胡建平，李 玲，謝 琪，2，張道暢

(1．東北電力大學(xué)理學(xué)院，吉林 吉林132012;2．吉林大學(xué)數(shù)學(xué)學(xué)院，吉林 長春130012)

采用高壓和超高壓架空電力線長距離輸送電是電力工業(yè)發(fā)展以來所采用的主要輸電方式．由于輸電線路自身的老化以及一些自然和人為的破壞，絕緣子、電力線、桿塔等輸電電力設(shè)備會(huì)產(chǎn)生自爆、斷股、磨損、腐蝕等損傷，將會(huì)對電力系統(tǒng)的安全和穩(wěn)定構(gòu)成威脅，因此必須對輸電線路進(jìn)行定期巡檢以及時(shí)修復(fù)和更換相應(yīng)設(shè)備［1］．目前，利用直升機(jī)進(jìn)行輸電線路巡檢，已成功應(yīng)用于我國輸電線路的運(yùn)行和維護(hù)中［2］．日常直升機(jī)巡檢中，主要工作方式是目測，也可借助望遠(yuǎn)鏡觀察線路，或者事后觀看攝影、攝像記錄的圖像來判斷線路故障及隱患．這些人工的方法顯然效率低，檢測結(jié)果受主客觀因素影響大．由于巡檢過程中攝影、攝像設(shè)備記錄了大量輸電線路圖像信息，包含了輸電線路的基本特征及運(yùn)行狀態(tài)信息，通過對它們使用一些圖像分析處理技術(shù)［3～6］可以發(fā)現(xiàn)輸電線路中設(shè)備缺陷和故障隱患，不僅可以克服人工方式的各種缺陷，提高工作效率和檢測精度，而且能夠提高線路巡檢的自動(dòng)化水平，減少巡檢人員，為無人直升機(jī)在電力巡檢中的應(yīng)用以及輸電線路的智能化奠定基礎(chǔ)［7～9］．

絕緣子是架空輸電線路的重要組成部分，包括玻璃、瓷質(zhì)和合成絕緣子，其中玻璃絕緣子子片自爆導(dǎo)致的掉片損傷是玻璃絕緣子特有的故障缺陷，通過圖像處理技術(shù)對其進(jìn)行診斷是直升機(jī)自動(dòng)巡檢技術(shù)中的一個(gè)重要研究內(nèi)容［10～14］．馬帥營等［10］首先通過統(tǒng)計(jì)絕緣子的顏色范圍定位出絕緣子大致區(qū)域，然后針對該區(qū)域采用最大類間方差法進(jìn)行絕緣子分割．方挺和韓家明［11］首先使用最大類間方差法以及中值濾波進(jìn)行圖像預(yù)處理，然后通過基于粒子群優(yōu)化參數(shù)的蟻群算法來檢測絕緣子缺陷．黃宵寧和張真良［12］采用基于遺傳算法的最大熵閾值法對彩色圖像進(jìn)行分割．林聚財(cái)?shù)龋?3］首先通過統(tǒng)計(jì)絕緣子在不同光照下絕緣子的顏色特征并結(jié)合邊緣鏈碼進(jìn)行絕緣子分割，然后通過滑動(dòng)窗口的直方圖匹配進(jìn)行絕緣子缺陷診斷．王淼等［14］采用閾值分割、形態(tài)學(xué)和邊緣檢測技術(shù)設(shè)計(jì)了絕緣子的連通域特征和形狀特征進(jìn)行絕緣子缺陷檢測，以進(jìn)一步將其應(yīng)用在無人機(jī)輸電線路巡檢系統(tǒng)中．盡管研究者們對輸電線路圖像中絕緣子的提取和缺陷檢測進(jìn)行了初步的嘗試，但是由于絕緣子圖像中包括樹木、山川、河流、道路、桿塔等復(fù)雜背景，而且絕緣子在不同的光照條件下可能出現(xiàn)不同的顏色特性，給絕緣子的分割和缺陷檢測提出了巨大的挑戰(zhàn)．

為此，本文提出了一種基于顏色聚類的玻璃絕緣子分割方法，方法通過彩色圖像中絕緣子顏色的聚類特性，利用K均值聚類算法進(jìn)行分割，不需要統(tǒng)計(jì)不同光照下絕緣子的顏色范圍;然后利用絕緣子的形狀特性，通過采用基于主成分分析的連通區(qū)域判決方法進(jìn)行絕緣子定位，以提高絕緣子分割的準(zhǔn)確性和魯棒性．

1 基于K均值聚類的絕緣子分割

聚類就是按照某個(gè)特定標(biāo)準(zhǔn)把一個(gè)數(shù)據(jù)集分割成不同的類或簇，使得同一個(gè)簇內(nèi)的數(shù)據(jù)對象的相似性盡可能大，同時(shí)不在同一個(gè)簇中的數(shù)據(jù)對象的差異性也盡可能地大，其在數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、模式識(shí)別、市場研究等領(lǐng)域具有廣泛的應(yīng)用［15］．絕緣子通過直升機(jī)航拍成像時(shí)在同一種光線條件下通常呈現(xiàn)相似的顏色特性，因此按照其顏色特征進(jìn)行聚類能夠分割出絕緣子所在的區(qū)域．本文采用經(jīng)典的K均值算法進(jìn)行聚類．

1.1 K均值聚類算法

假設(shè)有一組包含K個(gè)聚類的數(shù)據(jù)，其中第k個(gè)聚類可以用集合Gk來表示，k=1，…，K．假設(shè)Gk包含Nk個(gè)數(shù)據(jù)(v1，v2，…，vNk)，vi表示第i個(gè)數(shù)據(jù)的屬性值向量，i=1，…，NK．設(shè)Gk的聚類中心為ck，則該聚類的平方誤差ek可以定義為

而這K個(gè)聚類的總的平方誤差E便是每個(gè)聚類的平方誤差總和，記為

K均值聚類算法通過迭代的方式，設(shè)法降低聚類總的平方誤差E的值，以使得各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開．其算法的主要步驟如下:

(1)從原始數(shù)據(jù)對象中任意選擇K個(gè)對象作為該數(shù)據(jù)的初始聚類中心;

(2)根據(jù)每個(gè)類別選定的聚類中心，計(jì)算每個(gè)對象與這些中心對象的距離，把樣本歸到離它最近的那個(gè)聚類中心所在的類;

(3)重新計(jì)算新形成的每一個(gè)聚類的數(shù)據(jù)對象的平均值來得到新的聚類中心;

(4)如果某個(gè)類別相鄰兩次的中心沒有任何變化，說明該類別的樣本調(diào)整結(jié)束，聚類準(zhǔn)則函數(shù)已經(jīng)收斂．對其它類別循環(huán)步驟(2)到步驟(4)，直到每個(gè)類別中心不再發(fā)生變化為止．

1.2 基于K均值聚類的絕緣子分割算法

彩色圖像由RGB三原色表示，它們通常高度相關(guān)，而且兩點(diǎn)間的歐幾里德距離與顏色距離呈非線性關(guān)系，不便于進(jìn)行圖像的彩色分割．Lab色彩空間是由CIE(國際照明委員會(huì))于1976年公布的一種色彩模式，由一個(gè)亮度分量L以及兩個(gè)色度分量a與b來表示顏色．在該空間中，顏色之間視覺上的距離與顏色坐標(biāo)上的歐幾里德距離成正比，即具有一定距離的兩點(diǎn)之間的色彩是均勻分布［16］．因此，在Lab顏色空間上進(jìn)行距離和相似度計(jì)算，能夠更好的進(jìn)行彩色圖像的絕緣子分割．

為了實(shí)現(xiàn)圖像從RGB空間到Lab空間的轉(zhuǎn)換，首先必須把圖像從RGB空間轉(zhuǎn)換到XYZ空間［17］:

其中:，X0，Y0，Z0為標(biāo)準(zhǔn)光源D65的三刺激值，其值為X0=95．045，Y0=100，Z0=108．255．

當(dāng)彩色圖像從RGB空間轉(zhuǎn)換到Lab空間后，可將表示顏色的色度分量a和b作為屬性值向量進(jìn)行K均值聚類分割．通過對大量的絕緣子圖像實(shí)驗(yàn)，將原始圖像分為3類就能達(dá)到較好的效果，如圖1所示，其中白色、灰色和黑色表示各自所在的聚類圖像．

圖1 基于K均值聚類的絕緣子分割，第一行為原始絕緣子圖像，第二行為K均值聚類結(jié)果

2 基于主成分分析的絕緣子定位

經(jīng)過基于K均值的聚類方法分割后，能夠?qū)⒔^緣子作為一個(gè)連通區(qū)域從圖像中分割出來，如圖1所示．但是聚類后的分割圖像中存在多個(gè)連通區(qū)域，需要從眾多的連通區(qū)域中找到絕緣子所在的連通區(qū)域．由于絕緣子呈現(xiàn)規(guī)則的長條對稱的特性，因此本文采用基于主成分分析的連通區(qū)域形狀判決方法進(jìn)行絕緣子定位．首先對聚類分割后的圖像進(jìn)行腐蝕膨脹等預(yù)處理操作;然后利用主成分分析計(jì)算連通區(qū)域的軸向、寬、高等信息;在此基礎(chǔ)上，通過對特定的連通區(qū)域進(jìn)行合并，以保證將絕緣子自爆后分開的部分連接在一起;最后判定所有連通區(qū)域的形狀得到最終的絕緣子．

2.1 預(yù)處理

由于絕緣子圖像在野外采集時(shí)受到天氣和光照的影響，導(dǎo)致正常情況下絕緣子的統(tǒng)一色度在成像時(shí)存在一定的色散現(xiàn)象，在聚類分割時(shí)絕緣子內(nèi)部可能出現(xiàn)一些小的缺失．為了消除其對絕緣子識(shí)別的影響，我們通過數(shù)學(xué)形態(tài)學(xué)操作［18］對聚類分割后的圖像進(jìn)行腐蝕、膨脹去掉小的噪聲，同時(shí)對圖像中連通區(qū)域的孔洞進(jìn)行填充，以保證分割后絕緣子的完整性．

2.2 基于主成分分析的連通區(qū)域的信息計(jì)算

主成分分析是考察多個(gè)變量間相關(guān)性一種多元統(tǒng)計(jì)方法．它的本質(zhì)是從原始變量中導(dǎo)出少數(shù)幾個(gè)主成分，使它們盡可能多地保留原始變量的信息，且彼此間互不相關(guān)．其幾何解釋是對于二維空間中具有橢圓分布的數(shù)據(jù)集合，它的兩個(gè)主成分分別是橢圓的長軸方向和短軸方向［19］，如圖2所示．

類似地，對于長條形的絕緣子區(qū)域，其兩個(gè)主成分應(yīng)該是沿著軸向的方向和垂直于軸向的方向．因此我們可以通過主成分分析來計(jì)算連通區(qū)域的軸向、寬、高等信息，進(jìn)而用其來判定其是否是絕緣子．

對于連通區(qū)域 A，pk=(xk，yk)，k=1，…，N 表示該連通區(qū)域中的點(diǎn)，其協(xié)方差矩陣為

其中:c表示該連通區(qū)域的質(zhì)心，(·)T表示向量的轉(zhuǎn)置．

通過主成分分析理論［19］，可知協(xié)方差矩陣M的最大特征值對應(yīng)的特征向量為該連通區(qū)域的第一主成分，即主軸，最小特征值對應(yīng)的特征向量為該連通區(qū)域第二主成分，即次軸．在此基礎(chǔ)上，通過計(jì)算沿著兩個(gè)軸線方向的最遠(yuǎn)距離得到連通區(qū)域的寬度w和高度h．

圖2 主成分分析的幾何解釋

2.3 連通區(qū)域合并

在絕緣子圖像中，如果絕緣子的盤片發(fā)生掉片損傷，則一個(gè)絕緣子可能會(huì)被分割成多個(gè)連通區(qū)域，如圖3(b)所示．為了準(zhǔn)確的檢查出絕緣子的缺陷，需要對這樣的連通區(qū)域進(jìn)行合并．記連通區(qū)域Ai和Aj的單位主軸方向分別為di和dj，質(zhì)心分別為ci和cj，寬度分別為wi和wj．如果下列關(guān)系式成立，則合并這兩個(gè)連通區(qū)域:

其中:(·)表示兩個(gè)向量內(nèi)積，wT和aT分別表示選定的寬度差異閾值和偏離角度閾值．公式(6)～公式(8)分別表示合并兩個(gè)連通區(qū)域在寬度、長軸方向、中心之間的連線方向應(yīng)滿足的約束條件．根據(jù)數(shù)碼相機(jī)所拍攝的實(shí)際絕緣子圖像，可設(shè)wT=3，aT=1，即合并的兩個(gè)子串的寬度應(yīng)該不超過3個(gè)像素，偏離角度不超過1弧度．

當(dāng)對連通區(qū)域進(jìn)行合并后，需要通過主成分分析重新計(jì)算合并后的連通區(qū)域的軸向、寬和高等信息，以便進(jìn)行下一步的連通區(qū)域形狀判決．

2.4 連通區(qū)域形狀判決

對于連通區(qū)域A，設(shè)其寬和高分別為w和h，連通區(qū)域中點(diǎn)的個(gè)數(shù)為N，計(jì)算如下形狀判決度量:

(1)高寬比k1=h/w;

(2)連通區(qū)域最小包圍盒里物體像素所占比例k2=N/(w*h);

(3)連通區(qū)域的對稱度k3．設(shè)連通區(qū)域中關(guān)于主軸的對稱點(diǎn)落在連通區(qū)域中的點(diǎn)的數(shù)目為N1，則對稱度為k3=N1/N;

如果形狀判決度量k1，k2，k3都能超過給定的閾值(通過對大量的絕緣子圖像實(shí)驗(yàn)，可選取k1＞8，k2＞0．7，k3＞0．9，則判定該連通區(qū)域是絕緣子，進(jìn)而將絕緣子從聚類圖像中分割出來，如圖3(c)所示．

圖3 基于主成分析的絕緣子定位

3 實(shí)驗(yàn)結(jié)果分析討論

我們在主頻3．2G，2G內(nèi)存的PC機(jī)上，通過Matlab編程實(shí)現(xiàn)了上述算法．算法對直升機(jī)航拍得到的3008×2000彩色圖像進(jìn)行了測試，包括一些不同光線下采集的呈現(xiàn)不同顏色的絕緣子的圖像，同時(shí)圖像中也具有桿塔、大地、樹木等背景，如圖1和圖4所示．從圖5(b)和圖6(a)可知，本文提出的方法能夠較好的克服不同光線以及桿塔、大地、樹木等背景的干擾，而且即使所拍攝圖像不是特別清晰的情況下(圖1(d))，也能將絕緣子從圖像中分割出來．

為了加快算法的處理速度，本文統(tǒng)一將原始圖像縮小到像素為500*332進(jìn)行處理．通過實(shí)驗(yàn)結(jié)果可以看出，這樣處理并不影響缺陷檢測的精度，但明顯加快了處理速度，每幅圖像的處理平均時(shí)間在0．4 s左右，能夠滿足實(shí)時(shí)處理的要求．

圖4 不同光照下絕緣子圖像

我們將本文方法同黃宵寧和張真良提出的基于遺傳算法的最大熵閾值的絕緣子分割方法［12］進(jìn)行了比較．為了比較的公正性，我們與該文提供的實(shí)驗(yàn)結(jié)果圖像進(jìn)行對比．從圖5可以看出，盡管他們的方法也能將絕緣子從復(fù)雜的桿塔背景中提取出來，但是本文方法提取出的絕緣子圖像更加完整，保留了絕緣子盤片的橢圓特性，更加有利于后續(xù)的絕緣子自爆缺陷檢測．

圖5 絕緣子分割比較

圖6 不同光線下絕緣子分割比較

我們也將本文方法同林聚財(cái)?shù)热颂岢龅幕诓噬珗D像的絕緣子缺陷診斷方法［13］進(jìn)行了比較．同前面一樣，我們?nèi)匀徊捎迷闹械膶?shí)驗(yàn)結(jié)果進(jìn)行比較．從圖6可以看出，他們的方法提取的絕緣子存在一些噪聲塊，而且絕緣子提取不是非常完整．其主要原因在于絕緣子在不同的光照條件下可能出現(xiàn)不同的顏色特性，很難完全準(zhǔn)確的統(tǒng)計(jì)出不同光照下絕緣子的顏色范圍，然而本文采用顏色聚類結(jié)合主成分分析的絕緣子定位方法則能夠減少不同光線和復(fù)雜背景的影響．

4 結(jié) 論

為了減少不同光線和復(fù)雜背景對絕緣子圖像分割的影響，提出一種基于顏色聚類的玻璃絕緣子圖像分割方法．該方法首先通過K均值聚類算法將玻璃絕緣子從復(fù)雜的背景圖像中分割出來，然后通過利用絕緣子的形狀特性，采用基于主成分分析的連通區(qū)域判決方法定位出絕緣子的具體位置．實(shí)驗(yàn)結(jié)果顯示，與現(xiàn)有的一些絕緣子圖像分割算法相比，本文方法受不同光線和復(fù)雜背景影響較小，提高了絕緣子分割的準(zhǔn)確性和魯棒性，為進(jìn)一步進(jìn)行絕緣子缺陷檢測打下了基礎(chǔ)．

參考文獻(xiàn)

［1］ 于建立，王藝霖，魯志偉，等．伊穆±500kV直流輸電線路雷擊事故分析及防雷改造［J］．東北電力大學(xué)學(xué)報(bào)，2017，37(2):1－8．

［2］ 楊敏祥，宋巍，趙雪松，等．幾種輸電線路巡檢方式的比較——淺析無人直升機(jī)巡檢的優(yōu)勢［J］．智能電網(wǎng)，2015(5):148－154．

［3］ Ren Xiaofeng，Bo Liefeng．Discriminatively trained spare code gradients for contour detection［C］//Advances in Neural Information Processing Systems，2012:584－592．

［4］ P．Dollar，C．L．Zitnick．Fast edge detection using structured forests［J］．IEEE Transactions on Pattern Analysis and Machine Intelligence，2015，37(8):1558－1570．

［5］ 田原嫄，譚慶昌．亞像素邊緣定位算法過濾噪聲的分析［J］．東北電力大學(xué)學(xué)報(bào)，2016，36(5):43－47．

［6］ 王立群，郭樹強(qiáng)，郭曉利．基于顏色恒常性的彩色圖像分割方法［J］．東北電力大學(xué)學(xué)報(bào)，2015，35(1):78－82．

［7］ 仝衛(wèi)國，苑津莎，李寶樹．圖像處理技術(shù)在直升機(jī)巡檢輸電線路中的應(yīng)用綜述［J］．電網(wǎng)技術(shù)，2010，34(12):204－205．

［8］ 劉鯤鵬，王濱海，陳西廣，等．基于Freeman改進(jìn)準(zhǔn)則的輸電線斷股識(shí)別［J］．機(jī)電工程，2012，29(2):211－214．

［9］ 仝衛(wèi)國，劉士波，孫藝萌．基于鏈碼和紋理分析的輸電線斷股檢測［J］．計(jì)算機(jī)技術(shù)與發(fā)展，2016，26(11):139－143．

［10］馬帥營，安居白，陳舫明．基于區(qū)域定位的絕緣子圖像分割［J］．電力建設(shè)，2010，31(7):14－17．

［11］方挺，韓家明．航拍圖像中絕緣子缺陷的檢測與定位［J］．計(jì)算機(jī)科學(xué)，2016，43(S1):222－225．

［12］黃宵寧，張真良．直升機(jī)巡檢航拍圖像中絕緣子圖像的提取算法［J］．電網(wǎng)技術(shù)，2010，34(1):194－197．

［13］林聚財(cái)，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］王淼，杜毅，張忠瑞．無人機(jī)輔助巡視及絕緣子缺陷圖像識(shí)別研究［J］．電子測量與儀器學(xué)報(bào)，2015(12):1862－1869．

［15］ 孫吉貴，劉杰，趙連宇．聚類算法研究［J］．軟件學(xué)報(bào)，2008，19(1):48－61．

［16］ Pang Xiaomin，Min Zijian，Kan Jiangming．Color image segmentation based on HSI and LAB color space［J］．Journal of Guangxi University．2011，36(6):976－980．

［17］錢小燕，韓磊，王幫峰．紅外與可見光圖像快速融合算法［J］．計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)．2011，23(7):1211－1216．

［18］陸玲，王蕾，桂穎．?dāng)?shù)字圖像處理［M］．北京:中國電力出版社，2007．

［19］何曉群．多元統(tǒng)計(jì)分析［M］．2版．北京:中國人民大學(xué)出版社，2008．