一种绝缘子闪络故障定位方法及系统与流程

本发明涉及图像识别技术领域，特别是涉及一种绝缘子闪络故障定位方法及系统。

背景技术：

绝缘子是输电线路中重要的电气绝缘及机械支撑部件，同时也是故障多发部件，因绝缘子故障而引起的事故数量已位居输电线路事故数量的榜首。若不及时巡检发现绝缘子存在的安全隐患，会造成重大损失，甚至导致大面积停电事故。我国大量架空输电线路地处旷野，线路走廊穿越各种气候带，绝缘子要经受冰霜雨雪、风吹日晒等各种恶劣的自然气象条件，绝缘闪络故障时有发生。因此，研究绝缘子的闪络特性，准确检测绝缘子的闪络位置，对于保证电力系统的安全可靠运行、减少人身事故和设备损坏具有重要的意义。

到目前为止，包括我国在内的世界各国已对绝缘子闪络开展了大量的研究工作，研究成果成为科研设计单位和运行部门的重要参考资料。但绝缘子闪络事故并未从电网中消失，特别是20世纪90年代以来我国电网较大规模区域性的绝缘子闪络事故日益频繁发生，严重影响了我国电网的安全运行。经过闪络后的绝缘子，电极间的电压迅速下降到零或接近于零。闪络通道中的火花或电弧使绝缘表面局部过热造成炭化、脱色、起痕，损坏表面绝缘。若不及时发现，替换已被损坏的绝缘子，将对电网的安全运行造成严重的威胁。

近年来，国内外对绝缘子闪络故障分析主要分为三种，紫外成像法可有效检测引发复合绝缘子放电的故障缺陷；红外成像法可以检测发热故障；电场法仅适合检测存在于绝缘子上较严重的短路性故障，但是以上三种方法并不能定位起痕损坏、瓷釉剥落等损坏的部位。

综上所述，如何实现对闪络后绝缘子表面局部发生漏电起痕、瓷釉剥落等损坏故障进行识别和定位成为本领域急需解决的技术问题。

技术实现要素：

本发明的目的是提供一种绝缘子闪络故障定位方法及系统，以实现对绝缘子闪络部位进行定位。

为实现上述目的，本发明提供一种绝缘子闪络故障定位方法，所述方法包括：

获取输电线路的航拍图像；

根据所述航拍图像确定目标区域的颜色特征图像；

根据所述航拍图像确定目标区域的结构特征图像；

根据所述颜色特征图像和所述结构特征图像进行融合，确定目标区域的融合图像；

对所述融合图像进行预处理，确定连通域；

对所述航拍图像进行倾斜校正，确定目标区域的倾斜校正图像；

在倾斜校正图像上，根据连通域提取绝缘子区域的图像；

根据所述绝缘子区域的图像确定闪络部位平滑图像；

对闪络部位平滑图像进行边缘轮廓的提取，根据提取的边缘轮廓在倾斜校正图像中进行绘制，定位出故障部位。

可选的，所述根据所述航拍图像确定目标区域的颜色特征图像，具体步骤包括：

利用颜色模型，将所述航拍图像的H分量按照第一量化的阈值量化分成12类，确定第一降维航拍图像；

以3x3的局部观测窗对所述第一降维航拍图像进行采样，选取各局部观测窗中的最大梯度值作为支持像素，确定第一稀疏图像；

在所述第一稀疏图像的各局部观测窗内，依据所述第一量化的阈值提取像素的颜色直方图；

利用K-means聚类算法，将各类中具有相同颜色直方图的支持像素归为同一集群，则将所述第一降维航拍图像的颜色特征空间分成多个第一集群；

根据所述颜色直方图和多个所述第一集群确定目标区域的颜色特征图像。

可选的，所述根据所述航拍图像确定目标区域的结构特征图像，具体步骤包括：

依据图像梯度分布的像素直方图，将所述航拍图像的结构特征按照第二量化的阈值量化成8类，确定第二降维航拍图像；

以3x3的局部观测窗对所述第二降维航拍图像进行采样，选择各局部观测窗中的最大梯度值作为支持像素，确定第二稀疏图像；

在所述第二稀疏图像的各局部观测窗内，依据所述第二量化的阈值提取像素的梯度直方图；

利用K-means聚类算法，将各类中具有相同的梯度直方图的支持像素q归为同一集群，则将第二降维航拍图像的结构特征空间分成多个第二集群；

根据所述像素的梯度直方图和多个所述第二集群确定目标区域的结构特征图像。

可选的，所述根据所述颜色特征图像和所述结构特征图像进行融合，确定目标区域的融合图像，具体步骤包括：

以3x3的局部观测窗对所述航拍图像进行采样，选择各局部观测窗中的最大梯度值作为支持像素，确定第三稀疏图像；

在第三稀疏图像上，融合所述颜色特征图像和所述结构特征图像确定多个初始稀疏值；

根据多个所述初始稀疏值确定目标区域的融合图像。

可选的，所述对所述融合图像进行预处理，确定连通域，具体步骤包括：

对所述融合图像进行二值分割处理，确定目标区域的分割图像；

对所述分割图像进行形态学开运算处理，去除噪声点，确定目标区域的形态学图像；

对所述形态学图像进行中值滤波处理，消除孤立噪声的影响，确定目标区域的平滑图像；

根据所述目标区域的平滑图像确定连通域；所述连通域为具有相同像素值且位置相邻的前景像素点组成的图像区域。

可选的，所述根据所述绝缘子区域的图像确定闪络部位平滑图像，具体步骤包括：

对所述绝缘子区域的图像进行灰度处理，确定绝缘子区域的灰度图像；

依据所述灰度图像中的绝缘子自身颜色与闪络损坏部分颜色的差异分布进行统计分析，建立颜色判决式，对绝缘子区域的灰度图像进行颜色判定，得到闪络部位图像；

对所述闪络部位图像进行中值滤波处理，消除孤立噪声，确定闪络部位平滑图像。

可选的，所述依据所述灰度图像中的绝缘子自身颜色与闪络损坏部分颜色的差异分布进行统计分析，建立颜色判决式，对绝缘子区域的灰度图像进行颜色判定，得到闪络部位图像，具体步骤包括：

根据所述灰度图像中的绝缘子自身颜色与闪络损坏部分颜色的差异，对此颜色分布进行统计分析，建立颜色判决式；

判断所述颜色判决式的值是否大于设定阈值；如果大于等于设定阈值，则确定为闪络部位图像，如果小于设定阈值，则确定此部位不是闪络部位图像。

本发明还提供一种绝缘子闪络故障定位系统，所述系统包括：

获取模块，用于获取输电线路的航拍图像；

颜色特征图像确定模块，用于根据所述航拍图像确定目标区域的颜色特征图像；

结构特征图像模块，用于根据所述航拍图像确定目标区域的结构特征图像；

融合模块，用于根据所述颜色特征图像和所述结构特征图像进行融合，确定目标区域的融合图像；

连通域确定模块，用于对所述融合图像进行预处理，确定连通域；

倾斜校正模块，用于对所述航拍图像进行倾斜校正，确定目标区域的倾斜校正图像；

提取模块，用于在倾斜校正图像上，根据连通域提取绝缘子区域的图像；闪络部位平滑图像确定模块，用于根据所述绝缘子区域的图像确定闪络部位平滑图像；

故障部位定位模块，用于对闪络部位平滑图像进行边缘轮廓的提取，根据提取的边缘轮廓在倾斜校正图像中进行绘制，定位出故障部位。

可选的，所述连通域确定模块，具包括：

二值分割处理单元，用于对所述融合图像进行二值分割处理，确定目标区域的分割图像；

开运算处理单元，用于对所述分割图像进行形态学开运算处理，去除噪声点，确定目标区域的形态学图像；

中值滤波处理单元，用于对所述形态学图像进行中值滤波处理，消除孤立噪声的影响，确定目标区域的平滑图像；

连通域确定单元，用于根据所述目标区域的平滑图像确定连通域；所述连通域为具有相同像素值且位置相邻的前景像素点组成的图像区域。

可选的，所述闪络部位平滑图像确定模块，具体包括：

灰度处理单元，用于对所述绝缘子区域的图像进行灰度处理，确定绝缘子区域的灰度图像；

颜色判决式确定单元，用于依据所述灰度图像中的绝缘子自身颜色与闪络损坏部分颜色的差异分布进行统计分析，建立颜色判决式，对绝缘子区域的灰度图像进行颜色判定，得到闪络部位图像；

闪络部位平滑图像确定单元，用于对所述闪络部位图像进行中值滤波处理，消除孤立噪声，确定闪络部位平滑图像。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明先根据所述航拍图像确定目标区域的颜色特征图像；根据所述航拍图像确定目标区域的结构特征图像；根据所述颜色特征图像和所述结构特征图像进行融合，确定目标区域的融合图像；对所述融合图像进行预处理，确定连通域；然后对所述航拍图像进行倾斜校正，确定目标区域的倾斜校正图像；在倾斜校正图像上，根据连通域提取绝缘子区域的图像；根据所述绝缘子区域的图像确定闪络部位平滑图像；最后对闪络部位平滑图像进行边缘轮廓的提取，根据提取的边缘轮廓在倾斜校正图像中进行绘制，定位出故障部位，提高了定位的准确性。

另外，本发明根据所述颜色特征图像和所述结构特征图像进行融合，确定目标区域的融合图像，剔除航拍图像中复杂背景的干扰。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中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性的前提下，还可以根据这些附图确定其他的附图。

图1为本发明实施例绝缘子闪络故障定位方法流程图；

图2为本发明实施例航拍图像；

图3为本发明实施例目标区域的颜色特征图像；

图4为本发明实施例目标区域的结构特征图像；

图5为本发明实施例目标区域的融合图像；

图6为本发明实施例目标区域的形态学图像；

图7为本发明实施例目标区域的平滑图像；

图8为本发明实施例绝缘子区域的图像；

图9为本发明实施例绝缘子区域的灰度图像；

图10为本发明实施例闪络部位图像；

图11为本发明实施例闪络部位平滑图像；

图12为本发明实施例闪络故障定位图像；

图13为本发明实施例绝缘子闪络故障定位系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所确定的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例绝缘子闪络故障定位方法流程图，如图1所示，本发明提供一种绝缘子闪络故障定位方法，所述方法包括：

步骤10：获取输电线路的航拍图像；如图2所示。

步骤20：根据所述航拍图像确定目标区域的颜色特征图像；如图3所示。

步骤20具体步骤包括：

步骤201：利用颜色模型，将所述航拍图像的H分量按照第一量化的阈值量化分成12类，确定第一降维航拍图像；所述颜色模型为Lab颜色空间模型。

步骤202：以3x3的局部观测窗对所述第一降维航拍图像进行采样，选取各局部观测窗中的最大梯度值作为支持像素q，确定第一稀疏图像。

步骤203：在所述第一稀疏图像的各局部观测窗内，依据所述第一量化的阈值提取像素的颜色直方图h^c(q)。

步骤204：利用K-means聚类算法，将各类中具有相同颜色直方图的支持像素q归为同一集群，则将所述第一降维航拍图像的颜色特征空间分成K_c个第一集群；分别为

步骤205：根据所述颜色直方图h^c(q)和K_c个所述第一集群确定目标区域的颜色特征图像U^c(q)；具体公式为：

式中：q为支持像素，U^c(q)为支持像素q的颜色特征图像，K_c为第一集群的数量，α_i表示第i个集群相对于其它集群在颜色对比方面的权重，α_i为集群φ_i中像素的数量，h^c(φ_i)为集群φ_i的平均颜色直方图，h^c(φ_q)为集群φ_q的平均颜色直方图；φ_q为支持像素q所属的集群；φ_i为第i个集群；h^c(q)为支持像素q所在局部观测窗的颜色直方图。

步骤30：根据所述航拍图像确定目标区域的结构特征图像；如图4所示。

步骤30具体步骤包括：

步骤301：依据图像梯度分布的像素直方图，将所述航拍图像的结构特征按照第二量化的阈值量化成8类，确定第二降维航拍图像。

步骤302：以3x3的局部观测窗对所述第二降维航拍图像进行采样，选择各局部观测窗中的最大梯度值作为支持像素q，确定第二稀疏图像。

步骤303：在所述第二稀疏图像的各局部观测窗内，依据所述第二量化的阈值提取像素的梯度直方图h^g(q)。

步骤304：利用K-means聚类算法，将各类中具有相同的梯度直方图的支持像素q归为同一集群，则将第二降维航拍图像的结构特征空间分成K_g个第二集群；分别为

步骤305：根据所述像素的梯度直方图h^g(q)和K_g个所述第二集群确定目标区域的结构特征图像U^g(q)；具体公式为：

式中：q为支持像素，U^g(q)为为支持像素q的结构特征图像，U^g(q)为第二集群的数量，β_i表示第i个集群相对于其它集群在结构对比方面的权重，β_i为集群中像素区域的数量，为集群的平均梯度直方图，为集群的平均梯度直方图，φ_q表示支持像素q所属的集群，h^g(q)为支持像素q所在采样框的梯度直方图。

步骤40：根据所述颜色特征图像和所述结构特征图像进行融合，确定目标区域的融合图像；如图5所示。

步骤40具体步骤包括：

步骤401：以3x3的局部观测窗对所述航拍图像进行采样，选择各局部观测窗中的最大梯度值作为支持像素q，确定第三稀疏图像I^l。

步骤402：在第三稀疏图像上，融合所述颜色特征图像U^c(q)和所述结构特征图像U^g(q)确定多个初始稀疏值具体公式为：

其中：p为采样框中的最大梯度值，U^c(q)是颜色特征图像，U^g(q)是结构特征图像，D^c(q)和D^g(q)分别是颜色和结构特征的空间先验知识。

步骤403：根据多个所述初始稀疏值确定目标区域的融合图像S(q)；具体公式为：

其中，q为支持像素，m是局部观测窗内像素点p_i的总数，是支持像素到像素点q的较高权重，p_i∈I^l，为交叉支持区域，

步骤50：对所述融合图像进行预处理，确定连通域。

步骤50具体步骤包括：

步骤501：对所述融合图像进行二值分割处理，确定目标区域的分割图像。

步骤502：对所述分割图像进行形态学开运算处理，去除噪声点，确定目标区域的形态学图像；如图6所示。

步骤503：对所述形态学图像进行中值滤波处理，消除孤立噪声的影响，确定目标区域的平滑图像；如图7所示。

步骤504：根据所述目标区域的平滑图像确定连通域；所述连通域为具有相同像素值且位置相邻的前景像素点组成的图像区域。

步骤60：对所述航拍图像进行倾斜校正，确定目标区域的倾斜校正图像。

本发明采用的倾斜校正是基于轮廓提取的矫正算法确定目标区域的倾斜校正图像。

步骤70：在倾斜校正图像上，根据连通域提取绝缘子区域的图像；如图8所示。

步骤80：根据所述绝缘子区域的图像确定闪络部位平滑图像。

步骤80具体步骤包括：

步骤801：对所述绝缘子区域的图像进行灰度处理，确定绝缘子区域的灰度图像；如图9所示。

步骤802：依据所述灰度图像中的绝缘子自身颜色与闪络损坏部分颜色的差异分布进行统计分析，建立颜色判决式，对绝缘子区域的灰度图像进行颜色判定，得到闪络部位图像；如图10所示。

根据所述灰度图像中的绝缘子自身颜色与闪络损坏部分颜色的差异，对此颜色分布进行统计分析，建立颜色判决式；所述颜色判决式的公式为：

G(i,j)＝imgRgbRotateGray(i,j)

其中i,j为灰度图的像素点坐标，imgRgbRotateGray(i,j)为该像素点的灰度值。

判断所述颜色判决式的值是否大于设定阈值200；如果大于等于设定阈值，则确定为闪络部位图像，如果小于设定阈值200，则确定此部位不是闪络部位图像。

步骤803：对所述闪络部位图像进行中值滤波处理，消除孤立噪声，确定闪络部位平滑图像；如图11所示。

步骤90：对闪络部位平滑图像进行边缘轮廓的提取，根据提取的边缘轮廓在倾斜校正图像中进行绘制，定位出故障部位；如图12所示。

本发明根据颜色模型，将航拍图象的H分量进行降维处理，依据像素直方图，将所述航拍图像的结构特征进行降维处理，降低算法的复杂度；另外对航拍图象进行颜色判定，能够准确的突显损坏区域，提高了精度。

本发明根据颜色模型，将航拍图象进行降维处理，对航拍图象进行颜色判定，能够准确的突显损坏区域，降低算法的复杂度，同时提高了精度。

图13为本发明实施例绝缘子闪络故障定位系统结构图；如图13所示；本发明还提供一种绝缘子闪络故障定位系统，所述系统包括：获取模块1、颜色特征图像确定模块2、结构特征图像模块3、融合模块4、连通域确定模块5、倾斜校正模块6、提取模块7、闪络部位平滑图像确定模块8、故障部位定位模块9。

获取模块1，用于获取输电线路的航拍图像。

颜色特征图像确定模块2，用于根据所述航拍图像确定目标区域的颜色特征图像。

第一降维航拍图像确定单元，用于利用颜色模型，将所述航拍图像的H分量按照第一量化的阈值量化分成12类，确定第一降维航拍图像；所述颜色模型为Lab颜色空间模型。

第一稀疏图像确定单元，用于以3x3的局部观测窗对所述第一降维航拍图像进行采样，选取各局部观测窗中的最大梯度值作为支持像素q，确定第一稀疏图像。

颜色直方图确定单元，用于在所述第一稀疏图像的各局部观测窗内，依据所述第一量化的阈值提取像素的颜色直方图h^c(q)。

第一集群确定单元，用于利用K-means聚类算法，将各类中具有相同颜色直方图的支持像素q归为同一集群，则将所述第一降维航拍图像的颜色特征空间分成K_c个第一集群；分别为

颜色特征图像确定单元，用于根据所述颜色直方图h^c(q)和K_c个所述第一集群确定目标区域的颜色特征图像U^c(q)。

结构特征图像模块3，用于根据所述航拍图像确定目标区域的结构特征图像；

第二降维航拍图像确定单元，用于依据图像梯度分布的像素直方图，将所述航拍图像的结构特征按照第二量化的阈值量化成8类，确定第二降维航拍图像。

第二稀疏图像确定单元，用于以3x3的局部观测窗对所述第二降维航拍图像进行采样，选择各局部观测窗中的最大梯度值作为支持像素q，确定第二稀疏图像。

梯度直方图确定单元，用于在所述第二稀疏图像的各局部观测窗内，依据所述第二量化的阈值提取像素的梯度直方图h^g(q)。

第二集群确定单元，用于利用K-means聚类算法，将各类中具有相同的梯度直方图的支持像素q归为同一集群，则将第二降维航拍图像的结构特征空间分成K_g个第二集群；分别为

结构特征图像确定单元，用于根据所述像素的梯度直方图h^g(q)和K_g个所述第二集群确定目标区域的结构特征图像U^g(q)。

融合模块4，用于根据所述颜色特征图像和所述结构特征图像进行融合，确定目标区域的融合图像。

第三稀疏图像确定单元，用于以3x3的局部观测窗对所述航拍图像进行采样，选择各局部观测窗中的最大梯度值作为支持像素q，确定第三稀疏图像I^l。

初始稀疏值确定单元，用于在第三稀疏图像上，融合所述颜色特征图像U^c(q)和所述结构特征图像U^g(q)确定多个初始稀疏值

融合图像确定单元，用于根据多个所述初始稀疏值确定目标区域的融合图像S(q)；

连通域确定模块5，用于对所述融合图像进行预处理，确定连通域；

所述连通域确定模块5，具包括：

二值分割处理单元，用于对所述融合图像进行二值分割处理，确定目标区域的分割图像；

开运算处理单元，用于对所述分割图像进行形态学开运算处理，去除噪声点，确定目标区域的形态学图像；

中值滤波处理单元，用于对所述形态学图像进行中值滤波处理，消除孤立噪声的影响，确定目标区域的平滑图像；

连通域确定单元，用于根据所述目标区域的平滑图像确定连通域；所述连通域为具有相同像素值且位置相邻的前景像素点组成的图像区域。

倾斜校正模块6，用于对所述航拍图像进行倾斜校正，确定目标区域的倾斜校正图像；

提取模块7，用于在倾斜校正图像上，根据连通域提取绝缘子区域的图像；如图8所示。

闪络部位平滑图像确定模块8，用于根据所述绝缘子区域的图像确定闪络部位平滑图像；

所述闪络部位平滑图像确定模块8，具体包括：

灰度处理单元，用于对所述绝缘子区域的图像进行灰度处理，确定绝缘子区域的灰度图像；如图9所示。

颜色判决式确定单元，用于依据所述灰度图像中的绝缘子自身颜色与闪络损坏部分颜色的差异分布进行统计分析，建立颜色判决式，对绝缘子区域的灰度图像进行颜色判定，得到闪络部位图像；如图10所示。

所述颜色判决式确定单元包括：

颜色判决式建立子单元，用于根据所述灰度图像中的绝缘子自身颜色与闪络损坏部分颜色的差异，对此颜色分布进行统计分析，建立颜色判决。

判断子单元，用于判断所述颜色判决式的值是否大于设定阈值200；如果大于等于设定阈值，则确定为闪络部位图像，如果小于设定阈值200，则确定此部位不是闪络部位图像。

闪络部位平滑图像确定单元，用于对所述闪络部位图像进行中值滤波处理，消除孤立噪声，确定闪络部位平滑图像。如图11所示。

故障部位定位模块9，用于对闪络部位平滑图像进行边缘轮廓的提取，根据提取的边缘轮廓在倾斜校正图像中进行绘制，定位出故障部位。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。