仝衛(wèi)國，劉士波，孫藝萌

(華北電力大學(xué) 自動化系，河北 保定 071003)

基于鏈碼和紋理分析的輸電線斷股檢測

仝衛(wèi)國，劉士波，孫藝萌

(華北電力大學(xué) 自動化系，河北 保定 071003)

為了解決基于數(shù)字圖像的輸電線斷股的檢測問題，提出了基于Freeman鏈碼和紋理分析法相結(jié)合的輸電線斷股檢測方法，并根據(jù)斷股輸電線特點提出了鏈碼斷股識別準則。對待識別圖片進行灰度化、濾波和邊緣檢測處理；運用Radon變換對輸電線進行定位，獲得輸電線在圖像中的位置；分別運用Freeman鏈碼和紋理分析法對輸電線的外圍和內(nèi)部進行判斷，對斷股位置和掉落電線進行檢測，從而實現(xiàn)了輸電線斷股和形變的定位，并對斷股缺陷的程度進行判別。實驗結(jié)果表明，該方法可以準確定位輸電線斷股位置。

輸電線;斷股；Radon變換；鏈碼；紋理分析

0 引 言

隨著社會的發(fā)展，電力已經(jīng)成為人們生活中不可或缺的一部分，電力系統(tǒng)的安全運行因此也變得日益重要。輸電線作為電力輸送的載體，其安全運行在電力系統(tǒng)安全中發(fā)揮著重要作用。

常見的輸電線故障主要包括毛刺、表面凸起和斷股三種。由于長期暴露在自然環(huán)境中，輸電線不僅承受著來自正常機械載荷和電力負荷的作用，還經(jīng)受著污穢、雷擊、強風(fēng)等自然因素的侵害。這些因素將會導(dǎo)致輸電線疲勞、氧化和腐蝕，極易導(dǎo)致毛刺、表面凸起甚至是斷股。如不能及時發(fā)現(xiàn)和消除，不僅會增加輸電線路的功率損耗，而且會嚴重威脅電力系統(tǒng)的安全和穩(wěn)定[1]。

為了保證輸電線的安全運行、提高供電可靠性并確保輸變電線路最小故障率，常采用直升機巡檢[2]和無人機巡檢[3-4]。其所攜帶的圖像采集設(shè)備會獲得大量的圖像和視頻信息，為判斷輸電線故障提供依據(jù)。

目前，利用數(shù)字圖像檢測輸電線故障的研究比較多。主要手段有紫外成像檢測、紅外成像檢測和可見光檢測。一般輸電線故障處會發(fā)生電暈放電現(xiàn)象，因而可對輸電線進行紫外成像[5-6]，通過檢測電暈放電位置對輸電線故障位置進行定位。此外，輸電線故障位置阻抗變大，導(dǎo)致相應(yīng)位置的溫度會比正常位置高，所以利用紅外成像技術(shù)對輸電線高溫區(qū)域進行檢測也可以定位故障位置[7]。再有，輸電線發(fā)生了斷股后會產(chǎn)生形變以及有掉線出現(xiàn)，使目標邊緣產(chǎn)生變化，所以可以通過輸電線圖像的邊緣信息對斷股位置進行檢測[8]。紅外成像受環(huán)境的影響較大，當目標與背景的溫度差別較大時，分辨率較低，而且價格較高。紫外成像可以準確獲得異常放電位置，為斷股位置的判斷提供依據(jù)，但是紫外成像設(shè)備價格昂貴，不利于推廣。利用可見光進行檢測，符合人類的視覺特點，而且檢測較為準確，價格適中，有著廣泛的應(yīng)用前景。

輸電線斷股位置情況復(fù)雜，在輸電線斷股處，易發(fā)生較大形變，而且斷頭位置邊緣信息復(fù)雜，難以有效提取斷頭的邊緣信息，需要用鏈碼外的其他方法進行檢測；而對于輸電線斷股位置處的掉線，其邊緣信息較為清晰，采用單一的Freeman鏈碼即可檢測。因此，采用單一的方法不能全面地檢測出輸電線斷股。為此，采用結(jié)合Radon變換、Freeman鏈碼和紋理分析法的輸電線斷股檢測方法。首先利用Radon變換的特點對輸電線的位置進行定位。之后以此為基礎(chǔ)，分別利用Freeman鏈碼和紋理分析法對斷股輸電線的斷線和斷頭位置進行檢測。最后，對斷股位置進行標記。實驗結(jié)果表明，該方法可以正確檢測出輸電線的斷線和斷頭位置。

1 理論基礎(chǔ)

1.1 Radon變換

Radon變換的經(jīng)典表達式如式(1)所示。在數(shù)字圖像處理中，Radon變換表示圖像沿某個方向的直線的投影[9]。Radon變換法與Hough變換法和相位編組法等是常用的直線檢測方法[10]。

(1)

1.2 Freeman鏈碼

Freeman鏈碼是一種使用曲線的起始點坐標和邊界點的方向碼來描述邊緣的方法，可以用來跟蹤邊緣，用于直線[11]、圓等的檢測[12]，在輸電線、絕緣子[13]檢測中應(yīng)用廣泛。

根據(jù)中心像素點鄰接方向個數(shù)的不同，通?？梢詫reeman鏈碼分為4方向碼[14]和8方向碼[15]。8連通鏈碼能夠很好地描述中心像素點與其相鄰點的連接信息[16]，文中采用8連通鏈碼。

在8方向碼中，圖像中任意一個像素與它鄰近的像素有8個，可以得到8個不同的基本方向，分別用0，1，2，3，4，5，6，7這8個鏈碼值表示。通過記錄相鄰兩像素連線的方向值以及鏈碼的首尾坐標來保存相應(yīng)的邊緣[17]。

1.3 紋理分析法

紋理是圖像的一個重要特性，它是圖像像素的顏色或灰度在空間內(nèi)以某一形式循環(huán)變化而產(chǎn)生的某種圖案，其體現(xiàn)了圖像顏色或灰度的某種性質(zhì)和不同顏色或灰度的空間關(guān)系，是圖像中一個十分重要但又較難描述的特征[18]。目前紋理特征的提取方法可分為五類：幾何法、模型法、頻域分析法、統(tǒng)計分析法[19]和信號分析法[20]。紋理分析在目標識別與檢測中的應(yīng)用可分為目標表面特征分析和目標區(qū)域分割識別兩類[21]。

統(tǒng)計學(xué)方法是紋理特征提取應(yīng)用中使用最為廣泛的方法。該方法中最經(jīng)典的算法是灰度共生矩陣算法?；叶裙采仃嚪从沉藞D像灰度的變化情況、同種亮度的兩像素出現(xiàn)的頻率、相鄰像素的相關(guān)性等特性。其可有效地反映圖像中像素的灰度與梯度(或邊緣)之間的相互關(guān)系[22]；但其并不能直接用于描述圖像的紋理特征，還需要從共生矩陣中計算出諸如能量(角二階矩)、熵、慣性、相關(guān)性等值，然后用這些量對整幅圖像的紋理特征進行描述[23]。文中僅用能量來體現(xiàn)其中的紋理特性，見式(2)[24]。

(2)

其中，P(i,j;d,θ)表示在距離d和角度θ下的灰度共生矩陣的第i行第j列的元素。

2 輸電線斷股故障檢測算法流程

輸電線斷股位置檢測的一般流程如下：

(1)圖像預(yù)處理；

(2)Radon變換定位輸電線位置；

(3)Freeman鏈碼定位斷線；

(4)基于紋理分析法定位斷股輸電線斷頭位置；

(5)數(shù)據(jù)整合，獲得斷股檢測結(jié)果。

2.1 圖像預(yù)處理

輸電線圖像的預(yù)處理是輸電線故障檢測的前提和基礎(chǔ)，也是進行輸電線識別和斷股缺陷檢測的重要步驟。通過預(yù)處理步驟，可以獲得基本只包含輸電線外圍輪廓的邊緣二值圖，為Radon變換準確定位輸電線和Freeman鏈碼準確檢測掉線提供依據(jù)；同時也可以獲得噪聲較少的灰度圖，為紋理分析法定位輸電線斷股位置提供保障。

實驗中首先對圖像進行灰度化處理，使圖像從RGB圖像轉(zhuǎn)換為灰度圖。這樣做有助于簡化后續(xù)檢測過程并減少運算量。然后對圖像進行平滑去噪。圖像在采集、存儲、傳輸過程中會引入噪聲，圖像平滑去噪是為了將原始圖像中的噪聲濾除掉，以保證后面的邊緣檢測過程得到物體準確可靠的邊緣。實驗采用中值濾波方法對圖像進行平滑去噪[16,25]。中值濾波可以有效濾除非線性噪聲同時保留較好的邊緣信息。最后，利用Canny算子對圖像進行邊緣檢測[26]。Canny算子有低誤判率、高定位精度和抑制虛假邊緣的優(yōu)點[8]，所以文中采用Canny算子。同時為了保證有利于下一階段Radon變換對輸電線的定位操作，這里采用較高的閾值進行邊緣檢測，以使輸電線內(nèi)部的邊緣信息不被檢測出來，只檢測出輸電線的外圍輪廓。

2.2 用Radon變換定位輸電線位置

常用的直線檢測方法包括Hough變換法、Radon變換法、相位編組法等。但考慮到輸電線斷股處有較大形變，輸電線邊緣不會像正常輸電線那樣呈現(xiàn)直線狀，且比較復(fù)雜。因此利用Hough直線檢測效果并不理想，也很難精確定位輸電線的位置。同時為使檢測過程更加簡單方便，文中利用Radon變換對輸電線的大致位置進行定位。用Radon變換定位后將獲得輸電線的兩條近似定位直線。后續(xù)檢測將以這兩條定位直線為基礎(chǔ)。

具體操作如下：首先，對圖像預(yù)處理步驟中的二值邊緣圖像做0°～180°方向上的Radon變換，為減小運算量，可以每隔2°做一次Radon變換。由輸電線的特點可知，沿垂直于導(dǎo)線方向的Radon變換的非零值寬度最窄，可以以此為依據(jù)找到寬度最窄的Radon變換，從而獲得輸電線在圖像中的傾斜角，并以此為依據(jù)對輸電線進行校正，使輸電線以水平方式顯示。同時，在此方向上的Radon變換會產(chǎn)生兩個峰值，這兩個峰值所表示的坐標即為輸電線上下邊緣的位置所在。

需要注意的是，為了保證輸電線的上下邊緣在Radon變換中以峰值的形式出現(xiàn)，做Radon變換的圖片就必須是二值邊緣圖片，且該圖片的邊緣主要為輸電線的上下邊緣，所以在邊緣檢測中Canny算子的閾值要選的高些。

2.3 Freeman鏈碼定位斷線

利用Freeman鏈碼及相關(guān)檢測準則，并根據(jù)Radon變換定位的輸電線位置，對輸電線外圍的掉落線進行定位。

文獻[8]也使用了一種基于改進Freeman鏈碼的輸電線斷股識別方法，文中的不同之處在于針對的是細節(jié)輪廓較為清晰的輸電線，而且判斷準則也不同。

這里只檢測掉落的輸電線的鏈碼。為保證只獲得兩條輸電線定位直線以外的鏈碼，鏈碼搜索的停止條件為：

(1)當鏈碼搜索到邊緣的端點時停止；

(2)當搜索到距離輸電線定位直線一定距離時停止。

以上兩個條件可以確保檢測到斷股的導(dǎo)線。

當?shù)玫剿械逆湸a后，需要對每條鏈碼進行判斷，以判斷是斷股導(dǎo)線還是形變的地方。

在Freeman準則和和文獻[8]的基礎(chǔ)上，并根據(jù)斷股導(dǎo)線的特點，文中提出的判斷準則如下：

(1)如果鏈碼的首尾位置不與輪廓線相連，則可以判斷為非輸電線部分。

(2)如果鏈碼的首尾位置中有一端與輪廓線相連，而另一端沒有和輪廓線相連，則為可疑邊緣。

(3)如果鏈碼的首尾都和輸輪廓線相連，則需要進一步判斷是斷股導(dǎo)線還是形變邊緣。

針對第3步的結(jié)果，依次求取鏈碼的第一個點和最后一個點間的距離，第二個點和倒數(shù)第二個點的距離，第三個點和倒數(shù)第三個點的距離，依次類推，并將這些距離數(shù)據(jù)保存起來，當計算的距離數(shù)目達到該段鏈碼總長的三分之一時停止。其示意圖如圖1所示，其中箭頭表示相應(yīng)點對之間的距離。如果這些距離變化幅度較小、基本在一個小范圍內(nèi)浮動，則可以判斷為斷股導(dǎo)線，如圖1(a)所示；如果這些距離變化較大，則可以判斷為形變邊緣，如圖1(b)所示。

圖1 輸電線斷股和形變判斷

2.4 基于紋理分析法定位斷股輸電線斷頭位置

這里僅對圖片中輸電線所在位置的內(nèi)部進行計算，通過計算輸電線上的不同位置的灰度共生矩陣，對輸電線上的斷股位置進行定位。

為說明檢測方法，以實驗所用圖片為例，實驗根據(jù)Radon變換檢測輸電線的結(jié)果，將輸電線部分分為如圖2白框所示的10個區(qū)域，分別計算其灰度共生矩陣，獲得這10個區(qū)域的紋理特征，從而定位斷股位置。

圖2 紋理檢測的劃分區(qū)域

3 實驗結(jié)果與分析

所采用的實驗圖片如圖3所示。

圖3 實驗圖片

該斷股圖片為巡檢過程中所拍攝的實際輸電線中的一段，為實際采集圖片。

3.1 圖像預(yù)處理結(jié)果

經(jīng)過圖像灰度化、濾波和邊緣檢測后的結(jié)果如圖4所示。其中，邊緣檢測采用Matlab自帶的edge函數(shù)，邊緣檢測算子為Canny算子。其中，圖4是在閾值選取為[0.1,0.3]時的邊緣檢測結(jié)果。

圖4 圖像預(yù)處理檢測結(jié)果

值得注意的是，邊緣檢測的目的是為下一步Radon變換做準備。為了保證輸電線邊緣在Radon變換中形成兩個峰值，以利于輸電線位置的定位，應(yīng)采用較高的閾值做邊緣檢測。如果邊緣檢測的閾值過低，會導(dǎo)致邊緣檢測圖中一些不是輸電線邊界的邊緣也被檢測出來，不利于Radon變換對輸電線的定位。

3.2 Radon變換及Freeman鏈碼檢測結(jié)果

用Radon變換定位結(jié)果如圖5所示，用兩條平行的灰色線表示其上下輪廓；Freeman鏈碼的檢測結(jié)果如圖5所示，灰色線條外圍的兩個白色框表示用Freeman鏈碼檢測出的掉線邊緣，而灰色線條外圍的深色線條表示用Freeman鏈碼檢測出的形變的位置。

實驗中的輸電線正好為水平，所以其Radon變換非零值最少的變換為90°方向，因此，不需校正圖像。

由實驗可見，F(xiàn)reeman鏈碼可以有效準確地對輸電線斷股位置處的掉線和形變位置進行檢測。

圖5 斷股檢測結(jié)果

3.3 紋理分析法檢測結(jié)果

檢測部分結(jié)果如表1所示，一共計算了6、11、16、21、26共五個距離下的灰度共生矩陣的能量值。

表1 在選取角度為45°、不同距離下的能量值(只顯示整數(shù)部分)

從表1中可以看出，隨著距離的增加，紋理的能量值隨之減小，但所有區(qū)域的每一個距離下的第四個和第五個方框內(nèi)的能量值都相對很小，說明其紋理特性相對于其他的幾個區(qū)域較弱，不太明顯。而實際情況也確實如此，輸電線的斷股區(qū)域確實出現(xiàn)在這兩個區(qū)域。

圖5所示的灰色線條定位的輸電線上的兩個相同大小的白色框即為紋理分析法檢測出的結(jié)果。

同時，值得注意的是，隨著計算距離的增加，灰度共生矩陣所計算的像素對數(shù)目會相應(yīng)減少。因此隨著距離的增加才會出現(xiàn)能量值也隨之減小的現(xiàn)象。

3.4 檢測結(jié)果整合及分析

檢測的最終結(jié)果如圖5所示，兩條灰色平行線條表示對輸電線的定位，白色框表示斷頭區(qū)域和斷股導(dǎo)線，深色線條標識邊緣表示形變邊緣。

對比文獻[8]，可以發(fā)現(xiàn)兩種檢測方法都用到了Freeman鏈碼方法對斷股導(dǎo)線的掉線進行了檢測定位，不同之處在于文中方法還對輸電線內(nèi)部的紋理特征進行了分析。文中方法的一個優(yōu)點在于，斷股初期，斷股輸電線的掉線可能不明顯，單一采用Freeman鏈碼對輸電線的掉線進行檢測來判斷是否發(fā)生斷股的方法會失效。而加入對輸電線的紋理特性進行分析后，即便沒有明顯的掉線，也可以根據(jù)斷股位置發(fā)生的不規(guī)則紋理變化來定位潛在斷股位置，降低漏檢率。

實驗結(jié)果表明，對于細節(jié)較為清晰的輸電線圖像，該方法可以有效識別出輸電線斷股的位置和形變的位置。

4 結(jié)束語

隨著數(shù)字圖像處理技術(shù)的發(fā)展，其在電力行業(yè)的應(yīng)用越來越廣泛。運用計算機來代替人進行輸電線斷股檢測，可以極大地提高檢測效率并降低漏檢率。文中提出的基于Freeman鏈碼和紋理分析的輸電線斷股檢測方法，可以準確定位輸電線的斷股位置，解決了基于數(shù)字圖像的輸電線斷股檢測的問題，為輸電線安全運行提供了保證。

當然，該方法仍有不足之處。該方法目前只能簡單定位斷股區(qū)域，不能對輸電線斷股具體數(shù)目進行有效檢測，仍需繼續(xù)研究。

[1] 岳國慶.高低壓電力電纜線路的運行維護[J]．山西煤炭，2005，25(3)：33-34．

[2] 仝衛(wèi)國，苑津莎，李寶樹．圖像處理技術(shù)在直升機巡檢輸電線路中的應(yīng)用綜述[J]．電網(wǎng)技術(shù)，2010(12)：204-208．

[3] 陳西廣，董 罡，王濱海，等．固定翼無人機巡檢輸電線路探討[J]．山東電力技術(shù)，2011(5)：1-5.

[4] 湯明文，戴禮豪，林朝輝，等．無人機在電力線路巡視中的應(yīng)用[J]．中國電力，2013，46(3)：35-38．

[5] 張志勁，張 偉，黎振宇，等．不同缺陷類型導(dǎo)線的紫外成像檢測[J]．電網(wǎng)技術(shù)，2015，39(9)：2647-2652．

[6] 楊曉琳，李燕青，劉云鵬，等．基于數(shù)學(xué)形態(tài)學(xué)的電力設(shè)備紫外圖像放電區(qū)域提取[J]．電網(wǎng)技術(shù)，2008，32(7)：96-99．

[7] 楊政勃，金立軍，張文豪，等．基于紅外圖像識別的輸電線路故障診斷[J]．現(xiàn)代電力，2012，29(2)：76-79．

[8] 劉鯤鵬，王濱海，陳西廣，等．基于Freeman改進準則的輸電線斷股識別[J]．機電工程，2012，29(2)：211-214．

[9] 趙 波，陳至坤．電容層析成像算法研究[J]．自動化儀表，2006(S1)：65-68．

[10] 李 安．輸電線路導(dǎo)線斷股的圖像檢測方法[D]．北京:華北電力大學(xué)，2013．

[11] 魯光泉,許洪國,李一兵.基于鏈碼檢測的直線段檢測方法[J].計算機工程,2006,32(14):1-3.

[12] Freeman H.Boundary encoding and processing[M]//Picture processing and psychopictorics．New York：Academic，1970：241-266．

[13] 林聚財，韓 軍，陳舫明，等．基于彩色圖像的玻璃絕緣子缺陷診斷[J]．電網(wǎng)技術(shù)，2011，35(1)：127-133．

[14] 陳優(yōu)廣,張 薇,顧國慶.矩形點陣上鏈碼的轉(zhuǎn)換算法[J].小型微型計算機系統(tǒng),2005,26(12):2190-2193.

[15] 張 薇,陳優(yōu)廣,顧國慶.矩形點陣上八近鄰圖像的鏈碼轉(zhuǎn)換算法[J].小型微型計算機系統(tǒng),2006,27(10):1904-1908.

[16] 楊 煉．架空輸電線圖像的斷股診斷方法研究[D]．武漢:武漢科技大學(xué)，2013．

[17] 王競雪，宋偉東，趙麗科，等．改進的Freeman鏈碼在邊緣跟蹤及直線提取中的應(yīng)用研究[J]．信號處理，2014，30(4)：422-430．

[18] Haralick R M，Shanmngam K，Dinstein I．Texture feature for image classification[J]．IEEE Transactions on Systems，Man and Cybernetics，1973，3(6)：768-780．

[19] 劉曉民.紋理研究綜述[J].計算機應(yīng)用研究,2008,25(8):2284-2288.

[20] 周文慧．基于圖像紋理特征的牧草識別分類算法與應(yīng)用[D]．呼和浩特：內(nèi)蒙古大學(xué)，2014．

[21] 孫君頂,馬媛媛.紋理特征研究綜述[J].計算機系統(tǒng)應(yīng)用,2010,19(6):245-250.

[22] 魏 振，齊 波，左 健，等．基于局部放電圖像特征的換流變壓器油紙絕緣缺陷診斷方法[J]．電網(wǎng)技術(shù)，2015，39(4)：1160-1166．

[23] 謝 菲．圖像紋理特征的提取和圖像分類系統(tǒng)研究及實現(xiàn)[D]．成都：電子科技大學(xué)，2009．

[24] 焦蓬蓬，郭依正，劉麗娟，等．灰度共生矩陣紋理特征提取的Matlab實現(xiàn)[J]．計算機技術(shù)與發(fā)展，2012，22(11)：169-171．

[25] 王俊芳，王正歡，王 敏．常用圖像去噪濾波方法比較分析[J]．現(xiàn)代商貿(mào)工業(yè)，2009，21(16)：310-311．

[26] 段瑞玲，李慶祥，李玉和．圖像邊緣檢測方法研究綜述[J]．光學(xué)技術(shù)，2005，31(3)：415-419．

Broken Strands Detection of Transmission Line Based on Chain Code and Texture Analysis

TONG Wei-guo,LIU Shi-bo,SUN Yi-meng

(Department of Automation，North China Electric Power University,Baoding 071003,China)

In order to solve the problem of the detection of the broken strands of transmission line based on digital image,a method of broken strands detection based on Freeman chain code and texture analysis is proposed.The image is processed by gray scale,filtering and edge detection.Then,the position of transmission line is obtained by Radon transformation.Freeman chain code and texture analysis method are used to determine the external and internal of the transmission line to locate the position of the fault and the wire is dropped out,so the position of the fault and deformation of the transmission line is realized,and the degree of the fault is distinguished.Experimental results show that the method can accurately locate the position of the transmission line.

transmission line;damaged cables;Radon transformation;chain code;texture analysis

2016-01-08

2016-05-11

時間：2016-09-19

國家自然科學(xué)基金資助項目(61472419)

仝衛(wèi)國(1967-)，男，博士，副教授，研究方向為電工理論與新技術(shù)、圖像處理技術(shù)與傳感器；劉士波(1990-)，男，碩士研究生，研究方向為數(shù)字圖像處理。

http://www.cnki.net/kcms/detail/61.1450.TP.20160919.0842.050.html

TP391

A

1673-629X(2016)11-0139-05

10.3969/j.issn.1673-629X.2016.11.031