汪沨　黃浩川　何榮濤　潘雄峰

摘要：復(fù)合絕緣子表面憎水性的檢測是判斷其防污閃性能的主要手段之一.本文引入稀疏表示分類算法實現(xiàn)了對復(fù)合絕緣子憎水性圖像的檢測分類.運(yùn)用最小一范數(shù)方法計算稀疏表示系數(shù)，通過計算最小殘差圖像來搜索與測試圖像最匹配的訓(xùn)練樣本圖像，從而準(zhǔn)確識別出檢測試樣的憎水性HC等級.該算法避開了一般模式識別算法中較復(fù)雜的特征提取環(huán)節(jié)，為復(fù)合絕緣子憎水性圖像識別檢測提供了新的思路.實驗結(jié)果表明，該方法能有效地應(yīng)用于復(fù)合絕緣子憎水性圖像的分級.

關(guān)鍵詞：絕緣子；憎水性；稀疏表示；圖像識別

中圖分類號：TM855 文獻(xiàn)標(biāo)識碼：A

與傳統(tǒng)電瓷、玻璃絕緣子相比，復(fù)合絕緣子因其具有優(yōu)異的耐污閃性能而在電力系統(tǒng)中被廣泛使用.復(fù)合絕緣子的憎水性和憎水遷移性是其具有較強(qiáng)耐污閃性能的基礎(chǔ)，然而其在運(yùn)行中因受到紫外線、污穢、電磁場等條件的共同作用會出現(xiàn)老化現(xiàn)象，使得復(fù)合絕緣子憎水性下降，嚴(yán)重老化的絕緣子甚至?xí)适湓魉訹1-2].因此有必要定期對運(yùn)行中的復(fù)合絕緣子的憎水性進(jìn)行檢測，及時更換憎水性不合格的絕緣子.目前現(xiàn)場測量復(fù)合絕緣子憎水性的方法主要為噴水分級法[3]，該方法將復(fù)合絕緣子憎水性分為HC1至HC7 7個等級，其操作簡單，對檢測設(shè)備要求低，但完全依賴于人的主觀判斷，容易引起檢測結(jié)果的不一致性.

目前，國內(nèi)外一些學(xué)者提出了基于絕緣子憎水性圖像的智能檢測方法，文獻(xiàn)[4-5]采用圖像預(yù)處理去除噪聲和雜波，利用方向濾波、自適應(yīng)濾波等方法提取圖像的水珠或者水跡邊緣，對水珠特征參數(shù)進(jìn)行統(tǒng)計以后利用K鄰近算法進(jìn)行模式識別，從而確定憎水性等級.這種方法克服了目測的主觀性，但是由于圖像分割處理中很容易出現(xiàn)過度分割或者欠分割現(xiàn)象而導(dǎo)致分割失敗，使得后續(xù)的特征值提取失準(zhǔn)從而導(dǎo)致分類算法無法進(jìn)行.如圖1所示為運(yùn)用先進(jìn)的水平集方法對去噪后憎水性圖像進(jìn)行分割時，出現(xiàn)過分割和欠分割的現(xiàn)象.

本文采用稀疏表示分類算法（Sparse Representation Classification， SRC）對復(fù)合絕緣子憎水性圖像進(jìn)行識別與分類.稀疏表示的算法是由Wright等于2009年提出應(yīng)用于人臉識別領(lǐng)域中的算法[6].在該方法中一個測試樣本被所有訓(xùn)練樣本稀疏線性表示，然后從中找出對測試樣本表示誤差最小的一類訓(xùn)練樣本.這一研究為稀疏表示在圖像識別中的應(yīng)用開辟了新的方向.本文運(yùn)用稀疏表示分類算法對復(fù)合絕緣子憎水性圖像進(jìn)行分類，通過對稀疏表示系數(shù)以及最小殘差的計算找出樣本庫中與測試圖像最接近的訓(xùn)練圖像，從而判斷測試圖像所對應(yīng)復(fù)合絕緣子的憎水性等級.

1稀疏表示算法

由于拍攝圖片光照條件、拍攝角度、拍攝距離等實際因素的影響，即使是同一等級的水珠圖像也會呈現(xiàn)出多種不同的效果，所以在選擇訓(xùn)練樣本時，要綜合考慮各種水珠圖像所可能呈現(xiàn)的情況.以HC1級別的憎水性圖像為例，此時的復(fù)合絕緣子憎水性能較好，噴水后復(fù)合絕緣子傘裙表面會呈現(xiàn)出單個獨(dú)立的水珠.但由于受到拍攝條件的影響，水珠的大小、形狀、分布有很大的不同.為了能使訓(xùn)練樣本最大限度的代表HC1級別憎水性圖像的特征，選取具有不同大小水珠、不同光照條件、水珠分布疏密不一致、以及水珠重心傾斜不同角度的憎水性圖像作為訓(xùn)練樣本集.對于HC4～HC6級別的憎水性圖像，由于這些類別復(fù)合絕緣子表面出現(xiàn)了不同程度的污穢，使得拍攝所得水珠圖像的背景進(jìn)一步復(fù)雜化，需要考慮背景中污穢的分布以及污穢等級的影響.本文所用到的部分HC1～HC6的訓(xùn)練樣本圖像如圖2所示.

3實驗結(jié)果統(tǒng)計與分析

3.1可理解性分析

一個分類模型的質(zhì)量通常由兩方面進(jìn)行評估決定：分類試驗的準(zhǔn)確率以及該模型的可理解性.圖4（a）和（b）給出了同屬憎水性等級HC1級的兩個測試樣本，圖4（c）和（f）為利用訓(xùn)練樣本庫里所有樣本圖像對測試樣本進(jìn)行稀疏表示所得的兩組稀疏表示系數(shù)和利用式（6）計算得到的各類表示誤差.從圖4（c）中可以看出：第1類訓(xùn)練樣本所對應(yīng)的稀疏表示系數(shù)明顯大于其他幾類的稀疏表示系數(shù).這說明訓(xùn)練樣本集中第1類樣本對稀疏表示的貢獻(xiàn)最大，這也在圖4（d）表示的各類測試誤差中得到了體現(xiàn).因此我們僅通過圖4（c）就可判定測試樣本屬于第1類，即該憎水性圖像所對應(yīng)的復(fù)合絕緣子的憎水性屬于HC1級.但是，在對第2個測試樣本圖像進(jìn)行測試時，僅根據(jù)圖4（e）的稀疏表示系數(shù)對其憎水性級別進(jìn)行劃分有一定的困難，各個類別所對應(yīng)的稀疏表示系數(shù)變化跨度很大，系數(shù)之間大小相近的也很多.此種情況下通過進(jìn)一步計算該測試圖像與稀疏表示各類之間的殘差來對測試圖像進(jìn)行分類.由圖4（f）可知：第1類訓(xùn)練樣本與測試圖像之間的殘差最小，以此可判定該測試樣本屬于第1類，即該憎水性圖像所對應(yīng)的復(fù)合絕緣子憎水性等級為HC1級.

通過這個例子可以看出，利用稀疏表示對復(fù)合絕緣子憎水性圖像進(jìn)行分類時，稀疏表示的系數(shù)具有以下兩個特點(diǎn)：

1）測試樣本所對應(yīng)類別的訓(xùn)練樣本參與該稀疏表示的比例最大.

2）同類測試樣本所對應(yīng)的稀疏表示系數(shù)都比較接近.

3.2實驗結(jié)果分析

據(jù)文獻(xiàn)[11]，憎水性為HC1～HC2級的復(fù)合絕緣子可以繼續(xù)入網(wǎng)運(yùn)行，HC3～HC5級時需要進(jìn)行跟蹤監(jiān)測，HC6～HC7級的復(fù)合絕緣子必須退出運(yùn)行.本文在實驗測試階段將復(fù)合絕緣子憎水性試驗圖像分成繼續(xù)運(yùn)行，繼續(xù)觀測，退出運(yùn)行3大類.將HC1～HC2分為第1類，HC3～HC5分為第2類，HC6～HC7分為第3類.相對應(yīng)的樣本訓(xùn)練集也進(jìn)行了相應(yīng)的調(diào)整，形成了具備上述3大類共107幅標(biāo)準(zhǔn)憎水性圖像的訓(xùn)練樣本庫即訓(xùn)練樣本空間，其中第1類樣本40幅，第2類樣本30幅，第3類樣本37幅.由于第1類樣本圖像中水珠較多，導(dǎo)致圖像情況復(fù)雜，故相應(yīng)增加了第1類樣本圖像的數(shù)量.

4結(jié)論

測試結(jié)果表明：運(yùn)用稀疏表示分類算法對復(fù)合絕緣子憎水性圖像進(jìn)行檢測分類具有較高的準(zhǔn)確率和可行性.復(fù)合絕緣子圖像光照情況復(fù)雜，水珠分布隨機(jī)不規(guī)則，可見該算法對外界環(huán)境的改變具有一定的魯棒性.與傳統(tǒng)的憎水性圖像識別分類方法相比，稀疏表示分類算法避開了復(fù)雜的圖像分割和特征提取過程，大大簡化了復(fù)合絕緣子憎水性檢測步驟.如何通過豐富和優(yōu)化憎水性圖像訓(xùn)練樣本庫進(jìn)一步提高算法準(zhǔn)確率是今后努力的方向.

參考文獻(xiàn)

[1]趙林杰，李成榕，熊俊，等. 基于帶電檢測的復(fù)合絕緣子憎水性評價[J]. 中國電機(jī)工程學(xué)報，2008，28（16）： 135-142.

[2]張福林. 復(fù)合絕緣子外絕緣基材硅橡膠表面的憎水性和憎水遷移性機(jī)理分析[J]. 華北電力技術(shù)， 1999，3（1）：19-21.

[3]STRI Guide921，Hydrophobicity classification Guide[S].Sweden： Swedish Transm Res Inst， 1992.

[4]BERG M. A digital image processing method for estimating the level of hydrophobicity of high voltage polymeric insulating materials[C]//1999 Conference on Electrical Insulation and Dielectric Phenomena.Austin：IEEE，1999：756-762.

[5]彭克學(xué)，王泉德，王先培. 基于表面噴水圖像分析的絕緣子表面憎水性檢測方法[J].絕緣材料，2005，7（1）：47-51.

[6]WRIGHT J， YANG A Y. Robust face recognition via sparse representation[J]. IEEE Trans on Pattern Analysis and Machine Intelligence（PAMI）， 2009， 31（2）：210-227.

[7]DONOHO D， TSAIG Y. Fast solution of l1norm minimization problems when the solution may be sparse[J]. IEEE Trans on Information Theory， 2006，54（11）：4789-4812.

[8]DONOHO D. Compressed sensing[J]. IEEE Trans on Information Theory，2006，52（4）：289-1306.

[9]HUANG J， HUANG X， METAXAS D. Simultaneous image transformation and sparse representation recovery[C]//Proceedings of CVPR. Anchorage： IEEE，2008：1-8.

[10]DONOHO D， TSAIG Y. Fast soluion of l1-norm minimization problems when the solution maybe sparse[R]. Department of Statistics， Stanford University， USA，2008.

[11]Technical Specification IEC/TS 62073-2003Guide to measurement of wettability of insulator surfaces[S].Geneva： International Electrotechnical Commission， 2003.

[12]The Mathworks Inc. Matlab creating graphical user interfaces[M].Massachusetts： The Mathworks，2008.

參考文獻(xiàn)

[1]趙林杰，李成榕，熊俊，等. 基于帶電檢測的復(fù)合絕緣子憎水性評價[J]. 中國電機(jī)工程學(xué)報，2008，28（16）： 135-142.

[2]張福林. 復(fù)合絕緣子外絕緣基材硅橡膠表面的憎水性和憎水遷移性機(jī)理分析[J]. 華北電力技術(shù)， 1999，3（1）：19-21.

[3]STRI Guide921，Hydrophobicity classification Guide[S].Sweden： Swedish Transm Res Inst， 1992.

[4]BERG M. A digital image processing method for estimating the level of hydrophobicity of high voltage polymeric insulating materials[C]//1999 Conference on Electrical Insulation and Dielectric Phenomena.Austin：IEEE，1999：756-762.

[5]彭克學(xué)，王泉德，王先培. 基于表面噴水圖像分析的絕緣子表面憎水性檢測方法[J].絕緣材料，2005，7（1）：47-51.

[6]WRIGHT J， YANG A Y. Robust face recognition via sparse representation[J]. IEEE Trans on Pattern Analysis and Machine Intelligence（PAMI）， 2009， 31（2）：210-227.

[7]DONOHO D， TSAIG Y. Fast solution of l1norm minimization problems when the solution may be sparse[J]. IEEE Trans on Information Theory， 2006，54（11）：4789-4812.

[8]DONOHO D. Compressed sensing[J]. IEEE Trans on Information Theory，2006，52（4）：289-1306.

[9]HUANG J， HUANG X， METAXAS D. Simultaneous image transformation and sparse representation recovery[C]//Proceedings of CVPR. Anchorage： IEEE，2008：1-8.

[10]DONOHO D， TSAIG Y. Fast soluion of l1-norm minimization problems when the solution maybe sparse[R]. Department of Statistics， Stanford University， USA，2008.

[11]Technical Specification IEC/TS 62073-2003Guide to measurement of wettability of insulator surfaces[S].Geneva： International Electrotechnical Commission， 2003.

[12]The Mathworks Inc. Matlab creating graphical user interfaces[M].Massachusetts： The Mathworks，2008.

參考文獻(xiàn)

[1]趙林杰，李成榕，熊俊，等. 基于帶電檢測的復(fù)合絕緣子憎水性評價[J]. 中國電機(jī)工程學(xué)報，2008，28（16）： 135-142.

[2]張福林. 復(fù)合絕緣子外絕緣基材硅橡膠表面的憎水性和憎水遷移性機(jī)理分析[J]. 華北電力技術(shù)， 1999，3（1）：19-21.

[3]STRI Guide921，Hydrophobicity classification Guide[S].Sweden： Swedish Transm Res Inst， 1992.

[4]BERG M. A digital image processing method for estimating the level of hydrophobicity of high voltage polymeric insulating materials[C]//1999 Conference on Electrical Insulation and Dielectric Phenomena.Austin：IEEE，1999：756-762.

[5]彭克學(xué)，王泉德，王先培. 基于表面噴水圖像分析的絕緣子表面憎水性檢測方法[J].絕緣材料，2005，7（1）：47-51.

[6]WRIGHT J， YANG A Y. Robust face recognition via sparse representation[J]. IEEE Trans on Pattern Analysis and Machine Intelligence（PAMI）， 2009， 31（2）：210-227.

[7]DONOHO D， TSAIG Y. Fast solution of l1norm minimization problems when the solution may be sparse[J]. IEEE Trans on Information Theory， 2006，54（11）：4789-4812.

[8]DONOHO D. Compressed sensing[J]. IEEE Trans on Information Theory，2006，52（4）：289-1306.

[9]HUANG J， HUANG X， METAXAS D. Simultaneous image transformation and sparse representation recovery[C]//Proceedings of CVPR. Anchorage： IEEE，2008：1-8.

[10]DONOHO D， TSAIG Y. Fast soluion of l1-norm minimization problems when the solution maybe sparse[R]. Department of Statistics， Stanford University， USA，2008.

[11]Technical Specification IEC/TS 62073-2003Guide to measurement of wettability of insulator surfaces[S].Geneva： International Electrotechnical Commission， 2003.

[12]The Mathworks Inc. Matlab creating graphical user interfaces[M].Massachusetts： The Mathworks，2008.