聞梓涵，李彥彰，胡 琪，陳 夢，王維佳

（1.三峽大學 電氣與新能源學院，湖北宜昌 443002；2.國家電網(wǎng)武漢市供電公司，武漢 430000；3.國家電網(wǎng)瑞昌市供電公司，江西瑞昌 332200；4.國家電網(wǎng)合肥市供電公司，合肥 230000；5.中國啟源工程設計研究院有限公司，西安 710000）

引言

我國經(jīng)濟的不斷發(fā)展使人民生活水平上升，隨之對于水、氣、電等資源的需求量逐漸增大。目前，電能表的查抄方式主要有人工抄表、無線發(fā)射式儀表、IC卡預付費抄表等。傳統(tǒng)的人工抄表方式存在很多缺陷，比如成本高、精度低、實時性不足、可靠性差等。無線發(fā)射式儀表和IC卡預付費抄表雖然安裝簡易，智能化程度高，但是，設備成本造價比較高昂，儀表數(shù)據(jù)傳輸可能出現(xiàn)故障。如果用戶不愿更換新型儀表，那么就無法滿足現(xiàn)行系統(tǒng)的要求[1]。所以，近年來也出現(xiàn)了很多基于圖像識別的抄表系統(tǒng)。

本研究針對基于圖像識別的遠程抄表系統(tǒng)中的服務器圖像處理模塊進行了算法改進，采用NML算法和極大值抑制優(yōu)化，實現(xiàn)了對圖像信息更多的細節(jié)處理，從而對后續(xù)識別模塊提供了更好的預處理效果，可以提高整體裝置系統(tǒng)的運行識別效果。

1 系統(tǒng)組成

基于圖像識別的抄表系統(tǒng)包括網(wǎng)絡攝像頭、處理器MCU、路由器、服務器。網(wǎng)絡攝像頭是裝設在現(xiàn)場電表箱柜中，在補光裝置的輔助作用下實時拍攝表具圖片，并將圖像數(shù)據(jù)傳至MCU；MCU利用其內(nèi)部Flash接收圖片數(shù)據(jù)，再將緩沖區(qū)的壓縮數(shù)據(jù)發(fā)送至路由器；路由器與終端服務器通過網(wǎng)絡協(xié)議定時訪問，遠程傳輸數(shù)據(jù)信息；服務器再進行圖像解壓、預處理、識別及后續(xù)的數(shù)據(jù)顯示，系統(tǒng)結(jié)構(gòu)原理如圖1所示。

圖1 遠程抄表系統(tǒng)結(jié)構(gòu)原理圖

2 圖像處理分析

2.1 傳統(tǒng)Canny邊緣檢測算法

在圖像處理過程中應用最廣泛的是邊緣檢測Canny算法，相比于Sobel檢測、LOG算子等都有著較為優(yōu)良的性能，對此Pellegrino[2]做出了試驗驗證。

2.1.1 高斯濾波

Canny算法的第一步是對灰度圖進行濾波平滑處理，采用對信噪比和定位精度乘積最優(yōu)化逼近的高斯濾波器對影像去噪，其中二維高斯分布的函數(shù)表達式為：

式中，σ為標準差，用來控制圖像的平滑效果，其值越大平滑越明顯。σ值設定較大，適用于強噪聲干擾，但會導致定位精度降低，邊緣位置偏離；σ值設定較小，檢測精度較高但會造成過渡平滑。傳統(tǒng)Canny算法中σ值固定，無法兼顧去噪效果和保留圖像細節(jié)的要求。

2.1.2 計算梯度的幅值與方向

在高斯平滑后，需要對濾波后的圖像E(i,j)計算梯度信息，在2×2鄰域范圍內(nèi)計算一階偏導的有限差分是傳統(tǒng)Canny算法所使用的計算方法[3]。分別對x、y兩個方向進行梯度運算:

得到梯度幅值M(i,j)與梯度方向θ(i,j)：

2.1.3 非極大值抑制

非極大值抑制過程的目的是將模糊的邊緣變得清晰，從而更加精確地定位。它的基本流程是先排除梯度強度為0的點，然后將剩下的每一個像素點的梯度值與相鄰像素點的梯度值比較，保留極大值，保證沿其鄰域內(nèi)的梯度幅值最大，認為其他幅值較小的像素點不作為邊緣點。

2.1.4 雙閾值選擇和邊緣連接

經(jīng)過非極大值抑制之后，圖像仍有很多的噪聲點。傳統(tǒng)Canny算法中應用了一種雙閾值技術(shù)，即設定一個閾值上界TH和閾值下界TL，如果圖像中的像素點大于閾值上界則認為該點必然是邊界點，如果像素點小于閾值下界則認為該點必然不是邊界點。而介于閾值上下界的像素點被稱為邊界候選點，需要進一步處理，尋找該點附近鄰域內(nèi)有沒有大于閾值上界的點，如果有，則該點也是邊界點，如果沒有，則該點不是邊界點[4]。

2.1.5 傳統(tǒng)Canny算法中存在的缺陷

與其他經(jīng)典邊緣算法相比，Canny算法具有優(yōu)良的檢測效果，但其中也存在許多缺陷。高斯平滑中設定的標準差σ固定，其值較大時會增大計算量和邊緣信息丟失，反之會產(chǎn)生偽邊緣，對噪聲的抑制差。在梯度計算方法中，沒有考慮更多的方向，造成對噪聲敏感，可能檢測出很多偽邊緣點，致使隨后利用非極大值抑制獲取單像素邊緣也存在一定問題?；谝陨蠁栴}，針對性地做出了相應的優(yōu)化改進。

2.2 改進的Canny邊緣檢測算法

隨著視覺技術(shù)的進步，諸多學者提出了對Can-ny算法的改進方案。黃慧等[5]提出用平滑聚類濾波代替高斯濾波。蘆碧波等[6]提出用雙邊濾波處理圖像。本研究使用NLM代替高斯濾波，同時加入3×3鄰域Sobel算子計算梯度和45°、135°方向進行非極大值抑制，通過試驗得到了較好的效果。

2.2.1 非局部均值濾波

針對均值濾波、中值濾波、高斯濾波在除噪過程中無可避免地使圖像邊緣細節(jié)和紋理信息被濾除，Buades等提出了NLM算法，它使圖像中的冗余信息得到了有效利用，在濾除噪聲的同時最大程度地保留了圖像的細節(jié)特征[7]。NLM利用自然圖像中的每個小塊都存在關聯(lián)性，與均值濾波是對鄰域內(nèi)的所有像素求和再平均的方法不同，它先在整幅圖像中尋找相似的圖像塊，再根據(jù)圖像塊的相似度大小來賦予其不同的權(quán)值，以此來實現(xiàn)圖像去噪。

假定一幅離散的噪聲圖像為g=g{g(i)|i∈Ω}，其大小為N×N，Ω代表圖像鄰域，i為像素索引，對噪聲圖像進行NLM處理后可表達為：

這是一個加權(quán)平均的過程。式（6）中分母的存在是為了使其歸一化，Ωi表示中心像素為i、大小為q×q的搜索區(qū)域；ω(i,j)代表賦予噪聲圖像g(i)的權(quán)值，數(shù)學形式為：

式（7，8）中：h代表控制濾波平滑程度的濾波系數(shù)；N(i)和N(j)分別代表以像素中心點為i、像素中心點為j的圖像塊，圖像塊的大小都是p×p；d(i,j)表示圖像塊N(i)和N(j)之間的高斯加權(quán)歐式距離，“?”用來表示兩個矩陣之間的點乘；Gα是高斯矩陣。使用高斯加權(quán)歐式距離的好處是：噪聲可能會影響兩個圖像塊之間的相似性計算，采用高斯核函數(shù)卷積類似于先采用高斯濾波來濾除噪聲，這樣后期計算相似度會更準確。

NLM采用的是指數(shù)函數(shù)的減函數(shù)，那么濾波系數(shù)h就會對加權(quán)核函數(shù)的衰減作用有著決定性的作用。如果h取值較大，求取的權(quán)值ω(i,j)就會趨于一致使濾波作用等效于均值濾波，去噪的效果由于邊緣細節(jié)丟失會變得比較模糊；若h取值較小，對噪聲的濾除作用不大，圖像中會有大量噪聲存在，去噪效果不好。h與噪聲標準差σ成正比，通常將其取為噪聲的標準方差，即h=σ。

2.2.2 非極大值抑制計算改進

傳統(tǒng)Canny算子只考慮到水平和垂直兩個方向，因此對噪聲干擾十分敏感，容易檢測出偽邊緣，效果不好。李俊山[8]、馮永亮[9]等提出用3×3窗口計算，并加入45°和135°方向，減少了噪聲的干擾，但效率低下，計算相對復雜。結(jié)合張志鵬[10]、范晞[11]等提出的算法，在四個方向上采用Sobel算子計算梯度幅值和方向，對得到的4個方向梯度求和作為新的水平和垂直軸的梯度值，再求得該像素點的梯度幅值與梯度角度。對應公式如下：

改進后的梯度計算考慮了更多方向上對中心點像素的影響，使定位更加準確，丟失現(xiàn)象少了很多。

相比于傳統(tǒng)非極大值抑制方法，本文給出了不同的抑制條件，將中心像素點的邊緣強度與沿其梯度方向的其他兩點邊緣強度對比，如果大于或等于兩點中任一像素點的邊緣強度，就保留為候選邊緣點，否則刪去。這樣進行多方位比對，不但可以排除更多的偽邊緣，還能保留階梯狀邊緣和細化屋脊狀邊緣。

3 試驗結(jié)果及分析

對文中的改進算法做了試驗驗證，對比傳統(tǒng)Canny算法針對電能表圖像處理的試驗效果。分別在自然圖像下檢測了細節(jié)邊緣的豐富程度。試驗環(huán)境采用Python3.8編程，Pycharm編譯器運行，numpy庫等輔助運算實現(xiàn)，電能表圖像由湖北宜昌市住宅小區(qū)實際獲取，試驗對比結(jié)果如圖2～6所示。

圖2 原圖像

比較圖3和圖4可知，經(jīng)過濾波處理后，NLM在去噪的過程中保留了更多細節(jié)。對比圖5傳統(tǒng)Canny邊緣檢測，圖6中本研究的檢測算法檢測出更為明顯的邊緣信息，檢測出的數(shù)字形態(tài)更多，主體的輪廓性更加連貫，下部編號的點化細節(jié)更加突出，提高了定位的精度，整體效果有了明顯提升。

圖3 高斯濾波

圖4 非局部均值濾波

圖5 傳統(tǒng)Canny邊緣檢測

圖6 本研究邊緣檢測算法

4 結(jié)束語

在基于圖像識別的遠程抄表系統(tǒng)中，針對服務器中圖像處理邊緣檢測算法部分，在傳統(tǒng)Canny算法的基礎上，采用NLM代替高斯濾波進行去噪平滑，以此來保存更多的邊緣細節(jié)和提高定位精度；然后對梯度計算和非極大值抑制部分做了優(yōu)化改進，抑制了偽邊緣的產(chǎn)生。經(jīng)試驗證明，對現(xiàn)場電能表提取出的圖像邊緣更加完整豐富，有效檢測出了圖像的真實邊緣，顯示了更多的電表數(shù)據(jù)信息。