劉釗

摘 要：利用紅外檢測(cè)技術(shù)實(shí)現(xiàn)對(duì)電力變壓器的在線故障監(jiān)測(cè)。對(duì)采集到的紅外圖像進(jìn)行去噪、增強(qiáng)、分割、特征提取等處理，通過(guò)均衡化處理實(shí)現(xiàn)圖像的增強(qiáng)，通過(guò)小波包閾值算法實(shí)現(xiàn)圖像的去噪，通過(guò)Canny算子邊緣檢測(cè)實(shí)現(xiàn)圖像的分割，通過(guò)基于改進(jìn)型Hu不變矩的特征提取實(shí)現(xiàn)圖像的識(shí)別，各步驟所選用的方法及算法對(duì)紅外圖像的處理都得到了較好的效果。

關(guān)鍵詞：紅外檢測(cè)；電力變壓器；紅外圖像處理

電力變壓器的一些故障是以熱狀態(tài)異常的形式表現(xiàn)，紅外檢測(cè)就是通過(guò)探測(cè)目標(biāo)電力變壓器的紅外輻射信號(hào)，獲取目標(biāo)變壓器的熱狀態(tài)特征圖，對(duì)熱圖像進(jìn)行處理、分析，從而判斷電力變壓器設(shè)備是否處于正常的運(yùn)行狀態(tài)。

1 紅外圖像的增強(qiáng)

通過(guò)直方圖均衡化算法使圖像的對(duì)比度增強(qiáng)，實(shí)際上是使灰度概率密度較大的像素向附近灰度級(jí)擴(kuò)展，拉開(kāi)灰度層次，使圖像充分利用各個(gè)灰度級(jí)，均勻化，增強(qiáng)圖像對(duì)比度。

設(shè)一幅圖像的像素為，共有個(gè)灰度級(jí)，代表灰度級(jí)為的像素的數(shù)目，則第個(gè)灰度級(jí)出現(xiàn)的概率可表示為：

其中，對(duì)其進(jìn)行均衡化的變換函數(shù)的離散形式可表示為：

式中

均衡后各像素的灰度值，可直接由原圖像的直方圖得到。

對(duì)紅外圖像進(jìn)行均衡化后，與原圖像相比，對(duì)比度增強(qiáng)，直方圖中灰度間隔拉大，分布較均勻，顯示更多細(xì)節(jié)，更有利于圖像的分析和識(shí)別。

2 紅外圖像的去噪

利用小波包閾值方法去噪，小波包分析可以同時(shí)對(duì)低頻和高頻部分做進(jìn)一步地細(xì)分，具有更精確的局部分析能力。

去噪步驟：（1）圖像的小波包分解；（2）確定最優(yōu)小波包基；（3）小波包分解系數(shù)的閾值量化；（4）小波包重構(gòu)。采用MATLAB進(jìn)行仿仿真。

小波包閾值算法處理后的圖像既保持了細(xì)節(jié)又有較好的去噪效果。

3 基于邊緣的紅外圖像分割

邊緣檢測(cè)通過(guò)檢測(cè)紅外圖像的邊緣來(lái)辨認(rèn)圖像的輪廓，邊緣定位準(zhǔn)確、運(yùn)算速度快。邊緣檢測(cè)采用Canny算子對(duì)邊緣有白噪聲影響的階躍變化進(jìn)行檢測(cè)最優(yōu)。

Canny算子邊緣檢測(cè)步驟：（1）圖像與高斯函數(shù)的標(biāo)準(zhǔn)差做卷積運(yùn)算；（2）利用

對(duì)各個(gè)像素進(jìn)行估計(jì)判斷；（3）利用確定邊緣像素的

位置；（4）用求取邊緣強(qiáng)度；（5）對(duì)邊緣做滯后閾值處理，是否存在偽響應(yīng)的可能；（6）對(duì)于遞增的幾何尺寸，重復(fù)步驟1-5；（7）提取圖像最終的邊緣特征信息。

Canny算子分割后的圖像結(jié)果比較理想，可以檢測(cè)出較弱的邊緣，但同時(shí)也平滑掉部分高頻邊緣，造成丟失。

5 基于改進(jìn)型Hu不變矩的特征提取

圖像識(shí)別是通過(guò)采用技術(shù)手段對(duì)紅外圖像中感興趣的部分進(jìn)行檢測(cè)，而獲得目標(biāo)的真實(shí)信息。首先提取圖像中的特征，然后分類，完成目標(biāo)圖像的識(shí)別過(guò)程。

已知Hu矩，引入比例縮放因子得到：，

既滿足特征不變性也不會(huì)影響識(shí)別率，得到新的特征向量為：

用MATLAB編程，對(duì)分割處理后的圖像采用改進(jìn)型Hu不變矩進(jìn)行特征提取。由表1可知，變壓器相同部位的特征向量差別較小，而不同部位的特征向量差別較大，所以可以對(duì)變壓器不同部位進(jìn)一步識(shí)別。

6 結(jié)論

本文通過(guò)選擇合適的紅外圖像處理方法及算法，優(yōu)化圖像的處理結(jié)果，得到較理想的處理效果圖，更有利于之后的故障診斷，提高可靠性和安全性。

參考文獻(xiàn)

[1] 危正東，試論紅外檢測(cè)技術(shù)在電力設(shè)備故障診斷中的應(yīng)用[J].中國(guó)電子商務(wù)，2013（20）：220-22.

[2] 戴文遠(yuǎn)，基于紅外熱圖像的故障診斷方法綜述[J].紅外，2013，34（2）：16-21.

[3]Bagavathiappan S，Lahiri B B，Saravanam T，et al.Infrared thermography for condition monitoring-a review[J].Infrared Physics & Technology， 2013，60：35-55.