基于自適應(yīng)開關(guān)中值濾波的輸電線路覆冰厚度檢測(cè)研究

韓興波,王 杰,孫 鵬,邢 鑌,蔣興良

(1.重慶交通大學(xué) 機(jī)電與車輛工程學(xué)院, 重慶 400074;2.重慶工業(yè)大數(shù)據(jù)創(chuàng)新中心有限公司, 重慶 400707;3.重慶大學(xué) 輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室, 重慶 400044)

0 引言

目前,我國已建成世界上規(guī)模最大的電網(wǎng)系統(tǒng),輸電線路巡檢正走向智能化。完善的檢測(cè)技術(shù)是輸電線路安全、穩(wěn)定運(yùn)行的基礎(chǔ),也是智能電網(wǎng)的重要組成部分。輸電線路所經(jīng)過區(qū)域受到高濕、低溫等復(fù)雜情況的影響會(huì)產(chǎn)生覆冰[1-4],嚴(yán)重時(shí),會(huì)導(dǎo)致塔架倒塌、斷線、線路竄動(dòng)、絕緣子閃絡(luò)等故障,造成線路運(yùn)行中斷,給人們?nèi)粘Ｉ詈蜕a(chǎn)活動(dòng)帶來極大的影響,造成巨大的經(jīng)濟(jì)損失[5-8]。因此,能夠?qū)崟r(shí)且有效地檢測(cè)出輸電線路的覆冰厚度變得十分重要。

在基于圖像識(shí)別的輸電線路覆冰厚度檢測(cè)研究中,郝艷捧等[9]提出了基于小波分析的輸電線路覆冰厚度檢測(cè),通過多尺度小的波邊緣檢測(cè),并結(jié)合Hough變換直線檢測(cè),計(jì)算出輸電線路覆冰厚度。Michael等[10]提出了在復(fù)雜背景下檢測(cè)覆冰導(dǎo)線的方法,其原理是先將導(dǎo)線覆冰圖像進(jìn)行去噪處理,再使用Canny算子檢測(cè)導(dǎo)線覆冰邊緣,最后通過 Hough 變換檢測(cè)出圖像中的覆冰導(dǎo)線。Ceron 等[11]提出了一種檢測(cè)覆冰導(dǎo)線的方法,通過Canny 算子邊緣檢測(cè)方法提取導(dǎo)線邊緣,然后結(jié)合循環(huán)搜索,連接或分割圖像中的覆冰導(dǎo)線。如今,圖像識(shí)別技術(shù)發(fā)展迅猛,在其領(lǐng)域內(nèi)有著廣泛應(yīng)用,其具有效率高、準(zhǔn)確率高、成本低等優(yōu)點(diǎn),但由于圖像識(shí)別技術(shù)的更新迭代,當(dāng)前大部分基于圖像識(shí)別的輸電線路覆冰厚度檢測(cè)技術(shù)依然存在泛化能力和適應(yīng)性差的問題。為此,基于渝東地區(qū)采集到的數(shù)據(jù),展開輸電線路覆冰厚度檢測(cè)研究,考慮不同時(shí)段覆冰導(dǎo)線圖像受霧的干擾不同,提出自適應(yīng)開關(guān)中值濾波[12-13]的圖像去噪方法。本文方法對(duì)去噪后的圖像利用Otsu閾值分割法[14- 15]求出最優(yōu)閾值并分割出二值圖,基于預(yù)處理后的圖像運(yùn)用優(yōu)化Canny算子[16-18]進(jìn)行邊緣檢測(cè),并對(duì)覆冰前后導(dǎo)線的像素面積進(jìn)行分析計(jì)算,結(jié)合計(jì)算結(jié)果提出導(dǎo)線等值覆冰厚度計(jì)算公式。本文研究?jī)?nèi)容可為輸電線路覆冰圖像的實(shí)施檢測(cè)、分析提供技術(shù)參考。

1 圖像預(yù)處理

1.1 自適應(yīng)開關(guān)中值濾波

在輸電線路覆冰厚度檢測(cè)中,去除圖像噪聲、減少干擾、突出邊緣信息十分重要。中值濾波作為一種非線性濾波算法,能在消除背景噪聲的同時(shí)完好地保留其邊緣的信息。因此,基于中值濾波方法提出了自適應(yīng)開關(guān)中值濾波,以適用于復(fù)雜情況下的導(dǎo)線覆冰圖像處理。

1.1.1 中值濾波

中值濾波原理是將數(shù)列(x1,x2,…,xn)按照從小到大的順序排列,當(dāng)n為奇數(shù)時(shí),中值即可作為輸出值;y=med(x1,x2,…,xn)

(1)

式中:xi為像素點(diǎn)的灰度值;med(x1,x2,…,xn)為數(shù)列(x1,x2,…,xn)的中值。

當(dāng)n為偶數(shù)時(shí),取數(shù)列(x1,x2,…,xn)中間兩值的平均值作為輸出值。

1.1.2 開關(guān)中值濾波

圖像中的鄰近點(diǎn)之間有密切的聯(lián)系,某一點(diǎn)的灰度值與鄰近點(diǎn)的灰度值相差不大(噪聲除外)。圖像中的某一個(gè)像素點(diǎn),如果其領(lǐng)域內(nèi)的灰度值與該點(diǎn)灰度值相近,則說明該像素點(diǎn)是有效的信號(hào)點(diǎn);反之,如果其領(lǐng)域內(nèi)的灰度值遠(yuǎn)大于或遠(yuǎn)小于該點(diǎn)灰度值,則說明該像素為噪聲。因此,在中值濾波的基礎(chǔ)上,加上對(duì)噪聲N與信號(hào)S的判斷,其標(biāo)準(zhǔn)如下:如果某像素點(diǎn)的灰度值是其領(lǐng)域內(nèi)的最大或最小灰度值,那么該像素點(diǎn)為噪聲;反之,則為信號(hào)點(diǎn)。即

設(shè)yij表示輸出圖像,去噪方法可表示為:

(3)

式中:min(W[xi, j])為對(duì)窗口內(nèi)所有點(diǎn)取最小值;max(W[xi, j])為對(duì)窗口內(nèi)所有點(diǎn)取最大值。

對(duì)每個(gè)像素點(diǎn)進(jìn)行窗口檢測(cè),如果該像素點(diǎn)的灰度值是鄰域內(nèi)的最大值或最小值,則取中值代替該像素點(diǎn)的灰度值,否則對(duì)該像素不做處理。

1.1.3 自適應(yīng)開關(guān)中值濾波

在使用開關(guān)中值濾波處理圖像時(shí),像素點(diǎn)檢測(cè)的窗口大小,即濾波核(ksize)的選取十分重要。若濾波核過小,圖像的噪聲處理效果不佳;若濾波核過大,則會(huì)造成圖像的失真。針對(duì)該問題,提出自適應(yīng)開關(guān)中值濾波的方法。

采用開關(guān)中值濾波方法對(duì)覆冰導(dǎo)線圖像進(jìn)行去噪處理時(shí),若采用大小不合適的濾波核,邊緣檢測(cè)出的導(dǎo)線覆冰邊緣會(huì)存在斷點(diǎn)和不連續(xù)的問題,使得在計(jì)算覆冰導(dǎo)線面積值時(shí)會(huì)出現(xiàn)面積值為0或者小于未覆冰導(dǎo)線面積值的情況,顯然出現(xiàn)這種情況是不合理的。因此,將濾波核的初始值i設(shè)置為3,利用本文的覆冰導(dǎo)線面積計(jì)算方法,若得出S2S1,輸出i,得出最佳的濾波核大小。以上述方法得出的i適用于不同時(shí)間段的覆冰導(dǎo)線圖像,即為自適應(yīng)開關(guān)中值濾波。

1.2 Otsu閾值分割

Otsu算法是一種自適應(yīng)的圖像灰度閾值分割算法,可以有效地分割圖像中灰度值相差較大的2部分。由于覆冰導(dǎo)線圖像中背景圖像的灰度值低,導(dǎo)線的灰度值高,因此Otsu算法可以用來取得分割出導(dǎo)線部分的最優(yōu)閾值。獲取最優(yōu)閾值的具體步驟如下:

(4)

式中:μT為整幅圖像的灰度統(tǒng)計(jì)平均值;μ0為A類的灰度統(tǒng)計(jì)平均值;μ1為B類的灰度統(tǒng)計(jì)平均值;μ02為A類的類內(nèi)方差;μ12為B類的類內(nèi)方差。圖像中含有灰度級(jí)個(gè)數(shù)為N,h(i)為灰度級(jí)為i的像素點(diǎn)的個(gè)數(shù),則其各灰度級(jí)的概率可表示為:

(5)

若令P(A)=ω(K),則相應(yīng)的均值和方差統(tǒng)計(jì)值為:

(6)

(7)

考慮求2個(gè)類的均值比求方差計(jì)算簡(jiǎn)單,因此可選擇η作為類分離性的度量標(biāo)準(zhǔn),可表示為:

(8)

(9)

由于閾值k和整個(gè)圖像的方差無關(guān),因此,灰度圖中使類間方差最大的閾值k即為最優(yōu)閾值。其閾值分割圖像如圖1所示。

圖1 Otsu閾值分割圖像

2 邊緣檢測(cè)

2.1 Canny算子

Canny算子邊緣檢測(cè)方法具有低失誤率、高位置精度和單像素邊緣等優(yōu)點(diǎn),因此選擇在Canny算子的基礎(chǔ)上進(jìn)行輸電線路邊緣檢測(cè)的研究。Canny算子邊緣檢測(cè)的步驟如下:

1) 計(jì)算梯度的大小和圖像的方向。把2×2模板用于計(jì)算灰度圖像的梯度大小和梯度方向。其中,(i,j)點(diǎn)的灰度值為I(i,j),則水平和垂直方向的梯度大小為:

(10)

(11)

此時(shí),點(diǎn)(i,j)處的梯度大小G(i,j)、梯度方向θ(i,j)分別為:

(12)

(13)

2) 對(duì)梯度大小的非極大值抑制操作使用3×3模板窗口用于梯度幅度圖G(i,j)中的小鄰域,并將中心像素與其在梯度方向上的鄰居進(jìn)行比較。 如果中心像素的值不大于沿梯度方向的相鄰像素的值,則將其設(shè)置為零;否則就是一個(gè)局部最大值,將其保留。

3) 雙閾值法檢測(cè)與邊緣連接。設(shè)置高閾值和低閾值用于提取非極大值抑制后的圖像,以去除虛假邊緣并將不連續(xù)的邊緣連接。 如果邊緣點(diǎn)的梯度值在非極大值抑制后仍大于高閾值,則保留并設(shè)置為邊緣點(diǎn);如果梯度值小于低閾值,則去除;與邊緣點(diǎn)相鄰且在高低閾值之間梯度值,判斷其八另鄰域中是否存在大于高閾值的邊緣像素,如果存在則保留為邊緣點(diǎn),否則移除。

2.2 優(yōu)化Canny算子

優(yōu)化的思路是利用中值濾波代替高斯濾波對(duì)圖像進(jìn)行去噪處理;通過Otsu閾值分割法求出的最優(yōu)閾值k設(shè)置為高閾值,k/2設(shè)置為低閾值,以此高低閾值進(jìn)行雙閾值抑制。

優(yōu)化Canny算子邊緣檢測(cè)的步驟為:

1) 輸入需要檢測(cè)邊緣的圖像;

2) 圖像灰度化和自適應(yīng)中值濾波去噪;

3) 用Otsu閾值分割法求得最優(yōu)閾值k,并畫出二值圖;

4) 以k作為高閾值,k/2作為低閾值,使用Canny邊緣檢測(cè);

5) 得到邊緣檢測(cè)圖。

優(yōu)化Canny算子邊緣檢測(cè)流程如圖2所示。

圖2 優(yōu)化Canny算子邊緣檢測(cè)流程

以00∶00時(shí)的導(dǎo)線覆冰圖像為例,其傳統(tǒng)Canny算子邊緣檢測(cè),以及不同ksize優(yōu)化的Canny算子邊緣檢測(cè)圖如圖3所示。

圖3 邊緣檢測(cè)圖

根據(jù)圖3所示的邊緣檢測(cè)結(jié)果,可明顯看出在傳統(tǒng)Canny算子算法下擬合出的邊緣線斷點(diǎn)較多,這是因?yàn)閭鹘y(tǒng)Canny算子是采用的高斯濾波去除圖像噪聲,高斯濾波在去除圖像噪聲時(shí)是無差別地將整幅圖像平滑處理,雖去除了圖像的噪聲干擾,但也模糊了圖像中覆冰導(dǎo)線的邊緣信息,導(dǎo)致擬合出的邊緣線效果不理想。ksize=3的優(yōu)化Canny算子算法得出的邊緣線結(jié)果明顯優(yōu)于傳統(tǒng)Canny算子,但濾波核的選取值過小,擬合出的邊緣線某些部分仍然存在斷點(diǎn);ksize=7的優(yōu)化Canny算子算法擬合出的邊緣線雖不存在斷點(diǎn)的情況,但濾波核值選取過大,擬合出的邊緣線過于平滑,導(dǎo)致邊緣線失真,會(huì)使計(jì)算出的覆冰厚度結(jié)果誤差變大;ksize=5的優(yōu)化Canny算子算法擬合出的邊緣線既不存在斷點(diǎn)的情況,也不會(huì)過于平滑,得出的結(jié)果即為最佳。由此證明本文方法的可靠性。

3 覆冰厚度檢測(cè)

以渝東地區(qū)監(jiān)控?cái)z探頭采集到的圖像為例,采集到的圖像尺寸大小均為1 280×720 px,96 dpi,在經(jīng)過本文的邊緣檢測(cè)方法之后進(jìn)行覆冰導(dǎo)線厚度的計(jì)算。已知該輸電線路的導(dǎo)線直徑d為16.7 mm,未覆冰導(dǎo)線面積S1以及覆冰導(dǎo)線面積S2均由Python中Opencv庫的cv2.findContours()函數(shù)計(jì)算得出。

圖4為覆冰厚度計(jì)算原理示意圖。

圖4 覆冰厚度計(jì)算原理示意圖

平均覆冰厚度計(jì)算推導(dǎo)過程為:

1) 假設(shè)導(dǎo)線的覆冰非常均勻,則有

(14)

式中:d為導(dǎo)線直徑;D為覆冰導(dǎo)線直徑;S1為未覆冰導(dǎo)線面積;S2為覆冰導(dǎo)線面積;

2) 導(dǎo)線的覆冰厚度計(jì)算式為:

(15)

式中:h為導(dǎo)線覆冰厚度。

3) 聯(lián)立式(14)(15)即可得到平均覆冰厚度h的計(jì)算表達(dá)式。

(16)

輸電線路覆冰厚度計(jì)算流程如圖5所示。

圖5 輸電線路覆冰厚度計(jì)算流程

4 實(shí)驗(yàn)

4.1 圖像去噪結(jié)果與分析

對(duì)00∶00時(shí)的覆冰導(dǎo)線圖像添加0.01的椒鹽噪聲,分別使用中值濾波、開關(guān)中值濾波、小波變換濾波以及本文方法對(duì)圖像進(jìn)行去噪處理,引入峰值信噪比(PSNR)[19]這一量化指標(biāo),對(duì)不同濾波方法的去噪效果進(jìn)行客觀比較,其定義式為:

(17)

式中:MSE為圖像X與Y的均方差;h、w分別為圖像的高度和寬度。

(18)

式中:n為每個(gè)像素的位數(shù);灰度圖像為8,即像素灰度為256。PSNR的值越大,表示去噪處理后的圖像失真越小,其去噪效果越好。上述去噪方法與導(dǎo)線覆冰原圖的實(shí)驗(yàn)結(jié)果見表1和圖6。

表1 PSNR值

圖6 濾波效果

實(shí)驗(yàn)結(jié)果顯示:對(duì)含0.01椒鹽噪聲的覆冰導(dǎo)線圖像利用中值濾波、剪切濾波、小波變換濾波方法去噪,其處理后的圖像均含有噪點(diǎn),而本文所提出的自適應(yīng)開關(guān)中值濾波方法,能夠有效區(qū)分噪點(diǎn),且有自適應(yīng)選取濾波核的優(yōu)勢(shì),可在盡量不失真的情況下去除掉圖像的中的噪點(diǎn),達(dá)到去除圖像干擾的目的。通過對(duì)比圖像結(jié)果發(fā)現(xiàn),本文方法相較于上述4種濾波方法的效果更佳。由表1所示結(jié)果可知,本文濾波方法去噪結(jié)果圖的PSNR值均高于中值濾波、剪切濾波、小波變換濾波去噪結(jié)果圖的PSNR值,從客觀角度上證實(shí)了本文濾波方法優(yōu)于上述4種濾波方法。結(jié)合主觀和客觀的結(jié)果,說明本文濾波方法的效果最為理想,更利于覆冰導(dǎo)線的邊緣檢測(cè)。

4.2 邊緣檢測(cè)結(jié)果與分析

對(duì)00∶00時(shí)的覆冰導(dǎo)線圖像分別采用Prewitt算子、Robert算子、Sobel算子、傳統(tǒng)Canny算子以及本文方法進(jìn)行邊緣檢測(cè),引入結(jié)構(gòu)相似性(SSIM)[20]這一量化指標(biāo)進(jìn)行邊緣檢測(cè)結(jié)果的比較。SSIM是一種完整的參考圖像質(zhì)量評(píng)估指標(biāo),它通過對(duì)比亮度、對(duì)比度和結(jié)構(gòu)來衡量圖像相似性。其定義為:

(19)

(20)

(22)

式中:l(X,Y)、c(X,Y)、s(X,Y)分別表示圖像X與Y亮度、對(duì)比度、結(jié)構(gòu)的比較,C1、C2、C3為常數(shù)。

SSIM(X,Y)=l(X,Y)×c(X,Y)×s(X,Y)

(23)

SSIM的取值范圍為[0,1],值越大,表示圖像失真越小,說明邊緣檢測(cè)的效果越好。上述邊緣檢測(cè)方法檢測(cè)結(jié)果表2和圖7所示。

表2 各種算法的SSIM值

圖7 邊緣檢測(cè)效果

實(shí)驗(yàn)結(jié)果顯示:對(duì)同一圖像的邊緣檢測(cè),利用Prewitt算子、Roberts算子、Sobel算子、傳統(tǒng)Canny算子方法檢測(cè)出的邊緣圖像中均含有大量的孔洞,會(huì)使覆冰厚度計(jì)算結(jié)果與實(shí)際值的誤差增大,且傳統(tǒng)Canny算子方法檢測(cè)出的邊緣圖像存在邊緣不連續(xù)的情況;而經(jīng)過本文的自適應(yīng)開關(guān)中值濾波優(yōu)化Canny算子方法檢測(cè)出的邊緣圖不含有孔洞,且邊緣持續(xù)性最好,顯示效果更佳。結(jié)合表2結(jié)果,對(duì)比上述5種方法邊緣檢測(cè)圖像的SSIM值發(fā)現(xiàn),采用本文方法的圖像SSIM值最高,說明采用優(yōu)化Canny算子對(duì)覆冰導(dǎo)線邊緣進(jìn)行覆冰厚度識(shí)別的方法是可行的。

4.3 覆冰厚度計(jì)算結(jié)果

對(duì)采集到的圖像時(shí)間為2021年1月17日20∶00—2021年1月18日06∶00時(shí)間段,1 280×720像素、96 dpi的10張導(dǎo)線覆冰圖像使用本文所提出的方法進(jìn)行覆冰厚度檢測(cè),并與實(shí)際光纖測(cè)量出的覆冰厚度做對(duì)比,結(jié)果如表3所示,覆冰導(dǎo)線邊緣檢測(cè)圖及其折線圖見圖8、圖9。

表3 覆冰厚度檢測(cè)

圖8 各時(shí)間的覆冰導(dǎo)線邊緣檢測(cè)圖

圖9 覆冰厚度折線圖

文中光纖檢測(cè)的覆冰厚度數(shù)據(jù)為該時(shí)間現(xiàn)場(chǎng)光纖傳感器傳回的實(shí)時(shí)覆冰厚度數(shù)據(jù)結(jié)果,擬定光纖檢測(cè)的覆冰厚度結(jié)果為輸電線路的覆冰厚度的實(shí)際結(jié)果。根據(jù)采集到的圖像覆冰厚度實(shí)驗(yàn)結(jié)果可知,采用本文所提出覆冰厚度檢測(cè)方法的平均誤差為4.10%,最大誤差為7.90%,但總體誤差維持在一個(gè)較低的水準(zhǔn),因此可作為覆冰厚度檢測(cè)的一種有效方法。

5 結(jié)論

1) 針對(duì)采集到的覆冰導(dǎo)線圖像,提出自適應(yīng)開關(guān)中值濾波的方法去除圖像噪聲干擾,其去噪效果在視覺方面和PSNR值方面都優(yōu)于中值濾波、剪切濾波、小波變換濾波的去噪效果。

2) 相對(duì)于Prewitt算子、Roberts算子、Sobel算子和傳統(tǒng)Canny算子邊緣檢測(cè)算法,采用自適應(yīng)開關(guān)中值濾波和Otsu閾值分割優(yōu)化Canny算子得到的導(dǎo)線覆冰圖像檢測(cè)結(jié)果表現(xiàn)出的檢測(cè)圖像邊緣連續(xù)、孔洞相對(duì)少、SSIM值相對(duì)更大等優(yōu)點(diǎn),證明了本文方法對(duì)導(dǎo)線覆冰圖像進(jìn)行前處理的有效性。

3) 按照本文方法對(duì)自然條件下導(dǎo)線覆冰監(jiān)測(cè)圖像進(jìn)行去噪、邊緣檢測(cè)、覆冰厚度換算等步驟處理,得到的覆冰厚度結(jié)果對(duì)比光纖檢測(cè)結(jié)果,最大誤差為7.90%,平均誤差為4.10%,在工程誤差允許范圍內(nèi),證明本文方法在導(dǎo)線覆冰識(shí)別與檢測(cè)上具有較高的精度。

4) 基于自然條件下導(dǎo)線覆冰監(jiān)測(cè)圖像進(jìn)行算法識(shí)別的改進(jìn)和探索,形成了去噪、邊緣檢測(cè)和覆冰厚度換算的覆冰自動(dòng)化識(shí)別方法,可為線路覆冰在線監(jiān)測(cè)提供參考。