李浦玉，陳科羽，楊劉貴，陳鳳翔，徐梁剛

（貴州電網(wǎng)有限責(zé)任公司輸電運行檢修分公司，貴陽 550005）

近年來，隨著電力系統(tǒng)的迅速發(fā)展，電網(wǎng)覆蓋范圍擴大，電力設(shè)備的安全穩(wěn)定運行日益重要。由于電力設(shè)備大多布設(shè)在室外，不可避免地存在絕緣老化等情況，因此可能存在局部放電現(xiàn)象。局部放電所產(chǎn)生的電暈會浪費電能，進一步損耗電力設(shè)備絕緣子，干擾無線電通信等，嚴重影響到電力設(shè)備的安全運行[1]。因此，及時發(fā)現(xiàn)電力設(shè)備的電暈放電現(xiàn)象并確定放電位置日益迫切。

電暈放電時發(fā)出的光線包括可見光、紅外線、紫外線。早期的放電檢測多利用人工目視或遠紅外望遠鏡檢查，而當(dāng)人工目視能看到可見光信號，或遠紅外望遠鏡能檢測到紅外信號時，放電位置往往已嚴重破損且出現(xiàn)發(fā)熱現(xiàn)象，且這2 種方法都容易受到太陽光照的干擾，應(yīng)用效果不夠理想。而太陽光線中照射到地球的紫外線波長都在280 nm 以上，280 nm 以下的區(qū)間稱為日盲區(qū)[2]。電暈放電產(chǎn)生的紫外線有一部分波長在280 nm 以下，利用紫外相機對其進行探測，可避免太陽光的干擾。

單獨的紫外相機只能探測到放電信號，不能識別具體的放電位置，利用紫外可見雙光譜相機可以實現(xiàn)對電暈信號的發(fā)現(xiàn)與定位。紫外可見雙光譜相機拍攝到的紫外與可見光圖像需要進行配準(zhǔn)和融合，才能清楚地看到放電信號的實際位置。圖像配準(zhǔn)方法主要包括3 類，即基于像素、基于特征及基于模型的配準(zhǔn)方法[3]，其中基于特征的配準(zhǔn)方法計算量小、速度快、應(yīng)用最為廣泛，然而在紫外圖像中，很難找到足夠的紫外特征點與可見光特征點進行匹配。

為了實現(xiàn)不同拍攝距離的紫外與可見光圖像的實時配準(zhǔn)，本文提出了一種通過拍攝標(biāo)定裝置計算變換矩陣的配準(zhǔn)方法，通過構(gòu)建紫外與可見光圖像配準(zhǔn)參數(shù)標(biāo)定系統(tǒng)，實現(xiàn)對不同拍攝距離的仿射變換矩陣的計算。再通過構(gòu)建電力設(shè)備現(xiàn)場實時圖像配準(zhǔn)系統(tǒng)，實現(xiàn)現(xiàn)場圖像的采集和實時圖像的配準(zhǔn)、融合與顯示。

1 現(xiàn)有方法分析

基于特征的圖像配準(zhǔn)方法一般通過提取圖像上的對應(yīng)特征點，根據(jù)特征點計算2 幅圖像之間的變換關(guān)系。對于紫外與可見光圖像配準(zhǔn)問題而言，由于紫外線的日盲特性，物體無法在紫外圖像上成像，因此在紫外圖像上很難找到足夠多的與可見光圖像相匹配的特征點。且如果在實時拍攝的紫外與可見光圖像上先提取特征點再進行配準(zhǔn)，便很難滿足放電檢測的實時性要求。

目前，國內(nèi)已有很多關(guān)于紫外與可見光圖像配準(zhǔn)方法的研究。袁爽[4]設(shè)計了特殊的黑白定標(biāo)板，使用Harris 角點檢測法和SUSAN 角點檢測法得到角點，并人工選取多組角點進行匹配，使用最小二乘法得到仿射變換矩陣。謝沈陽[5]使用十字叉絲法，用紫外成像儀對氘燈光源進行成像，采用改進的SURF 算法提取特征點，使用剛體變換模型計算變換參數(shù)。陳錦龍等[6]通過標(biāo)定裝置，實現(xiàn)了高精度、小計算量的紫外與可見光圖像配準(zhǔn)。侯思祖等[7]通過計算紫外與可見光圖像的互信息作為相似性測度，采用剛體變換模型和1+1 進化算法求取最優(yōu)空間變換參數(shù)，實現(xiàn)圖像配準(zhǔn)。本文考慮到拍攝距離不同的情況下，紫外與可見光圖像的成像大小不同，變換模型的參數(shù)也會有所不同，如都使用相同的變換模型，會導(dǎo)致一些情況下校準(zhǔn)偏差較大，因此對不同的拍攝距離分別計算變換模型參數(shù)能使配準(zhǔn)結(jié)果更準(zhǔn)確。

2 本文方法

為了實現(xiàn)不同拍攝距離的紫外與可見光圖像的實時配準(zhǔn)和融合，以監(jiān)測電力設(shè)備局部放電情況，本文提出了一種紫外與可見光圖像的距離自適應(yīng)配準(zhǔn)方法。

2.1 紫外與可見光圖像參數(shù)標(biāo)定系統(tǒng)構(gòu)建

2.1.1 系統(tǒng)架構(gòu)及標(biāo)定板設(shè)計

構(gòu)建紫外與可見光參數(shù)標(biāo)定系統(tǒng)，包括供電系統(tǒng)、紫外與可見光LED 標(biāo)定板、紫外可見雙光譜相機和激光測距儀傳感器等，系統(tǒng)架構(gòu)如圖1 所示。

系統(tǒng)實現(xiàn)參數(shù)標(biāo)定的流程：首先在各個固定距離使用雙光譜相機對紫外與可見光LED 標(biāo)定板進行拍攝，采集紫外與可見光待配準(zhǔn)圖像，然后對待配準(zhǔn)圖像進行預(yù)處理，通過輪廓檢測和圓心檢測得到各LED 的坐標(biāo)。再根據(jù)可見光LED 的坐標(biāo)計算出紫外LED 在可見光圖像上的坐標(biāo)，使用隨機抽樣一致算法（RANdom SAmple Consensus，RANSAC）[8]計算出紫外與可見光配準(zhǔn)的最優(yōu)仿射變換矩陣。最后將各距離對應(yīng)的仿射變換矩陣編制成表并存儲，在需要進行圖像配準(zhǔn)時，可以以查表的方式迅速得到仿射變換矩陣，從而實現(xiàn)紫外與可見光圖像的距離自適應(yīng)實時配準(zhǔn)。

參數(shù)標(biāo)定系統(tǒng)中，紫外與可見光LED 標(biāo)定板的設(shè)計如圖2 所示，使用背景板和5 行10 列LED，其中第1、3、5 行為可見光LED，第2、4 行為紫外LED。使所有LED 之間的橫向和縱向間距都相等，記間距值為l。第2、4 行上的紫外LED 位于其上下2 行對應(yīng)位置的2 個可見光LED 連線的中點，因此可以根據(jù)可見光圖像上2 個對應(yīng)的可見光LED 的坐標(biāo)，計算出位于兩者中點的紫外LED 的坐標(biāo)，從而得到紫外與可見光圖像上相匹配的特征點。

圖2 紫外與可見光LED 標(biāo)定板設(shè)計

2.1.2 圖像采集及預(yù)處理

在各個固定距離使用雙光譜相機對紫外與可見光LED 標(biāo)定板進行拍攝，采集紫外與可見光待配準(zhǔn)圖像，并對待配準(zhǔn)的紫外與可見光圖像進行預(yù)處理，通過輪廓檢測和圓心檢測得到各LED 在圖像上的坐標(biāo)。

首先對紫外與可見光圖像進行二值化處理，利用最大類間方差法或用人工調(diào)整的方式?jīng)Q定二值化的門限閾值，使圖像中目標(biāo)和背景的對比更為強烈，目標(biāo)的輪廓更加清晰。二值化處理后，由于可能存在噪聲被分為目標(biāo)前景的情況，對圖像再進行中值濾波處理，去除噪聲的干擾。

圖像的輪廓檢測算法是將圖像中灰度值變化較大的像素提取出來組成線條，作為圖像的輪廓。使用Canny 算子進行輪廓檢測，Canny 算子是一種基于二階微分的輪廓檢測算法[9]，提取結(jié)果準(zhǔn)確，不易受噪聲影響。提取出輪廓后，對每個LED 的輪廓進行圓心提取，即分別提取輪廓在橫、縱方向的覆蓋范圍的中點，得到各個LED 在圖像上的坐標(biāo)。

2.1.3 仿射變換矩陣的計算與制表

根據(jù)可見光LED 的坐標(biāo)計算出紫外LED 在可見光圖像上的坐標(biāo)，使用RANSAC 算法計算紫外與可見光配準(zhǔn)的最優(yōu)仿射變換矩陣。

根據(jù)2.1.1 節(jié)所述，可以根據(jù)可見光LED 的坐標(biāo)計算出紫外LED 在可見光圖像上的坐標(biāo)。根據(jù)紫外可見光雙光譜相機的結(jié)構(gòu)，待配準(zhǔn)的紫外與可見光圖像之間的變換關(guān)系可表示為一個仿射變換模型。將可見光圖像作為基準(zhǔn)圖像，紫外圖像作為待配準(zhǔn)圖像，仿射變換模型如式（1）所示

式中：（x，y）為紫外圖像上特征點的位置，（x′，y′）為可見光圖像上其對應(yīng)特征點的位置?？梢娔Ｐ椭邪?個未知數(shù)，想要對其進行求解，需要至少3 組不共線的對應(yīng)特征點。通過拍攝標(biāo)定裝置，可以得到20 組對應(yīng)特征點。

使用RANSAC 算法，可以利用多組對應(yīng)特征點擬合出最優(yōu)的變換模型。RANSAC 算法通過抽取數(shù)據(jù)集中的隨機子集，并反復(fù)迭代多次來擬合最優(yōu)模型，算法將輸入數(shù)據(jù)分為局內(nèi)點和局外點，局內(nèi)點即可以用模型擬合的數(shù)據(jù)，局外點為不能適應(yīng)模型的數(shù)據(jù)，可能由過大的測量誤差所致。RANSAC 算法的運行步驟如下。

1）隨機抽取3 組不共線的對應(yīng)特征點作為局內(nèi)點，并以此擬合出仿射變換模型。

2）用得到的模型對其他數(shù)據(jù)進行測試，計算其他數(shù)據(jù)與模型的投影誤差，若誤差小于閾值，則將數(shù)據(jù)加入局內(nèi)點，最后根據(jù)全部局內(nèi)點計算模型的代價函數(shù)，如式（2）所示

3）重復(fù)前2 步的運算，如果得到的新模型的局內(nèi)點數(shù)多于舊模型，或局內(nèi)點數(shù)相等且代價函數(shù)值小于舊模型，則用當(dāng)前模型替代舊模型。

4）重復(fù)進行多次迭代，得到的最終模型即為最優(yōu)變換模型。

得到各距離對應(yīng)的仿射變換矩陣后，將變換矩陣編制成表并存儲，在需要進行圖像配準(zhǔn)時，可以以查表的方式得到仿射變換矩陣，從而實現(xiàn)紫外與可見光圖像的距離自適應(yīng)實時配準(zhǔn)。

2.2 電力設(shè)備實時圖像配準(zhǔn)系統(tǒng)構(gòu)建

2.2.1 系統(tǒng)架構(gòu)

電力設(shè)備現(xiàn)場實時圖像配準(zhǔn)系統(tǒng)的架構(gòu)如圖3 所示，主要包括紫外可見雙光譜相機、激光測距儀傳感器等。

圖3 電力設(shè)備現(xiàn)場實時圖像配準(zhǔn)系統(tǒng)架構(gòu)

在電力設(shè)備放電檢測現(xiàn)場采集放電信號的紫外與可見光圖像，并用激光測距儀記錄拍攝距離，再根據(jù)拍攝距離選取對應(yīng)的仿射變換矩陣，實現(xiàn)紫外與可見光圖像的配準(zhǔn)、融合和顯示。

2.2.2 圖像配準(zhǔn)與融合過程

得到激光測距儀傳感器記錄的拍攝距離后，通過查表的方式得到對應(yīng)的仿射變換矩陣，實現(xiàn)紫外與可見光圖像的配準(zhǔn)。圖像融合包括3 類，即像素級、特征級、決策級的融合[10]，紫外與可見光圖像的融合選擇像素級的融合，能最大程度上保留原始圖像中的細節(jié)信息。使用加權(quán)平均融合，即將紫外與可見光圖像直接進行像素加權(quán)處理，用M（x，y）、N（x，y）分別表示紫外與可見光原始圖像，F(xiàn)（x，y）表示融合后的圖像，則加權(quán)平均融合如式（3）所示

式中：（x，y）表示像素的坐標(biāo)；a1，a2分別表示紫外與可見光圖像的權(quán)重系數(shù)。利用圖像預(yù)處理中進行二值化處理時得到的紫外與可見光圖像的閾值K1、K2進行融合。圖像融合的步驟如下。

1）當(dāng)紫外圖像上的像素點M（x，y）的灰度值大于閾值K1時，表示這個像素點為目標(biāo)點，則此時融合圖像為M（x，y）。

2）當(dāng)M（x，y）的灰度值小于閾值K1時，對N（x，y）進行判斷。

3）如N（x，y）的灰度值小于閾值K2，則此時融合圖像為N（x，y）。

4）如N（x，y）的灰度值大于閾值K2，則此時融合圖像為a1M（x，y）+a2N（x，y），其中加權(quán)系數(shù)的選取需要人工進行調(diào)整，使融合的邊緣效果較好。

最后，在工控機上顯示融合后的圖像，實現(xiàn)電力設(shè)備局部放電的實時檢測。

3 實驗結(jié)果與分析

對在變電站采集到的隔離開關(guān)的2 個放電信號的圖像進行了配準(zhǔn)與融合，圖像融合的結(jié)果如圖4 和圖5 所示。

圖4 隔離開關(guān)放電信號1 紫外與可見光圖像融合結(jié)果

圖5 隔離開關(guān)放電信號2 紫外與可見光圖像融合結(jié)果

由圖4 和圖5 可以看出，隔離開關(guān)放電信號的紫外與可見光圖像融合結(jié)果準(zhǔn)確。本文方法可通過一次拍攝獲得固定距離的紫外與可見光圖像配準(zhǔn)的仿射變換矩陣，并能夠根據(jù)拍攝距離選擇對應(yīng)變換矩陣，實現(xiàn)距離自適應(yīng)的圖像配準(zhǔn)，且計算量小，運行速度快，實時性強。

4 結(jié)束語

本文提出了一種紫外與可見光圖像的距離自適應(yīng)配準(zhǔn)方法，通過構(gòu)建紫外與可見光圖像配準(zhǔn)參數(shù)標(biāo)定系統(tǒng)，計算出不同拍攝距離的仿射變換矩陣，迅速且準(zhǔn)確地得到紫外與可見光圖像之間的變換關(guān)系。再通過構(gòu)建電力設(shè)備現(xiàn)場實時圖像配準(zhǔn)系統(tǒng)，實現(xiàn)了現(xiàn)場圖像采集和實時圖像配準(zhǔn)、融合與顯示，速度快，計算量小且融合結(jié)果準(zhǔn)確，可以實現(xiàn)電力設(shè)備現(xiàn)場的實時放電檢測。