本发明属于电力工程
技术领域：
，具体涉及一种基于双阈值聚类分析的输电线路山火区域辨识方法。
背景技术：
：近年来，山火对输电线路乃至整个电网运行的威胁也愈加严重。目前，针对输电线路山火监测技术已有了较多的研究，主要有分布式视频监测法、卫星遥感监测法及激光雷达监测法等。其中，基于实时视频的分布式终端监测法因监测精度高、实时性强、受气象环境影响小等优势而得到广泛应用。由于红外成像系统工作在光谱的长波段，较可见光具有更强的穿透力和抗干扰性，能较好地发现早期山火。现有的红外热成像山火监测方法是将红外图像转为伪彩图或灰度图进行温度的检测，当达到某个温度阈值时判断为热点区域。但由于受到监测现场环境中有诸多干扰因素影响，如太阳光、杆塔等高温物体的影响，使得基于单一阈值的山火误报率较高，不能有效进行输电线路山火监测。当前常用的阈值确定方法有双峰法、Niblack阈值法、最大类间方差法、最大熵法、模糊阈值法等，但均不宜直接应用在输电线路山火监测中。一方面，输电线路山火监测对实时性要求较强，后三种计算方法由于计算过程复杂并不适用于工程实际。另一方面，双峰法计算虽然简单但实际山火红外图像的直方图是离散的，往往十分粗糙、参差不齐，有可能形成多个谷底；Niblack阈值法是一种局部自适应方法具有较好地抑制噪声能力，但由于山火初期红外热点区域多为小目标，该方法在山火提取过程中会产生大块的非目标山火区域。技术实现要素：本发明要解决的技术问题是，针对输电线路山火监测火点误报、漏报问题，提出一种基于双阈值聚类分析的输电线路山火区域辨识方法，能够快速、准确地提取出输电线路热红外图像中山火区域，为后续山火行为分析提供依据。一种基于双阈值聚类分析的输电线路山火区域辨识方法，包括以下几个步骤：步骤(1)获取输电线路监控热红外图像，利用中值滤波法对输电线路监控热红外图像进行失真校正和噪声抑制处理，并计算滤波图像的灰度直方图；步骤(2)基于气象环境温度数据和步骤(1)获得的灰度直方图确定背景区域和山火区域初始阈值，并对输电线路是否发生山火进行初判；步骤(3)分别以步骤(2)获得的背景区域和山火区域初始阈值为聚类初始中心，利用聚类分析得到背景区域和山火区域聚类簇；步骤(4)基于Niblack算法和气象环境湿度数据确定山火区域辨识阈值；步骤(5)结合步骤(2)的初判结果，并依据步骤(4)获得的山火域辨识阈值对实时获得的输电线路监控热红外图像对应的灰度图像进行山火区域辨识。以待监测的输电线路山火区域的温度数据为依据，将输电线路山火区域的温度对应的灰度级作为背景区域阈值；以灰度直方图中最大灰度峰值作为山火区域初始阈值；所述输电线路山火区域的温度对应的灰度级是指将输电线路山火区域的温度根据黑体温度标定后进行拟合得到与输电线路监控热红外图像对应的灰度级；其中，输电线路监控热红外图像的灰度级范围为0-255。所述步骤(2)中对输电线路是否发生山火进行初判是指满足以下任意一个准则时则标记当前图像中无山火发生，否则，存在山火发生可能；(a)当待监测的输电线路山火区域的湿度数据大于90％时，判定为下雨天，不考虑山火发生情形；(b)当山火区域初始阈值对应温度小于山火可能发生的最低温度T0时，不考虑山火发生情形。所述步骤(3)中利用聚类分析得到背景区域和山火区域聚类簇的具体过程如下：将背景区域阈值和山火区域初始阈值分别作为背景区域聚类和山火区域聚类初始中心，逐步通过计算各像素点与聚类中心的准则函数E，将剩余的像素点分配至两个聚类簇中，并更新聚类中心位置直到收敛；所述准则函数计算方法为：E=Σ(x,y)∈C1|f(x,y)-T1|+Σ(x,y)∈C2|f(x,y)-T2|]]>其中，f(x,y)代表滤波图像中对应位置(x,y)处像素的灰度值，C1和C2表示选定的两个聚类簇，T1和T2分别为更新后的背景区域和山火区域聚类中心值。所述山火区域辨识阈值T的计算公式如下：T＝α+λβ其中，α和β分别为相关系数为2的像素点灰度值的均值和标准差，λ为根据待监测的输电线山火区域湿度数据设定的常数。待监测的输电线山火区域的温度和湿度均采用输电线路杆塔现场采集装置获得。通过对近3年山火发生频数及现场湿度进行统计分析，下表1给出了λ的参考取值。表1现场湿度<30％30％～50％50％～70％70％～80％>80％λ取值32345有益效果本发明提供了一种基于双阈值聚类分析的输电线路山火区域辨识方法，在提取和分析山火红外热成像图像后，首先利用现场气象环境因素确定图像的背景区域阈值和山火区域初始阈值，然后利用聚类分析获取背景区域和山火区域聚类中心，并对图像进行聚类，最后采用Niblack算法并结合输电线路杆塔现场湿度数据对山火区域辨识阈值进行修正，计算过程简单、实用性强，在满足系统对图像处理高效性的同时有效降低了使用单一温度阈值带来的火点漏判与误判，实现对输电线路山火准确监测。作为输电线路山火监测系统的辅助工具，该方法对于提高山火监测精度、减少山火跳闸具有重要意义。附图说明图1为本发明实施例输电线路山火区域辨识流程图。具体实施方式下面结合附图1对本发明作进一步详细描述。本发明为一种气象环境相关的输电线路山火区域判识方法，具体实现步骤是：步骤一：获取输电线路山火视频监控热红外图像，通过采样获取输电线路山火视频监控热红外图像，并利用中值滤波法进行失真校正和噪声抑制，计算公式为：f(x,y)＝med{g(x-i,y-j),(i,j∈W)}其中g(x,y)和f(x,y)分别为原始图像和处理后图像对应位置(x,y)处像素的灰度值，W为二维区域模块，本实施例中取3*3区域。对于上述图像，通过统计图像中各个灰度级的像素数量，计算出输入红外图像序列的灰度直方图，计算公式为：P(rk)=nkN,k=1,2,...,255]]>其中rk表示图像的第k个灰度级；nk表示灰度级为rk的像素总数；N为图像总的像素数；P(rk)为灰度级rk占总像素数的频率。步骤二：基于气象环境因素确定图像背景区域阈值和山火区域初始阈值。背景阈值的确定是以输电线路山火监测装置自带气象传感器得到的温度数据为依据，将环境温度对应的灰度级作为背景区域阈值，同时取灰度直方图中最大灰度峰值作为山火区域初始阈值。基于上述分析对输电线路是否发生山火进行初判。当满足以下任意一个准则时则标记该图像中无山火发生，计算结束。(a)当输电线路山火监测装置自带气象传感器得到的湿度数据大于90％时，判定为下雨天，不考虑山火发生情形；(b)当山火区域初始阈值对应温度小于山火可能发生的最低温度T0时，不考虑山火发生情形。本实施例中现场得到的温度数据为19.30℃，T0取80摄氏度。步骤三：将背景区域阈值和山火区域初始阈值对应的灰度值分别作为背景区域聚类和山火区域聚类初始中心，逐步通过计算各像素点与聚类中心的准则函数E，将剩余的像素点分配至两个聚类簇中，并更新聚类中心位置直到收敛。所述准则函数计算方法为：E=Σ(x,y)∈C1|f(x,y)-T1|+Σ(x,y)∈C2|f(x,y)-T2|]]>其中f(x,y)代表图像中对应位置(x,y)处像素的灰度值，C1和C2表示选定的两个聚类簇，T1和T2分别为更新后的背景区域和山火区域聚类中心值。步骤四：针对山火区域聚类簇中的像素点采用Niblack算法确定山火区域辨识阈值T：T＝α+λβ其中α和β分别为相关系数为2的像素点灰度值的均值和标准差，λ为根据山火监测装置自带气象传感器得到的湿度数据设定的常数。本实施例中现场得到的湿度数据为68.43％，λ取值为3。采用上述气象环境相关的输电线路山火烟雾判识方法对2016年清明节期间湖南省特高压直流输电线路±800KV宾金线山火进行实时监测。通过对获取的热红外图像进行分析，4月2日当天准确识别出宾金线1164#和宾金线1302#两起山火，经现场线路运维人员验证，上述杆塔区域均发生山火。以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页1 2 3