一種電力指針式儀表示數自動識別的魯棒方法

佘世洲，宋 凱，劉 輝，譚守標，張 驥

(1.國網銅陵供電公司運維檢修部，安徽 銅陵 244000；2.安徽大學 計算智能與信號處理教育部重點實驗室，安徽 合肥 230039；3.安徽南瑞繼遠電網技術有限公司，安徽 合肥 230088)

0 引 言

在電氣電力行業的變電站設施中，很多設備配置了電流表、功率表、避雷器泄露電壓表、油溫表等指針型儀表。這些指針型儀表通常由指針、刻度線和數字組成。目前對這些儀表數據的記錄主要依靠變電站人員的肉眼觀測，這種檢測方式效率低下且誤差較大，并且無法長時間觀測，實時性不高。另外還存在一些如高原、雪山等人工不便進行觀測的場合。因此基于電力設備自動化巡檢的需求，提出了一種電力指針式儀表示數自動識別的魯棒方法。

目前，國內外很多學者針對指針式儀表的自動識讀進行了大量研究[1-6]。例如，Correa Alegria等給出了一種使用差影法和霍夫變換對指針式儀表進行識別的方法[7]，何智杰等[8]提出利用條件霍夫變換和中心投影分析法實現高精度指針式儀表自動讀數識別。但是上述研究都是在室內光照均勻無陰影且攝像機鏡頭與儀表盤在同一水平面下無視角變化的情況下進行的自動讀數識別，而變電站儀表設備多安裝于室外，光照條件復雜多變且因照片由巡檢機器人采集，攝像頭需要滿足多視角、多距離的安裝，這就對指針式儀表自動讀數識別系統提出了更高要求。

針對刻度均勻分布的圓形或方形指針式儀表，提出了一種新穎的能適應非均勻光照環境的電力指針式儀表自動識別方法。該方法利用表盤的顏色直方圖分布特征和亮度梯度特征定位出表盤區域作為感興趣區域，并且對獲取的表盤區域圖像進行光照均衡以消除陰影。利用基于定向二進制簡單描述符(ORB[9]:oriented FAST[10]和rotated BRIEF[11])算法，計算表盤模板圖像與測試圖像之間的透視變換矩陣，以對表盤區域進行傾斜校正。接著進行表盤區域圖像的其他預處理，包括二值化、連通域特征計算和指針連通域提取，最后通過改進的霍夫變換檢測并識別指針角度，從而得到儀表示數。

1 系統流程

在所建系統中，電力指針式儀表圖像由巡檢機器人的圖像采集系統獲取，然后輸入到計算機中進行預處理和示數識別。系統整體流程包括：表盤定位、圖像預處理、指針檢測和示數識別。

2 表盤定位

電力指針式儀表的表盤的結構特征大多是以表盤中心為圓心、以指針長度為半徑、指針在一個圓形或扇形區域內旋轉。關于顏色特征，儀表指針多為紅色或白色，表盤多為黑色或白色，所以指針和表盤區域的顏色差異較為顯著。根據表盤的顏色直方圖分布特征和亮度梯度特征[12]定位出表盤區域作為感興趣區域，如圖1所示。

3 圖像預處理

在儀表圖像采集過程中，由于變電站背景環境復雜，且許多儀表設備安裝在室外，所以采集到的圖像易受光照、陰影、天氣等因素的影響，給后續分割、識別帶來了一定的困難。所以為了提高圖像質量，便于后續的分割處理，首先應該對采集到的儀表圖像進行光照均衡處理，其次為了讀數精準，對圖像進行傾斜校正，然后進行二值化變換，最后從二值化圖像中提取指針區域進行示數識別。

圖1 表盤區域定位

3.1 光照均衡

當一個物體遮擋光源時陰影即會出現，這是一個去除不掉的視覺體驗。表盤上的陰影導致表盤表面光照不均勻，嚴重影響了后續的二值化分割。

采用局部匹配對單幅照片進行陰影檢測和移除的方法。基于區域的陰影檢測[13]能夠將陰影移除作為一個消光問題，與Wu等[14]提出的方法類似。然而，Wu等提出的方法依賴于用戶對陰影和非陰影區域的輸入，是在一個統一框架上自動對陰影進行檢測和移除。特別地，當陰影檢測后，借鑒Levin等[15]提出的消光技術，將影子像素作為前景，非影子像素視為背景。使用陰影恢復系數，計算直接光照和環境光照的比率，并對每個像素進行直接光照和環境光照混合的二次光照處理，從而產生復原圖像。新像素值由式(1)給定：

(1)

其中，r為直射光與環境光的比率；Ii為原始圖像中第i個像素點的強度。

光照均衡前后的效果如圖2所示。

圖2 光照均衡前后的表盤

3.2 基于ORB算法求解透視變換矩陣

ORB算法是一種結合快速興趣點檢測算子FAST與興趣點描述算子BRIEF的局部特征提取算法[9]。與眾所周知的SIFT和SUFT相比，ORB算法的執行速度更快，效率更高，在圖像噪聲、光照、旋轉變換等方面都具有優越的性能[16]。

對于測試圖像，為精準地矯正測試圖像，采用基于ORB的圖像配準程序。首先使用FAST-9算法提取圖像的特征點，使用BRIEF算法將特征點描述為一個二進制的字符串，其對平面旋轉非常敏感，然后進行特征匹配，最后計算透視變換矩陣。透視變換是表示兩個圖像間關系的普通投影變換模型，利用的是匹配點的坐標位置信息，其變換公式為:

(2)

其中，x,y,x',y'為模板圖像和檢測圖像的行、列坐標；H(線性變換矩陣)是3*3的單應性矩陣。

3.3 表盤圖像的二值化

為了提高計算效率、減少儲存空間和方便后續的圖像處理，對輸入的彩色圖像進行了二值化變換[17]。常見的圖像分割方法主要有基于閾值選取的灰度閾值分割、最大熵閾值分割、全局或局部閾值分割、二維直方圖閾值分割、最大類間方差法，區域生長、區域分裂-合并方法，基于邊緣檢測的圖像分割等。

實驗過程中嘗試了多種圖像分割方法。由于光照均衡之后的表盤圖像目標和背景之間的灰度差異減小，并且在測試過程中很多有污染的表盤圖像存在指針和表盤的顏色對比度在每幅圖像中各異的情況，無法用一個統一的閾值對其進行分割，所以選用了最大類間方差法對圖像進行分割[18]。實驗證明通過其自適應的閾值確定方法，對待測的儀表圖像都能進行正確的分割。圖像二值化的步驟如下：

(1)計算待測圖像的灰度直方圖，用p(i)表示。

(2)計算平均灰度μ。

(3)

(3)計算p(i)的零階累加矩ω(k)和一階累加矩μ(k)。

(4)

(4)計算類間方差。

(5)

(5)將σ2(k)(k=0,1,…,255)最大值時所對應的k值作為閾值T。

(6)對分割后的圖像進行二值化處理，設輸入圖像為f(x,y)，二值化后的圖像為g(x,y)，則

(6)

4 示數識別

4.1 儀表指針的提取

由于電力指針式儀表盤多為扇形和圓形的構造，所以表盤的刻度線和指針所在的直線都是經過同一個圓心點的，所以根據連通域的矩形特征將表盤的刻度線提取出來就可以找到表盤的圓心，進而找到所要識別的指針。

首先按照連通標準對二值化后的表盤圖像進行連通域提取，然后對所有連通域按面積、長度、寬度、長寬比做統計處理，根據數量多少依次判斷每一類連通域是否符合刻度線區域特征，最后由表盤的刻度線的向心性確定儀表盤中心，并依據表盤中心搜索指針區域。提出了新的儀表指針搜索算法，以表盤中心為圓心構造一個同心圓與指針相交，以交點為起點對指針區域進行搜索，這樣可以避免其他直線或噪聲的干擾，魯棒性更強。確定的表盤中心如圖3(a)所示，搜索到的指針區域如圖3(b)所示。

(a)表盤中心定位 (b)指針區域搜索

4.2 指針角度的識別

在已知表盤指針區域的基礎上，儀表的示數可以用指針的偏轉角度來描述。霍夫變換(Hough transform)[19]是現今直線檢測比較成熟的研究方法，其運用兩個坐標空間之間的變換將在一個空間中具有相同形狀的曲線或直線映射到另一個坐標空間的一個點上形成峰值，其中直線y=kx+b檢測的極坐標形式為：

ρ=xcosθ+ysinθ

(7)

該方法的一個突出優點是，分割結果對數據的不完全或噪聲不是十分敏感。所以用于電力指針式儀表圖像中指針的檢測時，當指針邊緣因為噪聲干擾或其他原因出現間斷的情況下仍能進行良好的分割。對上一節提取出來的圖像進行邊緣化處理，利用改進的霍夫變換將檢測到的斷續的短直線進行迭代擬合，即在同一方向上且大致坐落于同一直線的小線段擬合，得到的長線段即為指針所在直線y=kx+b。知道斜率k，通過θ=tan-1k計算出指針的傾斜角度。指針的示數N由下式得出。

(8)

其中，A為儀表盤總量程；θmin,θmax分別表示零刻度與滿刻度指針的角度。

基于改進的霍夫變換的指針檢測效果如圖4所示。

(a)Hough直線檢測 (b)直線擬合

圖4 表針提取

5 實驗結果及分析

在非均勻光照條件下，對不同電力指針式儀表進行了不同位置的拍攝，采用所提出方法進行自動識別，處理結果見圖5，檢測數據見表1。

圖5 識別結果

從圖5和表1中可見，該方法能適應不同類型的表盤，自動識別出指針讀數；同時，識別讀數相對誤差較少。由于設備運行狀態巡檢的目的主要是與電力設備自身讀數進行對比確定設備是否運行異常，因此該方法的識別誤差能夠滿足巡檢需求。

表1 檢測數據

6 結束語

為提高指針式儀表讀數自動識別的精度和準確性，針對指針圖像的特點，提出了指針式儀表讀數自動識別算法。該算法對輸入的儀表圖像進行表盤區域提取，對表盤圖像進行特定預處理，并基于預處理所確定的儀表盤中心進行儀表指針的定位，根據指針的角度、零刻度線角度和滿刻度線角度計算得到指針讀數。該算法對儀表已知信息依賴少，通用性好，魯棒性強；同時對儀表的旋轉、平移、噪聲干擾等情況均有較強的自適應性，能比較準確地得到指針的讀數。

參考文獻：

[1] YANG Z,NIU W,PENG X,et al.An image-based intelligent system for pointer instrument reading[C]//2014 4th IEEE international conference on information science and technology.[s.l.]:IEEE,2014:780-783.

[2] 王 瑞,李 琦,方彥軍.一種基于改進角度法的指針式儀表圖像自動讀數方法[J].電測與儀表,2013,50(11):115-118.

[3] 劉 迪,畢篤彥,李權合,等.非均勻光照下指針式儀表自動判讀算法設計[J].計算機應用與軟件, 2013, 30(9):47-48.

[4] 陶冰潔,韓佳樂,李 恩.一種實用的指針式儀表讀數識別方法[J].光電工程,2011,38(4):145-150.

[5] 陳 彬,金連文.一種儀表指針位置檢測的中心投影法[J].計算機應用研究,2005,22(1):246-248.

[6] KIM K H,CHEN S L,LEE Y B,et al.A study on analog and digital meter recognition based on image processing technique[J].Journal of the Korean Institute of Telematics and Eleatronics,1995,9(32):79-94.

[7] ALEGRIAE C，SERRA A C.Automatic calibration of analog and digital measuring instruments using computer vision[J].IEEE Transactions on Instrumentation and Measurement,2000,49(1):94-99.

[8] 何智杰,張 彬,金連文.高精度指針儀表自動讀數識別方法[J].計算機輔助工程,2006,15(3):9-12.

[9] RUBLEE E,RABAUD V,KONOLIGE K,et al.ORB:an ef-

ficient alternative to SIFT or SURF[C]//Proceedings of 2011 international conference on computer vision.Washington,DC,USA:IEEE Computer Society,2011:2564-2571.

[10] ROSTEN E, DRUMMOND T. Fusing points and lines for high performance tracking[C]//Proceedings of tenth IEEE international conference on computer vision.Washington,DC,USA:IEEE Computer Society,2005:1508-1515.

[11] CALONDER M,LEPETIT V,STRECHA C,et al.BRIEF:binary robust independent elementary features[C]//Proceedings of 11th European conference on computer vision.Berlin:Springer,2010:778-792.

[12] 陳再良,鄒北驥,黃敏之,等.圖像亮度特征對ROI提取的影響[J].中南大學學報:自然科學版,2012,43(1):208-214.

[13] GUO R,DAI Q,HOIEM D.Single-image shadow detection and removal using paired regions[C]//Proceedings of 2011 IEEE conference on computer vision and pattern recognition.Washington,DC,USA:IEEE Computer Society,2011:2033-2040.

[14] WU T P,TANG C K,BROWN M S,et al.Natural shadow matting[J].ACM Transactions on Graphics,2007,26(2):377-388.

[15] LEVIN A,LISCHINSKI D,WEISS Y.A closed-form solution to natural image matting[J].IEEE Transactions on Pattern Analysis & Machine Intelligence,2008,30(2):228-242.

[16] 楊志娟,袁縱橫,喬 宇,等.基于圖像處理的指針式儀表智能識別方法研究[J].計算機測量與控制,2015,23(5):1717-1720.

[17] 郭 佳.基于光照不均勻圖像的自適應二值化方法研究[D].武漢：武漢科技大學,2013.

[18] OTSU N.A threshold selection method from gray-level histograms[J].IEEE Transactions on Systems Man & Cybernetics,1979,9(1):62-66.

[19] LING Y.Fast Hough transform straight line detection based on classification[J].Microcomputer Information,2007,23(11):206-208.