譚潔瑩，肖微，歐陽小剛，張福增，韋曉星，賈志東

（1.清華大學(xué)深圳國際研究生院，深圳 518055； 2.南方電網(wǎng)科學(xué)研究院，廣州 510633；3.中國南方電網(wǎng)有限責(zé)任公司超高壓輸電公司檢修試驗(yàn)中心，廣州 510633）

引言

絕緣子在運(yùn)行中會(huì)積累各種污穢，污穢成分因絕緣子的運(yùn)行環(huán)境而有差異。在一些溫暖濕潤地區(qū)，絕緣子上不僅積累了NH4+、Ca2+、SO42-、Cl-等無機(jī)污穢和糖類等有機(jī)污穢[1]，還會(huì)積累以藻類、真菌、細(xì)菌為主的生物污穢[2]。學(xué)者在斯里蘭卡、坦桑尼亞、巴布亞新幾內(nèi)亞和美國的線路絕緣子上均發(fā)現(xiàn)了綠藻污穢，在中國四川、云南昭通、廣西梧州和廣東廣州等地也有較嚴(yán)重的綠藻生長現(xiàn)象[3-5]。藻細(xì)胞本身的固水特點(diǎn)和其分泌的親水性物質(zhì)會(huì)影響絕緣子的電氣性能[6]。國內(nèi)外學(xué)者研究發(fā)現(xiàn)絕緣子被藻類覆蓋區(qū)域的憎水性下降到HC5-HC6，絕緣子污閃電壓降低[3]，且藻類對(duì)絕緣子污閃特性的影響與其覆蓋程度有關(guān)。

藻細(xì)胞密度是衡量藻類生物量的重要指標(biāo)，可通過細(xì)胞計(jì)數(shù)法直接測(cè)量[7]，也可以通過分光光度法和葉綠素?zé)晒夥y(cè)定葉綠素a濃度值來間接判斷[8]，但這些方法一般用于測(cè)量藻液中藻細(xì)胞生物量，難以直接檢測(cè)絕緣子表面藻類的生長程度。

基于數(shù)字圖像處理技術(shù)對(duì)絕緣子表面的藻類生長區(qū)域和其他區(qū)域進(jìn)行劃分，可以對(duì)絕緣子表面藻類的生長程度進(jìn)行檢測(cè)[9]。植被指數(shù)是通過增加植被和土壤背景在可見光、近紅外光波段下反射光譜的差異來區(qū)分植被與其所在背景的指標(biāo)。在可見光波段下，綠色植被的綠色通道反射率高，紅、藍(lán)通道反射率低，而土壤背景則無明顯的反射光特性[10]。據(jù)此，學(xué)者們構(gòu)建了超綠指數(shù)（Excess green index, ExG）[11]、動(dòng)態(tài)閾值超綠指數(shù)（Dynamic threshold excess green index, DEXG）、過綠減過紅指數(shù)（Excess green minus excess red index, ExGR）[12]、Hague植被指數(shù)（Hague vegetation index, HVI）[13]、可見光波段差異植被指數(shù)（Visible-band difference vegetation index，VDVI）[14]、植被提取顏色指數(shù)（color index of vegetation extraction, CIVE）[15]、 歸 一 化 差 異 指 數(shù)（Normalized Difference Vegetation Index，NDVI）[16]等多種植被指數(shù)。受到植被本身和其所在環(huán)境的影響，植被指數(shù)在圖像的分割效果上有差異。

本文將以紅色絕緣子表面生長的藻類為研究對(duì)象，探究超綠指數(shù)、動(dòng)態(tài)閾值超綠指數(shù)、Hague植被指數(shù)、植被提取顏色指數(shù)四種植被指數(shù)對(duì)絕緣子彩色圖像的藻類區(qū)域分割效果，通過相對(duì)錯(cuò)分率對(duì)各種植被指數(shù)的識(shí)別效果進(jìn)行判斷，篩選出圖像分割準(zhǔn)確較高的植被指數(shù)，并提出優(yōu)化的絕緣子表面藻類檢測(cè)及表征方法。

1 圖像獲取與研究方法

1.1 絕緣子圖像的獲取

本文選取4個(gè)已退運(yùn)的表面可見明顯藻類的絕緣子樣品進(jìn)行圖像分割試驗(yàn)，包含1個(gè)噴涂RTV涂料的懸式絕緣子、2個(gè)噴涂RTV涂料的支柱絕緣子和1個(gè)復(fù)合絕緣子，分別編號(hào)A～D。首先用數(shù)碼相機(jī)對(duì)樣品拍照。由于相片拍攝的圖像與色溫有關(guān)，在不同的照明光線下拍攝的圖像呈現(xiàn)的顏色有色差，從而對(duì)基于RGB顏色的圖像分割效果有影響，因此，本文在拍攝前先將相機(jī)在光照條件下預(yù)設(shè)白平衡，通過調(diào)整電荷耦合放大電路的放大倍率將白色物品準(zhǔn)確呈現(xiàn)白色，以此還原拍攝物體色彩。

預(yù)設(shè)白平衡后拍攝的絕緣子彩色圖像如圖1所示。其中，（a）為噴涂RTV的懸式絕緣子，積灰較嚴(yán)重，藻類區(qū)域顏色較深；（b）為噴涂RTV的支柱絕緣子，長藻區(qū)域相對(duì)較少，藻的顏色呈現(xiàn)明顯綠色；（c）為噴涂RTV的支柱絕緣子，藻類生長情況較嚴(yán)重；（d）為復(fù)合絕緣子，表面存在明顯成片的藻類。

1.2 圖像的預(yù)處理

原始絕緣子圖像的預(yù)處理包含對(duì)目標(biāo)圖像的提取、圖像的裁剪和濾波處理。由于數(shù)碼相機(jī)拍攝的圖像有虛化背景的效果，從圖1可看出，拍攝的絕緣子正面是清晰的，而背面有不同程度的虛化，因此在每支絕緣子圖片上選取一片傘裙的正面目標(biāo)進(jìn)行圖像分割，首先提取分割目標(biāo)，以圖中白色膠帶為劃分標(biāo)準(zhǔn)，將其余背景設(shè)置成黑色，并通過裁剪使絕緣子像素尺寸為合適大小，得到如圖2所示的絕緣子分割目標(biāo)彩色圖像。

圖1 原始的絕緣子彩色圖像

為了去除圖像中的噪聲信號(hào)，采用濾波器對(duì)圖像濾波。高斯低通濾波是一種線性平滑濾波，是對(duì)整幅圖像加權(quán)平均的過程，其傳遞函數(shù)為[17]：

式中：

D(u,v)—距傅里葉變換的距離，濾波器模板尺寸為7×7，標(biāo)準(zhǔn)差σ =0.5。

在本文中，高斯低通濾波器應(yīng)用于超綠指數(shù)、動(dòng)態(tài)閾值超綠指數(shù)、Hague植被指數(shù)算法的圖像預(yù)處理上。

均值漂移算法是沿密度梯度上升的方向?qū)ふ夷繕?biāo)位置的統(tǒng)計(jì)迭代算法，在本文中應(yīng)用于植被顏色提取指數(shù)算法的圖像預(yù)處理上。采用高斯核函數(shù)，在歐式空間中均值漂移迭代公式為[18]：

式中：

（a, b, c）、（ai, bi, ci）—被平滑點(diǎn)、各采樣點(diǎn)的行坐標(biāo)、列坐標(biāo)、植被指數(shù)；

hs、hr—空域帶寬、值域帶寬；

w(xi)—采樣點(diǎn)權(quán)重，設(shè)定為1。

采用固定的空域帶寬hs，取hs=5。值域帶寬參數(shù)hr通過漸進(jìn)積分均方差法計(jì)算，公式為：

式中：

p—圖像的維數(shù)，本文中采用的彩色圖像p=3；

n—圖像的像素點(diǎn)總個(gè)數(shù)；

σ—植被指數(shù)的標(biāo)準(zhǔn)差。

計(jì)算公式為：

式中：

ci—像素點(diǎn)的植被顏色指數(shù)；

圖2 絕緣子分割目標(biāo)彩色圖像

1.3 基于植被指數(shù)的圖像分割方法

1.3.1 超綠指數(shù)

絕緣子上生長的藻類一般呈現(xiàn)綠色，受到積累的其他污穢的影響，顏色較生長的綠色農(nóng)作物暗。超綠指數(shù)是提取圖像中綠色目標(biāo)的常用算法，通過R、G、B分量的線性組合，增加了綠色目標(biāo)和背景的差異，弱化陰影和土壤圖像，突顯綠色作物部分，對(duì)綠色植被有較好的識(shí)別效果。超綠指數(shù)的計(jì)算公式為：

式中：

R、G、B—彩色圖像的紅、綠、藍(lán)通道。

根據(jù)超綠指數(shù)分割植被和背景，需要一個(gè)分割閾值T1。當(dāng)EXG＞T1時(shí)，可以判斷為綠色植被，否則判斷為背景。一般取T1=0。

1.3.2 動(dòng)態(tài)閾值超綠指數(shù)

超綠指數(shù)的分割閾值為確定值，不隨圖像的亮度、色彩而改變。動(dòng)態(tài)閾值超綠指數(shù)在超綠指數(shù)的基礎(chǔ)上構(gòu)建，采用根據(jù)圖像的超綠指數(shù)最大值和平均值而改變的動(dòng)態(tài)閾值。動(dòng)態(tài)閾值超綠指數(shù)的計(jì)算公式為：

通過動(dòng)態(tài)閾值超綠指數(shù)的計(jì)算，生成灰度圖像，使藻類更加突出。采用動(dòng)態(tài)閾值T2劃分絕緣子表面含藻區(qū)域和不含藻區(qū)域，計(jì)算公式為[19]：

式中：

DEXGmax—?jiǎng)討B(tài)閾值超綠指數(shù)最大值；

DEXGav—?jiǎng)討B(tài)閾值超綠指數(shù)平均值。

f —調(diào)整系數(shù)，取值范圍為-0.5～0.5，在本文中取f=0.05。

1.3.3 Hague植被指數(shù)

Hague植被指數(shù)通過對(duì)彩色圖像R、G、B分量的非線性組合，增加了綠色植物和背景圖像之間的對(duì)比效果，弱化了圖像在分割效果上受到拍照光線亮度和光源色溫的影響。因此，HVI指數(shù)能廣泛應(yīng)用于在自然光條件下拍攝的圖像，計(jì)算公式為[13]：

式中：

a—特征值為常數(shù)，取決于數(shù)碼相機(jī)三個(gè)顏色通道濾波片的中心波長，在本文中取a=0.667。

將HVI值與設(shè)定閾值T3對(duì)比，轉(zhuǎn)換成二值圖像，從而實(shí)現(xiàn)絕緣子上藻類區(qū)域和非藻類區(qū)域的分割。分割閾值T3不變，數(shù)值在1左右。本文通過試驗(yàn)，發(fā)現(xiàn)當(dāng)T3=0.96時(shí)，圖像的分割效果最好。

1.3.4 植被提取顏色指數(shù)

植被提取顏色指數(shù)CIVE是彩色圖像三個(gè)顏色通道的線性組合，其組合系數(shù)由Kataoka T等[15]通過主成分分析法增強(qiáng)圖像中的綠色信息而得到。CIVE的計(jì)算公式為：

將均值漂移算法濾波后得到的灰度圖像轉(zhuǎn)化成二值圖像進(jìn)行分割。分割公式為：

式中：

CIVE′—經(jīng)濾波處理后的植被提取指數(shù)。

分割閾值T4由大律法（Otsu）獲得，即通過遍歷使類間方差g最大，從而使前景和背景的差異最大，錯(cuò)分概率最小。直接應(yīng)用大律法計(jì)算量較大，采用等價(jià)類間方差的計(jì)算公式為[20]：

式中：

w0—藻類區(qū)域覆蓋率；

w1—為非藻類區(qū)域覆蓋率；

c0—藻類區(qū)域平均植被提取指數(shù)；

c1—非藻類區(qū)域平均植被提取指數(shù)。

2 結(jié)果與分析

分別以超綠指數(shù)（EXG）、動(dòng)態(tài)閾值超綠指數(shù)（DEXG）、Hague植被指數(shù)（HVI）、植被提取顏色指數(shù)（CIVE）為基礎(chǔ)對(duì)絕緣子彩色圖像進(jìn)行藻類區(qū)域分割，對(duì)圖像的各個(gè)像素點(diǎn)逐一判斷，劃分為有藻像素點(diǎn)和無藻像素點(diǎn)。由于藻類一般成片生長，其生長面遠(yuǎn)遠(yuǎn)大于圖像的單個(gè)像素點(diǎn)，因此圖像中的孤立小點(diǎn)可認(rèn)為是在藻類區(qū)域判斷時(shí)的誤差。開運(yùn)算是對(duì)圖像先腐蝕后膨脹的濾波器，能去除圖像的孤立小點(diǎn)、毛刺。本文在輸出圖像前先對(duì)圖像進(jìn)行開運(yùn)算處理，再提取原始圖像有藻類生長的區(qū)域。

由于原始絕緣子表面積污嚴(yán)重，藻類生長區(qū)域顏色偏深，為了更清楚地比較各個(gè)植被指數(shù)對(duì)藻類區(qū)域分割效果，將背景顏色設(shè)置為白色，將藻類區(qū)域顏色設(shè)置為綠色，得到分割效果圖見圖3?？梢钥闯?，四種植被指數(shù)對(duì)絕緣子表面生長的藻類識(shí)別效果不同，EXG和HVI對(duì)藻類的識(shí)別和分割效果相近，DEXG識(shí)別出來的藻類生長區(qū)域較少，CIVE識(shí)別出來的藻類生長區(qū)域較多。

以絕緣子B為例，其原始圖像和采用不同植被指數(shù)分割后的彩色掩碼圖對(duì)比如圖4所示。

可以看出，經(jīng)EXG、DEXG和HVI植被指數(shù)處理后的掩碼圖基本不含絕緣子表面的紅色，而CIVE處理的掩碼圖依然存在大量的絕緣子表面紅色背景，即CIVE存在過度識(shí)別的問題，將不含藻的絕緣子表面區(qū)域識(shí)別成藻類生長區(qū)域，其部分過度識(shí)別區(qū)域在圖4(e)中以圈標(biāo)出。對(duì)照原圖，發(fā)現(xiàn)DEXG處理的掩碼圖缺少部分綠色藻類區(qū)域，即存在藻類漏識(shí)別的問題，部分漏識(shí)別區(qū)域在圖4(c)中以圈標(biāo)出。EXG和HVI處理的掩碼圖未發(fā)現(xiàn)明顯的過度識(shí)別問題，基本能還原原始圖像中藻類生長的綠色區(qū)域，識(shí)別效果較好。

圖3 圖像分割效果圖

為了能更直觀地表征絕緣子表面藻類的覆蓋程度，并對(duì)比各個(gè)植被指數(shù)的分割效果，本文采用了表面覆蓋率來描述。表面覆蓋率的計(jì)算公式如下：

式中：

Ncover—通過植被指數(shù)及閾值判斷出來的藻類覆蓋像素總數(shù)；

Nall—絕緣子圖像的像素總數(shù)，此處的像素總數(shù)僅以絕緣子作為背景，即圖4(b)中非黑色區(qū)域。

基于不同植被指數(shù)的圖像分割方法計(jì)算出的藻類覆蓋率如圖5所示。從藻類覆蓋率計(jì)算結(jié)果可知，CIVE算法計(jì)算的藻類覆蓋率普遍偏高， DEXG算法計(jì)算的藻類覆蓋率普遍偏低，不適用于絕緣子表面的藻類識(shí)別。四張圖像基于EXG和HVI算法的圖像分割效果接近，且與原圖對(duì)應(yīng)性較好，可以用來對(duì)絕緣子表面藻類進(jìn)行檢測(cè)。

由于藻類生長區(qū)域不規(guī)則性較大，難以給出絕對(duì)正確的圖像分割效果。本文針對(duì)EXG和HVI兩種藻類識(shí)別準(zhǔn)確度較高的算法，采用相對(duì)錯(cuò)分率對(duì)其分割效果進(jìn)行評(píng)價(jià)。EXG和HVI的相對(duì)錯(cuò)分率的計(jì)算公式分別為：

式中：

AEXG(i,j)、AHVI(i,j)—EXG算法和HVI算法識(shí)別為有藻類的像素點(diǎn)；

i、j—像素點(diǎn)的行坐標(biāo)、列坐標(biāo)；

AEXG(i,j)∩AHVI(i,j)—同時(shí)被兩種算法識(shí)別為有藻類的像素點(diǎn)；

m、n—圖像像素的總行數(shù)和總列數(shù)。

本文分別采用EXG算法和HVI算法對(duì)60個(gè)絕緣子圖像進(jìn)行藻類區(qū)域圖像分割，計(jì)算其相對(duì)錯(cuò)分率，結(jié)果如圖6所示。EXG算法和HVI算法的相對(duì)錯(cuò)分率平均值分別為3.7 %和5.5 %，最大值分別為16.2 %和15.3 %，可見相對(duì)錯(cuò)分率較小，兩種算法識(shí)別效果較準(zhǔn)確。

3 圖像分割方法優(yōu)化

基于EXG和HVI植被指數(shù)的絕緣子表面藻類區(qū)域分割方法能較準(zhǔn)確識(shí)別出絕緣子表面藻類的生長區(qū)域，但兩種算法的識(shí)別效果仍有差異。為了提高圖像分割精度，本節(jié)提出使用EXG與HVI植被指數(shù)相結(jié)合的算法進(jìn)行圖像分割方法的優(yōu)化，計(jì)算公式如下：

式中：

a=0.667；

t1、t2—EXG指數(shù)和HVI指數(shù)的分割閾值。經(jīng)試驗(yàn)，t1=0，t2=0.96，EXG和HVI分別對(duì)圖像的分割效果較好，此優(yōu)化的分割方法結(jié)合EXG和HVI算法，分割閾值不變。

利用優(yōu)化算法對(duì)四張典型的絕緣子圖像進(jìn)行分割，分割圖像如圖7所示，其藻類覆蓋率計(jì)算結(jié)果分別為42.09 %、15.31 %、66.75 %、40.01 %。對(duì)比原始圖像和優(yōu)化分割算法的分割效果圖可知，優(yōu)化算法進(jìn)一步提高了絕緣子表面藻類的檢測(cè)準(zhǔn)確性。

4 結(jié)論

RGB植被指數(shù)能通過對(duì)紅、藍(lán)、綠通道數(shù)值的組合計(jì)算，區(qū)分彩色圖像中綠色植被和背景。對(duì)于表面有藻類生長的絕緣子彩色圖像，本文研究了EXG、DEXG、HVI、CIVE四種植被指數(shù)對(duì)藻類與絕緣子背景的分割效果，并提出一種針對(duì)絕緣子表面藻類圖像分割的優(yōu)化算法，主要結(jié)論如下：

圖4 原始圖像與圖像分割效果對(duì)比

圖5 不同分割方法的藻類覆蓋率計(jì)算結(jié)果

圖6 EXG與HVI的相對(duì)錯(cuò)分率

圖7 優(yōu)化算法圖像分割效果

1）絕緣子表面藻類檢測(cè)和表征的步驟包括：絕緣子照片的拍攝、圖像預(yù)處理、植被指數(shù)的計(jì)算和圖像分割、絕緣子表面藻類覆蓋率的計(jì)算。

2）EXG和HVI指數(shù)能較準(zhǔn)確地分割表面藻類生長區(qū)域與絕緣子背景，且分割效果接近，相對(duì)錯(cuò)分率較??；DEXG算法存在藻類區(qū)域識(shí)別不足的問題，將藻類錯(cuò)誤劃分為絕緣子背景的概率較大；CIVE算法存在藻類區(qū)域識(shí)別過度的問題，將顏色較深的絕緣子背景識(shí)別為藻類生長區(qū)域。

3）采用EXG和HVI指數(shù)相結(jié)合的圖像分割優(yōu)化算法能提高絕緣子表面藻類檢測(cè)的精度。

4）利用圖像分割技術(shù)完成藻類區(qū)域與背景劃分，計(jì)算藻類覆蓋率，可用來表征藻類的生長程度，藻類覆蓋率越大，絕緣子表面藻類生長現(xiàn)象越嚴(yán)重。