电力设备监控中使用的图像识别方法
【专利摘要】电力设备监控中使用的图像识别方法。近年来出现的远程图像监控系统，通过固定的红外摄像头来实现定期的巡检，将所得图像发回控制室再进行人工分析，可以说在一定程度上减少了人力劳动量。但是，上述这些方法仍然都疏于对诊断智能化的研究，未能摆脱对人工分析的依赖，耗时费力，也不易得到及时精确的诊断结果。
本发明方法包括如下步骤：首先对电力设备的特征进行提取，对图像进行图像预处理，去除图像中的暗的干扰物体，然后进行图像分割，将分割区域的合并，确定电气设备的故障区域，进行目标区域故障的检测识别。本发明用于电力设备在故障检测方面的图像识别。
【专利说明】电力设备监控中使用的图像识别方法
[0001]
【技术领域】： 本发明涉及一种电力设备监控中使用的图像识别方法。
[0002]
【背景技术】： 目前有些电力公司在电厂、变电站安装了视频监控系统，可实现监视现场设备、控制远 程摄像机动作等功能。但这些视频监控系统只有视频监视功能，没有视频图像识别功能。为 充分发挥视频监控系统的功能，更准确地判断现场发生事故告警的原因，应采用远程数字 视频监控与数字图像识别系统，以实现设备告警的图像识别，为事故检测提供新的手段，为 事故分析提供可靠的依据。
[0003] 随着国民经济的持续发展，我国的电力系统正在向以特高压为主干网架、各级电 网相互协调的坚强智能电网方向发展，而"自愈"是智能电网的基本特征之一。所谓"自愈"， 不仅要求电网能够自动快速隔离故障并恢复健全区域的供电，而且还要求能够对电网进行 在线监测和安全预警，能够及时发现故障并采取措施消除隐患，使电网恢复健康运行以避 免事故发生[2]。 据统计，电力系统中70%的故障是由电气设备故障引起的，而超过半数以上的电气设 备故障都与因泄露电流、漏磁、连接松动、接触不良等造成的发热有关。电气设备长期处于 异常发热状态会引起金属构件"蠕变"、绝缘材料老化和劣化，最终造成严重的设备损坏而 引发电网故障。由此，如何利用高科技手段进行系统化、标准化的管理，消除危险点，是摆 在电力系统科研单位面前的新问题，这对减少事故发生提高设备运行可靠性具有重要的意 义。 红外检测技术利用红外检测设备获得电力设备的温度值和温度空间分布特征，分析处 理设备中潜伏的故障和隐患，可以防患于未然。近年来，由于红外检测技术具有非接触性、 操作方便、安全性高、响应快、判断准确、应用范围广等传统常规检测方法无法比拟的优点， 已经广泛应用于电力系统的在线监测中，取得了良好的效果。
[0004] 目前，国内红外图像分割大都是将可见光的图像处理方法直接或加以稍微改动后 处理红外图像，所以分割效果很难达到预期要求。所以，根据电气设备红外图像自身的特 点，将红外图像作为处理对象的图像分割技术的发展是实现新一代智能监控的前提。在我 们的周围，视频监控技术有着非常广阔的应用前景，它在电力系统、国防、交通领域以及人 民的日常生活和工作中发挥着日益主要的作用，所以作为前提条件的红外图像分割技术必 将迎来前所未有的发展和进步。
[0005] 但是，大多数的红外检测方法还是采用工作人员手持红外测温或成像仪器定期对 设备进行巡检，然后再对获取的温度数据和红外图像进行人工分析。近年来出现的远程图 像监控系统，通过固定的红外摄像头来实现定期的巡检，将所得图像发回控制室再进行人 工分析，可以说在一定程度上减少了人力劳动量[15]。但是，上述这些方法仍然都疏于对 诊断智能化的研究，未能摆脱对人工分析的依赖，耗时费力，也不易得到及时精确的诊断结 果。
【发明内容】
： 本发明的目的是提供一种电力设备监控中使用的图像识别方法。
[0006] 上述的目的通过以下的技术方案实现： 一种电力设备监控中使用的图像识别方法，该方法包括如下步骤：首先对电力设备的 特征进行提取，对图像进行图像预处理，去除图像中的暗的干扰物体，然后进行图像分割， 将分割区域的合并，确定电气设备的故障区域，进行目标区域故障的检测识别。
[0007] 所述的电力设备监控中使用的图像识别方法，所述的图像预处理主要步骤为图 像灰度化、消噪去割和图像光照补偿，所述的图像灰度化将输入的彩色图像转化为灰度图 像，彩色图像变成灰度格式，是要扔掉图像的颜色信息，用灰度表示图像的亮度信息，彩色 图像每个像素占3字节（24位)，而变成灰度图像后，每个像素占1字节（占8位)，像素的灰 度值是当前彩色图像像素的亮度，在灰度图像中，Y被称为灰度值，它位于某个范围之内： sr ，理论上要求Y仅为正的，且为有限值，区间称为灰度级，一般常 用灰度级为（〇,255)，这里Ymin=O为黑，Y max=225为白，所有中间值是从黑到白的各种灰 度，总共256级； 所述的图像为RGB模式，所述的RGB代表红绿蓝，一幅RGB图像就是彩色像素的一个 MXNX3数组，其中每一个彩色像素点都是在特定空间位置的彩色图像相对应的红、绿、蓝 三分量，RGB模型为图像中每一个像素的RGB分量分配一个0至255范围内的灰度值，对其 灰度化的方法主要有三种： (1) 最大值法：将彩色图像中的三分量亮度的最大值作为灰度图的灰度值， = max( 1〇'^〇= (I); (2) 平均值法：将彩色图像中的三分量亮度求平均得到一个灰度图； /(Lj) =(R(Lj%G(i.jlB(Lj))/3 (2); (3) 加权平均法：根据重要性及其它指标，将三个分量以不同的权值进行加权平均，由 于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按式（3)对RGB三分量进行加权平均能 得到较合理的灰度图像， /(Li) = 0.2989i?(L J) -0,5870G(r；j) - OAUB(Lj) (3)。
[0008] 所述的电力设备监控中使用的图像识别方法，所述的消噪去割采用中值滤波在一 定条件下克服线性滤波器如邻域平滑滤波所带来的图像细节模糊，而且对滤除脉冲干扰及 图像扫描噪声最为有效；中值滤波就是用一个奇数点的移动窗口，将窗口中心点的值用窗 口内各点的中值代替； 设有一个一维序列/1;/:n/" ，取窗口长度为m，其中，m为奇数，对其进行中值滤波， 就是从输入序列中相继抽出m个数，再将这m个数按其数值大小排序，取其序号为中心点的 那个数作为滤波输出，用数学公式表示为：
【权利要求】
1. 一种电力设备监控中使用的图像识别方法，其特征是：该方法包括如下步骤：首 先对电力设备的特征进行提取，对图像进行图像预处理，去除图像中的暗的干扰物体，然后 进行图像分割，将分割区域的合并，确定电气设备的故障区域，进行目标区域故障的检测识 别。
2. 根据权利要求1所述的电力设备监控中使用的图像识别方法，其特征 是：所述的图像预处理主要步骤为图像灰度化、消噪去割和图像光照补偿，所述 的图像灰度化将输入的彩色图像转化为灰度图像，彩色图像变成灰度格式，是 要扔掉图像的颜色信息，用灰度表示图像的亮度信息，彩色图像每个像素占3字 节，24位，而变成灰度图像后，每个像素占1字节，占8位，像素的灰度值是当前 彩色图像像素的亮度，在灰度图像中，Y被称为灰度值，它位于某个范围之内： sr ,理论上要求Y仅为正的，且为有限值，区间称为灰度级，一般常 用灰度级为（〇,255)，这里Ymin=0为黑，Ymax=225为白，所有中间值是从黑到白的各种灰 度，总共256级； 所述的图像为RGB模式，所述的RGB代表红绿蓝，一幅RGB图像就是彩色像素的一个MXNX3数组，其中每一个彩色像素点都是在特定空间位置的彩色图像相对应的红、绿、蓝 三分量，RGB模型为图像中每一个像素的RGB分量分配一个0至255范围内的灰度值，对其 灰度化的方法主要有三种： (1) 最大值法：将彩色图像中的三分量亮度的最大值作为灰度图的灰度值，
(2) 平均值法：将彩色图像中的三分量亮度求平均得到一个灰度图；
(3) 加权平均法：根据重要性及其它指标，将三个分量以不同的权值进行加权平均，由 于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按式（3)对RGB三分量进行加权平均能 得到较合理的灰度图像，
〇
3. 根据权利要求2所述的电力设备监控中使用的图像识别方法，其特征是：所述的消 噪去割采用中值滤波在一定条件下克服线性滤波器如邻域平滑滤波所带来的图像细节模 糊，而且对滤除脉冲干扰及图像扫描噪声最为有效；中值滤波就是用一个奇数点的移动窗 口，将窗口中心点的值用窗口内各点的中值代替； 设有一个一维序列/y/；；，.. .J；.，取窗口长度为m，其中，m为奇数，对其进行中值滤波， 就是从输入序列中相继抽出m个数，再将这m个数按其数值大小排序，取其序号为中心点的 那个数作为滤波输出，用数学公式表示为：
中值滤波的滤波方法是对滑动滤波窗口（2N+1)内的像素做大小排序，滤波结果的输出 像素值规定为序列的中值。
4. 根据权利要求1所述的电力设备监控中使用的图像识别方法，其特征是：所述的图 像分割是采用基于灰度阈值的分割方法，首先确定最优阈值，最优阈值是分割的关键，设定 某一阈值T，用将图像的数据分成两部分：大于T的像素群和小于T的像素群， 设/(U)是灰度级图像，T为分割阈值，而代表二值图像，则图像在阈值上的 结果可以表示为：
这就是阈值分割，目的是求一个阈值T，并用T将图像/(x:"v)分成对象物和背景两个 领域；在实际处理时，为了显示需要一般用255表示背景，用0表示对象物， 由于实际得到的图像目标和背景之间不一定单纯地分布在两个灰度范围内，此时就需 要两个或两个以上的阈值来提取目标，比如选择一个区间（ri:r2)作为阈值，用式（6)进行 图像二值化处理，
阈值写成如下形式：
其中（x，y)为像素空间坐标,/(U)代表像素点/(Xj)处的灰度值（x，y)代表该点 邻域的局部特性；根据对T的不同限制，可得到三种不同类型的阈值，即： (1) 全局阈值r=IX/(x.y)):阈值只和该点的灰度值有关； (2) 局部阈值r=rcpun丨:阈值与点的灰度值和该点的局部领域特征有 关； (3) 动态阈值1=1(.^./(.^)^(1)')）：阈值与该点的位置、灰度值以及局部特征 者P有关系； 全局阈值是整张图片都是用一个灰度阈值进行分割，因此一般需要选取最佳阈值来进 行分割，当图像灰度直方图具有双峰特性时，需选取两峰之间的谷对应的灰度作为阈值； 所述的最佳阈值采用迭代式阈值选择法，其步骤如下： ① 求出图像的最大灰度值和最小灰度值，分别记为2_和2_，令阈值为：
② 根据阈值TO将图像分为前景和背景，分别求出两者的平均灰度值〇Z和bZ，求出新阈 值为：
③ 若两个平均灰度值和2_,.不再变化或T不再变化，则T即为阈值；否则转步骤②， 迭代计算。
5. 根据权利要求1所述的电力设备监控中使用的图像识别方法，其特征是：所述的设 备的故障区域对输入图像进行逐行扫描，设目标为黑色，背景为白色；把图像中不同连通 区域的点标记为不同的像素值，并同时记录该区域的面积，所述的面积即统计像素数，这里 所得到的面积包括边界的元素； 在算法中，需要一个临时栈和临时链表，用来保存某一连通区域的所有元素；还需要一 个数组，记录不同连通区域的面积；当图像的所有元素遍历完后，再把临时栈、临时链表及 数组所占的内存释放，以加快运行速度；此外，在标记连通区域后，可以根据图像中的不同 像素个数，直接得到此图像中所包含的连通区域的个数；在开辟临时内存区之后，对目标进 行标记，这时需要判断连通区域是否太多，如果太多的话，需增大预先设定的阈值；判断一 个区域是否是连通区域的方法就是：若当前像素点是黑点，当它周围八个点都是黑点时，则 为一个连通区域； 计算损坏程度： 故障程度指故障区域面积占目标总面积的百分比，即：
其中Z为故障程度，A为故障区域面积，S为目标总面积。
【文档编号】G06K9/46GK104408459SQ201410580984
【公开日】2015年3月11日 申请日期:2014年10月27日 优先权日:2014年10月27日
【发明者】刘福荣, 孙福军, 田伟, 张凯 申请人:国家电网公司, 国网黑龙江省电力有限公司