基于matlab圖像識別的輸電線路斷股散股檢測的研究

羅永超，林韓，卓宸毅，王宸宇，葉浚穎

（廣州城市理工學(xué)院 電氣工程學(xué)院，廣東廣州，510008）

0 引言

隨著經(jīng)濟的快速發(fā)展，用電需求日益增加，架空線路的建設(shè)需求也越來越大，為保障電力系統(tǒng)安全可靠運行，需要實時檢測輸電線路的異常情況，及時發(fā)現(xiàn)并能快速采取相應(yīng)措施。由于傳統(tǒng)的人工巡檢工作耗時長、耗費財力、人力且危險性高，而無人機巡檢可靠高效、成本低、受自然環(huán)境影響小，因此無人機巡線逐漸代替了人工檢測輸電線路。但在面對復(fù)雜環(huán)境時也有些處理不了的時候，這就需要不斷對檢測技術(shù)進(jìn)行更新?lián)Q代，逐漸完善輸電導(dǎo)線的檢測系統(tǒng)。為此，本文提出一種基于matlab圖像識別的導(dǎo)線斷股散股檢測技術(shù)，它能精準(zhǔn)檢測出輸電線路斷股散股問題，及時提醒輸電線路巡線員進(jìn)行維修處理。將此技術(shù)運用到無人機、無人小車等巡線機器人身上，更好的電力網(wǎng)絡(luò)服務(wù)。

經(jīng)過實驗總結(jié)和對相關(guān)文獻(xiàn)的參考，制定了研究輸電線斷股散股檢測算法的工作流程：（1）觀察輸電線斷股散股圖像特點。（2）根據(jù)斷股散股圖像特點進(jìn)行預(yù)處理。(3)識別檢測圖像并予以反饋。(4)輸電導(dǎo)線的斷股散股識別檢測。

通過對上述工作流程的分析，設(shè)計了一種基于Matlab圖像處理技術(shù)檢測輸電線路散股的方法：對無人機傳輸回來的圖像進(jìn)行預(yù)處理，目的在于增強圖像中輸電線的特征以及消除噪聲方便計算機的運算與識別；再利用邊緣提取與導(dǎo)線識別提取圖像中輸電線信息；根據(jù)斷股的特征，在斷股處線寬會突然增大，由此可通過計算輸電導(dǎo)線的寬度變化來判斷是否存在斷股。

1 圖像預(yù)處理

無人機巡檢雖然很大程度上代替了人工巡檢，但它并非無所不能。它在采集圖像的過程中，常常會受到光照，噪聲，輻射，聲波等外界不利因素干擾，從而造成圖像有大量噪聲，圖像明暗不均勻，等質(zhì)量下降等問題【1】。所以要將采集回來的原始圖像進(jìn)行必要的預(yù)處理。

1.1 圖像灰度化

由于主要獲取輸電線的灰度信息和邊緣信息，不考慮圖像顏色，為了提升識別效率，減輕計算機運算量，首先將采集的原始圖像轉(zhuǎn)換為灰度圖像，再進(jìn)行之后的處理【2】。在圖像灰度化過程中，亮度分為256個級別，從0～ 255，數(shù)值越大亮度越大，數(shù)值越小亮度越小。

1.2 圖像增強

圖像增強的目的是為了改善圖像的視覺效果，使圖像更加清晰，便于人和計算機對圖像進(jìn)一步的分析和處理。圖像增強技術(shù)一般通過對圖像的某些特征，例如邊緣信息、輪廓信息和對比度等進(jìn)行突出或增強，從而更好的顯示圖像的有用信息，提高圖像的使用價值。為了增強圖像的對比度，提出了各種圖像增強算法【3】，如：空域內(nèi)的圖像增強和頻域內(nèi)的圖像增強。其中，灰度變換增強是在空間域內(nèi)對圖像進(jìn)行增強的一種簡單而有效的方法。灰度變換增強不改變原圖像中像素的位置，只改變像素點的灰度值，并逐點進(jìn)行，和周圍的其他像素點無關(guān)，更好的突出圖像的特征，有目的的篩選有用信息。其次，還有直方圖均衡化，它也可提高圖像對比度，目的是在得到在整個灰度級范圍內(nèi)具有均勻分布的圖像。經(jīng)過實踐對比后所得，直方均衡化后的圖像雖然在人眼看來更加清晰，但在后期邊緣檢測時對特征提取不足、噪點偏多等缺點，使用起來不如用灰度增強后的圖像。因此本文使用灰度變換增強技術(shù)。

1.3 圖像降噪

圖像在傳輸和獲取的過程中都會有噪聲的產(chǎn)生。噪聲是不可預(yù)測的，只能用概率統(tǒng)計方法來認(rèn)識的隨機誤差。而噪聲的存在，會影響計算機對圖像的識別和分析。所以在對圖像檢測識別之前，必須去噪。存在最多的主要是高斯噪聲和椒鹽噪聲。下文主要是對這兩種噪聲進(jìn)行去噪。

1.3.1 中值濾波

椒鹽噪聲通常稱為脈沖噪聲，是圖像中經(jīng)常見到的一種噪聲，它是一種隨機出現(xiàn)的白點或者黑點，椒鹽噪聲的成因可能是受電磁波或者輻射的干擾、類比數(shù)位轉(zhuǎn)換器或位元傳輸錯誤造成的。

去除這種噪聲常用的濾波器就是中值濾波器。中值濾波器是將該像素周圍的像素灰度值排列取中值賦予該像素，以此達(dá)到圖像平滑去噪的效果，去噪效果要比均值濾波器明顯。當(dāng)然，中值濾波也同其他濾波器一樣會有圖像邊緣模糊、信號銳化不夠等問題。

1.3.2 均值濾波

高斯噪聲是一種概率函數(shù)服從正態(tài)分布的噪聲。何為正態(tài)分布，高斯噪聲中有兩個很重要的指標(biāo)，一個是方差，方差越大，噪聲越多，反之噪聲越少；另一個是均值，均值決定了圖像的明亮程度，當(dāng)均值大于零時，就相當(dāng)于圖像加上了一個變亮的噪聲，當(dāng)均值小于零時，就相當(dāng)于加上了一個變暗的噪聲。

我們?nèi)『线m的均值濾波器對圖像進(jìn)行去噪，然后濾波器對圖像的像素進(jìn)行平均，從而使圖像變得更加平滑，有效減少了高斯噪聲。

2 輸電線路的檢測

2.1 邊緣檢測算子

邊緣檢測是處理數(shù)字圖像非常重要的技術(shù)，通過對輸電線路導(dǎo)線的邊緣進(jìn)行檢測，以此來判斷是否出現(xiàn)斷股散股現(xiàn)象。它是利用物體和背景的某種差異關(guān)系來實現(xiàn)的，這些差異包括灰度、顏色或紋理特征。

邊緣檢測算子對圖像中的灰度變化進(jìn)行檢測，通過求一階導(dǎo)數(shù)極值點或二階導(dǎo)數(shù)過零點來檢測邊緣。常見的邊緣檢測方法有：prewitt算子、roberts算子、canny算子、sobel算子和log算子等。

相比于其他算子，Canny算子低誤碼率、高定位、抑制虛假邊緣、能更好地采集到圖像邊緣信息。所以本文采用的是更為穩(wěn)定的canny算子對圖像進(jìn)行處理，更適合之后的直線檢測。在MATLAB中，Canny算子的使用方法是調(diào)用函數(shù)edge( )實現(xiàn)邊緣檢測。該函數(shù)的調(diào)用格式為：

BW=edge(A, ‘canny’)，該函數(shù)采用Canny算子對圖像A進(jìn)行邊緣檢測，并采用自動計算的低閾值和高閾值進(jìn)行圖像分割，函數(shù)的返回值BW為二值圖像。

2.2 直線檢測

Hough變換是直線提取的一種常用方法，利用直線與共線相交的關(guān)系，把直線問題轉(zhuǎn)換為計數(shù)問題。相對于其他變換法，它的優(yōu)點是受直線中的間隙和噪聲影響小。【4】

(1)Hough變換的數(shù)學(xué)表達(dá)形式為：

其中，rho是原點到直線的距離；theta是直線和x軸的夾角。

(2)調(diào)用hough函數(shù)的方法為：

其中，BW是二值圖；H是huogh函數(shù)返回的變化矩陣；theta和rho是返回的角度和向量。

(3)調(diào)用houghlines函數(shù)的方法為：

其中，peaks是houghpeaks函數(shù)返回的極值點坐標(biāo)；lines是返回的結(jié)構(gòu)數(shù)組，包含直線端點的信息。【5】

經(jīng)過hough變換處理完后，計算機能夠成功識別圖像中的直線并進(jìn)行標(biāo)注，但受圖像拍攝角度或距離影響，需要人為調(diào)整識別參數(shù)，圖1直線檢測效果圖。

圖1 直線檢測效果圖

2.3 缺陷檢測

圖像中出現(xiàn)斷股散股這樣的不良現(xiàn)象的話，依據(jù)兩者特征，散股可用直線檢測方法檢測出來，而斷股則是利用缺陷檢測檢測出來。想要實現(xiàn)缺陷檢測，需要對處理過的圖像進(jìn)行多種子區(qū)域生長的圖像分割，步驟是：（1）選取區(qū)域種子的生長起始點（可多次選取）。（2）確定區(qū)域生長的范圍。（3）確定結(jié)束生長的條件。圖2為多種子區(qū)域生長處理后的圖像。

圖2 多種子區(qū)域生長處理后的圖像

經(jīng)過多種子區(qū)域生長后得到的圖像，計算機很容易計算輸電線路的寬度，根據(jù)斷股的特征，在斷股處線寬會突然增大，由此可通過計算輸電導(dǎo)線的寬度變化來檢測斷股。

3 結(jié)語

本文充分考慮到了在圖像提取、增強、降噪、識別等過程中所遇到的干擾，提出的基于matlab圖像識別的導(dǎo)線斷股散股缺陷檢測方法。能運用在無人機及無人小車上實現(xiàn)導(dǎo)線的自動巡檢工作，極大保證巡檢工作，保障輸電線路的安全運行。未來我們需要對導(dǎo)線缺陷數(shù)據(jù)進(jìn)行更加全面有效的拓展。另一方面，可應(yīng)用圖像處理技術(shù)研究絕緣子斷裂、桿塔銹蝕等其他缺陷的檢測工作。通過標(biāo)準(zhǔn)化處理，創(chuàng)造出一條發(fā)現(xiàn)問題、思考問題、數(shù)據(jù)收集、解決問題智能化流程。