康 輝， 楊慶江， 馮新宇， 李亞妮， 劉曉磊

(1.黑龍江科技大學 電子與信息工程學院， 哈爾濱 150022； 2. 國網(wǎng)黑龍江省電力有限公司大興安嶺供電公司， 黑龍江 大興安嶺 165000)

0 引 言

電網(wǎng)的安全穩(wěn)定運行是推動國民經(jīng)濟穩(wěn)步增長與維系社會發(fā)展的重要保障。電力設備巡檢是及時發(fā)現(xiàn)隱患的重要手段，通過紅外相機采集電力設備的紅外熱圖，分析關鍵部件的溫度變化規(guī)律，結合電壓和電流等參數(shù)的變化可有效識別出設備的健康狀況及潛在故障[1]。在電力設備巡檢中，加持AI及云存儲技術通過對電力設備紅外圖像歷史數(shù)據(jù)的深度學習，可遠程自動識別出潛在的缺陷和故障，為及時報修提供指導，有助于保障電網(wǎng)的安全穩(wěn)定運行[2-3]。

紅外成像易受周圍熱場的影響具有干擾強、細節(jié)模糊和對比度低等特點。當采用低性能的紅外成像裝置時問題更加突出，顯然不能直接用于運行狀況分析[4-6]。為此，諸多學者針對多種應用場景下紅外圖像的增強算法展開研究，已取到可借鑒的研究成果。武治國等[7]對可見光圖像的對比度增強提出了一種基于直方圖分段非線性插值的對比度增強處理技術，有效地增強了圖像的對比度，同時抑制了背景噪音。由于紅外圖像灰度級的動態(tài)范圍小，直接應用該算法增強效果并不理想。王友等[8]根據(jù)紅外和微光圖像特點，自適應權值矩陣計算，進行一次融合，再結合細節(jié)圖進行二次融合,該方法獲得較好的視覺效果，實現(xiàn)了熵增。但需要雙攝像頭，硬件設備復雜、成本較高。在電力巡檢場景中，對于多種尺寸的電力設備分割，陳基順等[9]采用區(qū)域聯(lián)合先驗信息約束和伽馬變換對Retinex圖像增強模型進行改進，提出多尺度結構保留型平滑濾波，運用高斯正則項約束濾波尺寸。該技術對隱藏噪聲進行估計補償，增加了對比度，消除了濾波邊緣彌散現(xiàn)象，但算法復雜，運算量較大。

筆者針對接線密集電氣開關柜采用成本相對較低的低性能紅外攝像頭構建硬件監(jiān)測平臺，通過算法的改進圖像增強，進而產(chǎn)生可靠的二值圖像，為進一步深度學習提供數(shù)據(jù)支持?？紤]硬件不足軟件補及軟件計算輕量化，將電力設備紅外圖像經(jīng)雙邊濾波消噪處理后，再經(jīng)過區(qū)域直方圖均衡處理得到對比度明顯改善和信息熵增強的圖像，最后將自適應算法產(chǎn)生的二值圖作為深度學習的樣本輸入。

1 基本運算

卷積運算為圖像處理的基本運算，在一維數(shù)字信號處理中，卷積運算是將相互卷積的其中一個序列反轉，然后依次移位，并與另一序列對應位置序列值相乘、再累相加的過程。而圖像處理中涉及的二維卷積運算不考慮反轉，僅僅是二維數(shù)組作內積，通常設定一個模板也稱卷積核，然后將其在被處理的圖像中逐點移動作內積，得到處理結果。該結果反映出中心像素與領域之間的關系。因此，該操作也可以理解為相關運算[10]。若從空間域濾波來解釋卷積過程，則改變卷積核的大小或取值可以控制濾波的效果。運算過程如圖1所示。

卷積處理結果是將模板內像素以不同的加權值求和作為中心像素值，若模板取值均為1，就是滑動平均的效果；若模板取值為二維高斯型，結果就是低通濾波；若模板取值為邊緣檢測值，結果就是梯度。

2 紅外圖像增強策略

電氣開關柜巡檢場景中紅外圖像增強的處理流程如圖2所示。

由圖2可見，讀入的紅外圖像經(jīng)消噪、區(qū)域直方圖均衡處理、自適應二值化及必要的形態(tài)學開/閉運算等預處理后，輸出至深度學習機，文中主要研究區(qū)域直方圖均衡算法。

2.1 消噪

電氣開關柜巡檢作業(yè)中，由于工作人員的操作規(guī)范性、拍攝角度，以及周圍熱場的影響，采集的圖像勢必會引入噪聲。紅外圖像預處理時為了極大保留邊緣信息，文中先通過中值濾波濾除高頻噪聲，然后采用雙邊濾波濾除低頻噪聲。雙邊濾波算法是綜合考慮空間距離差異和灰度差異，首先，按高斯特性設計距離卷積核，即距離越遠，權值越?。黄浯?，按高斯特性設計灰度差異卷積核，即灰度差異越大，權值越小；最后，將兩個總卷積核作內積作為整體卷積核。令(i,j)為模板中心位置對應的像素坐標(k,l)為鄰域內待處理的像素坐標，高斯型空間距離核函數(shù)可描述為

(1)

式中，σd——帶寬，表示局部作用范圍。

該核為全局變量，只需初始化時定義一次。針對本研究實例中配電柜開關的紅外圖像，文中設計的五鄰域距離卷積核如圖3所示。

高斯型灰度差異核函數(shù)可描述為

(2)

式中：f(i,j)——(i,j)位置的像素；

f(k,l)——(k,l)位置的像素。

該核為局部變量，模板移動時需對鄰域內的每個像素都計算。

雙邊濾波器的卷積核函數(shù)就是上述二者的內積，可描述為

w(i,j,k,l)=d(i,j,k,l)·r(i,j,k,l)，

(3)

若原灰度值記為f(k,l)，處理后的灰度值記為g(i,j)則有

(4)

2.2 區(qū)域直方圖均衡

2.2.1 灰度壓擴處理

電氣開關柜巡檢中紅外圖像具有明確的期望特征，即突出熱力圖部分、抑制其它部分。根據(jù)具體應用中采集圖像的統(tǒng)計特性可將圖像分為灰度值較低的背景區(qū)、灰度值一般的過渡區(qū)和灰度值較高的目標區(qū)?；叶葔簲U原理如圖4所示。不同區(qū)域的灰度值可按圖4所示關系完成背景區(qū)壓縮、過渡區(qū)漸近擴張、目標區(qū)擴張?zhí)幚?，以提亮目標區(qū)域。

2.2.2 動態(tài)范圍提升

紅外圖像一般動態(tài)范圍小、對比度低，圖像細節(jié)難分辨。提升動態(tài)范圍有助于改善畫質，便于進一步識別和檢測。按照歸一化遷移的思想可完成灰度級動態(tài)范圍的調整。若原圖像f(x,y)的灰度級動態(tài)范圍是[M1,M2]，經(jīng)過變換后的圖像g(x,y)的灰度級動態(tài)范圍是[N1,N2]，則變換關系式為

(5)

2.2.3 區(qū)域直方圖均衡

直方圖均衡是借助灰度級分布函數(shù)將比較集中的一段灰度區(qū)間映射成在另一灰度范圍內的近似均勻分布。為了突出紅外圖像中的細節(jié)部分，將動態(tài)范圍提升后的圖像分段均衡化，算法流程如下：

(1)讀取圖像，通過統(tǒng)計直方圖確定灰度分布較集中的區(qū)域[M1,M2]，將位于該區(qū)域內的灰度級記為rk，灰度級為rk的像素點數(shù)記為nk，該區(qū)域內的像素點總數(shù)記為Nz；

(2)求出區(qū)間內每個灰度級出現(xiàn)的概率pk(rk)=nk/Nz；

(4)計算[N1,N2]內新的灰度值Sk=[N2-N1]Fk+N1，完成映射rk→Sk。

針對配電柜中空氣開關的紅外圖像經(jīng)上述處理，區(qū)域直方圖均衡前如圖5a所示，區(qū)域直方圖均衡后如圖5b所示。

由圖5b可以看出，變換將原圖中灰度值小于150的分布趨于平均化，保留目標的同時又能突出低灰度區(qū)間的細節(jié)部分。對低配置紅外相機采集的開關圖像作區(qū)域均衡的增強效果如圖6所示。

由圖6可見，原紅外圖像分辨率較低；灰度圖中背景區(qū)可辨識度不高，同時目標區(qū)有彌散現(xiàn)象；直接均衡處理后，圖像整體亮度有提升，動態(tài)范圍增強，背景區(qū)可辨識，但目標區(qū)彌散嚴重；區(qū)域均衡后的圖像動態(tài)范圍增強，層次豐富，背景區(qū)與目標區(qū)達到了較好的均衡的效果，同時也消除了目標區(qū)彌散現(xiàn)象。

2.3 圖像二值化

為了便于后續(xù)的邊緣提取及機器視覺分析，將灰度圖處理為二值圖像，其中，閾值選取對于二值化的效果尤為重要，根據(jù)項目實例中配電柜內部對象的紅外圖像的統(tǒng)計特性可知，目標與背景的直方圖并沒有明顯的雙峰圖像。因此，實際處理中采用優(yōu)化自適應閾值分割法。算法流程如下：

(1)對某個像素值，原來為S，取其周圍的n×n的區(qū)域，通過卷積操作，即均值模糊或高斯模糊，求出區(qū)域均值或高斯加權值，記為T。

(2)設置超參數(shù)α∈[0，1]，當S>(1-α)T時將原像素點二值化為255，文中取α=0.15。

該算法對噪聲敏感，因此，預處理中的消噪處理十分必要。文中方法對電氣開關柜的紅外圖像處理結果如圖7所示。

由圖7可見，區(qū)域均衡后灰度圖在目標區(qū)有明顯的提亮效果，層次感增強。二值圖中保留接線端高亮，且各相線的接線位置及相線之間可明顯區(qū)分。經(jīng)必要的形態(tài)學處理后，對二值圖中目標位置劃分可為進一步機器識別中模板匹配提供依據(jù)。

3 驗 證

3.1 主觀評價

事實上不存在衡量圖片增強效果的通用標準，僅從視覺效果上分析，文中以電力巡檢中配電柜目標的統(tǒng)計特性為基礎，采用灰度級壓擴處理可以使目標區(qū)域的動態(tài)范圍擴充，可辨識度增強，各種處理結果如圖8所示。

由圖8可見，直接均衡的效果使圖片整體亮度增強，雙邊濾波將原圖保留邊緣特征的同時又去除了噪點，區(qū)域均衡針對目標有指向性的均衡，有抑制背景和突出目標的作用。

3.2 定性分析

依賴圖像的視覺效果，從圖像的峰值信噪比、標準差和熵對處理后的圖像進行評價。

3.2.1 峰值信噪比

峰值信噪比用于表征圖像處理前后的失真程度，該值越大說明失真越小、處理效果越好。

峰值信噪比定義為

(6)

式中：M、N——圖像的高和寬；

Imax——色圖的最大灰度級，文中取255；

fij——處理之后圖像的像素點；

kij——原圖的像素點。

文中方法的處理效果對比原圖直接均衡處理的峰值信噪比，原圖像直接均衡處理為6.573 3 dB，區(qū)域均衡處理為18.810 9 dB。文中方法相比較于原圖直接均衡處理的峰值信噪比有明顯的改善。

3.2.2 標準差

標準差反映圖像的對比度，標準差越大，代表圖像對比度越好。其定義式為

(7)

文中方法的處理效果對比原圖直接均衡處理的標準差，原灰度圖為61.674 3；雙邊濾波處理為62.115 2；原圖直接均衡處理為74.790 0；區(qū)域均衡處理為74.832 4。雙邊濾波處理平滑去噪的同時，對圖像的對比度也有所改善，原圖直接均衡處理后的對比度增強明顯，而文中所述方法的對比度相較于原圖直接均衡處理也有所改善。

3.2.3 熵

熵是圖像特征的一種統(tǒng)計形式，它反映了圖像中灰度分布的聚集特征所包含的平均信息量，熵值越大，代表圖像所包含的信息量越多。灰度圖像的一元灰度熵定義為

(8)

式中，Pi——某個灰度在該圖像中出現(xiàn)的概率，可由灰度直方圖獲得。

文中研究的各種圖像的熵對比，原圖4.2×1074，直接均衡3.1×1075，雙邊濾波2.6×1074，區(qū)域均衡1.8×1075。相比于原圖直接均衡后熵值有所增大，經(jīng)均衡處理后的熵值比僅作濾波處理的高，雖然，雙邊濾波后的熵值較原圖降低，但結合主觀視覺效果可知，濾除噪聲及弱化背景是熵減小的原因。

4 結 論

(1)配電柜中接線束之間的距離較近，熱輻射干擾嚴重，當采用低性能指標的紅外相機采集圖像并通過機器視覺的方法準確辨別出線的位置是技術難點。針對具體應用場景中紅外圖像的高頻噪聲和低頻噪聲采取不同的消噪策略，根據(jù)采集圖像灰度的統(tǒng)計特性將圖像分為灰度值較低的背景區(qū)、灰度值一般的過渡區(qū)和灰度值較高的目標區(qū)。對分區(qū)后的圖像進行非線性擴張?zhí)幚?，能達到提亮目標區(qū)域的目的。采用歸一化遷移的思想完成了灰度級動態(tài)范圍的調整，將動態(tài)范圍提升后的圖像分段均衡化，突出了紅外圖像中的細節(jié)部分。

(2)文中根據(jù)項目實例中配電柜內部對象的紅外圖像的統(tǒng)計特性可知，目標與背景的直方圖并未有明顯的雙峰圖像，因此，實際處理中采用優(yōu)化自適應閾值分割法。

(3)在電力開關柜的遠程運維中，對于低性能的紅外成像裝置，采用該技術的處理效果對比原圖直接均衡處理的峰值信噪比由6.57 dB提高到18.81 dB，標準差由61.6提高到74.8，熵值提高近4.28倍。