基于紅外圖像識(shí)別的輸電線路故障診斷

【摘?要】輸電線路在長(zhǎng)期運(yùn)行中由于表面老化、自然災(zāi)害及人為損傷等因素，會(huì)導(dǎo)致斷股以至于斷線故障，此類故障的前期常伴隨有局部放電、局部溫升增高等現(xiàn)象。紅外熱成像技術(shù)可檢測(cè)輸電線路溫升變化，能提前預(yù)知線路將會(huì)出現(xiàn)的故障，為電網(wǎng)診斷提供依據(jù)。

【關(guān)鍵詞】紅外圖像識(shí)別;輸電線路;故障診斷

1圖像高溫區(qū)域提取原理

獲取紅外圖像過程中，由于受到電子熱噪聲的影響和信道傳輸?shù)腻e(cuò)誤，圖像中會(huì)出現(xiàn)椒鹽噪聲、脈沖噪聲及其它類型的噪聲。高壓輸電線路紅外圖像有邊緣模糊、空間域上受背景噪聲污染大等特點(diǎn)。采用正確的濾波方法可以有效降低圖像空間域背景對(duì)目標(biāo)的干擾，梯度法就能比較直觀地反映圖像的顏色變化。本文基于MATLAB平臺(tái)，采用改進(jìn)的中值濾波和梯度法提取圖像的高溫區(qū)域。本文選用FLIR的A40-M拍攝了大量的模擬輸電線路故障紅外圖像，其中包含斷股、連接處故障等，并選擇斷股為研究對(duì)象驗(yàn)證本文方法。

1.1HSI顏色空間變換

本文在提取圖像目標(biāo)時(shí)，先將輸電線路紅外圖像轉(zhuǎn)換到HSI顏色空間（H：色調(diào);S：飽和度;I：亮度）進(jìn)行處理。以紅外圖像中的溫度最高區(qū)域?yàn)槟繕?biāo)，其反映在HSI顏色空間S分量上為一塊黑色區(qū)域，與周圍的顏色差別比較大，有利于后期基于梯度法的目標(biāo)區(qū)域識(shí)別。由于HSI色彩空間和RGB色彩空間只是同一物理量的不同表示法，所以可以通過RGB空間分量獲取HSI空間分量的值，其轉(zhuǎn)換公式為

式中：H、S、I分別為HSI3種分量，根據(jù)公式（1）、（2）、（3）可以將紅外圖像的RGB顏色空間轉(zhuǎn)換到HSI空間，轉(zhuǎn)換后紅外圖像的最亮點(diǎn)在HSI空間分量中的S圖中表現(xiàn)為黑色。

1.2圖像噪聲處理

針對(duì)紅外圖像高背景、低反差的特點(diǎn)和HSI空間顏色的特征，在對(duì)其進(jìn)行噪聲處理時(shí)，先保證圖像尖銳的邊緣，然后祛除背景噪聲對(duì)目標(biāo)提取的影響。為了避免一般的中值濾波可能因排序取中值而破壞結(jié)構(gòu)和空間的領(lǐng)域信息，本文提出了改進(jìn)型的中值濾波方法：

①假設(shè)輸入圖像矩陣為P，大小為m×n，在P中取出一個(gè)任意正方形矩陣（大小為I×I，），I∈[1，2，…，mIn（m，n）]，此處I不宜取得過大或者過小，I取小了濾除噪聲效果不明顯，過大雖然會(huì)更好地濾除噪聲，但會(huì)使邊界模糊。將大小為I×I的矩陣定義為C。

②取出C矩陣的第一行組成新的行向量e，將C內(nèi)除e以外的其它行與行向量e組成一個(gè)新的行向量b，并求出b向量的中值f。

③將中值f賦給模板中心元素，未被賦值的元素則取原值。

1.3梯度法高溫區(qū)域定位

梯度是一種行之有效的邊緣檢測(cè)方法。圖像中不同區(qū)域灰度會(huì)發(fā)生變化，特別是邊緣區(qū)域變化明顯，這種變化可以通過灰度梯度表示。梯度的正負(fù)反映其邊緣的走勢(shì)，相當(dāng)于方向。因上面得到的圖像有可能背景有很多弱的干擾，其對(duì)圖像目標(biāo)識(shí)別沒有影響，但是影響整個(gè)梯度圖的美觀，所以本文采用簡(jiǎn)單的直方圖增強(qiáng)，對(duì)預(yù)處理后的圖像進(jìn)行簡(jiǎn)單的圖像增強(qiáng)，即可得到背景簡(jiǎn)單的灰度圖，從而有利于后期目標(biāo)的提取。對(duì)處理后的灰度圖求梯度，可獲取圖像灰度值顯著變化的地方即目標(biāo)的邊緣。圖像梯度可以把圖像看成二維離散函數(shù)，梯度其實(shí)就是這個(gè)二維離散函數(shù)的求導(dǎo)，在標(biāo)量場(chǎng)f中的一點(diǎn)處存在一個(gè)矢量G，該矢量方向?yàn)閒在該點(diǎn)處變化率最大的方向，其模也等于這個(gè)最大變化率的數(shù)值，則矢量G稱為標(biāo)量場(chǎng)f的梯度。二維圖像f（x，y）的梯度為

對(duì)于離散的圖像信息，

利用上述的梯度法對(duì)紅外圖像中的高溫區(qū)域進(jìn)行有效定位，實(shí)現(xiàn)輸電線路高溫故障點(diǎn)的診斷。

2高溫區(qū)域提取流程圖

本文對(duì)紅外圖像處理的流程如下：①將紅外圖像從RGB顏色空間轉(zhuǎn)變成HSI顏色空間;②對(duì)轉(zhuǎn)換后的圖像采用改進(jìn)的中值濾波，去除噪聲;③對(duì)濾波處理后的圖像求梯度，并對(duì)不連續(xù)的梯度圖進(jìn)行簡(jiǎn)單的后期處理，即可得到溫度最高區(qū)域的邊緣。

3結(jié)果分析

從圖2中可看出，待分解的目標(biāo)區(qū)域邊緣比背景干擾區(qū)域邊緣處的顏色反差明顯。通過本文提出的算法，對(duì)圖像進(jìn)行預(yù)處理去除噪聲，再利用梯度法獲取圖像溫度變化的邊緣區(qū)域，其高溫區(qū)域平面視角圖見圖3。

從圖3中可見，梯度法可以提取目標(biāo)區(qū)域邊緣，即目標(biāo)區(qū)域。上述實(shí)驗(yàn)可得，基于梯度法對(duì)處理后的紅外輸電線圖像進(jìn)行高溫區(qū)域定位，可以直觀地反映出目標(biāo)邊緣信息，有利于后期的目標(biāo)提取。通過與原圖對(duì)比可知，梯度圖中提取出來的目標(biāo)區(qū)域即為原圖中溫度最高的區(qū)域。本文對(duì)多個(gè)樣本進(jìn)行反復(fù)測(cè)試，驗(yàn)證了本方法用于輸電線紅外圖高溫區(qū)域識(shí)別的可行性。

4結(jié)語

本文以模擬輸電線路的紅外圖像為對(duì)象，通過在HSI顏色空間中對(duì)紅外圖像分析，進(jìn)行去噪等預(yù)處理，采用改進(jìn)的中值濾波在空間域有效地降低了圖像的高頻噪聲，同時(shí)有效提高了圖像的邊緣對(duì)比度，在此基礎(chǔ)上基于梯度法獲取紅外圖像溫度最高區(qū)域的邊緣信息，為高壓輸電線路的紅外圖像目標(biāo)識(shí)別以及輸電線路的紅外故障診斷提供了條件和技術(shù)基礎(chǔ)。

參考文獻(xiàn)：

[1]張文峰，彭向陽，陳銳民，等.基于無人機(jī)紅外視頻的輸電線路發(fā)熱缺陷智能診斷技術(shù)[J].電網(wǎng)技術(shù)，2014.

[2]井金劍，翟春艷，李書臣，等.基于紅外圖像識(shí)別的電氣設(shè)備故障診斷[J].電子設(shè)計(jì)工程，2014.

作者簡(jiǎn)介：

趙海龍（1987.08-），男，寧夏吳忠人，西北政法大學(xué)，法律專業(yè)，本科，工程師，技師，單位：國(guó)網(wǎng)寧夏電力有限公司吳忠供電公司，研究方向：輸電線路運(yùn)行維護(hù)及檢修。

（作者單位：國(guó)網(wǎng)寧夏電力有限公司吳忠供電公司）