程登峰 趙常威 嚴(yán)波 操松元 李森林 楊為 楊海濤 陳忠 姚強(qiáng)

摘要：利用計(jì)算機(jī)視覺(jué)和圖像處理技術(shù)對(duì)絕緣子覆冰情況進(jìn)行檢測(cè)，在保障電力系統(tǒng)的安全運(yùn)行方面具有非常重要的作用。提出了一種基于GLOH描述子和GVF Snake的絕緣子覆冰檢測(cè)算法，該算法首先對(duì)輸入圖像進(jìn)行預(yù)處理;其次提取感興趣的目標(biāo)區(qū)域，該區(qū)域內(nèi)包含絕緣子信息;然后利用GLOH描述子來(lái)定位絕緣子，再利用GVF Snake模型來(lái)精確檢測(cè)絕緣子輪廓;最后對(duì)絕緣子輪廓進(jìn)行分析，通過(guò)計(jì)算最大徑向距離來(lái)確定絕緣于是否存在覆冰情況，并在覆冰情況下計(jì)算覆冰的厚度。實(shí)驗(yàn)結(jié)果說(shuō)明了此方法可以有效地判斷出絕緣于是否存在覆冰現(xiàn)象。

關(guān)鍵詞：絕緣子;GVF Snake;GLOH描述子;K-means聚類(lèi);覆冰

中圖分類(lèi)號(hào)：TP391.41

文獻(xiàn)標(biāo)志碼：A

1 引 言

在電力系統(tǒng)中，絕緣子覆冰對(duì)于電網(wǎng)安全一直是一個(gè)很大的威脅。特別是在寒冷的冬天，絕緣子覆冰情況時(shí)常發(fā)生，而覆冰閃絡(luò)是一種輸電線(xiàn)路中時(shí)常發(fā)生較大的危害，對(duì)線(xiàn)路的絕緣性以及系統(tǒng)的安全運(yùn)行有著很大的安全隱患，因而對(duì)絕緣子覆冰進(jìn)行檢測(cè)具有重要的意義。隨著機(jī)器視覺(jué)技術(shù)和圖像處理技術(shù)的發(fā)展，利用視覺(jué)和圖像處理技術(shù)對(duì)絕緣子狀態(tài)進(jìn)行檢測(cè)，自動(dòng)識(shí)別絕緣子覆冰情況，在保障電力系統(tǒng)的安全運(yùn)行方面具有非常重要的作用。

近期，研究者們提出了許多識(shí)別檢測(cè)絕緣子覆冰情況的算法。文獻(xiàn)[1]分析了絕緣子覆冰特征，利用圖像處理技術(shù)對(duì)絕緣子覆冰的情況以及絕緣子圖形特征量進(jìn)行分析和識(shí)別，應(yīng)用圖像平滑處理和閾值變換等算法獲取絕緣子輪廓圖像，并計(jì)算了覆冰厚度等參數(shù);文獻(xiàn)[2]通過(guò)模板匹配技術(shù)在圖像中實(shí)現(xiàn)絕緣子的定位，然后通過(guò)圖像預(yù)處理、圖像分割、邊緣提取等技術(shù)，提取出圖像中覆冰前后絕緣子邊緣，然后對(duì)比區(qū)域像素個(gè)數(shù)來(lái)判斷有無(wú)覆冰;文獻(xiàn)[3]基于紋理特征描述算子建立玻璃絕緣子的冰類(lèi)型識(shí)別方法，該方法利用一致局部二值模式和改進(jìn)的一致局部二值模式用于提取六種類(lèi)型覆冰圖像的紋理特征，通過(guò)紋理直方圖的相關(guān)系數(shù)計(jì)算來(lái)識(shí)別覆冰類(lèi)型。文獻(xiàn)[4]報(bào)道了自1999年以來(lái)IEEE-PES工作組一直開(kāi)發(fā)的絕緣子結(jié)冰測(cè)試方法和推薦的選擇標(biāo)準(zhǔn)，包括獲得可重復(fù)結(jié)果和建模的重要因素。文獻(xiàn)[5]基于小波的圖像邊緣檢測(cè)方法來(lái)提取輪廓進(jìn)行覆冰厚度的測(cè)量，并在模擬人工氣候?qū)嶒?yàn)室中進(jìn)行了實(shí)驗(yàn)驗(yàn)證。文獻(xiàn)[6]通過(guò)圖像的三維重建來(lái)進(jìn)行絕緣子覆冰在線(xiàn)監(jiān)測(cè)，利用計(jì)算機(jī)雙目視覺(jué)技術(shù)，采用兩臺(tái)放置在不同位置的攝像機(jī)采集絕緣子圖像，通過(guò)圖像間的視差進(jìn)行絕緣子的三維點(diǎn)云模型重建，從而計(jì)算得到覆冰的厚度。

現(xiàn)有圖像監(jiān)測(cè)法中，大多只是對(duì)在實(shí)驗(yàn)室這種理想環(huán)境下的絕緣子覆冰情況進(jìn)行識(shí)別，在距離實(shí)際應(yīng)用還存在著一定的差距。由于圖像獲取的復(fù)雜性，絕緣子與背景常常融為一體，傳統(tǒng)的方法很難將其完整分離。本文結(jié)合了GLOH描述子和GVF Snake模型，提出一種絕緣子覆冰檢測(cè)算法。首先利用GLOH描述子進(jìn)行精確定位絕緣子，去除背景因素的干擾，然后利用GVF Snake算法對(duì)絕緣子串進(jìn)行檢測(cè)，以獲得絕緣子串的完整輪廓圖像，最后對(duì)絕緣子輪廓圖像進(jìn)行分析，以達(dá)到檢測(cè)絕緣子覆冰檢測(cè)目的。

2 圖像預(yù)處理

絕緣子的圖像中常常包含較大的背景噪聲，并且圖像往往是不同氣候條件下拍攝的照片，其顏色深淺度都不太相同。想要克服這些噪聲、顏色等差異的影響，就需要對(duì)包含絕緣子的圖像進(jìn)行必要的預(yù)處理以達(dá)到減少噪聲等因素的影響。

首先對(duì)圖像進(jìn)行中值濾波，中值濾波可以去除邊緣模糊和噪聲等問(wèn)題，可以較好地將絕緣子的邊緣信息保留下來(lái);利用直方圖均衡化來(lái)增強(qiáng)圖像的對(duì)比度，以方便絕緣子的定位。

3 絕緣子定位

絕緣子的定位是絕緣子狀態(tài)檢測(cè)的重要步驟。考慮到拍攝圖像時(shí)易受到光照、角度等因素的影響，因此在檢測(cè)定位階段，需要具有一定的尺度、亮度、旋轉(zhuǎn)和遮擋不變的局部特征幫助定位絕緣子，本文采用了梯度定位方向直方圖（ GLOH）描述子[7]來(lái)進(jìn)行特征描述。

在描述子構(gòu)造之前，需要對(duì)圖像進(jìn)行局部特征檢測(cè)，研究者們提出了很多用于局部特征檢測(cè)的方法，如H arris角點(diǎn)檢測(cè)[8]、Harris-affine區(qū)域檢測(cè)[9]、DoG特征檢測(cè)[10]、Hessiarraffine區(qū)域檢測(cè)[11]等。由于仿射協(xié)變區(qū)域的形狀自適應(yīng)于圖像幾何形變、視角變化和亮度變化等，H essian-Affine區(qū)域檢測(cè)算法通過(guò)多尺度迭代的方式獲得仿射不變特征，能有效檢測(cè)出仿射協(xié)變區(qū)域，因此本文采用Hessian-Affine區(qū)域檢測(cè)算法來(lái)獲取特征和特征區(qū)域。

在檢測(cè)局部特征點(diǎn)后，需要對(duì)特征點(diǎn)進(jìn)行描述。GLOH是由SIFT描述子發(fā)展而來(lái)的，具有更強(qiáng)獨(dú)特性和魯棒性。GLOH算子所提取的圖像特征，能夠?qū)Τ叨瓤s放、旋轉(zhuǎn)、光照等變化保持不變性，抗噪能力強(qiáng)[12]。

絕緣子定位算法的流程圖如圖1所示，在訓(xùn)練階段，提取大量特征作為訓(xùn)練集，為了減少冗余的特征，首先利用聚類(lèi)分析方法來(lái)選擇代表性的特征即視覺(jué)字典，本文使用K-Means作為聚類(lèi)方法，K -Means聚類(lèi)[13]的是一種無(wú)監(jiān)督學(xué)習(xí)方法，應(yīng)用非常廣的，是一個(gè)迭代算法，其學(xué)習(xí)目標(biāo)是將所有樣本到對(duì)應(yīng)聚類(lèi)中心的平方和最小化，從而使生成的同類(lèi)的樣本盡可能接近，不同類(lèi)樣本盡可能分開(kāi)。它是一種簡(jiǎn)單、快速、較為實(shí)用的聚類(lèi)算法。K -Means算法描述如下[14]：

1）首先隨機(jī)初始化K個(gè)中心點(diǎn)T1，T2，…，T_k;

2）其次計(jì)算每個(gè)樣本點(diǎn)分別到K個(gè)中心點(diǎn)的

其中T_k表示第k個(gè)視覺(jué)單詞的直方圖向量，它是第k類(lèi)中所有特征向量的平均值。μ_i（i =1，…，k）為匹配閾值，通過(guò)訓(xùn)練樣本來(lái)獲得。

在匹配階段，對(duì)任意輸入圖像均可以得到一系列特征描述子，注意其中包含許多絕緣子特征描述子，記為{T¹，T²，…，T^z）。然后將這些特征與L中每個(gè)視覺(jué)單詞進(jìn)行匹配，并用L中對(duì)應(yīng)的閾值來(lái)判斷其是否為絕緣子的特征，這樣就可以排除大多數(shù)非絕緣子的特征，留下所有絕緣子的特征。

經(jīng)過(guò)特征匹配后，目標(biāo)位置顯而易見(jiàn)，便可以獲得含有絕緣子的區(qū)域。

4.2 絕緣子覆冰檢測(cè)

對(duì)于一副輸入圖像，先利用第2節(jié)中圖像預(yù)處理方法對(duì)其進(jìn)行預(yù)處理，然后通過(guò)第3節(jié)中絕緣子定位方法進(jìn)行定位，再通過(guò)4.1節(jié)的GVF Snake模型對(duì)絕緣子串進(jìn)行檢測(cè)，以獲得絕緣子串的輪廓圖像。

覆冰在圖像上的直接表現(xiàn)就是會(huì)增大絕緣子的徑向距離，在獲取絕緣子串的輪廓圖像之后，為了判斷覆冰情況，需要計(jì)算圖像中絕緣子的徑向距離，注意到直接從圖像中測(cè)出的絕緣子最大徑向距離是指圖像中以單個(gè)象素為單位的距離，假設(shè)測(cè)出的絕緣子最大徑向距離為d，未覆冰情況下的圖像中絕緣子徑向距離為d'，而絕緣子實(shí)際的距離為d″，若|d-d′|>δ則認(rèn)為絕緣子存在覆冰情況，δ為了避免計(jì)算誤差而設(shè)定的較小閾值。依據(jù)所測(cè)參數(shù)，也可以計(jì)算覆冰的厚度D=0.5（d -d′）d″/d′。

本文算法的流程圖如下：5實(shí)驗(yàn)

本文使用大量含有絕緣子的圖像作為訓(xùn)練樣本，實(shí)驗(yàn)是在Windows 7環(huán)境下，編譯軟件為Visual Studi0 2010和Matlab 2012（b），電腦配置為Intel core 17-4790 CPU@3.6GHz，8核。

圖3是本文算法對(duì)絕緣子覆冰的檢測(cè)結(jié)果，實(shí)驗(yàn)中，取δ=l。圖3（a）是原始圖像，從圖中可以看出，圖像中含有絕緣子串存在覆冰情況，并且還有線(xiàn)纜、植被等復(fù)雜背景。圖3（b）經(jīng)過(guò)預(yù)處理后的圖像，圖3（c）是利用GLOH描述子定位出的含有絕緣子的區(qū)域。圖3（d）是利用GVF Snake模型獲取的絕緣子串的輪廓形狀。圖3（e）是未經(jīng)絕緣子定位，直接通過(guò)GVF Snake模型提取的輪廓圖像，線(xiàn)纜的輪廓也被提取，會(huì)影響覆判斷，可見(jiàn)絕緣子定位的重要性。經(jīng)過(guò)對(duì)圖3（d）中絕緣子串的輪廓進(jìn)行分析、計(jì)算得到，d =128，d′=123，d″=255mm所以覆冰厚度D=5.18mm，該絕緣子存在覆冰情況。圖4是另一組實(shí)驗(yàn)，按照本文算法檢測(cè)，d>d′+1，也存在覆冰情況。

6結(jié)論

電力系統(tǒng)中絕緣子覆冰檢測(cè)是電力傳輸系統(tǒng)中非常重要的問(wèn)題，為了解決絕緣子覆冰問(wèn)題，本文提出了一種基于GLOH描述子和GVF Snake的絕緣子覆冰檢測(cè)算法，該算法利用GLOH描述子結(jié)合K-means聚類(lèi)進(jìn)行絕緣子定位，并通過(guò)GVF Snake模型獲取絕緣子串的輪廓，最后對(duì)絕緣子輪廓圖像進(jìn)行分析，達(dá)到了檢測(cè)絕緣子覆冰檢測(cè)的目的，并計(jì)算了覆冰的厚度。

參考文獻(xiàn)

[1]張成，盛戈嗥，江秀臣，等，基于圖像處理技術(shù)的絕緣子覆冰自動(dòng)識(shí)別[J]，華東電力，2009，37（1）：146-149.

[2]張燁，馮玲，穆靖宇，等，劉新慧輸電線(xiàn)路絕緣子覆冰厚度圖像識(shí)別算法[J]，電力系統(tǒng)自動(dòng)化，2016，40（21）：195-202.

[3] YANG Lin， JIANG Xiao-lan，HAO Yarrpeng，et al.Recog-nition of natural ice types on irrservice glass insulators basedon texture feature descriptor[J]， IEEE Transactions on Dirlectrics and Electrical Insulation， 2017， 24（1）：535- 542.

[4]FARZANEH M，CHISHOLM W A.Insulator Icing TestMethods， Selection Criteria and Mitigation Alternatives[J]，IEEE Transactions on Dielectrics and Electrical Insulation，2007， 14（6）： 1462-1473.

[5]王小朋，胡建林，孫才新，等，應(yīng)用圖像邊緣檢測(cè)方法在線(xiàn)監(jiān)測(cè)輸電線(xiàn)路覆冰厚度研究[J].高壓電器，2009，45（6）：69-74.

[6] 楊浩，無(wú)畏，基于三維重建的絕緣子覆冰圖像監(jiān)測(cè)[J].電力自動(dòng)化設(shè)備，2013，33 （2）：92-98.

[7] MIKOLAJCZYK K， SCHMID C A Performance Evaluationof Local Descriptors[J].IEEE Trans.on Pattern Analysis andMachine Intelligence，2005，27（10）： 1615-1630.

[8] HARRIS C， STEPHENS M.A combined corner and edgedetection[C]. Proc. 4th Alvey Vision Conf.， Manchester，UK， Aug. 1988， pp. 147-152.

[9] MIKOLAJCZYK K， SCHMID C.Scale and affine invariantinterest point detectors[J]. Int.J.Comput. Vis.， 2004， 60（1）：63-86.

[10]LOWE D G. Distinctive image features from scalrinvariantkeypoints[J]. Int.J. Comput. Vis.， 2004， 60（2）： 91-110.

[11] MIKOLAJCZYK K， TUYTELAARS T， SCHMID C， etal.A comparison of affine region detectors[J]. Int.J. Com-put. Vis.， 2005， 65（1/2）： 43-72.

[12]郜曉晶，潘新，王亮，基于GLOH算子和局部特征融合的人臉識(shí)別[J]，計(jì)算機(jī)應(yīng)用與軟件，2013， 30（5） ：271-274.

[13]MAcoUEEN J.Some methods for classification andanalysis of multivariate observations[C]. Berkeley Symposi-um on Mathematical Statistics and Probability， 1967： 281 -297.

[14] 吳文峰，基于局部特征字典的圖像分類(lèi)算法研究[D]，深圳大學(xué)，2012.

[15]KASS M， WITKIN A， TERZOPOLOUS D. Snakes： activecontour models， Int.J.Comput. Vision，1987，1 （4）： 321 - 331.

[16]朱述龍，孟偉燦，朱寶山.運(yùn)用GVF Snake算法提取水域的不規(guī)則邊界[J]，遙感學(xué)報(bào)，2013，17（4）：750-758.

[17] XU C Y， PRINCE J L.Snakes，shapes，and gradient vectorflow.IEEE Transactions on Image Processing[J]，1998，7（3）：359-369.

[18] 韓海梅，姚礪，萬(wàn)燕，基于K-means和GVF Snake模型的纖維圖像分割[J]，2011，37（1） ：66-71.