淺析目標圖像處理方法在接觸網懸掛裝置檢測中的應用

武雷

（朔黃鐵路發展有限責任公司，河北 肅寧 062350）

4C檢測系統通過安裝高清成像設備來實現接觸網零部件的檢測。而接觸網檢測受接觸網周圍環境復雜、拍攝情況多樣等因素影響，會使得采集高清圖像質量參差不齊，這會影響最終檢測結果。為此，對圖像質量進行科學性評價變得十分有必要。

接觸網懸掛裝置檢測方式從前期的人工登頂檢測到后期自動化診斷，人工檢測方式雖然具有較好的準確性，但檢測效率較低，難以滿足列車運行的要求，而采用自動化檢測方式多用于弓網系統的檢測，對于接觸網懸掛裝置的檢測方法研究較少。為提高對接觸網懸掛裝置檢測水平，因而有必要研究針對絕緣子狀態判別的檢測方法。

本文利用圖像增強、邊緣檢測等數字圖像處理技術，對懸掛裝置開展故障檢測。首先，實現對接觸網中的各懸掛裝置部件的圖像采集，并運用圖像增強、形態學運算和邊緣檢測技術完成絕緣子部件識別，根據絕緣子狀態判據，實現對接觸網懸掛支持裝置部件狀態評價，對比檢測效果，驗證該方法能夠提升接觸網懸掛裝置檢測水平，為優化觸網懸掛裝置的故障狀態檢測提供方案。

1 圖像處理方法

接觸網懸掛裝置檢測的整個處理過程如下：

（1）懸掛支持零部件圖像采集：使用高速攝像機對接觸網懸掛裝置各部件進行圖像采集；（2）圖像處理：利用圖像處理技術完成接觸懸掛支持圖像預處理；（3）特征匹配：通過計算待測圖像相關特征，基于特征匹配算法，實現對零部件的識別與提取；（4）根據狀態評判判據，對零部件狀態進行判斷。

1.1 圖像增強

在實際工況中，受天氣條件等因素影響會造成圖像模糊、部分圖像特征不明顯等現象，為此需要采用圖像增強技術將圖像中具有重要作用的一部分凸現出來。本文選用基于空域的圖像增強方法對圖像進行處理。

空域指的是由像素所組成的圖像區間。該圖像增強的基本原理是將圖像中的像素作為直接處理對象，改變其特性，進而實現對整體圖像的像素增強。該方法可如式（1）進行數學性表述：

式中，f(x,y)為攝像機采集的原始圖像，g(x,y)是增強處理圖像，T為一種圖像變換函數。

1.2 形態學運算

形態學運算可分為二值形態學和灰度形態學，膨脹和腐蝕為形態學兩個基本運算，二者結合又形成開閉運算。

（1）膨脹運算。假設待處理圖像為X，其被結構元素為S,膨脹定義為式（2）：

式中，X為待處理圖像，S為結構元素，x為所處的位置。

（2）腐蝕運算。腐蝕運算可視為膨脹操作看作對偶運算。其定義為式（3）：

式中，X為待處理圖像，S為結構元素，x為所處的位置。

（3）開閉運算。開閉運算時，通過對上述兩個基本運算進行組合，開運算的組合方式為先腐蝕再膨脹。閉運算組合方式是先膨脹再腐蝕。

1.3 邊緣檢測

圖像邊緣作為圖像基本特征之一，其檢測的基本原理是圖像在局部區域具有不連續特性。本文通過對接觸網懸掛圖像分析，發現其灰度變化存在兩個特征，提取其梯度特征向量的幅值和方向作為檢測特征來實現邊緣的檢測。類似圖像增強方法，邊緣檢測可分為基于空域的邊緣檢測和基于頻域的邊緣檢測。

1.4 Hough變換

Hough變換將直角坐標系中的線變為極坐標系中的點，又稱為線-點變換。圖1為其基本原理圖。

圖1 Hough變換原理圖

圖1（a）所示直線可以用圖1（b）參數表示，該參數通過下式（4）求得：

式中，ρ為原點到直線的距離；θ為直線法線方向與x軸的夾角。

2 絕緣子的狀態檢測

絕緣片缺失和片間存有異物是接觸網絕緣子常見的兩種故障狀態。相比正常狀態，故障狀態下絕緣子圖像分布規律性會被破壞，通過統計其縱向灰度和縱向非零點像素點，根據灰度極小值分布規律性是否破壞來判別絕緣子所處狀態。考慮絕緣子存在不同的傾斜角會影響最終的檢測結果，采用圖像處理技術對其進行預處理。其具體檢測流程為：

（1）預檢測絕緣子圖像的采集獲取；（2）絕緣子的定位；（3）含絕緣子圖像的預處理（包含圖像的增強、形態學運算、邊緣檢測、角度校正）；（4）絕緣子灰度統計；（5）基于灰度統計的絕緣子不良狀態檢測。

2.1 絕緣子的圖像預處理

2.1.1 絕緣子圖像增強

為強化采集絕緣子圖像的特征信息，本文通過對待檢測圖像進行基于空域的圖像增強，變換函數選用對數變換，如式（5）所示。采用對數變換擴展圖像灰度值較低的區域進行擴展，而較高的灰度值區域進壓縮表達。最終達到灰度值較大的部分將成為顯示的重點的目的。

從式（5）可知，該式底數為（v+1），為保證增強效果。通過輸入值歸一化處理，保證輸出范圍為[0-1]。在對數增強中底數選取越大，增強效果越佳。

2.1.2 形態學運算

為突出接觸網絕緣子的不良狀態，首先，對增強后的圖像上進行二值化操作，然后進行形態學腐蝕運算。對圖像進行腐蝕運算作用在于去除圖像中的不連續像素點，然后，將桿狀物濾掉，剩下絕緣子的二值化圖像據絕緣子二值化圖像在原圖像中進行掃描，分別定位腐蝕后絕緣子上下端點及左右端點等4個點，然后基于這4端點分別實現絕緣子的定位與分割。

2.1.3 絕緣子角度校正

采用圖像邊緣檢測技術，選用canny算子對絕緣子進行邊緣檢測。

完成上述步驟后，對圖進行Hough直線檢測，選擇絕緣子邊緣直線的端點作為基準點，三個基準點分別為（113，13）、（728，143）與（37，389）。

2.2 基于灰度統計絕緣子的不良狀態檢測

通過分析接觸網絕緣子灰度統計圖，第一處極大值出現于套頭與首片連接處，剩余極大值對應絕緣子片，而極小值為絕緣子間連接區域。若絕緣子片出現缺失情況，其表層破損使得該區域極小值較低。而絕緣子片間夾有異物時，該區域極小值遠大于其他區域的極小值。基于此，實現了接觸網絕緣子故障狀態的識別。

本文通過大量實驗，總結出下式可作為不良狀態的判據。

3 絕緣子不良狀態檢測實例

3.1 絕緣子夾雜異物檢測

圖2為處于夾雜異物不良狀態下絕緣子的預處理圖和其灰度統計圖。

圖2 絕緣子夾雜異物不良狀態檢測

表1為絕緣子灰度統計最小值，從表中可以看出，該組第5個極小值滿足判據。從而判斷第4與第5片之間夾有異物。

表1 絕緣子灰度統計最小值

3.2 絕緣子夾片缺失檢測

3.2.1 絕緣子邊緣片不良狀態檢測

本文方法還實現了絕緣子夾片缺失狀態檢測。表2和圖3分別為絕緣子灰度統計極小值表和預處理效果圖。

圖3 絕緣子邊緣片缺失不良狀態檢測

表2 絕緣子灰度統計最小值

由表2得出，第1個極小值滿足判據，判斷此處絕緣子片缺失。

3.2.2 絕緣子中間片缺失不良狀態檢測

圖4為絕緣子中間片缺失情況下的處理過程圖。表3為其絕緣子灰度統計極小值表。從中可以看出，第6個極小值滿足判據，判斷此區域絕緣子片缺失。

圖4 絕緣子中間夾片缺失不良狀態檢測

表3 絕緣子灰度統計最小值

3.3 結果統計

對所采集的絕緣子的圖像集，采用本文所述方法進行了檢測與識別，結果如表4所示。從表中可以看出，本文方法對于正常狀態能夠準確地識別，對于夾層異物和夾片缺失兩類不良狀態也能夠達到較好的檢測識別，說明本文方法具有一定的有效性和良好的工程應用價值。

表4 絕緣子檢測結果統計表

4 結語

本文介紹了一種基于圖像處理技術接觸網絕緣子狀態的檢測方法。首先，采集待檢測絕緣子圖像，然后運用圖像增強、形態學運算等圖像處理技術處理，對提取的絕緣子圖像進行了角度校正，最終根據緣子圖像灰度值統計圖，結合絕緣子狀態判據，完成絕緣子故障狀態的判斷與定位。通過對采集的實際接觸網圖像進行了不良狀態檢測測試，結果表明，該方法具有良好的識別效果，具有較好的準確性和良好的工程應用價值。