程羽佳，楊晴，王凡

（電子科技大學中山學院機電工程學院，中山 528400）

0 引言

對于電力系統(tǒng)來說，輸電穩(wěn)定性至關重要，有了穩(wěn)定的電能輸送，電力設備的工作效率才能得到最大程度的保證。作為電能輸送的載體，高壓電纜防護層需要保證良好的絕緣狀態(tài)。因為在現代電能輸送過程中，高壓、超高壓輸電已經成為常態(tài)。若電纜防護層被擊穿破損，則會造成難以想象的后果。嚴重的，甚至會帶來人員的安全隱患。

電纜與普通的電氣設備不同，其安裝位置較高。同時，經過不斷地絕緣技術改良，其溫度變化的趨勢較小。因此，在普通的電氣檢測過程中，電纜的工作狀態(tài)檢測難度較大。若發(fā)熱的異常點長期存在，經過積累，會造成絕緣材料的擊穿。此時雖然發(fā)生了故障，但擊穿點較小，同樣難以精準定位，造成檢修的困難。常用的方法是基于表面顏色變化或采用點溫儀對電纜防護層進行測量，但是測量的精度得不到保證，存在較大的安全隱患[3-4]。另外，可以使用紅外檢測技術來進行測量，這種方法的優(yōu)點主要體現在以下兩點：

（1）紅外檢測技術屬于無損檢測，不會損壞電纜表面。同時，非接觸式的測量，可以最大程度地保障測量人員的人身安全。

（2）相對于人眼識別或者傳統(tǒng)的點溫儀檢測方法來說，紅外檢測技術的精度較高。由于點溫儀屬于發(fā)散檢測，而電纜架設較高，測量距離相對較遠，則誤差更大。實驗表明，點溫儀對于電纜絕緣材料溫度的檢測誤差達到5～10℃。而通過人眼觀測表面形態(tài)或顏色變化來確定溫度異常點的方法，其測量結果更是無法保證精度。而紅外立體視覺檢測技術發(fā)展迅速，能夠很好地反應電纜表面溫度，測量精度較高。

1 算法實現

1.1 紅外電纜圖像特征點提取

在紅外圖像處理的過程當中，首先要進行特征點的提取。因為圖像中的信息較多，尤其在電纜紅外檢測中，被測對象所處環(huán)境復雜多樣，為了排除干擾，需要濾除不必要的信息。特征點的提取方法較多，根據實際需要，紅外電纜圖像檢測特征點的提取采用SIFT算法。其特征尺度由可變高斯函數結合二維圖像信息組成[5]，如式（1）所示。

式1 中，I(x,y)包含的是二維圖像信息，而G(x,y,σ)為可變高斯函數，經過相應的運算，可以轉化成式（2）。

上式中，（x,y）表示的是二維圖像坐標，σ表示尺度因子。首先，利用高斯函數，搭建相應的DOG 模型，每個模型對應一個圖像特征點，此模型的形式與金字塔結構類似。對每一個模型進行極值點的檢測，從而確定每一個特征點的具體坐標信息。

在DOG 模型中直接取值會導致計算誤差變大[6]。因為利用SIFT 算法進行特征點檢測，其核心為區(qū)域檢測，即以固定區(qū)域的中心作為特征點，所以存在一定的誤差，需要對DOG 模型搜索到的數據進行二次檢測，從而確定最終的特征點坐標。對測量的特征點數據進行插值運算，并通過3D 二次方程進行處理?？臻g尺度函數假設為D(x,y,σ)，經過特征點擬合后，其泰勒展開式可由式（3）表示：

上式中，通過相應的差分運算，可以求得空間尺度函數的二階導數。在此基礎上，通過式（4）重復進行二階求導，同時設改值為0，可以求取精確的極值Xmax。

為了提升后續(xù)的圖像匹配效果，在特征點提取的過程中，需要把干擾噪聲點消除。所以。匹配不佳的特征點需要從結果中篩除。式（3）和式（4）聯(lián)立方程組，得到式（5）。特征點篩除需要選擇一個臨界值，經過實驗研究，臨界值選擇 0.03 效果最好，即特征點若符合此條件，該點保留，繼續(xù)參與后續(xù)處理過程。若不符合，則刪除。

針對圖像中一些已經選取的特征點，但其效果不是特別理想的，可以通過式（6）的Hessian 矩陣再次進行處理。該矩陣屬于二階矩陣，通過該矩陣可以把鄰域差分法中計算出的每個特征點的偏導數，置于其各個分量中，矩陣如式（6）所示。該數據是通過近似估計求取。

每個特征點的主曲率都可以通過式（6）中的方陣H 求取。當矩陣中的特征值越大，則說明D（Xmax）的值也越大。因為兩者成正比例關系，所以，只需把正比例系數ratio 求出即可，而不需要求取特征值的具體數字。設特征值的給定峰值為α，次峰值為β，兩者的比值設置為P2j（x,y,z），則通過式（7）可以求取正比例系數ratio：

通過前期計算驗證，當γ=10 時，檢測效果較好，可以準確地獲得特征點的具體坐標及其旋轉角度。只要正比例系數滿足式ratio≤(γ+1)2/γ即可。

1.2 特征點匹配

基于SIFT 算法進行紅外圖像特征點匹配的方式，屬于特征匹配算法。即在進行特征點測量的同時，也在開展特征點匹配的工作。對每一個檢測到的特征點，MATLAB 都會賦予其一個特定的標志。通過該標志，系統(tǒng)可以正確地識別每一個特征點。因此，匹配特征點的工作可以轉化成匹配標志點的工作，標志點也可以被稱作描述子。在進行SIFT 算法的特征點匹配過程中，若能準確地檢測每個特征點的描述子，將會大大提高特征點匹配的精度。而對于描述子檢測來說，如何對其進行優(yōu)化和區(qū)分，是最為關鍵的步驟。

在描述子檢測過程中，可以把每個特征點的位置坐標以特征向量的形式表現出來。在特征點發(fā)生移動的時候，特征向量也會隨之改變。同時，在另外一種情況下，當有強烈光照時，特征向量不變。此特征與描述子的變化方式類似。所以，通過把特征點轉化成特征向量，可以更好地檢測描述子。同時也能滿足對于特征點方向，旋轉角度等信息的匹配。另外，對于特征點附近的微小區(qū)域，也進行相應的處理，使得特征點能夠更加突出地顯示。設特征點坐標為（x,y），每個特征點的梯度值及梯度方向都可以通過式（8）求取，即：

被測紅外圖像中，每個特征點的位置都不相同，通過式（8），把圖像二維坐標（x，y）與該特征點的差異尺度L 相結合，可以求取每個特征點所對應的像素位置。

距離函數可以判斷兩幅特征點檢測圖像的對比度。對于兩圖的對比情況，本文選擇距離函數進行評判。常用的距離函數有兩種，分別是馬氏距離與歐氏距離。其中，歐氏距離也被稱作歐幾里得度量。該方法在評判對比圖像特征點直線距離方面精度較高，所以本文使用歐氏距離，評判紅外檢測圖像的相似度對比。具體的實現原理是分別求取兩對比圖像特征點對之間的直線距離，然后對比兩距離的長度，從而對兩幅紅外被測圖像相似度做出判斷。

通過歐氏距離進行處理后，兩幅紅外被測圖像的特征點匹配工作便初步完成。為了更進一步提升特征點匹配的準確性，得到更好的立體匹配效果，可通過k-d tree 最近鄰搜索法檢測“葉結點”。具體過程是選擇一個特征點，在該特征點附近搜索離其最近的另兩個特征點并將其設置為“葉結點”，“葉結點”之間的直線距離作為最小距離。然后繼續(xù)進行搜索，判斷是否有另外的“葉結點”，其直線距離比最小距離更小。若沒出現更小的距離，則判斷兩數據點可選；若出現更小的距離，則將該距離設置為新的最小距離，其對應的兩數據點作為新的“葉結點”。

綜上，在紅外被測圖像的匹配過程中，首先需要確定每個特征點所對應的描述子。然后，利用歐氏距離判斷匹配圖像對的相似度，并求取特征向量。最后，通過k-d tree 最近鄰搜索方法對匹配結果進行檢驗。即將“葉結點”之間的最小距離作為檢測距離進行搜索。如不存在更小的“葉結點”距離，則該特征點對匹配成功；若附近存在更小的直線距離，則有其作為新的最小距離，再次進行遞歸搜索。隨著最小值的不斷縮小和替換，特征點對的數量不斷減少，但是特征點對的精確率不斷提高。因為錯誤點對被不斷地剔除。匹配效果更好。同時，引入極線對比校正方法，即通過極線對比，使得二維圖像校正轉換成一維校正，該方法程序簡單，縮短計算時間。通過SIFT 算子對紅外圖像進行特征點匹配的工作過程總結如下：

（1）使用兩臺后外攝像機采集紅外圖像，選擇背景效果良好的圖像進行匹配；

（2）采取SIFT 算法進行特征點匹配；

（3）對圖像特征點描述子進行檢測，使用歐式距離判斷兩幅匹配的對比度，計算特征向量，完成初步匹配工作。

（4）采用k-d tree 最近鄰域法進行“葉結點”距離的搜索，不斷篩除錯誤的特征點匹配點對，提高紅外圖像匹配精度。

2 電纜故障點紅外檢測結果

對長段電纜分成兩部分進行檢測，經過特征點匹配后，進行拼接，特征點匹配效果如圖1 所示：

圖1 兩段電纜特征點匹配

從圖1 可知，紅外電纜拼接表面特征點提取準確，特征點匹配效果良好，能夠較好地完成后續(xù)的圖像處理工作。實驗證明了拼接技術能較好地應用在大型高壓電纜的紅外檢測當中。

在完成紅外圖像匹配及拼接處理后，發(fā)現每段電纜的紅外圖像都存在紅色的異常點。此類異常點的產生是由于電纜在產期工作中，由于絕緣材料的損耗，產生了電樹枝。并且造成熱量的積累，若不能及時進行處理，排除故障，熱量會急劇上升，造成熱畸變甚至材料被擊穿。通過MatLab 軟件對此類紅外圖像異常點進行灰度處理，比較灰度值的變化，便可以正確提取發(fā)熱異常點，如圖2 所示：

圖2 溫度異常點檢測

通過圖像處理軟件統(tǒng)計被測電纜紅外圖像溫度異常點的數量和在電纜圖像當中的比例，還可以判斷該電纜絕緣材料性能的優(yōu)劣。

3 結語

本文對電纜紅外圖像進行立體匹配的工作，從測量結果看出，特征點提取良好，匹配準確；同時，對長短紅外電纜圖像進行拼接，從拼接效果可以看出，拼接表面光滑，完整地反映了長段紅外電纜的特征；最后，對紅外電纜圖像中的溫度異常點進行提取，從溫度異常點的數量及所占比例，判斷電纜的工作情況。