wy(i，j)=(I(i，j)-I(i+1，j)+I(i，j+1)-

I(i+1，j+1))/2

(4)

此時，像素點(i，j)的梯度幅值W(i，j)和梯度方向θ(i，j)分別為：

(5)

(6)

1.1.3 非極大值抑制

非極大值抑制的操作過程一般為先確定梯度方向的非零點，然后沿著該點的方向?qū)?shù)尋找鄰近的兩個點進行比較。非極大值抑制很好地抑制了偽邊緣像素點，并保留了真實有用的邊緣信息[15]。

1.1.4 雙閾值檢測和連接邊緣

雙閾值檢測是指設(shè)定一個高閥值和一個低閥值來區(qū)分邊緣像素，可以用來確定真實的和潛在的邊緣。如果某一像素點的梯度值介于高、低兩個閥值之間，則需判斷其8個相鄰區(qū)域中是否存在超過高閥值的邊緣像素值。如果存在，則保留；如果不存在，則舍棄。

1.2 Radon直線檢測

一條直線在笛卡爾坐標(biāo)系中可以由斜截式來表示，如y=ax+b，其中a是斜率，b是截距；或者也可通過其法線(即極坐標(biāo))來描述，xcosθ+ysinθ=ρ，其中，ρ是該直線與原點之間的距離，θ是切線斜率。根據(jù)直線的平移和旋轉(zhuǎn)特征，平行放射線束的投射可由一組平行線模型來實現(xiàn)，而沿著直線xcosθ+ysinθ=ρ的射線能夠得出投射數(shù)據(jù)中的任何一點。設(shè)p(x，y)為定位在平面圖上常見的任何連續(xù)函數(shù)，則Radon變換定位如下：

Radon(p(x，y))=λ(ρ，θ)

=?f(x，y)δ(xcosθ+

ysinθ-ρ)dxdy

(7)

式中：λ(ρ,θ)表示Radon變換結(jié)果；沖擊函數(shù)δ()只有在其變量為0時才為無窮大值，其積分值為1。

當(dāng)x、y的數(shù)據(jù)處于離散狀況時，Radon變換定位如下：

Radon(p(x，y))=λ(ρ，θ)

ysinθ-ρ)

(8)

式中：m、n分別為圖像的高度、寬度。

1.3 圖像水平旋轉(zhuǎn)

對絕緣子圖像進行直線檢測后，需要對絕緣子邊緣檢測圖像進行水平旋轉(zhuǎn)。取直線檢測結(jié)果中若干條直線斜率的平均值作為水平旋轉(zhuǎn)角度，常用的計算公式如下：

(9)

式中：hi為直線的斜率;n為檢測直線的數(shù)量。

1.4 垂直投影

垂直投影能夠很好地反映物體形狀變化的規(guī)律，是物體缺陷識別的重要方式。對絕緣子邊緣圖像進行垂直投影，可以清楚地看到邊緣圖像的變化情況，定位絕緣子自爆位置。若絕緣子的邊緣檢測圖像受高斯等噪聲的影響較嚴(yán)重，就會影響到垂直投影圖像的處理效果，從而難以確定絕緣子自爆位置。

2 傳統(tǒng)Canny邊緣檢測算法的改進

為了避免圖像濾波效果較差、不能自適應(yīng)調(diào)整高斯函數(shù)方差等問題，采用自適應(yīng)平滑濾波取代高斯濾波。自適應(yīng)平滑濾波的基本思想是采用一個小的加權(quán)平均函數(shù)和原圖像像素值進行迭代卷積，使每個像素的加權(quán)系數(shù)根據(jù)計算結(jié)果發(fā)生相應(yīng)變化。同時，可以增加迭代次數(shù)，使處理前后圖像的均方差得到一定程度的減小。圖像均方差如式(7)所示。圖像均方差的減小會引起圖像峰值信噪比的增大，圖像峰值信噪比越大，圖像質(zhì)量越好，噪聲含量與失真程度越低。設(shè)f(i，j)為輸入圖像，(i，j)為像素坐標(biāo)，進行一次迭代的步驟如下：

(1)確定梯度向量：

(10)

(11)

(2)確定模板系數(shù)：

(12)

式中：k為主參數(shù)。在運算前必須設(shè)置k值，大量實驗結(jié)果表明k取10時，突變邊緣的效果最好，故k的賦值為10。

(3)fn(i，j)為第n次迭代后的圖像，對其進行加權(quán)平均：

(13)

均方差MSE為：

(14)

式中：I(i，j)為初始噪聲圖像；K(i，j)為去噪后的圖像。

3 仿真驗證

3.1 改進前后檢測效果對比

采用Matlab R2020a分別對3種絕緣子進行仿真實驗，并在絕緣子原圖中添加均值為0、方差為0.1的高斯噪聲，對比改進前后Canny邊緣檢測效果。添加高斯噪聲后的圖像如圖2 a、圖3 a、圖4 a所示。設(shè)定高、低閾值分別為0.066、0.031，傳統(tǒng)Canny邊緣檢測結(jié)果如圖2 b、圖3 b、圖4 b所示，新型Canny邊緣檢測結(jié)果如圖2 c、圖3 c、圖4 c所示。

圖2 棒型懸式自爆絕緣子實驗結(jié)果(實驗1)

圖3 雙串雙傘/鐘罩型自爆絕緣子實驗結(jié)果(實驗2)

圖4 瓷質(zhì)懸式絕緣子實驗結(jié)果(實驗3)

3.2 實驗結(jié)果對比分析

從觀察的角度分析，利用傳統(tǒng)Canny邊緣檢測算法處理高斯噪聲圖像效果較差，大量高斯噪聲沒有被濾除，而利用新型Canny邊緣檢測算法能夠達到較好的效果。從定量的角度分析，在圖像處理中通常采用峰值信噪比來評價圖像的處理效果，其值越大，圖像處理效果越好，噪聲因子越低，失真程度越低。圖像峰值信噪比通常通過均方差與圖像灰度級進行定義：

(15)

MAX=2B-1

(16)

式中：PSNR是峰值信噪比；MAX是圖像灰度級；B是編碼一個像素所用的二進制位數(shù)，B=8。

以上述3組實驗為例，利用改進前后Canny邊緣檢測算法對圖像峰值信噪比進行測試，通過取不同的迭代次數(shù)將得到的峰值信噪比以折線圖的形式呈現(xiàn)出來，如圖5所示。

由圖5可知，利用傳統(tǒng)Canny邊緣檢測算法取不同迭代次數(shù)時，圖像峰值信噪比變化較小，沒有得到明顯提升。利用新型Canny邊緣檢測算法取不同迭代次數(shù)時，圖像峰值信噪比呈不斷增長的趨勢，當(dāng)?shù)螖?shù)取5和6時圖像峰值信噪比趨于穩(wěn)定，當(dāng)?shù)螖?shù)取6時達到理想效果，圖像峰值信噪比得到一定程度的提升。

圖5 單樣本圖像峰值信噪比對比

為了驗證改進算法的普適性，另取30組測試樣本進行仿真實驗，其中包含10組棒型懸式自爆絕緣子、10組雙串雙傘/鐘罩型自爆絕緣子和10組瓷質(zhì)懸式絕緣子。對改進前后圖像峰值信噪比平均值進行對比分析，得到相同的結(jié)論，如圖6所示。當(dāng)?shù)螖?shù)為6時，改進后的圖像峰值信噪比平均值比改進前增加了1.8 dB，說明新型Canny邊緣檢測算法具有廣泛適用性。

圖6 多樣本圖像峰值信噪比平均值

3.3 改進前后模型垂直投影效果對比

當(dāng)絕緣子圖像存在較多高斯噪聲時，利用傳統(tǒng)Canny邊緣檢測算法的處理效果較差，大量高斯噪聲沒有被濾除，嚴(yán)重影響了垂直投影的效果，無法準(zhǔn)確定位自爆絕緣子缺陷位置。傳統(tǒng)Canny邊緣檢測算法的垂直投影圖如圖7所示。新型Canny邊緣檢測算法的垂直投影圖如圖8所示。

由圖7可知，由于高斯噪聲的干擾，垂直投影波形出現(xiàn)嚴(yán)重的失真現(xiàn)象，波形變化毫無規(guī)律，很難從波形中定位絕緣子串自爆位置。由圖8可知，正常絕緣子串的垂直投影圖像幅值在一定范圍內(nèi)上下波動，但絕緣子長度為370～400 mm的垂直投影圖像出現(xiàn)了異常波動，表明該處絕緣子存在自爆問題，檢測結(jié)果與實際情況一致。

圖7 傳統(tǒng)Canny邊緣檢測算法的垂直投影圖

圖8 新型Canny邊緣檢測算法的垂直投影圖

4 結(jié) 語

針對傳統(tǒng)Canny邊緣檢測算法在濾波效果上的缺陷，采用自適應(yīng)平滑濾波取代高斯濾波，以提升圖像抗噪性能。選取30組多樣本圖像峰值信噪比平均值進行對比，結(jié)果表明新型Canny邊緣檢測算法具有普適性。本次研究對象為無背景下的絕緣子圖像，在邊緣檢測結(jié)果中加入高斯噪聲進行實驗，不足之處是尚未解決復(fù)雜背景下的絕緣子自爆檢測問題。創(chuàng)新之處在于，運用了新型Canny邊緣檢測算法，增強了傳統(tǒng)Canny邊緣檢測算法的濾波性能，在垂直投影中有效地避免了波形失真的情況出現(xiàn)，能更準(zhǔn)確地判定絕緣子串是否發(fā)生自爆以及發(fā)生自爆的位置?；趶?fù)雜背景下，如何濾除絕緣子目標(biāo)之外環(huán)境噪聲的干擾是一大難點，也是未來研究的重點內(nèi)容之一。