基于高光谱成像复合绝缘子伞裙老化的特征波段提取方法与流程

本发明属于电力设备检测技术领域，特别是一种基于高光谱成像的复合绝缘子伞裙老化的特征波段提取方法。

背景技术：

本发明涉及电力设备的老化状态诊断，特别是一种适用于硅橡胶复合绝缘子老化状态诊断的方法。硅橡胶复合绝缘子由于其有憎水性强、污闪电压高等优点，被广泛应用于电力设备的配电网部分。但是户外绝缘子由于长期暴露于恶劣的自然环境之中，如受到强紫外光辐射、酸雨侵蚀，其表面绝缘状态会出现劣化，表现出憎水性降低、材料柔韧性降低、起晕电压降低等现象，对电力系统的安全运行造成了潜在的威胁。目前绝缘子的常用检测方法是电压电流测量法，该方法通过测量流过绝缘子的电压、泄漏电流等电学参数，可以较为精确的获得绝缘子的运行状态。但是该方法无法实现非接触式测量，检测成本高，效率低。例如，传统的硅橡胶复合绝缘子伞裙老化状态评估中，通过测量流过绝缘子的电压、泄漏电流等电学参数以评估绝缘子老化状态，该方法需要对线路进行停电检修，同时属于接触式测量，效率较低，安全性也较差。

在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。

技术实现要素：

针对现有技术中存在的问题，本发明提出一种基于高光谱成像的复合绝缘子伞裙老化的特征波段提取方法，通过高光谱相机进行数据采集，通过计算信息熵与联合信息熵评估不同波段下的灰度图像，最终定义最优波段指数，根据指数大小，求出具有代表性的特征波段。该方法为绝缘子伞裙后续的老化状态检测提供了很好的数据清洗手段，将高维度的图像信息转换成3-5维的低维度图像信息，这对于硅橡胶复合绝缘子伞裙老化状态的快速诊断，实现非接触式在线监测、提高输电线路安全性有显著的实际意义。

本发明的目的是通过以下技术方案予以实现，一种基于高光谱成像的复合绝缘子伞裙老化的特征波段提取方法包括以下步骤：

第一步骤中，制作老化程度已知的复合绝缘子伞裙切片，在同一视场下拍摄所述复合绝缘子伞裙切片的高光谱图像；

第二步骤中，矩阵化所述高光谱图像且进行主成分分析以获取第一主成分图像；

第三步骤中，分析第一主成分图像中各个波段图像叠加的比例，即每个波段的贡献率，将贡献率大的前a个波段作为备选特征波段；

第四步骤中，预定最终提取b个特征波段，计算a个备选特征波段各自的图像信息熵h(p)，再计算a个特征波段中任意b个波段之间的联合信息熵hcor(p)；

第五步骤中，定义最优波段指数q，所述q为图像信息熵与联合信息熵的函数，取q最大的特征波段组合为最佳的b个特征波段。

所述的方法中，第一步骤中，制作老化程度已知的复合绝缘子伞裙切片时，老化类型包括酸老化、热老化和电老化，不同的老化类型对应的特征波段各不相同。

所述的方法中，第二步骤中，矩阵化所述高光谱图像中，所述高光谱图像具有m个波段，每个波段的灰度图像有n个像素点，则高光谱数据为m行n列的矩阵。

所述的方法中，第二步骤中，把矩阵的每一行作为输入进行主成分分析，获取第一主成分图像，所述第一主成分图像是由m个灰度图像按照一定比例叠加融合得到。

所述的方法中，第二步骤中，分析第一主成分图像中各个波段图像叠加的比例，即每个波段的贡献率，绘制波段-贡献率曲线，找出a个局部贡献率峰值对应的波段作为备选的特征波段.

所述的方法中，第四步骤中，

其中，pi是指灰度值为i的像素点占全部像素值的比例，pi，j，k，…，n是指第一个特征波段的图像中灰度值为i，第二个特征波段的图像中灰度值为j，第三个特征波段的图像中灰度值为k，第b个图像的灰度值是n的概率之积。

所述的方法中，第五步骤中，定义的最优波段指数q为：

计算所有波段组合的q值，其中，h1(p)、h2(p)、h3(p)...hb(p)分别代表b个波段图像各自的信息熵，hcor(p)表示b个图像之间的联合信息熵，取q最大的特征波段组合为最佳的b个特征波段。

所述的方法中，b个特征波段构成绝缘子伞裙老化状态特征库，其中，绝缘子伞裙老化状态特征库包括复合绝缘子伞裙老化类型、特征波段和老化程度。

所述的方法中，特征波段不多于5个。

所述的方法中，复合绝缘子伞裙包括硅橡胶复合绝缘子伞裙。

和现有技术相比，本发明具有以下优点：

本发明制作老化程度已知的复合绝缘子伞裙切片，在同一视场下拍摄绝缘子伞裙切片的高光谱图片，分析拍摄得到的高光谱图像，通过主成分分析进行初步筛选，通过定义最优波段指数q计算最优波段组合，进行精细化提取特征波段。传统的特征波段提取方法往往是人工选取，费时耗力；有新方法通过计算第一主成分的贡献值后，将贡献值较大的波段作为特征波段，这种方法提取的特征波段维度较高，仍然需要通过目测图像进一步地人工筛选特征波段。本提取特征波段的发明具有非人工干预、高效、准确、适用性强等优点，属于非接触式测量，可应用于硅橡胶复合绝缘子的老化状态的特征波段提取。

附图说明

通过阅读下文优选的具体实施方式中的详细描述，本发明各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。说明书附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。而且在整个附图中，用相同的附图标记表示相同的部件。

在附图中：

图1是根据本发明一个实施例的基于高光谱成像的复合绝缘子伞裙老化的特征波段提取方法的流程示意图；

图2(a)是根据本发明一个实施例的基于高光谱成像的复合绝缘子伞裙老化的特征波段提取方法的酸老化后的绝缘子伞裙样本切片，图2(b)为第一主成分的灰度图像，图2(c)为最后的融合图像，从该图中我们可以清楚的看出不同的老化绝缘子有着不同的光谱反射率，体现在图像上，即为灰度不同；

图3是第一主成分图像中各个波段图像的荷载率，也可称为贡献率。

以下结合附图和实施例对本发明作进一步的解释。

具体实施方式

下面将参照附图1至图3更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。

为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且各个附图并不构成对本发明实施例的限定。

为了更好地理解，图1是根据本发明一个实施例的方法的流程示意图，如图1所示，基于高光谱成像的复合绝缘子伞裙老化的特征波段提取方法包括以下步骤：

第一步骤s1中，制作老化程度已知的复合绝缘子伞裙切片，在同一视场下拍摄所述复合绝缘子伞裙切片的高光谱图像；

第二步骤s2中，矩阵化所述高光谱图像且进行主成分分析以获取第一主成分图像；

第三步骤s3中，分析第一主成分图像中各个波段图像叠加的比例，即每个波段的贡献率，将贡献率大的前a个波段作为备选特征波段；

第四步骤s4中，预定最终提取b个特征波段，计算a个备选特征波段各自的图像信息熵h(p)，再计算a个特征波段中任意b个波段之间的联合信息熵hcor(p)；

第五步骤s5中，定义最优波段指数q，所述q为图像信息熵与联合信息熵的函数，取q最大的特征波段组合为最佳的b个特征波段。

所述的方法的优选实施方式中，第一步骤s1中，制作老化程度已知的复合绝缘子伞裙切片时，老化类型包括酸老化、热老化和电老化，不同的老化类型对应的特征波段各不相同。

所述的方法的优选实施方式中，第二步骤s2中，矩阵化所述高光谱图像中，所述高光谱图像具有m个波段，每个波段的灰度图像有n个像素点，则高光谱数据为m行n列的矩阵。

所述的方法的优选实施方式中，第二步骤s2中，把矩阵的每一行作为输入进行主成分分析，获取第一主成分图像，所述第一主成分图像是由m个灰度图像按照一定比例叠加融合得到。

所述的方法的优选实施方式中，第二步骤s2中，分析第一主成分图像中各个波段图像叠加的比例，即每个波段的贡献率，绘制波段-贡献率曲线，找出a个局部贡献率峰值对应的波段作为备选的特征波段.

所述的方法的优选实施方式中，第四步骤s4中，

其中，pi是指灰度值为i的像素点占全部像素值的比例，pi，j，k，…，n是指第一个特征波段的图像中灰度值为i，第二个特征波段的图像中灰度值为j，第三个特征波段的图像中灰度值为k，第b个图像的灰度值是n的概率之积。

所述的方法的优选实施方式中，第五步骤s5中，定义的最优波段指数q为：

计算所有波段组合的q值，其中，h1(p)、h2(p)、h3(p)...hb(p)分别代表b个波段图像各自的信息熵，hcor(p)表示b个图像之间的联合信息熵，取q最大的特征波段组合为最佳的b个特征波段。

所述的方法的优选实施方式中，b个特征波段构成绝缘子伞裙老化状态特征库，其中，绝缘子伞裙老化状态特征库包括复合绝缘子伞裙老化类型、特征波段和老化程度。

为了进一步理解本发明，下面结合附图及实际案例，进一步说明本发明的内容。该案例以复合硅橡胶绝缘子的酸老化状态评估为例。

制备酸老化的硅橡胶复合绝缘子伞裙切片，如图2(a)所示。制备的样本为：切片大小约为5cm*5cm*2mm，加速酸老化实验中使用的是浓度为1mol/l的稀硫酸，浸泡的时间分别为0h，24h，48h，72h。

拍摄硅橡胶复合绝缘子伞裙切片的高光谱图像，如图2(b)所示，通过主成分分析法获取第一主成分的图像，并分析第一主成分图像中各个波段图像的贡献率，找到前五个局部峰值的波段，作为备选的特征波段：399.2nm，415.2nm，698.8nm，716.2nm，949.7nm，如附图3所示。

计算五个波段下灰度图像各自的信息熵h1(p)-h5(p)，并计算任意三者之间的联合信息熵hcor(p)。共计算了10个q值，取最高的一组q值，得到的最佳波段组合为：698.8nm，716.2nm，949.7nm。

制备了三种带宽为10nm的滤光片，中心频率分别为699nm，716nm，950nm。将三种滤光片安装到多光谱相机上，拍摄出三个特征波段下的灰度图，并进行图像融合与图像渲染，结果如附图2(c)所示。

制订诊断评估规则，如表1所示。

使用剩余样本进行验证性测试，20次验证测试中正确率为85％，说明诊断评估规则具有较高的置信度。因此，可以将老化类型、特征波段范围、特征波段数、特征波段下的灰度图像及融合图像、诊断规则等信息记录到数据库中。

在一个实施例中，方法包括，建立复合绝缘子伞裙老化状态特征库：制作老化程度已知的复合绝缘子伞裙切片，在同一视场下拍摄绝缘子伞裙切片的高光谱图片。分析拍摄得到的高光谱图像，通过统计学方法计算最优波段指数，提取特征波段。特征波段下的灰度图像可以表征绝缘子的绝缘状态。将特征波段对应的滤光片装备到多光谱相机上，使用多光谱相机拍摄特征波段下的灰度图像，并进行图像数据处理及图像可视化融合。最终，归纳老化程度与融合图像灰度值的对应关系，制订相应的诊断规则，形成绝缘子伞裙老化状态特征库。需要进行诊断时，对绝缘子伞裙进行清洗，并制备标准伞裙切片。使用多光谱相机拍摄伞裙切片的波段的多光谱图像并进行图像处理，对比合绝缘子伞裙老化状态特征库，根据图像灰度值判断绝缘子材料的老化程度。

在一个实施例中，特征库里包含一下几类数据信息：老化类型、特征波段、老化程度评价标准、特征波段下的灰度图像、灰度值与老化程度的对应关系。老化类型通常包括酸老化、热老化和电老化，不同的老化对应的特征波段一般各不相同。

在一个实施例中，伞裙切片应该取自清洗后的复合绝缘子，表面无明显的污秽、划痕。样品的切割方向应垂直于伞裙表面，切片的长宽约为5cm*5cm，厚度即为伞裙的原始厚度，通常为1-2cm。

在一个实施例中，特征波段通常不多于5个，本专利中以3个特征波段为例。特征波段下的灰度图像，应该尽可能的满足以下三个条件：图像的信息量尽可能大；图片间的相关性尽可能小；不同波段的图像搭配可以实现老化状态诊断。满足上述条件的最优解，得到的波段即为特征波段。

在一个实施例中，硅橡胶复合绝缘子伞裙的老化状态特征波段提取方法。

s1：首将复合绝缘子伞裙切片的高光谱图像矩阵化，设高光谱图像有m个波段，每个波段的灰度图像有n个像素点，则高光谱数据是一个m行n列的矩阵。

s2：把矩阵的每一行作为输入，对数据进行主成分分析，获取第一主成分图像，该图像是由m个灰度图像按照一定比例叠加融合得到的。

s3：分析第一主成分图像中各个波段图像叠加的比例，即每个波段的贡献率贡献率，找出贡献率较大的波段，作为备选的特征波段；

s4：以最终提取三个特征波段为例，计算所有备选特征波段的图像信息熵h(i)，并计算任意三个之间的联合信息熵h(i，j，k)，如公式1和2所示。

式中，pi是指灰度值i在整个图像中出现的概率，即灰度值为i的像素点占全部像素值的比例，它表征了图像灰度的丰富程度。

式中，pi，j，k是指图像1中灰度值为i，图像2中灰度值为j，图像3中灰度值为k的概率概率之积。hcor(p)表征了三个图像之间的相关程度。同样的，对于n个特征波段的相关性，其联合信息熵仍可仿照2写出。

s5：图像信息越丰富，那么该图像的信息熵就越大；图像之间的相关性越小，它们的联合信息熵就越小。因此本专利定义最优波段指数q，计算所有波段组合的q值，如公式3所示。取q最大的特征波段组合，即为最佳的三个特征波段。

式中，h1(p)、h2(p)、h3(p)分别代表前三幅图各自的信息熵。hcor(p)表征了三个图像之间的相关程度。

尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。