于虹

(云南電網(wǎng)公司電力科學(xué)研究院,昆明 650217)

電力設(shè)備X射線數(shù)字圖像拼接技術(shù)研究

于虹

(云南電網(wǎng)公司電力科學(xué)研究院,昆明 650217)

針對(duì)電力設(shè)備體積一般較大,而X射線數(shù)字成像受成像板大小所限,無法在一張圖片上顯示出設(shè)備全局情況的問題,提出一種基于粒子群優(yōu)化的最大互信息相關(guān)的無縫拼接方法,以實(shí)現(xiàn)將多次拍攝的設(shè)備局部X射線圖像拼接成為一張整體X射線數(shù)字圖像,從而便于對(duì)電力設(shè)備內(nèi)部情況做出整體評(píng)價(jià)。研究結(jié)果表明該方法能實(shí)現(xiàn)多張X射線圖像的無縫拼接,具有良好地魯棒性。

X射線；粒子群；設(shè)備；可視化；拼接；

0 前言

對(duì)于電力設(shè)備而言,其運(yùn)行的可靠性與設(shè)備本身的設(shè)計(jì)、制造、運(yùn)輸、安裝和調(diào)試都有極大的關(guān)系,因此相關(guān)的標(biāo)準(zhǔn)制定了產(chǎn)品的形式、出廠和現(xiàn)場(chǎng)的試驗(yàn)標(biāo)準(zhǔn),從不同的角度和層次保證設(shè)備能夠達(dá)到其功能要求,并能在至少規(guī)定的時(shí)間內(nèi)不喪失其功能。但對(duì)于各種電力設(shè)備而言,由于在設(shè)計(jì)、材料、制造等環(huán)節(jié)考慮的不足,往往會(huì)出現(xiàn)由于自身原因?qū)е碌脑O(shè)備故障,而影響到電網(wǎng)的安全、穩(wěn)定和可靠運(yùn)行。因此,如何判斷電力設(shè)備的健康狀況一直以來都是生產(chǎn)運(yùn)行和研究部門極為關(guān)注的問題[1-2]。與此同時(shí),針對(duì)電力設(shè)備各種檢測(cè)方法,也是為了達(dá)到此目標(biāo)。電力系統(tǒng)現(xiàn)有傳統(tǒng)技術(shù)手段,如局部放電檢測(cè),它們具有檢測(cè)結(jié)果不直觀、不可視的問題,僅能了解缺陷的外部物理參數(shù)和所處的大致區(qū)域。如果不對(duì)設(shè)備進(jìn)行停電、解體檢修,一般無法確缺陷部件和缺陷程度。即使能夠停電并解體檢修,也往往由于電力設(shè)備內(nèi)部空間狹窄,觀測(cè)困難,難以正確判斷電力設(shè)備內(nèi)部故障的原因,從而導(dǎo)致制定檢修策略存在盲目性。近幾年,通過將X射線數(shù)字成像技術(shù)引入電力系統(tǒng)對(duì)設(shè)備進(jìn)行透視檢測(cè),實(shí)現(xiàn)了電力設(shè)備不解體情況下,對(duì)其內(nèi)部的可視化檢測(cè),直觀、可靠地確定缺陷部位和程度[3-4]。然而,由于電力設(shè)備體積一般較大,而X射線數(shù)字圖像受成像板的尺寸限制,無法在一張圖片上顯示設(shè)備整體情況,而需分段拍攝,然后將分段拍攝的局部圖像拼接成為一張整體圖像,便于對(duì)電力設(shè)備做出整體的評(píng)價(jià)。針對(duì)此問題,本文通過比較改進(jìn)模板匹配算法、互信息算法及基于像素相關(guān)的改進(jìn)SIFT方法,提出基于粒子群優(yōu)化的最大互信息相關(guān)的無縫拼接算法,實(shí)驗(yàn)結(jié)果表明,該方法具有較強(qiáng)的魯棒性。

1 基準(zhǔn)圖像匹配

圖像配準(zhǔn)是指對(duì)于一幅圖像尋求一種 (或一系列)空間變換,使它與另一幅圖像上的對(duì)應(yīng)點(diǎn)達(dá)到空間上的一致。配準(zhǔn)的結(jié)果應(yīng)使兩幅圖像上所有的點(diǎn),或至少是所有具有意義的點(diǎn)及感興趣的點(diǎn)都達(dá)到匹配[5]。

對(duì)在不同時(shí)間或不同條件下獲取的兩幅圖像I(x)和J(x)配準(zhǔn),就是要定義一個(gè)相似性測(cè)度,并尋找一個(gè)空間變換關(guān)系,使得經(jīng)過該空間變換后,兩幅圖像的相似性達(dá)到最大。即使得圖像I上的每一個(gè)點(diǎn)在圖像J上都有唯一的點(diǎn)與之對(duì)應(yīng),且這兩點(diǎn)對(duì)應(yīng)同一位置。

式中S是相似性測(cè)度,Tα為空間變換,α為空間變換參數(shù)。配準(zhǔn)過程可歸結(jié)為尋求最佳空間變換：

基于灰度信息的圖像配準(zhǔn)方法一般不需對(duì)圖像進(jìn)行復(fù)雜的預(yù)處理,而是利用圖像本身具有的灰度的一些統(tǒng)計(jì)信息來度量圖像的相似程度。其主要特點(diǎn)是實(shí)現(xiàn)簡單,但應(yīng)用范圍較窄,不能直接用于校正圖像的非線性形變,而在最優(yōu)變換的搜索過程中往往需要巨大的運(yùn)算量。同時(shí),X射線數(shù)字圖像具有灰度信息的圖像,因此本文采用基于灰度信息的匹配方法進(jìn)行圖像匹配。

假設(shè)標(biāo)準(zhǔn)參考圖像為R,待配準(zhǔn)圖像為S,R大小為m×n,S大小為M×N,基于灰度信息的圖像配準(zhǔn)方法的基本流程是以參考圖像R疊放在待配準(zhǔn)圖像S上平移,參考圖像覆蓋被搜索的那塊區(qū)域叫子圖Sij。i和j為子圖左上角待配準(zhǔn)圖像S上的坐標(biāo)。搜索范圍如下所示。

通過比較R和Sij的相似性,完成配準(zhǔn)過程。

互相關(guān)配準(zhǔn)方法是最基本的基于灰度統(tǒng)計(jì)的圖像配準(zhǔn)方法。它要求參考圖像和待匹配圖像具有相似的尺度和灰度信息,并以參考圖像作為模板在待匹配圖像上進(jìn)行遍歷,計(jì)算每個(gè)位置處參考圖像和待匹配圖像的互相關(guān)?；ハ嚓P(guān)最大的位置就是參考圖像中與待匹配圖像相應(yīng)的位置。

常用的互相關(guān)計(jì)算公式有如下兩種：

設(shè)R(x,y)和S(x,y)分別表示參考圖像和待配準(zhǔn)圖像。

X射線圖像進(jìn)行拼接時(shí)首先需要確定基準(zhǔn)圖像,在基準(zhǔn)圖像的待拼接區(qū)域?qū)ふ乙粋€(gè)M?N的特征塊。本文通過灰度差異最大原則,即使用一個(gè)滑動(dòng)窗在待拼接區(qū)域滑動(dòng),每次都計(jì)算窗內(nèi)像素平均值。求出用每一像素值減去平均值的絕對(duì)值,最后將這些灰度差異相加便是這個(gè)位置的灰度差異值。因?yàn)榛叶炔町惔蟮膮^(qū)域圖像較為復(fù)雜,特征較為明顯,所以取灰度差異最大值的特征塊為基準(zhǔn)匹配區(qū)域。

圖1 基準(zhǔn)匹配特征塊選取示意圖

基準(zhǔn)匹配特征塊如圖1(c)所示,其大小為72?72像素,圖1(a)和圖1(b)為待拼接圖像,其大小為2 048?2 048像素。當(dāng)匹配特征塊在圖像一中滑動(dòng)時(shí),最大互信息值為1.168 8,第一幅度圖像的與標(biāo)準(zhǔn)特征塊的整體偏移量為81個(gè)像素；同理,標(biāo)準(zhǔn)匹配特征塊與第二幅圖像的最大互信息值為4.141 3,第二幅圖像的整體偏移量為91像素,通過基準(zhǔn)特征塊確定圖1(a)和圖1 (b)配準(zhǔn)時(shí)的相對(duì)位置。

2 待拼接圖像

傳統(tǒng)的圖像相關(guān)度匹配算法是在參考圖像上抽取一個(gè)網(wǎng)格陣列,使其在待匹配圖像上移動(dòng),計(jì)算兩幅圖像的所有網(wǎng)格點(diǎn)對(duì)應(yīng)像素點(diǎn)的灰度值差的平方和最小,找到最小網(wǎng)格值的位置即認(rèn)為是最佳匹配位置。然而,在X射線圖像匹配中,由于不同的射線圖像灰度的差異,使用傳統(tǒng)方法匹配的準(zhǔn)確度不高。因此,本文提出采用改進(jìn)的一個(gè)基于粒子群優(yōu)化的拼接算法,該算法首先在找出基準(zhǔn)匹配區(qū)域后,開始在待拼接圖像的拼接區(qū)域使用一個(gè)與基準(zhǔn)匹配區(qū)域同樣大小滑動(dòng)塊尋找最佳匹配點(diǎn)[6-7]。

窗口每次移動(dòng)若干個(gè)像素的位置,每移動(dòng)一次進(jìn)行一次比較,求出當(dāng)前窗口下的像素與基準(zhǔn)匹配區(qū)域的像素對(duì)應(yīng)的比值D；求出此區(qū)域所有的比值之后,再求出這些比值的均值R；并求出均值R與比值D的差的絕對(duì)值P。圖2是圖像位置調(diào)整處理后輸出的圖像,采用最大互信息熵相關(guān)的方法對(duì)待拼接圖像位置進(jìn)行調(diào)整,圖2中左側(cè)為黑色像素為圖1(c)相對(duì)圖1(a)參考圖像位置調(diào)整的結(jié)果,右側(cè)灰色像素為圖1(b)相對(duì)圖1(b)位置調(diào)整結(jié)果。算法中為了提高拼接的速度,先進(jìn)行粗略的匹配,再進(jìn)行細(xì)致匹配。圖3～圖5為三組X射線圖像的位置調(diào)整處理結(jié)果。

圖2 位置調(diào)整處理圖

圖3 第一組X射線圖像位置調(diào)整處理圖

圖4 第二組X射線圖像位置調(diào)整處理圖

圖5 第三組X射線圖像位置調(diào)整處理圖

3 基于SIFT的魯棒匹配方法

尺度不變特征提取算法總的來說分為4步：檢測(cè)尺度空間極值、特征點(diǎn)位置提取、計(jì)算特征點(diǎn)的描述信息和生成本地特征描述符。

1)檢測(cè)尺度空間極值：尺度空間理論是通過對(duì)原始圖像進(jìn)行尺度變換,獲得圖像多尺度下的尺度空間表示序列,對(duì)這些序列進(jìn)行尺度空間主輪廓的提取,并以該主輪廓作為一種特征向量,實(shí)現(xiàn)邊緣、角點(diǎn)檢測(cè)和不同分辨率上的特征提取等。為了對(duì)圖像進(jìn)行多尺度劃分,我們主要是利用高斯核對(duì)原始圖像進(jìn)行尺度變換,獲得圖像多尺度下的尺度空間表示序列,對(duì)這些序列進(jìn)行尺度空間特征提取。高斯核的定義如下所示。

對(duì)于二維圖像I(x,y),其尺度空間表示為：

本步驟主要是建立高斯金字塔和DOG(differenceof Gaussian)金字塔,然后在DOG金字塔里面進(jìn)行極值檢測(cè),以初步確定特征點(diǎn)的位置和所在尺度。對(duì)圖像二維平面空間和DOG尺度空間中同時(shí)檢測(cè)局部極值以作為特征點(diǎn),以使特征具備良好的獨(dú)特性和穩(wěn)定性。DOG算子定義為兩個(gè)不同尺度的高斯核的差分,其具有計(jì)算簡單的特點(diǎn),是歸一化LOG(laplacian-of-Gaussian)算子的近似。

為得到在不同尺度空間下的穩(wěn)定特征點(diǎn),將圖像I(x,y)與不同尺度因子下的高斯核G(x, y,σ)進(jìn)行卷積操作,構(gòu)成高斯金字塔。一般高斯金字塔分為4階,每階分為5層尺度圖像。在同一階中相鄰兩層的尺度因子比例系數(shù)為k。接著建立DOG金字塔,DOG金字塔通過高斯金字塔中相鄰尺度空間函數(shù)相減得到。

2)特征點(diǎn)位置提取：通過尺度空間檢測(cè)出來的特征點(diǎn),由于DOG算子的自身特性會(huì)對(duì)噪聲和邊緣信息比較敏感,因此,為得到更適合圖像拼接的特征點(diǎn)還需對(duì)特征點(diǎn)進(jìn)行提取,除去低對(duì)比度的特征點(diǎn)和不穩(wěn)定的邊緣響應(yīng)點(diǎn),以增強(qiáng)匹配穩(wěn)定性、提高抗噪聲能力。通過擬和三維二次函數(shù)以精確確定關(guān)鍵點(diǎn)的位置和尺度,通?？梢酝ㄟ^對(duì)該點(diǎn)進(jìn)行泰勒展開,尺度空間函數(shù)D(x, y,σ)在局部極值點(diǎn) (x0,y0,σ)處的泰勒展開如式 (9)所示。

3)計(jì)算特征點(diǎn)的描述信息：尺度不變特征提取算法最大的優(yōu)點(diǎn)是具有旋轉(zhuǎn)不變性,而使其具有旋轉(zhuǎn)不變性的關(guān)鍵步驟是利用關(guān)鍵點(diǎn)鄰域像素的梯度方向分布特性為每個(gè)關(guān)鍵點(diǎn)指定方向參數(shù)。

上式 (10)為點(diǎn) (x,y)處的梯度值和方向,L為所用的尺度為每個(gè)特征點(diǎn)各自所在的尺度,(x,y)要確定具體層數(shù)。圖像特征用橢圓表示,橢圓的中心位置代表了關(guān)鍵點(diǎn)在圖像中的二維坐標(biāo)位置,橢圓的長軸代表了關(guān)鍵點(diǎn)的尺度,橢圓的方向代表了該關(guān)鍵點(diǎn)的方向,此時(shí),圖像的特征點(diǎn)已檢測(cè)完畢,每個(gè)特征點(diǎn)有3個(gè)信息、位置、對(duì)應(yīng)尺度、方向。

4)生成本地特征描述符：首先將坐標(biāo)軸旋轉(zhuǎn)為特征點(diǎn)的方向,來確保旋轉(zhuǎn)不變性,以特征點(diǎn)為中心取8?8的窗口 (特征點(diǎn)所在的行和列不取)。然后,在每4?4的圖像小塊上計(jì)算8個(gè)方向的梯度方向直方圖,繪制每個(gè)梯度方向的累加值,形成一個(gè)種子點(diǎn)。實(shí)際計(jì)算過程中,為了增強(qiáng)匹配的穩(wěn)健性,對(duì)每個(gè)特征點(diǎn)使用4?4共16個(gè)種子點(diǎn)來描述,每個(gè)種子點(diǎn)有8個(gè)方向向量信息,這樣對(duì)于一個(gè)特征點(diǎn)就可以產(chǎn)生4?4?8共128個(gè)數(shù)據(jù),最終形成128維的SIFT特征向量,所需的圖像數(shù)據(jù)塊為16?16。此時(shí)特征向量已經(jīng)去除了尺度變化、旋轉(zhuǎn)等幾何變形因素的影響,再繼續(xù)將特征向量的長度歸一化,則可以進(jìn)一步去除光照變化的影響。依次根據(jù)以上4個(gè)步驟,可提取在不同尺度下都保持同一特性的特征。

由于設(shè)備的移動(dòng)會(huì)導(dǎo)致采集的圖像發(fā)生平移、錯(cuò)位、旋轉(zhuǎn)等問題,因而,本文采用改進(jìn)SIFT算法對(duì)X射線掃描圖像進(jìn)行匹配。SIFT算法是一種提取局部特征的算法,其提取特征點(diǎn)的匹配能力較強(qiáng),利用它可以在尺度空間尋找極值點(diǎn),提取位置、尺度、旋轉(zhuǎn)不變量,從而確定二維平面中故障出現(xiàn)的位置信息,特征子描述中在32維高維向量中選取梯度相關(guān)的8維向量,從而大大優(yōu)化計(jì)算速度。圖6是改進(jìn)SIFT算法對(duì)X射線掃描圖像進(jìn)行匹配過程。

圖6 改進(jìn)SIFT算法匹配過程圖

圖6(a)和圖6(b)為待拼接圖像特征點(diǎn)提取效果圖,粉色箭頭表示梯度變化的方向,圖6(c)為圖6(a)和圖6(b)中特征點(diǎn)匹配的結(jié)果圖。從匹配結(jié)果可以看出,圖6(c)中有110個(gè)坐標(biāo)點(diǎn)對(duì)匹配。圖7～圖10為三組圖像對(duì)特征點(diǎn)提取及匹配試驗(yàn),試驗(yàn)結(jié)果表明,本文的提取方法,可穩(wěn)定的提取待拼接圖像中的特征點(diǎn),從而達(dá)到良好的拼接效果。

圖7 第一組圖像特征點(diǎn)匹配結(jié)果圖

圖8 第二組圖像特征點(diǎn)匹配結(jié)果圖

圖9 第三組圖像特征點(diǎn)匹配結(jié)果圖

本文提出基于X射線圖片的匹配方法是在SIFT匹配算法基礎(chǔ)上的,因而具有良好的旋轉(zhuǎn)特性不變性。此外,由于對(duì)SIFT特征描述子進(jìn)行改進(jìn),有效節(jié)省匹配時(shí)間。

5)X射線拼接無縫拼接技術(shù)：在找到匹配位置并進(jìn)行灰度調(diào)整后,如果直接進(jìn)行拼接會(huì)在兩幅圖像的拼接處出現(xiàn)一條明顯的拼接縫,這是由于圖像間存在亮度差造成的。為了達(dá)到無縫拼接,本文對(duì)兩幅圖像的交疊區(qū)域進(jìn)行漸變系數(shù)加權(quán)值融合。首先,計(jì)算兩重疊部分的累積直方圖,然后利用直方圖匹配的方法,建立起灰度級(jí)的映射關(guān)系,非重疊部分和重疊部分具有相同灰度時(shí)按此映射關(guān)系變換即可,而重疊部分沒有的灰度級(jí),則可按預(yù)測(cè)的映射關(guān)系變換。對(duì)設(shè)備X射線數(shù)字圖像拼接過程如圖10所示。

圖10 罐式斷路器拼接處理過程圖

圖10是對(duì)罐式斷路器兩幅X射線透照?qǐng)D像進(jìn)行拼接處理的結(jié)果圖,原來兩幅度圖像大小均為2 048?2 048像素,拼接處理后圖像大小變?yōu)? 048?2 611像素,試驗(yàn)結(jié)果可知,提出的拼接算法可以較好的處理不同偏差下的X射線圖像的拼接處理過程。圖11和圖12分別是電壓互感器和GIS設(shè)備的無縫拼接結(jié)果圖。

圖11 電壓互感器拼接結(jié)果圖

圖12 GIS設(shè)備拼接結(jié)果圖

4 結(jié)束語

X射線數(shù)字成像技術(shù)可在電力設(shè)備不解體情況下,對(duì)其內(nèi)部情況的可視化無損檢測(cè)。但電力設(shè)備體積一般較大,而X射線圖像受成像板的尺寸限制,無法在一張圖片上顯示設(shè)備整體情況,需分段拍攝,然后將分段拍攝的局部圖像拼接成為一張整體圖像,便于對(duì)電力設(shè)備做出整體的評(píng)價(jià)。針對(duì)此問題,本文提出通過像素級(jí)的基準(zhǔn)圖像匹配區(qū)域?qū)ふ?、待拼接圖像最近拼接區(qū)域?qū)ふ摇D像拼接處融合等關(guān)鍵步驟,利用SIFT方法對(duì)旋轉(zhuǎn)的圖像進(jìn)行校正,使得拼接后X射線圖像的拼接準(zhǔn)確度和效率都得到提高,且本文提出的無縫拼接方法具有較強(qiáng)的魯棒性。

[1] 李繼勝,趙學(xué)風(fēng),楊景剛,等.GIS典型缺陷局部放電測(cè)量與分析 [J].高電壓技術(shù),2009,35(10)：2440-2445.

[2] 王天健.GIS局部放電檢測(cè)與故障識(shí)別 [D].北京交通大學(xué),2010.

[3] 艾維平.DXR250RT平板探測(cè)器X射線實(shí)時(shí)成像檢測(cè)系統(tǒng)的研究 [D].蘭州理工大學(xué),2007.

[4] 董旭.醫(yī)用X射線數(shù)字?jǐn)z影 (CR/DR)系統(tǒng)檢測(cè)方法的研究和評(píng)定 [J].中國醫(yī)學(xué)裝備,2010,7(1)：8-11.

[5] HSadamitsu Nishihara.A basic study automatic recognition of osteoporosis using abdominal X-ray CT images[J].Journal of proceedings of SPIE-The international society for optical engineering,2004,2(5370)：926-933.

[6] Huang Huiyu,Hsiao Chunnan.Image inpainting based on illuminationvariationandstructureconsistency[J]. International journal of advancements in computing technology, 2011,3(6)：1-9.

[7] (Li Jin,WANG Yanwei,et al.A FNL means de-noise algorithm based on gradient calibration[J].International journal of advancements in computing technology,2011,3(9)：147-154.

Research on the Mosaic Technology of X-ray Digital Image for Electric Power Equipment

YU Hong
(Yunnan Electric Power Research Institute,Kunming 650217)

Aiming at the problem of the unable display the equipment overall situation problem in a picture,it is proposed the particle swarm optimization with maximum mutual information related to the seamless mosaic method while the X-ray digital imaging by the imaging plate size limit and the power equipment generally larger.The local X-ray image mosaic taken as a whole X-ray digital image is achieved.The overall?evaluation of the internal situation of power equipment is given.The results show that the method proposed in this paper can not only realize a X-ray image seamless mosaic,and has good robustness.

X-ray；particle swarm；equipment；visualization；mosaic

TM83

B

1006-7345(2015)01-0001-06

2014-06-18

于虹 (1978),女,博士后,高級(jí)工程師,云南電網(wǎng)公司電力科學(xué)研究院,主要從事電力系統(tǒng)及其自動(dòng)化,模式識(shí)別與智能系統(tǒng)方面工作 (e-mail)yuhong2388245＠163.com。