胡淋波，姚建剛，孔維輝，鄒品晶，付 強(qiáng)，潘雪晴

?

基于紅外圖像的高壓絕緣子串自動(dòng)定位方法

胡淋波，姚建剛，孔維輝，鄒品晶，付 強(qiáng)，潘雪晴

（湖南大學(xué) 電氣與信息工程學(xué)院，湖南 長(zhǎng)沙 410082）

絕緣子串自動(dòng)定位是實(shí)現(xiàn)劣化絕緣子紅外智能檢測(cè)的重要前提。針對(duì)紅外圖像背景復(fù)雜的特點(diǎn)，提出了基于灰度閥值分割和Hough變換的自動(dòng)定位方法。首先采用基于Otsu閥值的灰度拉伸法對(duì)圖像增強(qiáng)，利用灰度圖像的開運(yùn)算對(duì)圖像去噪，然后采用灰度Otsu閥值法對(duì)圖像進(jìn)行閥值分割，圖像二值化后，用最大連通區(qū)域過濾法提取絕緣子串區(qū)域，最后利用Hough變換進(jìn)行傾斜度校正，完成絕緣子串的最終定位。試驗(yàn)結(jié)果表明：提出的分割方法可以快速完整地將目標(biāo)提取出來。提出的定位方法可以完成復(fù)雜背景下絕緣子串的自動(dòng)精確定位，為實(shí)現(xiàn)劣化絕緣子紅外智能檢測(cè)奠定基礎(chǔ)。

絕緣子串；紅外圖像；圖像增強(qiáng)；閥值分割；Hough變換；自動(dòng)定位

0 引言

絕緣子是用來固定發(fā)電廠、變電站和高壓輸電線路導(dǎo)線的重要絕緣部件，同時(shí)也是故障多發(fā)元件，污穢、裂紋、破損等問題嚴(yán)重威脅輸電線路的安全運(yùn)行[1]，因此采用高精度在線智能檢測(cè)裝置進(jìn)行高壓絕緣子狀態(tài)檢測(cè)對(duì)電網(wǎng)安全、經(jīng)濟(jì)和高效運(yùn)行尤為重要。紅外檢測(cè)技術(shù)在高壓絕緣子狀態(tài)檢測(cè)方面的應(yīng)用是一種可靠、高效的檢測(cè)手段，而紅外圖像中絕緣子串的自動(dòng)定位是實(shí)現(xiàn)絕緣子狀態(tài)智能檢測(cè)的重要前提。

文獻(xiàn)[2]提出基于二值形狀特征描述的絕緣子串自動(dòng)定位方法，對(duì)垂直懸掛的航拍絕緣子串有著較好的定位效果，但該方法針對(duì)性強(qiáng)，對(duì)于有一定傾斜度的絕緣子串且背景復(fù)雜的紅外圖像難以達(dá)到理想的效果；文獻(xiàn)[3]、[4]提出了基于航拍圖像絕緣子色彩特征的區(qū)域定位方法，但紅外圖像和航拍圖像有著本質(zhì)的不同，紅外圖像不能保留絕緣子原來色彩信息，因而該方法并不適合紅外圖像處理；文獻(xiàn)[5]提出最小二乘法擬合單個(gè)絕緣子盤面邊緣提取絕緣子盤面，但在紅外檢測(cè)現(xiàn)場(chǎng)中拍攝的圖片可能會(huì)包含多串絕緣子，無法識(shí)別目標(biāo)絕緣子；文獻(xiàn)[6]提出通過邊緣檢測(cè)提取絕緣子邊緣，但檢測(cè)結(jié)果可能包含鋼架、導(dǎo)線等偽目標(biāo)，抗噪效果差。

本文提出基于Otsu自動(dòng)閥值的灰度線性變換圖像增強(qiáng)法，提高導(dǎo)線、鋼架等偽目標(biāo)與絕緣子灰度對(duì)比度，再采用Otsu閥值分割和區(qū)域過濾相結(jié)合的方法將絕緣子串區(qū)域完整提取出來，然后用Hough變換求取絕緣子串的傾斜角度，通過旋轉(zhuǎn)將目標(biāo)水平校正，最后完成絕緣子串的定位，為絕緣子串盤面和鋼帽區(qū)域的提取及狀態(tài)識(shí)別[7]奠定基礎(chǔ)。

1 絕緣子串紅外圖像定位方法

1.1 基于Otsu閥值的灰度線性變換圖像增強(qiáng)

線性變換[8]實(shí)質(zhì)：假設(shè)(,)的灰度范圍為[,]，我們希望變換后的圖像(,)的灰度范圍為[,]，則我們可以采用如下變換：

在工程應(yīng)用中，我們希望對(duì)不同的灰度段做不同的調(diào)整：拉伸或壓縮，利用線性變換可以最大程度地改善圖像對(duì)比度，變換公式為：

其變換圖形如圖1。從圖1和式(2)可以看出，斜率越大，其對(duì)應(yīng)在橫軸上的灰度區(qū)域映射到縱軸上所得到的灰度區(qū)域越寬，從而該區(qū)域中的對(duì)比度也越高。若欲提高某段灰度區(qū)域的對(duì)比度，則可以通過增大該灰度段對(duì)應(yīng)的表達(dá)式的斜率對(duì)這一段灰度區(qū)域進(jìn)行拉伸。

圖1 灰度線性變換原理圖

基于方差的Otsu閥值法是眾多圖像分割閥值法性能最好的一種[9-11]。利用Otsu閥值分割法對(duì)紅外圖像進(jìn)行分割，往往能將背景和目標(biāo)較好地分離，但絕緣子紅外圖像中存在導(dǎo)線、鋼架等偽目標(biāo)，分割往往達(dá)不到理想的效果。根據(jù)紅外圖片的特點(diǎn)，發(fā)熱越明顯的物體在紅外圖像中亮度越大，對(duì)應(yīng)的灰度值也越大，絕緣子串紅外圖像中絕緣子是發(fā)熱最明顯的區(qū)域，因此目標(biāo)區(qū)域和鋼架等偽目標(biāo)的灰度值存在較大的差異。

紅外圖片灰度化之后，其灰度范圍為[0,255]，假設(shè)根據(jù)Otsu閥值分割法將[0,255]灰度區(qū)域分為背景[0,]和前景[,255]的2個(gè)區(qū)域，則[,255]區(qū)域一般包含著目標(biāo)和導(dǎo)線、鋼架等偽目標(biāo)區(qū)域，對(duì)[,255]這個(gè)區(qū)域進(jìn)行灰度拉伸，則可以增大目標(biāo)和偽目標(biāo)的對(duì)比度，其灰度平均差也相應(yīng)增大，為后面的閥值分割和區(qū)域過濾提取絕緣子區(qū)域奠定基礎(chǔ)。改進(jìn)的灰度線性變換表達(dá)式為：

式中：為Otsu閥值法確定的閥值；為小于1的加權(quán)系數(shù)。多次試驗(yàn)表明在取值范圍[0.8,0.9]中時(shí)，分割結(jié)果較好。

1.2 圖像去噪

灰度圖像的開操作和閉操作與二值圖像的對(duì)應(yīng)操作具有相同的形式。用子圖（結(jié)構(gòu)元素）對(duì)圖像進(jìn)行開操作同二值圖像中的情況一樣，先用對(duì)進(jìn)行簡(jiǎn)單的腐蝕操作，而后用對(duì)得到的結(jié)果進(jìn)行膨脹操作。實(shí)際應(yīng)用中，開操作經(jīng)常用于去除較?。ㄏ鄬?duì)于結(jié)構(gòu)元素的大小而言）的明亮細(xì)節(jié)，同時(shí)相對(duì)地保持整體灰度級(jí)和較大的明亮區(qū)域不變。

結(jié)構(gòu)元素，又被形象地稱為刷子，結(jié)構(gòu)元素的選取對(duì)于圖像去噪效果也比較重要，可以根據(jù)非目標(biāo)物體的形狀特點(diǎn)進(jìn)行選取。本文采用平面圓形和矩形兩種結(jié)構(gòu)元素。

1.3 圖像二值化

經(jīng)過圖像增強(qiáng)和圖像去噪，應(yīng)用閥值分割將灰度圖像轉(zhuǎn)為二值圖像，本文采用基于Otsu閥值分割法，利用其確定分割閥值，并引入權(quán)值系數(shù)對(duì)閥值進(jìn)行修正。其分割原理表達(dá)式如下：

式中：u為經(jīng)驗(yàn)權(quán)值系數(shù)?？筛鶕?jù)圖像背景復(fù)雜程度進(jìn)行調(diào)節(jié)，非目標(biāo)區(qū)域在整個(gè)紅外圖像中占據(jù)區(qū)域越大，u的值相應(yīng)增大，u的范圍為[1,1.2]，圖像二值化結(jié)果如圖2所示。

1.4 區(qū)域過濾提取絕緣子串區(qū)域

由圖3可以看出，經(jīng)過前面幾步的處理，鋼架被分成很多小塊區(qū)域，絕緣子區(qū)域占據(jù)面積最大，去除小區(qū)域即可得到絕緣子串區(qū)域。首先采用連通區(qū)域標(biāo)記法對(duì)二值圖進(jìn)行區(qū)域標(biāo)記，區(qū)域標(biāo)記后，提取最大區(qū)域即可將絕緣子串區(qū)域提取出來。本文采用4通區(qū)域標(biāo)記法，提取結(jié)果如圖3所示。

圖3 絕緣子串區(qū)域提取結(jié)果圖

1.5 Hough變換求取絕緣子串傾斜角度

最簡(jiǎn)單的Hough變換是在圖像中檢測(cè)直線。其基本思想是：將直線上每一個(gè)數(shù)據(jù)點(diǎn)變換為參數(shù)平面中的一條直線或曲線，利用共線的數(shù)據(jù)點(diǎn)對(duì)應(yīng)的參數(shù)曲線相交于參數(shù)空間中一點(diǎn)的關(guān)系，使直線的提取問題轉(zhuǎn)換為計(jì)數(shù)問題。在應(yīng)用中通常采用直線的極坐標(biāo)方程進(jìn)行檢測(cè)：

＝cos＋cos

Hough變換求取直線的基本過程為：根據(jù)圖像空間的數(shù)據(jù)點(diǎn)計(jì)算參數(shù)空間參數(shù)點(diǎn)的可能軌跡，并在一個(gè)累加器中統(tǒng)計(jì)參考點(diǎn)，檢測(cè)累加器中頻率最高的點(diǎn)，最后根據(jù)這些點(diǎn)擬合成直線。

Hough變換求取絕緣子串傾斜角度算法步驟如下：

①通過MATLAB工具箱基礎(chǔ)函數(shù)bwmorph提取絕緣子串區(qū)域骨架。

②提取中心軸若干個(gè)特征點(diǎn)，根據(jù)絕緣子串骨架特點(diǎn)，可以求取十字交叉點(diǎn)作為特征點(diǎn)。首先對(duì)分割出的絕緣子二值圖像bw進(jìn)行列掃描，當(dāng)bw(,)為1時(shí)，以(,)為中心用一個(gè)隱形的邊長(zhǎng)較小2的正方形檢測(cè)該點(diǎn)是否為十字交叉點(diǎn)，即判斷bw(±,±) 是否都為1，如果是，則可判斷該點(diǎn)為十字交叉點(diǎn)。

③將②所求的點(diǎn)膨脹之后作為Hough變換的特征點(diǎn)，調(diào)用MATLAB工具箱中Hough變換的相關(guān)函數(shù)即可求得絕緣子串的中心軸，再計(jì)算中心軸的斜率便可得到傾斜角。

根據(jù)上述算法求取絕緣子串傾斜角度為：＝4.9604°。

1.6 水平校正及定位

定位算法步驟：

①將絕緣子串圍繞中心點(diǎn)順時(shí)針旋轉(zhuǎn)＝4.9604°。

②首先從第一列開始列掃描，記錄第1列出現(xiàn)1的個(gè)數(shù)并設(shè)為初始值記為(1)，然后依次向后掃描并統(tǒng)計(jì)各列出現(xiàn)1的個(gè)數(shù)，記為()，表示列數(shù)，當(dāng)(＋1)＞()時(shí)停止掃描，并將作為絕緣子串左邊界；同樣方法，從最后一列開始依次向前列掃描，當(dāng)(－1)＞()時(shí)停止掃描，確定右邊界。

③假設(shè)紅外圖像的尺寸大小為[,]，為了提高圖像處理效率和定位精確度，確定上下邊界時(shí)縮小掃描區(qū)域：行的范圍為[20,－20]，列的范圍為[30,－30]，首先對(duì)掃描區(qū)域由上至下進(jìn)行行掃描，當(dāng)出現(xiàn)第一個(gè)1時(shí)即可確定上邊界；同樣的方法自下往上行掃描確定下邊界。

④構(gòu)造同紅外圖像尺寸大小的零矩陣，將絕緣子串邊界的位置記錄在零矩陣中，矩陣圍繞中心點(diǎn)逆時(shí)針旋轉(zhuǎn)＝4.9604°，此時(shí)矩陣記錄了原圖絕緣子串的位置信息，最后提取矩陣非零的位置即可完成絕緣子串的定位。

根據(jù)上述算法步驟最后定位結(jié)果如圖4所示。

圖4 傾斜度校正定位結(jié)果

2 試驗(yàn)結(jié)果與分析

為驗(yàn)證本文提出改進(jìn)的灰度線性變換圖像增強(qiáng)算法對(duì)圖像分割有效性，將其與全局線性變換圖像增強(qiáng)法及直方圖均衡化圖像增強(qiáng)法等圖像增強(qiáng)的方法進(jìn)行對(duì)比[12-13]，試驗(yàn)采取背景復(fù)雜且絕緣子區(qū)域面積小于偽目標(biāo)區(qū)域面積的現(xiàn)場(chǎng)紅外圖片，本實(shí)驗(yàn)參數(shù)設(shè)置為：＝1.2，＝0.9，圖像增強(qiáng)后分割結(jié)果比較如圖5所示，圖6為直方圖對(duì)比圖，圖7為目標(biāo)區(qū)域提取對(duì)比圖。

圖5 圖像增強(qiáng)后分割結(jié)果

圖6 本文圖像增強(qiáng)直方圖

圖7 目標(biāo)區(qū)域提取結(jié)果圖

在紅外檢測(cè)拍攝過程中，紅外圖像中絕緣子區(qū)域可能并非最大連通區(qū)域。從實(shí)驗(yàn)結(jié)果可以看出，本文所提出的圖像增強(qiáng)算法可將偽目標(biāo)較多灰度值拉伸至背景灰度范圍，用Otsu閥值分割法能將導(dǎo)線、鋼架等偽目標(biāo)較多區(qū)域去除，降低各偽目標(biāo)區(qū)域在圖像中的區(qū)域占比，確保區(qū)域提取時(shí)絕緣子串區(qū)域?yàn)樽畲筮B通區(qū)域。從目標(biāo)提取結(jié)果來看，本文的方法可以完整地提取目標(biāo)區(qū)域，抗噪性好。計(jì)算4種圖像增強(qiáng)法對(duì)圖像增強(qiáng)后目標(biāo)區(qū)域提取的成功率，客觀評(píng)價(jià)本文圖像增強(qiáng)算法對(duì)分割的有效性，如表1所示。

由表1可知，本文提出的圖像增強(qiáng)算法較大地改善了分割效果，效果最優(yōu)。

表1 圖像增強(qiáng)方法效果比較

3 結(jié)論

本文提出了一種針對(duì)紅外圖像背景復(fù)雜等特點(diǎn)的自動(dòng)分割和定位方法，實(shí)現(xiàn)了紅外圖像中絕緣子串的自動(dòng)定位，為絕緣子狀態(tài)智能識(shí)別奠定了基礎(chǔ)。利用基于Otsu閥值的線性變換圖像增強(qiáng)算法，較大程度改善了Otsu閥值分割法的分割效果，采用最大連通區(qū)域過濾法有效地將絕緣子區(qū)域提取出來，分割結(jié)果目標(biāo)完整連續(xù)，利用Hough變換進(jìn)行傾斜度校正，最終完成絕緣子串的準(zhǔn)確定位。

為驗(yàn)證本文定位方法的有效性，隨機(jī)從江西上饒、鷹潭220kV變電站現(xiàn)場(chǎng)拍攝的紅外圖片各選50張背景復(fù)雜的紅外圖片，通過本文所提出的定位方法對(duì)100張紅外圖像進(jìn)行測(cè)試，測(cè)試結(jié)果表明：串定位準(zhǔn)確率為98%。

試驗(yàn)表明：本文提出的自動(dòng)定位方法具有快速、準(zhǔn)確和抗噪性強(qiáng)的優(yōu)點(diǎn)，具有較高的工程應(yīng)用價(jià)值，現(xiàn)已應(yīng)用于劣化絕緣子紅外檢測(cè)系統(tǒng)。但由于各個(gè)變電站的復(fù)雜程度不同，應(yīng)用本文所提出的定位方法時(shí)，在紅外檢測(cè)的過程中對(duì)拍攝人員拍攝技術(shù)有著較高的要求，在拍攝過程中應(yīng)選好角度拍攝，盡量使絕緣子串在圖片中占據(jù)較大區(qū)域和包含較少的偽目標(biāo)區(qū)域，且絕緣子串傾斜角度不宜過大。

[1] 何洪英, 姚建剛, 蔣正龍, 等. 基于支持向量機(jī)的高壓絕緣子污穢等級(jí)紅外熱像檢測(cè)[J]. 電力系統(tǒng)自動(dòng)化, 2005, 29(24): 70-74, 82.

He Hong-ying, Yao Jian-gang, Jiang Zheng-long ,et al. Infrared thermal image detecting of high voltage insulator contamination grades based on support vector machine[J]., 2005, 29(24): 70-74, 82.

[2] 趙振兵, 王樂. 一種航拍絕緣子串圖像自動(dòng)定位方法[J]. 儀器儀表學(xué)報(bào), 2014, 35(3): 558-565.

Zhao Zhen-bing, Wang Le. Aerial insulator string image automatic location method[J]., 2014, 35(3): 558-562.

[3] 黃宵寧, 張真良. 直升機(jī)巡檢航拍圖像中絕緣子圖像的提取算法[J]. 電網(wǎng)技術(shù), 2010, 34(1): 194-197.

HUANG Xiao-ning, ZHANG Zhen-liang. A method to extract insulator image from aerial image of helicopter patrol[J]., 2010, 34(1): 194-197.

[4] 馬帥營(yíng), 安居白, 陳舫明. 基于區(qū)域定位的絕緣子圖像分割[J]. 電力建設(shè), 2010, 31(7): 14-17.

MA Shuaiying, AN Ju-an, CHEN Fang-ming．Segmentation of the blue insulator images based on region location[J]., 2010, 31(7): 14-17.

[5] 陳芳, 姚建剛, 李佐勝, 等. 絕緣子串紅外圖像中單個(gè)絕緣子盤面的提取方法[J]. 電網(wǎng)技術(shù), 2010, 34(5): 220-224.

CHEN Fang, YAO Jian-gang, LI Zuo-sheng, et al. The method to etract shed surface image of a single insulator from infrared image of a insulator string[J]., 2010, 34(5): 220-224.

[6] 趙振兵, 金思新, 劉亞春. 基于NSCT的航拍絕緣子圖像邊緣提取方法[J]. 儀器儀表學(xué)報(bào), 2012, 33(9): 2045-2052.

Zhao Zhenbing, Jin Sixin, Liu Yachun. Aerial insulator image edge etraction method based on NSCT[J]., 2012, 33(9): 2045-2052.

[7] 李唐兵,付鵬, 朱向前, 等. 絕緣子串紅外圖像中絕緣子盤面和鋼帽區(qū)域的自動(dòng)提取方法[J]. 紅外技術(shù), 2014, 36(8): 644-648.

LI Tang-bing, FU Peng, ZHU Xiang-qian, et al. Algorithm research of automatically extracting the area of insulator from infrared image and state identification[J]., 2014, 36(8): 644-648.

[8] Rafecel C Gonzalez, Richard E Woods, Steven L Eddins.[M].2nded. Bejing: Publishing House of Electronic Industry, 2003.

[9] 門洪, 于加學(xué), 秦蕾. 基于CA和OTSU的電氣設(shè)備紅外圖像分割方[J]. 電力自動(dòng)化設(shè)備, 2011(9): 92-95.

MEN Hong, YU Jiaxue, QIN Lei. Segmentation of electric equipment infrared image based on CA and OTSU[J]., 2011(9): 92-95.

[10] Yen J C, Chang F J, Chang S. A new criterion for automatic multilevel thresholding[J]., 1995, 4(3): 370-378.

[11] Hamed Shah-Hosseini, Reza Safabakhsh. Automatic multilevel thresholding for image segmentation by the growing time adaptive self-organizing map[J]., 2002, 24(10): 1388-1393.

[12] 謝文達(dá), 邱竣鴻, 王壘. 實(shí)際且快速的圖像對(duì)比度增強(qiáng)方法[J]. 計(jì)算機(jī)研究與發(fā)展, 2013(4): 787-799.

XIE Wen-da, QIU Junhong, WANG Lei. A practical and efficient contrast enhancement method[J]., 2013(4): 787-799.

[13] 劉祖軍, 劉純亮, 梁志虎, 等. 基于動(dòng)態(tài)直方圖均勻化的對(duì)比度增強(qiáng)方法[J]. 光學(xué)技術(shù), 2005(3): 376-379.

LIU Zujun, LIU Chunliang, LIANG Zhihu, et al. Contrast enhancement method based on dynamic histogram equalization[J]., 2005(3): 376-379.

High Voltage Insulator String Automatic Location Method Based on Infrared Image

HU Lin-bo，YAO Jian-gang，KONG Wei-hui，ZOU Pin-jing，F(xiàn)U Qiang，PAN Xue-qing

(,,410082,)

Insulator string automatic location is an important premise of realizing the intelligent testing of the deteriorated insulator by infrared technology. Aiming at the characteristics of infrared image complex background, this paper proposes an insulator string automatic location method based on gray threshold segmentation and Hough transform. Firstly, the infrared image of insulator string is enhanced by gray level stretching based on Otsu threshold; the gray image open-operation is carried out to denoise the whole image; then gray Otsu threshold method is adopted to segment the image; after the binarization of the image, maximum connected region filtration method is carried to retrieve the region of insulator string; at last, Hough transform is used to do the image gradient correction ,achieving insulator string final automatic location. Experiment results show that the proposed segmentation can retrieve the target fast and perfectly; the proposed location method can achieve insulator string location under complicated backgrounds automatically and accurately, and it lays a foundation for the intelligent testing of the deteriorated insulator by infrared technology.

insulator string，infrared image，image enhancement，threshold segmentation，Hough transform，automatic location

TP391.4

A

1001-8891(2015)12-1047-05

2015-07-02；

2015-07-22.

胡淋波（1992-），男，碩士研究生，主要研究方向：電氣設(shè)備智能檢測(cè)與圖像處理。

姚建剛（1952-），男，教授，博士生導(dǎo)師，主要研究方向：電力市場(chǎng)，電力系統(tǒng)。

江西省電力公司科技項(xiàng)目，編號(hào)：贛電科201350617。