基于最大熵的復合絕緣子表面水珠圖像分割算法研究

王身麗，黃　力，侯金華，方　權，翁永春，胡　海，王志高，付　裕，覃　喬

(1.國網湖北省電力有限公司檢修公司，湖北 武漢 430050；2. 三峽大學 電氣與新能源學院，湖北 宜昌 443002)

0　引　言

復合絕緣子具有支撐導地線的作用，同時具有電氣絕緣的功能，但投運時間過久后，容易受到周圍環境的污染，當在陰雨天時極易導致發生污閃，很容易引發線路跳閘。新投運的復合絕緣子有很好的憎水性，它能使其表面的灰塵難以被水浸潤形成水膜，進而形成污閃通道，從而降低了污閃發生幾率[1-3]。因此，應當重視檢測復合絕緣子憎水性的。

目前，有文獻利用形態學算法具有直觀上的簡單性，在濾除噪聲的同時又能保留圖像中原有信息，針對憎水性圖像處理，如何根據水珠邊緣體征自適應的選擇結構元素已成為憎水性圖像處理的一個熱點。模糊算法也是憎水性圖像處理中常用的一個工具，針對圖像中水珠邊緣缺失和水珠陰影等問題，模糊算法能夠較為準確地還原缺失的邊緣，并能將陰影準確劃分到背景中去，還能有效濾除噪聲，因此模糊算法在很多地方都能得到應用。基于梯度的邊緣微分檢測是圖像邊緣檢測的常用方法。這種方法操作簡單，運算量小，但是對噪聲敏感，在圖像邊緣產生的響應較寬，即檢測到的圖像邊緣區域可能包含不止一個像素，因此檢測精度不高。小波變換是圖像邊緣提取的另一種常用方法。由于小波變換具有多尺度特性，圖像的每個小波變換都提供了一定的邊緣信息。當尺度較小時，邊緣信息豐富，但定位精度不高；當尺度較大時，定位精度較高，但抗噪性差。因此合理控制尺度在小波變換邊緣提取方面顯得尤為重要。本文對復合絕緣子噴水霧到形成穩定的水珠后進行圖像采集。由于整片絕緣子圖片可以看作是許多小圖片拼接而成，因而可以把復合絕緣子噴水后的圖片劃分為小圖片進行研究。

1　相關算法原理

水珠與絕緣子的灰度差較小，水珠對光的反射原理，導致向光的一側的邊界極為模糊難辨，致使對圖像中水珠識別非常困難，要達到好的識別效果，必須先對圖像進行預處理[6-7]，然后進行基于最大熵梯度閾值分割。

1.1　色彩模型轉換

常用的顏色空間類型有RGB、HSV等。RGB顏色空間模型由紅(R)綠(G)藍(B)3個純基色分量組成，而HSV顏色空間模型則由色度(H)、飽和度(S)、亮度(V)3個分量組成[8-9]，人類對色調和飽和度的視覺敏感度高。

若 (R，G，B)代表紅、綠、藍某一顏色下的坐標，其取值范圍為0到1之間的實數。要找到在HSV空間中的(H，S，V)的值，這里的H∈[0，360)，它是角度的色相角，而S，V∈[0，1]分別是圖像的飽和度和亮度，具體的轉換公式如下：

Ymax=max(R,G,B)

(1)

Ymin=min(R,G,B)

(2)

當R=Ymax時，

H=(G-B)/(Ymax-Ymin)

(3)

當G=Ymax時，

H=2+(B-R)/(Ymax-Ymin)

(4)

當B=Ymax時，

H=4+(R-G)/(Ymax-Ymin)

(5)

得到H值后，然后對H進行判斷，若H=H×60后，H<0則H=H+360。

V=max(R,G,B)

(6)

S=(Ymax-Ymin)/Ymax

(7)

1.2　基于最大熵法求閾值

本文應用了最大熵法[10]，設圖像分割閾值為t，其算法原理如下：

(8)

令T是{0，1，2，…t}的灰度分布值，B是{t+1，t+2，…L-1}的灰度分布值，則其概率分布為：

(9)

(10)

式中：

(11)

則這兩個概率密度相關熵為：

(12)

(13)

定義函數φ(t)為H(T)和H(B)的和，則有φ(t)=H(T)+H(B)。求出φ(t)最大時的灰度級t即為所求的最佳分割閾值。

1.3　數學形態學修正

數學形態學應用在二值圖像中的基本運算有：膨脹、腐蝕、開啟和閉合。膨脹運算是指將一定圖像的像素添加到圖像中對象的邊緣處，是可以填補目標對象中的空洞。而腐蝕是刪減目標對象的邊緣輪廓，它又可以用來消滅圖像中小的噪聲干擾。對二值圖像先腐蝕后膨脹叫開啟運算，順序相反為閉合運算。

在數學中，膨脹的運算符為⊕，用B對A進行膨脹可以記為A⊕B，其定義為：

(14)

設A表示一個包含子集的集合，其子集的元素都是區域的8連同邊界點。區域填充的目的是開始于邊界內的某點，把二值圖像中的1值擴散到整個圖像區域，通常來說，所有二值圖像中背景部分的點可以令它的值為0，那么可將1賦給p開始運算。式(15)描述將1值填充到整個區域中。

Xk=(Xk-1⊕B)∩Ac，k=1，2，3，…

(15)

其中，X0=p。如果Xk=Xk-1，則該算法在迭代的第k步立即結束。所以Xk∪A的結果就是被填充的集合和目標圖像的邊界區域。在數學中，定義腐蝕的運算符為Θ，用B對A進行腐蝕可以記為AΘB，其定義為：

AΘB={x|(B)x?A}

(16)

表明用B集合腐蝕的過程就是對B集合進行平移運算x，結果是所有x的集合，即B集合平移x后仍在A集合中。

2　算法及算例

為了成功提取出復合絕緣子憎水性水珠圖像，本文算法具體步驟如下：

(1)將圖片由RGB轉換到HSV，并提取出亮度(V)分量；

(2)對亮度(V)分量圖像調整對比度；

(3)對亮度(V)分量圖像進行基于sobel算子的線性空間濾波的梯度運算，得到梯度圖像；

(4)對梯度圖像進行自適應直方圖均衡化，得到新的梯度圖像；

(5)用最大熵法計算出新的梯度圖像的分割閾值t；

(6)然后對新的梯度圖像采用canny算子在閾值范圍為[(t/256)/2，t/256)]時進行邊緣識別，并用修正算法刪掉小水珠邊緣、偽邊緣以及非水珠處產生的噪聲邊緣；

(7)對得到較大水珠的邊緣圖像進行數學形態學運算。先用菱形結構元素對檢測出的圖像進行膨脹操作(菱形結構元素的長度大小設為2)，然后對二值圖像進行區域填洞操作，最后用十字形結構元素對圖像進行腐蝕操作(十字形結構元素的長度大小設為2)。

原圖如圖1所示，直方圖均衡化后的梯度圖像如圖2所示，梯度圖像的邊緣圖像如圖3所示，最終結果如圖4所示。其中(a)和(b)分別代表兩幅不同的憎水性水珠圖片。

圖1　原圖

圖2　梯度圖

圖3　邊緣圖

圖4　結果圖

3　總　結

后續復合絕緣子憎水性等級判定的關鍵在于水珠形狀提取。本文先對RGB圖像轉化為HSV圖像，提取出圖像的亮度(V)分量，然后對亮度(V)分量圖像進行梯度運算，并對梯度圖自適應直方圖均衡化增強邊緣效果，進而基于最大熵方法對梯度圖進行自動閾值分割，得到初始水珠邊緣圖像，并刪除初始邊緣圖像中的細小處，最后運用膨脹、填洞、腐蝕的方法處理水珠邊緣圖像，最終提取出水珠圖像。這種做法比較適合圖片較小的絕緣子圖像，對于整片圖片可以劃分為小圖片后，再進行絕緣子憎水性圖像水珠提取，最后拼接在一起，得到整片絕緣子的水珠圖像。因此，本文提供了一種復合絕緣子憎水性水珠圖像提取算法。

參考文獻：

[1]高海峰，王永福，朱可能，賈志東.憎水性對線路絕緣子耐污閃特性影響的試驗分析[J].高電壓技術，2011，(2)：284-289.

[2]冉松懷.變電站預防污閃的技術措施[J].西北電力技術2004，(4)：152-153+7.

[3]梁志豪.絕緣子污閃的形成機理及預防措施[J].廣東電力，2013，(6)：87-92.

[4]黃成才，李永剛.復合絕緣子老化狀態評估方法研究綜述[J].電力建設，2014，(9)：28-34.

[5]賀含峰，陳洪波，白歡，等.復合絕緣子憎水性檢測技術研究進展[J].四川電力技術，2013，(2)：63-68+76.

[6]周彬，孫毅，祁兵.硅橡膠復合絕緣子憎水性圖像分割算法[J].安徽電氣工程職業技術學院學報，2008，(1)：19-22.

[7]彭克學，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，(1)：47-51.

[8]文山，李葆青.圖像的色彩空間研究[J].六盤水師范高等專科學校學報，2005，(6)：15-18.

[9]徐光明.顏色空間在彩色圖像增強中的應用分析[J].電腦知識與技術，2011，(25)：6207-6208.

[10] 于利云，姜桂祥.基于最大模糊總熵準則自動選擇灰度圖像分割的最優閾值[J].上海海運學院學報，2003，(2)：162-167.