一种紫外成像的光子计数空间密度计算方法及其成像设备与流程

本公开属于电气工程领域，涉及该领域中紫外成像仪的检测结果的数据处理，尤其涉及一种紫外成像的光子计数空间密度计算方法。

背景技术：

在电气工程领域，紫外成像一般采用光子倍增成像的技术，其成像原理是利用电子光学系统将紫外光转换荧光屏图像，原理如图1所示。

国内应用紫外成像手段开展电气设备状态检测的历史最早至少可以追溯至十年前，当时主要采用南非生产的corocam以及以色列生产的ofil紫外成像装置。国外的装置利用半透镜原理的日盲型紫外检测技术，巧妙的解决了日光对紫外成像的影响，使紫外光呈现在可见光的图像上，并实现放电计数，放电强度评估等功能。

在日盲紫外电晕探测设备中，一般直接根据显示器上显示的日盲紫外图像来判断电晕放电的程度，但是屏幕上显示紫外强度是依据空间光子计数值重绘在影像上的，计数值会受到距离、湿度、水汽等因素的影响，因而不易定量。因此，需要通过具体的算法对日盲紫外电晕放电进行量化分析，以利于对比分析。然而，日盲紫外电晕信号仅在较窄的带宽范围内有效因而光强衰减较大，目前的通用仪器采用直接绘制的方法，不能满足深入进行量化分析要求，所以需要对日盲紫外光子计数信号进行空间分布的计算。

技术实现要素：

为了解决上述技术问题，本公开揭示了一种紫外成像的光子计数空间密度计算方法，包括以下步骤：

s100：获得目标的紫外放电图像，所述紫外放电图像至少包括：目标的紫外图像信息以及目标的可见光图像信息的合成信息；

s200：对所述紫外放电图像提取紫外光斑轮廓，其中，提取的原则包括：删除小面积的连通域的干扰项；

s300：对紫外光斑轮廓内的空间光子密度计算；

s400：根据预先实验统计所得到的紫外光子的衰减曲线，对所述空间光子密度进行校准。

此外，本公开还揭示了一种紫外成像设备，包括：

面向目标的紫外镜头单元，像增强器，可见光镜头单元，第一ccd，第二ccd，双视频采集单元，以及图像处理单元，其中，

所述紫外镜头单元包括第一反射镜和紫外镜头，其中，所述第一反射镜用于从所述目标处获得光线并反射所述光线；

所述像增强器至少用于对所述紫外镜头单元得到的所述目标的紫外图像进行增强；

所述可见光镜头单元包括第二反射镜和可见光镜头，其中，所述第二反射镜用于接收来自第一反射镜反射的所述光线且将所述光线进一步反射至所述可见光镜头；

其中，

所述第一ccd用于获取像增强器增强后的、所述目标的紫外图像像；

所述第二ccd用于获取可见光镜头得到的所述目标的可见光图像；

所述双视频采集单元用于从所述第一ccd和第二ccd采集视频信号；

所述图像处理单元用于基于图像合成原理获得所述目标的紫外放电图像。

由此，本公开能够根据对输变电设备放电进行在线监测，基于紫外成像实现空间光子计数的解析，甚至可以达到高分辨率解析。

附图说明

图1是现有技术中紫外成像原理的示意图；

图2是本公开的一个实施例所述的紫外光斑轮廓的示意图；

图3是本公开的一个实施例所述的密度中心的示意图；

图4是本公开的一个实施例所述的紫外成像设备的结构示意图。

具体实施方式

下文通过附图和文字来详细描述本公开的各个实施例。

在一个实施例中，本公开揭示了一种紫外成像的光子计数空间密度计算方法，包括以下步骤：

s100：获得目标的紫外放电图像，所述紫外放电图像至少包括：目标的紫外图像信息以及目标的可见光图像信息的合成信息；

s200：对所述紫外放电图像提取紫外光斑轮廓，其中，提取的原则包括：删除小面积的连通域的干扰项；

s300：对紫外光斑轮廓内的空间光子密度计算；

s400：根据预先实验统计所得到的紫外光子的衰减曲线，对所述空间光子密度进行校准。

对于上述实施例，参见图2，其示意了提取到的紫外光斑轮廓，其中，黑色封闭曲线是所述紫外光斑轮廓，其中的“+”十字形代表紫外光子。

本实施例考虑到空间光子密度受距离、湿度、水汽影响因素，因此步骤s400特别利用了预先实验统计所得到的紫外光子的衰减曲线。能够理解，所述的预先实验至少需要在不同距离、不同湿度、不同水汽的条件下进行实验以统计并根据统计的相关数据得到紫外光子的衰减曲线。最终，通过步骤s400的校准，意味着本实施例实现了等效光子的检测、计算。能够理解，本公开全文所指的目标可以是输变电设备，特别是能够在线监测的此类设备。

在另一个实施例中，

对于步骤s200中的轮廓提取，可以采用现有技术中的任何可用的轮廓提取技术，如通过图像分割、连通域的统计与标注等手段。

示例性的而非限定性的，

先将图像二值化，然后做形态学处理获得目标所在区域，然后分割图像；

先将图像二值化，然后做形态学处理，最后使用外接矩形框选连通域，并使用形心确定连通域位置。

此外，

连通区域标记算法有很多种，有的算法可以一次遍历图像完成标记，有的则需要2次或更多次遍历图像。这也就造成了不同的算法时间效率的差别，例如如下2种算法：

第一种算法是：matlab中连通区域标记函数bwlabel中的算法，它一次遍历图像，并记下每一行(或列)中连续的团(run)和标记的等价对，然后通过等价对对原来的图像进行重新标记，这个算法是效率很高，但是算法里用到了稀疏矩阵与dulmage-mendelsohn分解算法用来消除等价对，由于这个算法较晦涩，我们可以用图的深度优先遍历来替换等价对以形成替代性算法。

第二种算法是：开源库cvblob中使用的标记算法，它通过定位连通区域的内外轮廓来标记整个图像，这个算法的核心是轮廓的搜索算法，这个算法相比与第一种方法效率上要低一些，但是在连通区域个数在100以内时，两者几乎无差别，当连通区域个数到了一定数量级时，前一种算法甚至会比该算法快10倍以上。

示例性的，步骤s200包括如下步骤：

s201：对所要处理的图像二值化，逐行扫描所要处理的图像，把每一行中连续的白色像素组成一个序列称为一个团(run)，并记下它的起点start、它的终点end以及它所在的行号；

s202：对于除了第一行外的所有行里的团，

如果它与前一行中的所有团都没有重合区域，则给它一个新的标号；

如果它仅与上一行中一个团有重合区域，则将上一行的那个团的标号赋给它；

如果它与上一行的2个以上的团有重叠区域，则给当前团赋一个相连团的最小标号，并将上一行的这几个团的标记写入等价对，说明它们属于一类；

s203：迭代执行上述步骤s202，然后将等价对转换为等价序列，每一个序列需要给一相同的标号，因为它们都是等价的，并且从1开始，给每个等价序列一个标号；

s204：遍历开始团的标记，查找等价序列，给予它们新的标记；

s205：将每个团的标号填入标记图像中，获得所有要标记的连通域，并在删除小面积的连通域的干扰项后得到所述轮廓。

在另一个实施例中，所述步骤s400之后还包括如下步骤：

s500：根据校准后的空间光子密度，计算紫外光斑轮廓的密度中心；

s600：在所述紫外放电图像上标注所述密度中心。

进一步参见图3，其中小圆圈所圈划的意味着密度中心被标注。

此外，在另一个实施例中，参见图4，本公开还揭示了一种紫外成像设备，包括：

面向目标的紫外镜头单元，像增强器，可见光镜头单元，第一ccd，第二ccd，双视频采集单元，以及图像处理单元，其中，

所述紫外镜头单元包括第一反射镜和紫外镜头，其中，所述第一反射镜用于从所述目标处获得光线并反射所述光线；

所述像增强器至少用于对所述紫外镜头单元得到的所述目标的紫外图像进行增强；

所述可见光镜头单元包括第二反射镜和可见光镜头，其中，所述第二反射镜用于接收来自第一反射镜反射的所述光线且将所述光线进一步反射至所述可见光镜头；

其中，

所述第一ccd用于获取像增强器增强后的、所述目标的紫外图像像；

所述第二ccd用于获取可见光镜头得到的所述目标的可见光图像；

所述双视频采集单元用于从所述第一ccd和第二ccd采集视频信号；

所述图像处理单元用于基于图像合成原理获得所述目标的紫外放电图像。

通过上述设备，本实施例就可以通过新型设备得到该领域所需的关于目标的紫外放电图像。能够发现，该实施例摒弃了半透镜成像的方法，采用图像合成技术提高了装置的适用性，可以针对电气设备现场要求，开发便携式的，便于普及的紫外成像设备。

在另一个实施例中，

所述紫外镜头单元与所述像增强器的光路之间还设置有日盲紫外滤光片。这可以解决日光对紫外成像的影响。

然而，能够理解，如果不采用日盲紫外滤光片，图像处理单元也可以利用算法(例如经过对目标所处地区的日光的大数据分析得到的算法)来解决日光对紫外成像的影响。

在另一个实施例中，

所述目标、第一反射镜和紫外镜头，依次排列在大致一条直线上。

在另一个实施例中，

所述目标、第一反射镜、第二反射镜、可见光镜头，构成类似于潜望镜的结构。

以上所述，以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开的各实施例技术方案的范围。