基于紅外圖像的絕緣子高溫區域特征研究

宮政 西日艾力·吾斯曼 羅俊 尹迪暉 閆書佳

摘要：絕緣子故障會引起表面溫度的上升，造成局部區域高溫。因此，準確識別絕緣子的高溫區域是故障檢測的有效途徑。本文提出了基于灰度共生矩陣的絕緣子高溫特征提取方法。紅外圖像經過圖像分割后，提取紋理特征，選取能量、熵、慣性矩和相關性作為特征值。試驗結果驗證該方法準確性高，可為絕緣子高溫區域的識別提供參考。

關鍵詞：紅外圖像；絕緣子；高溫；灰度共生矩陣

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2019）01-0104-02

針對絕緣子的故障檢測問題，在國內，已有不少對零值識別模型的研究。關石磊等人提出相對溫度特征與BP神經網絡結合的方法，利用單因素方差分析法篩選出對模型結果影響顯著的特征參數，測試結果表明該模型確實有效，對于今后的研究很有借鑒價值[1]；張彥等人提出一種Logistic回歸分析法，從13個紋理特征中篩選模型輸入，再結合污穢等級完成對零值情況的判別[2]。但是，對絕緣子高溫檢測的研究相對較少，只停留在對其異常發熱現象的探討，沒有形成系統的識別方法或抑制發熱的措施。但縱觀各類故障，除了零值現象，其他基本都會引起發熱，所以急需一種方法識別高溫絕緣子。絕緣子表面溫升與電壓分布密切相關，正常電壓分布破壞會導致局部溫度異常[3]。

一、絕緣子紅外圖像預處理

紅外圖像為基于RGB顏色空間的彩色圖像，為了降低數據量，提高計算速度，將RGB彩色圖像按照式（1）轉化為灰度圖像[4]，以減少數據維數。

Gray=0.299R+0.587G+0.114B （1）

式中，Gray為灰度轉化后各像素點的灰度值，R、G、B分別為紅色、綠色和藍色分量值。

二、絕緣子高溫特征的提取

為了能夠準確識別紅外圖像中絕緣子的高溫區域，高溫特征提取是關鍵。

（一）迭代式閾值分割

選取一個合適的初始閾值，代入迭代計算公式中得出一個新閾值，通過新舊比較，若兩者差值不在誤差范圍內，則需將新閾值代回算式重新計算，更新閾值需要符合兩點：第一點迭代結果要能迅速收斂，第二點是在每一次迭代后，新閾值的分割準確度要比舊閾值的分割準確度高，直到滿足要求。算法步驟如下。

S1：取一個初始閾值，一般選用灰度中值。

S2：采用閾值Ti將整幅圖分成兩個部分（Q1和Q2），再計算兩部分的灰度平均值μ1和μ2：

（二）圖像紋理特征提取

絕緣子高溫區域與正常區域有較大溫差，在圖像中表現為兩個亮度值對比明顯的區域。因此，將兩部分的邊界信息作為分類、識別的參數。本文利用灰度共生矩陣對邊界信息的靈敏性，對絕緣子紅外圖形進行紋理提取。

三、實驗結果

為了使輸入數據之間的數值差距減小，本文統一選取上述四個特征的標準差，對多個紅外樣本進行實驗，提取后的結果示例參見表1。

四、結論

本文采用灰度共生矩陣和紋理特征進行絕緣子紅外圖像中高溫區域的特征研究。采用迭代閾值選擇方法來確定合適的閾值，再通過灰度共生矩陣描述分割區域內的每個像素，計算能量、熵、慣性矩、相關性作為紋理特征值。在多張紅外樣本上進行實驗，結果表明，本文提出的方法能夠體現絕緣子的高溫特征，證明了該方法的正確性和可靠性，可作為電力系統中異常高溫絕緣子識別的參考。

參考文獻：

[1]關石磊.基于紅外熱像的零值絕緣子識別方法研究[D].湖南大學，2012.

[2]張彥.高壓輸電線路絕緣子紅外監測方法的研究[D].湖南大學，2013.

[3]金光熙，高壓絕緣子串分布及其表面溫升的理論研究[J].北華大學學報，2011，6（12）：733-736.

[4]李文杰，姚建剛，毛李帆，等.基于中值濾波法及小波自適應擴散法的絕緣子紅外熱像去噪[J].電網技術，2010，34（8）：160-164.

[5]徐劼.基于神經網絡和不變矩的絕緣子裂紋類型識別[D].江蘇大學，2008.