基于多光譜圖像融合的電力設(shè)備熱成像方法

郭法安 易 婷

(廣東電網(wǎng)有限責(zé)任公司中山供電局)

0 引言

目前, 我國電力系統(tǒng)覆蓋面積大、設(shè)備數(shù)量多、分布范圍廣, 電力設(shè)備的狀態(tài)檢修依靠人工巡視維護(hù)已逐漸不能適應(yīng)當(dāng)前的情況。無人值守變電站的快速發(fā)展對(duì)電網(wǎng)安全運(yùn)行管理、設(shè)備在線狀態(tài)變化提出了新的要求, 通過遙視系統(tǒng)、機(jī)器人、無人機(jī)等智能巡視設(shè)備實(shí)時(shí)監(jiān)控電力設(shè)備的運(yùn)行狀況, 及時(shí)發(fā)現(xiàn)設(shè)備故障隱患并發(fā)出報(bào)警信號(hào), 是電網(wǎng)設(shè)備智能巡檢重要技術(shù)手段。

通常運(yùn)行中的電力設(shè)備發(fā)生隱患或故障, 都伴隨著電、磁、聲、光、熱等物理現(xiàn)象變化。當(dāng)輸電線路連接器、線夾、觸頭等部件接觸不良, 主變或GIS 內(nèi)部電氣回路故障、絕緣介質(zhì)老化破損, 都會(huì)出現(xiàn)著溫度變化和局部發(fā)熱, 這些異常溫度場所造成的紅外線外輻射為紅外熱成像觀測(cè)電力設(shè)備故障提供了技術(shù)條件。利用熱紅外成像儀器生成電力設(shè)備的熱成像圖,直觀的檢測(cè)電力設(shè)備的狀態(tài)和故障隱患。紅外熱成像技術(shù)具有操作便捷、檢測(cè)速度快、抗電磁干擾性強(qiáng)等優(yōu)點(diǎn), 使得電力設(shè)備的故障診斷變得簡單方便, 因而在電力設(shè)備狀態(tài)檢修中得到大量推廣。

紅外傳感器從某種程度上來說其信息來源基于物體的紅外輻射狀態(tài), 能較為直觀的反應(yīng)物體的溫度場, 但是這種單一的信息來源不能反應(yīng)物體周圍的亮度細(xì)節(jié)信息, 例如在特定的光線環(huán)境下或隔著玻璃鏡面觀察物體時(shí), 采用單一紅外光譜圖像不能很好的定位設(shè)備的故障隱患點(diǎn)。相比之下, 可見光圖像能夠清晰的反應(yīng)物體周圍亮度層次, 而且高像素的可見光攝像技術(shù)發(fā)展較為成熟, 亮度、對(duì)比度、飽和度等信息清晰度高, 其缺點(diǎn)在于不能獲取設(shè)備的溫度信息。如果在電力設(shè)備熱成像中應(yīng)用多光譜圖像傳感器, 將紅外光譜和可見光光譜相融合來進(jìn)行故障檢測(cè), 形成信息互補(bǔ)的熱成像, 能綜合反應(yīng)電力設(shè)備在不同場景下的溫度、亮度、對(duì)比度、飽和度等多個(gè)細(xì)節(jié)信息, 依據(jù)這些信息能夠快速準(zhǔn)確定位電力設(shè)備故障發(fā)熱部位, 從而排除電力設(shè)備的故障隱患點(diǎn)。

因此, 本文提出一種基于多光譜圖像融合的電力設(shè)備熱成像方法, 將紅外圖像、可見光圖像進(jìn)行小波變換、頻域融合、小波逆變換等步驟得到多光譜融合圖像。這種電力設(shè)備熱成像方法能夠有效的解決傳統(tǒng)紅外熱成像技術(shù)的不足, 所捕捉的信息提高了觀察的準(zhǔn)確性和魯棒性, 對(duì)提高電力設(shè)備故障檢測(cè)的準(zhǔn)確度和診斷效率具有較高的理論和實(shí)踐意義。

1 多光譜圖像融合策略

圖像融合的概念是指采集關(guān)于同一目標(biāo)不同傳感器的圖像, 采用某種融合策略提取各信道的有利信息, 最后綜合成為質(zhì)量更高的圖像。通過對(duì)多源信道不同光譜圖像有用信息的提取和綜合, 得到特定場景下同一目標(biāo)的更加精確可靠的圖像描述。在追尋更加契合人或機(jī)器視覺特征和識(shí)別方式的目標(biāo)上, 為避免單一圖像提供信息有限的弊端, 采用圖像融合技術(shù)后得到圖像更加能夠滿足生活、生產(chǎn)場景下的需求, 尤其在電力設(shè)備故障檢測(cè)領(lǐng)域, 采用多光譜圖像融合技術(shù), 將可見光圖譜和紅外圖譜相融相輔, 充分結(jié)合兩者優(yōu)勢(shì), 能夠更加快速和準(zhǔn)確的檢測(cè)到故障點(diǎn), 從而為檢修工作帶來方便和高效。

圖像融合技術(shù)的發(fā)展最早可以追溯到線性加權(quán)法、金字塔圖像融合等相對(duì)簡單的算法。隨著計(jì)算機(jī)科學(xué)與技術(shù)的推廣應(yīng)用, 數(shù)值計(jì)算方法和人工智能算法得到快速發(fā)展。1987 年, Mallat 在小波變換多分辨率分析理論與圖像處理的應(yīng)用研究中受到塔式算法的啟發(fā), 提出了信號(hào)的塔式多分辨率分析與重構(gòu)的快速算法。Mallat 算法提出后, 小波的多分辨率特性在圖像融合技術(shù)中得到廣泛應(yīng)用。小波變換可以在時(shí)域、頻域來回穿插使用, 利用小波變換作為多尺度分析工具, 其提取的圖像細(xì)節(jié)信息更加豐富、更加具有辨識(shí)度。圖像融合采用小波變換算法的思路是將圖像在復(fù)頻域進(jìn)行分解, 將圖像的頻率信息進(jìn)行展開和投影,對(duì)不同頻率的信息單獨(dú)進(jìn)行處理、融合, 然后再經(jīng)小波逆變換后得到融合后圖像[1]。多光譜圖像融合采用小波變換算法, 具有運(yùn)算速度快、結(jié)果精度高等優(yōu)點(diǎn), 在電力設(shè)備故障檢測(cè)領(lǐng)域具有較強(qiáng)的可行性。

圖像融合采用小波變換算法的基本步驟是:

(1) 將不同傳感器采集的原始圖像分別進(jìn)行小波變換, 將其分解為不同的頻域分量表示;

(2) 對(duì)提取到的復(fù)頻域信息進(jìn)行融合處理, 不同的頻域分量采用不同的融合策略, 得到融合后的頻率分量。

(3) 對(duì)融合后的頻率分量進(jìn)行小波逆變換, 所得的重構(gòu)圖像即為融合圖像。

電力設(shè)備的多光譜圖像融合, 利用紅外傳感器、可見光傳感器進(jìn)行采集, 兩者的工作原理和成像性能完全不同。紅外成像傳感器通過探測(cè)目標(biāo)和背景之間的熱轄射差異來識(shí)別目標(biāo)的紅外圖譜, 對(duì)目標(biāo)的熱效應(yīng)具有較好的探測(cè)效果, 但其對(duì)環(huán)境的亮度、對(duì)比度、飽和度變化不敏感, 因此紅外成像清晰度和分度率都較低, 不滿足對(duì)場景細(xì)節(jié)信息的把握要求。相比之下, 可見光成像傳感器信息來源于目標(biāo)場景的可見光反射, 可見光圖像能夠清晰的反應(yīng)物體周圍亮度層次, 而且高像素的可見光攝像技術(shù)發(fā)展較為成熟, 亮度、對(duì)比度、飽和度等信息清晰度高, 能夠滿足觀察場景目標(biāo)的幾何紋理細(xì)節(jié)信息要求, 其缺點(diǎn)在于不能獲取設(shè)備的溫度信息[2]。通過以上分析對(duì)比可知, 可見光成像是彩色紋理分割的結(jié)果, 而紅外成像是溫度場信息反饋的結(jié)果。利用小波變換分別對(duì)兩者進(jìn)行復(fù)頻域分解, 分解后的圖像包含不同的頻域分量, 低頻分量表征圖像的近似程度, 高頻分量表征圖像的細(xì)節(jié)信息[3], 因此對(duì)不同的頻率分量應(yīng)考慮采用不同的融合策略, 是圖像融合必須考慮的問題。

(1) 低頻分量融合策略

小波變換后的低頻分量表征圖像的近似程度, 采用加權(quán)平均值對(duì)各幅圖像的低頻分量進(jìn)行融合容易造成圖像模糊失真, 因此為了充分提取低頻分量的邊緣特征, 本文對(duì)低頻分量簇采用邊緣檢測(cè)策略進(jìn)行融合, 可以克服上述缺點(diǎn)。

(2) 高頻分量融合策略

小波變換后的高頻分量表征圖像的細(xì)節(jié)信息, 對(duì)高頻分量的處理原則需考慮保充分留原圖的區(qū)域邊界細(xì)節(jié)信息。在高頻分量信息中, 小波系數(shù)幅值大者表明該區(qū)域亮度、對(duì)比度變化較大, 因此為了充分提取高頻分量的亮度、對(duì)比度信息, 本文對(duì)高頻分量簇采用系數(shù)幅值最大化的融合策略。

如圖1 所示, 可見光圖像和紅外圖像經(jīng)過小波變換進(jìn)行復(fù)頻域分解, 分解后的圖像包含低頻分量和高頻分量, 釆用邊緣檢測(cè)策略對(duì)兩者的低頻部分進(jìn)行融合, 采用幅值最大原則對(duì)兩者高頻部分進(jìn)行融合, 融合后的低頻分量、高頻分量經(jīng)小波逆變換后得到多光譜融合圖像。這種信息互補(bǔ)的熱成像, 起到了揚(yáng)長避短的效果, 能綜合反應(yīng)電力設(shè)備在不同場景下的溫度、亮度、對(duì)比度、飽和度等多個(gè)細(xì)節(jié)信息, 達(dá)到良好的視覺效果。

圖1 多光譜圖像融合策略

2 電力設(shè)備熱成像方法

基于多光譜圖像融合的電力設(shè)備熱成像方法包括以下步驟, 如圖2 所示:

圖2 多光譜圖像融合的電力設(shè)備熱成像步驟

第(1) 步S1: 電力設(shè)備通過紅外傳感器與可見光傳感器分別生成紅外光圖像與可見光圖像; 可見光傳感器敏感于電力設(shè)備場景的可見光反射, 可以提供場景的幾何紋理的亮度細(xì)節(jié)信息; 紅外傳感器獲取電力設(shè)備的紅外光轄射, 依靠探測(cè)電力設(shè)備和背景間的熱轄射差異來識(shí)別電力設(shè)備的溫度場。

第(2) 步S2: 對(duì)紅外光圖像與可見光圖像分別進(jìn)行小波分解, 均產(chǎn)生低頻分量與高頻分量; 紅外光圖像與可見光圖像通過小波分解形成復(fù)頻域?qū)? 各分解層根據(jù)頻率分量產(chǎn)生低頻分量與高頻分量。

第(3) 步S3: 將紅外光圖像與可見光圖像的低頻分量進(jìn)行邊緣檢測(cè), 選取低頻分量的邊緣特征, 采用低頻融合算子進(jìn)行融合, 得到低頻的多尺度圖像。

第(4) 步S4: 對(duì)紅外光圖像與可見光圖像的高頻分量采用系數(shù)幅值最大化的原則進(jìn)行融合, 得到高頻的多尺度圖像。

第(5) 步S5: 針對(duì)低頻的多尺度圖像和高頻的多尺度圖像進(jìn)行小波反變換, 得到融合圖像。

3 應(yīng)用場景下的顯像效果

運(yùn)行中的電力設(shè)備導(dǎo)線連接部分發(fā)生接觸不良或松動(dòng)時(shí), 可見光下拍攝的成像圖片如圖3 - (1) 所示, 可見光圖像在亮度、對(duì)比度、飽和度等信息清晰度和空間分辨率較高, 能夠滿足觀察場景目標(biāo)的幾何紋理細(xì)節(jié)信息要求, 有利于觀察者形成對(duì)場景的整體認(rèn)知, 其缺點(diǎn)在于不能獲取設(shè)備的溫度信息, 因此無法觀測(cè)到故障點(diǎn)。采用紅外測(cè)溫槍檢測(cè)到的熱成像如圖3 -(2) 所示, 紅外成像傳感器通過探測(cè)目標(biāo)和背景之間的熱轄射差異來識(shí)別目標(biāo)的紅外圖譜, 對(duì)目標(biāo)的熱效應(yīng)具有較好的探測(cè)效果, 但其對(duì)環(huán)境的亮度、對(duì)比度、飽和度變化不敏感, 因此紅外成像清晰度和分度率都較低, 不滿足對(duì)場景細(xì)節(jié)信息的把握要求。采用基于多光譜圖像融合的電力設(shè)備熱成像方法, 融合后的圖像如圖3 -(3) 所示, 將紅外光譜和可見光光譜相融合來進(jìn)行故障檢測(cè), 形成信息互補(bǔ)的熱成像, 能綜合反應(yīng)電力設(shè)備在不同場景下的溫度、亮度、對(duì)比度、飽和度等多個(gè)細(xì)節(jié)信息, 依據(jù)這些信息能夠快速準(zhǔn)確定位電力設(shè)備故障發(fā)熱部位, 從而排除電力設(shè)備的故障隱患點(diǎn)。

圖3 多光譜圖像融合前后電力設(shè)備熱成像對(duì)比圖

應(yīng)用場景表明, 木文所提出的基于多光譜圖像融合的電力設(shè)備熱成像方法能夠很好的在將可見光圖像、紅外圖像進(jìn)行融合。當(dāng)測(cè)溫槍、攝像頭、無人機(jī)、機(jī)器人等智能巡視設(shè)備應(yīng)用該方法后, 融合后的圖像既能清晰的顯示紅外檢測(cè)的故障點(diǎn), 又能顯示出設(shè)備亮度紋理細(xì)節(jié)信息, 為工程檢修人員提供準(zhǔn)確良好的參照。

4 結(jié)束語

本文提出一種基于多光譜圖像融合的電力設(shè)備熱成像方法, 對(duì)電力設(shè)備的可見光光譜、紅外光譜的成像特點(diǎn)進(jìn)行分析對(duì)比, 利用小波變換分別對(duì)兩者進(jìn)行復(fù)頻域分解, 分解后的圖像包含不同的頻域分量, 釆用邊緣檢測(cè)策略對(duì)兩者的低頻部分進(jìn)行融合, 采用幅值最大原則對(duì)兩者高頻部分進(jìn)行融合, 融合后的低頻分量、高頻分量經(jīng)小波逆變換后得到多光譜融合圖像。基于多光譜圖像融合的電力設(shè)備熱成像方法, 將紅外光譜和可見光光譜相融合來進(jìn)行故障檢測(cè), 形成信息互補(bǔ)的熱成像, 能綜合反應(yīng)電力設(shè)備在不同場景下的溫度、亮度、對(duì)比度、飽和度等多個(gè)細(xì)節(jié)信息,具有計(jì)算簡單、融合速度快、融合效果好等優(yōu)點(diǎn), 融合后的圖像既能清晰的顯示紅外檢測(cè)的故障點(diǎn), 又能顯示出設(shè)備亮度紋理細(xì)節(jié)信息, 能夠很好的滿足電力設(shè)備狀態(tài)檢修的準(zhǔn)確性和可靠性要求。