一种基于红外图像的瓷绝缘子串铁帽盘面边缘检测方法与流程

本发明涉及变电站及输电线路瓷质绝缘子串红外图像边缘检测方法，属变电站以及输电线路上的瓷质绝缘子劣化检测领域。

背景技术：

瓷质绝缘子在输配电网中应用广泛，在架空线路以及变电站中起重要作用。但绝缘子亦是故障多发元件，运行中的瓷质绝缘子因长期经受机电负荷、大气污染、冷热变化等作用，会使得绝缘子的绝缘性能和机械性能下降，劣化绝缘子会对电网安全产生严重影响，对其进行状态安全检测尤其重要。红外检测对高压瓷质绝缘子状态检测是一种高效可靠的技术，利用检测结果，对绝缘子串实现自动定位和自动分割，已经成为智能检测劣化绝缘子串的重要发展方向。边缘检测是对红外图像中的瓷质绝缘子串进行图像分割的重要前提，可为在线自动检测劣化绝缘子奠定基础。

canny边缘检测算法经常用作标准算法，但会将部分高频边缘分量平滑掉，易造成边缘丢失。小波变换模极大值边缘检测算法的原理是沿着梯度方向，在某一范围内检测模值，对于极大值予以保留，非极大值予以删除。其优点是在时域和频域都具有良好的局部特性，这种特性可用于边缘检测。数字滤波器根据其冲激响应函数的时域特性可以分为无限长冲激响应滤波器(iir)和有限长冲激响应滤波器(fir)。iir滤波器特点是具有无线持续时间冲激响应，这种滤波器一般要通过递归模型来实现。fir滤波器的冲击响应只能延续一段时间，既可用递归方式，也可采用非递归方式实现。单尺度形态学梯度边缘检测算法的性能取决于结构元素的大小，如果结构元素足够大，则对斜坡边缘来说，这个梯度算法的输出等于边缘高度。大结构元素会造成边缘间互相影响严重，将导致梯度极大值与边缘不一样；然而，若结构元素过小，则梯度算法虽然有高的分辨率，但谐波元素会产生一个很小的输出结果。

技术实现要素：

发明目的：为了克服背景技术中的缺点，本发明实施例提供了一种基于红外图像的瓷绝缘子串铁帽盘面边缘检测方法，能够有效解决上述背景技术中涉及的问题。

技术方案：一种基于红外图像的瓷绝缘子串铁帽盘面边缘检测方法，包括以下步骤：

对绝缘子串的红外图像进行预处理操作，所述预处理操作包括灰度化、中值滤波以及基于otsu自动阀值的灰度线性变换图像增强三个部分；

对处理后的绝缘子串图像进行形态学处理，所述形态学处理包括骨架化、腐蚀以及膨胀操作；

当红外图像中绝缘子串倾斜时，利用绝缘子串图像的几何特征，确定中心点并采用hough变换提取出绝缘子串所在直线，对绝缘子串倾斜角度进行估计矫正，将绝缘子串旋转至图像中的水平位置；

将传统多尺度形态学梯度算法中的三维梯度拓展至六维梯度，并对所述六维梯度进行求和；

利用改进的多尺度形态学六维梯度算法确定绝缘子串边缘所在像素点的位置，通过最大连通区域方法将所述绝缘子串单独进行提取；

通过确定面积阈值在提取出的绝缘子串上进行铁帽以及盘面的分割；

得到分割的铁帽以及盘面的二值区域。

作为本发明的一种优选方式，对处理后的绝缘子串图像进行形态学处理还包括：

在骨架化处理中，绝缘子串的水平中轴线作为骨架。

作为本发明的一种优选方式，对绝缘子串倾斜角度进行估计矫正还包括：

对二值图像细化，获取绝缘子串的骨架；

从骨架图中计算出交点，作为hough变换的特征点集s，所述交点为hough变换的直线集和绝缘子串的交点；

采用hough变换对s进行直线拟合，计算出最长的拟合直线l和其倾斜角θ，即用该倾斜角对绝缘子串图像进行倾斜矫正。

作为本发明的一种优选方式，计算出最长的拟合直线l和其倾斜角θ还包括：

通过图像空间中的特征数据点去计算参数空间中的参数点的可能轨迹，并在一个累加器j(ρ，θ)中统计参考点，检测hough域中曲线最频繁的交点(即j(ρ，θ)的最大值)，通过所述交点的直线即绝缘子串的位置，所述ρ以及θ为矫正的角度。

作为本发明的一种优选方式，还包括：

经过hough变换，将绝缘子串区域调整为水平位置，矫正的角度与水平角度相差数值小于1°。

作为本发明的一种优选方式，通过最大连通区域方法将所述绝缘子串单独进行提取还包括：

分割得到的图像中仅存在绝缘子串，利用连通区域标记法将二值图像中所有像素点值为1的区域分别标记；

提取最大面积区域，所述最大面积区域即为绝缘子串区域。

作为本发明的一种优选方式，通过确定面积阈值在提取出的绝缘子串上进行铁帽以及盘面的分割还包括：

根据灰度图像的投影统计计算过程，对于绝缘子串和导线像素点所构成的二值图像f′(x，y)，其中m为图像f′(x，y)的高度，n为f′(x，y)的宽度，则垂直方向的投影信号表示为：

其中

在matlab中输入处理后的图片f′进行上述操作，具体的算法过程如下：

1)对图像f′的起始列进行逐行扫描，像素点间距d定义为一列0，1的数组中连续1的最大长度，记录在二维数组d中，终点(i，j)的长度记为d(i，j)＝d，统计d出现的频数并记录在数组p中，即进行p(d)++操作；

2)对图像的下一列，同样按1)的方法进行操作，直至遍历整个图像；

3)滤去导线的干扰，导线的像素间距一般较小，且出现频数较高，设定阈值φ，令p(i≤φ)＝0；

4)去除边缘干扰，规定在间距值10％以内的都认为是等间距，则

5)求出p1中频数最大的两极大值所对应的i，j，有p1(i)＝max1，p2(j)＝max2，(i＜j)，则i为铁帽的间距，j为盘面的间距；

6)根据i，j分别反向计算求出铁帽和盘面的二值图像；

7)形态学处理，角度恢复；

8)结束，得到分割的铁帽以及盘面的二值区域，用黑色区域表示铁帽区域，灰色区域表示盘面区域。

本发明实现以下有益效果：

本发明提供的基于改进的多尺度形态学梯度算法的瓷质绝缘子串红外图像边缘检测方法，相对于传统的多尺度形态学梯度算法而言，在保留图像边缘的完整性和清晰性方面有了很大提高，对确定绝缘子串区域面积阈值、铁帽和盘面区域分割提供了保证；本发明的原理是对传统的算法的三维梯度进行提高，拓展到六维维度，并对于传统的取均值操作进行改进，取所有维度的总和，保证了边缘的完整性，排除因检测而出现的细小破碎点的可能性；改进后的方法从边缘完整性和轮廓清晰度方面，远优于原方法和其他方法，经过峰值信噪比比较，确定为数种比较方法中最优方法；在分割方面，通过图像预处理操作，能够有效排除环境干扰，增强图像，在matlab环境下顺利运行；经过hough变换，能够将绝缘子串区域调整为水平位置，矫正的角度与水平角度相差数值小于1°，极大地推进了后续步骤的进行；通过改进算法完整清晰地提取绝缘子串区域后，进入面积阈值判定绝缘子铁帽和盘面算法流程，最终准确完整地分割出铁帽和盘面。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并于说明书一起用于解释本公开的原理。

图1为本发明提供的一种基于红外图像的瓷绝缘子串铁帽盘面边缘检测方法流程图；

图2为本发明提供的倾斜绝缘子串矫正方法流程图；

图3为本发明提供的铁帽以及盘面分割方法流程图；

图4为本发明提供的500kv绝缘子串红外图像；

图5为本发明提供的绝缘子串灰度图像；

图6为本发明提供的多尺度形态学梯度算法边缘检测图像；

图7为本发明提供的绝缘子串区域提取方法流程图；

图8为本发明提供的利用边缘检测分割得到的绝缘子串二值图像；

图9为本发明提供的多种边缘检测算法峰值信噪比比较结果柱状图；

图10为本发明提供的利用边缘检测分割得到的500kv绝缘子串红外图像；

图11为本发明提供的利用边缘检测分割得到的110kv绝缘子串红外图像；

图12为本发明提供的利用边缘检测分割得到的220kv绝缘子串红外图像。

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。

实施例一

如图1所示，一种基于红外图像的瓷绝缘子串铁帽盘面边缘检测方法，包括以下步骤：

s101、对绝缘子串的红外图像进行预处理操作，预处理操作包括灰度化、中值滤波以及基于otsu自动阀值的灰度线性变换图像增强三个部分；

s102、对处理后的绝缘子串图像进行形态学处理，形态学处理包括骨架化、腐蚀以及膨胀操作；

s103、当红外图像中绝缘子串倾斜时，利用绝缘子串图像的几何特征，确定中心点并采用hough变换提取出绝缘子串所在直线，对绝缘子串倾斜角度进行估计矫正，将绝缘子串旋转至图像中的水平位置；

s104、将传统多尺度形态学梯度算法中的三维梯度拓展至六维梯度，并对六维梯度进行求和；

s105、利用改进的多尺度形态学六维梯度算法确定绝缘子串边缘所在像素点的位置，通过最大连通区域方法将绝缘子串单独进行提取；

s106、通过确定面积阈值在提取出的绝缘子串上进行铁帽以及盘面的分割；

s107、得到分割的铁帽以及盘面的二值区域。

对处理后的绝缘子串图像进行形态学处理还包括：

在骨架化处理中，绝缘子串的水平中轴线作为骨架。

如图2所示，对绝缘子串倾斜角度进行估计矫正还包括：

对二值图像细化，获取绝缘子串的骨架；

从骨架图中计算出交点，作为hough变换的特征点集s，交点为hough变换的直线集和绝缘子串的交点；

采用hough变换对s进行直线拟合，计算出最长的拟合直线l和其倾斜角θ，即用该倾斜角对绝缘子串图像进行倾斜矫正。

计算出最长的拟合直线l和其倾斜角θ还包括：

通过图像空间中的特征数据点去计算参数空间中的参数点的可能轨迹，并在一个累加器j(ρ，θ)中统计参考点，检测hough域中曲线最频繁的交点(即j(ρ，θ)的最大值)，通过交点的直线即绝缘子串的位置，ρ以及θ为矫正的角度。

经过hough变换，将绝缘子串区域调整为水平位置，矫正的角度与水平角度相差数值小于1°。

如图3所示，通过确定面积阈值在提取出的绝缘子串上进行铁帽以及盘面的分割还包括：根据灰度图像的投影统计计算过程，对于绝缘子串和导线像素点所构成的二值图像f′(x，y)，其中m为图像f′(x，y)的高度，n为f′(x，y)的宽度，则垂直方向的投影信号表示为：

其中

在matlab中输入处理后的图片f′进行上述操作，具体的算法过程如下：

1)对图像f′的起始列进行逐行扫描，像素点间距d定义为一列0，1的数组中连续1的最大长度，记录在二维数组d中，终点(i，j)的长度记为d(i，j)＝d，统计d出现的频数并记录在数组p中，即进行p(d)++操作；

2)对图像的下一列，同样按1)的方法进行操作，直至遍历整个图像；

3)滤去导线的干扰，导线的像素间距一般较小，且出现频数较高，设定阈值φ，令p(i≤φ)＝0；

4)去除边缘干扰，规定在间距值10％以内的都认为是等间距，则

5)求出p1中频数最大的两极大值所对应的i，j，有p1(i)＝max1，p2(j)＝max2，(i＜j)，则i为铁帽的间距，j为盘面的间距；

6)根据i，j分别反向计算求出铁帽和盘面的二值图像；

7)形态学处理，角度恢复；

8)结束，得到分割的铁帽以及盘面的二值区域，用黑色区域表示铁帽区域，灰色区域表示盘面区域。

具体地，本发明针对绝缘子串红外图像进行图像分割处理并实现自动串提取及定位单片绝缘子时，因阈值的不确定性导致铁帽及盘面分割错误，产生过多分割或过少分割的情况，提出一种基于改进的多尺度形态学梯度算法的绝缘子串红外图像边缘分割方法。如图4所示，在s101中，以500kv绝缘子串红外图像为例，首先对绝缘子串的红外图像进行预处理操作，包括灰度化、中值滤波和基于otsu自动阀值的灰度线性变换图像增强三个部分。如图5所示，灰度化操作目的是使得像素点值范围处在[0,255]之间，使得红外图像在matlab软件中能够矩阵化操作；中值滤波的目的是去除因拍摄时环境和机器等造成的噪声；基于otsu自动阀值的灰度线性变换图像增强法，提高导线、钢架等伪目标与绝缘子灰度对比度，采用图像增强的目的有二：一是能够将非绝缘子物体灰度拉伸到背景灰度范围；二是能够较好地将背景云层过滤。

然后对处理后的绝缘子串图片进行特征点的提取，在s102中，形态学处理，包括骨架化，腐蚀和膨胀操作，绝缘子串的水平中轴线作为骨架，集合a的骨架化：反复移除图像a的边界像素，但不允许原本连接的目标图像断裂，且保持操作欧拉数不变；先膨胀后腐蚀的操作称为闭运算，它具有填充细小空洞，连接邻近物体和平滑边界的作用，先腐蚀后膨胀的操作称为开运算，它具有消除细小物体、在纤维处分离物体和平滑较大物体边界的作用，能够消除细导线等的影响。

在s103中，当红外图像中绝缘子串倾斜时，利用绝缘子串图像的几何特征，确定绝缘子串的中心点，中心点为绝缘子串几何中心处的点，从绝缘子串的骨架图中计算出hough变换的直线集和绝缘子串的交点，并将交点整理为hough变换的特征点集s，其中，检测倾斜角的基本思路是由图像空间中的特征点去计算参数空间中的参数点的可能轨迹，并在一个累加器j(ρ，θ)中统计参考点，检测hough域中曲线最频繁的交点(即j(ρ，θ)的最大值)，即通过hough变换的直线集和绝缘子串的交点，寻找最接近的重合直线，和绝缘子串交点最多的一条直线就是绝缘子串所在的位置，ρ以及θ为矫正的角度，并能将倾斜矫正误差控制在1°左右。

在s104中，本发明针对于传统的多尺度形态学梯度算法进行改进，提高了传统多尺度形态学梯度算法的梯度维度，使其从三维梯度拓展到六维梯度，并改进传统的取梯度均值操作，对所有梯度进行求和，更有利于确定绝缘子串边缘像素点的位置。

如图6所示，在s105中，利用上述改进的多尺度形态学六维梯度算法确定绝缘子串边缘所在像素点的位置，并根据像素点所在位置进一步通过最大连通区域方法将绝缘子串单独提取出来。

在s106中，进入面积阈值判定绝缘子串上铁帽以及盘面的算法流程，并在上述提取出的绝缘子串上进行铁帽以及盘面的分割。

在s107中，最终准确完整地分割出铁帽区域以及盘面区域，用黑色区域表示铁帽区域，灰色区域表示盘面区域。

实施例二

如图7所示，通过最大连通区域方法将绝缘子串单独进行提取还包括：

分割得到的图像中仅存在绝缘子串，利用连通区域标记法将二值图像中所有像素点值为1的区域分别标记；

提取最大面积区域，最大面积区域即为绝缘子串区域。

具体地，在绝缘子串红外图像中，除去背景区域，绝缘子串区域占最大面积，故可选用提取最大连通区域法分割绝缘子串。

如图8所示，首先采用连通区域标记法将二值图像中所有像素点值为1的区域分别标记，然后提取最大面积区域即为绝缘子串区域。提取最大连通区域方法能够将周围细小的导线和钢架区域排除，使得分割得到图像中只存在绝缘子串。因此，最大连通区域方法在提取绝缘子串区域时效果良好。多尺度形态学梯度边缘检测方法适用于信噪比低，结构相对简单的图像。红外图像符合这两种特征，且绝缘子串边缘区域灰度值变化大，为边缘分割提供良好的基础，易于确定边缘像素点的位置。

实施例三

psnr峰值信噪比是目前普遍使用的一种图像客观评价指标，常用于衡量图像失真程度或测量噪声水平。其数值大小反映了两张图片的相似度，数值越大，相似度越高。psnr峰值信噪比的数学定义式如下所示：

上式中，max表示图像颜色的最大数值，对于灰度图像来说，取值为255。mse表示两张图像之间的均方差，mse定义如下所示：

上式中，k(i,j)表示第一张图像的像素点值，i(i,j)表示第二张图像的像素点值，m和n表示图片中包含的像素点值个数。本发明与其他检测算法的峰值信噪比比较结果如图9所示。

交并比(iou)，是目标检测中使用的一个概念，是产生的候选框与原标记框的交叠率，即它们的交集与并集的比值。最理想情况是完全重叠，即比值为1。其数值越高，代表处理图像与原图像相似率越高。假阳性率(fpr)，又称误判率。指的是按分类器分类标准把不是某类的样本(如ii类)判为该类(i类)的样本数占非该类样本总数的百分比，假阳性率数值越低，代表图像误判率越低。假阳性率的公式如下所示：

上式中，b表示筛选为阳性，实际的标准分类为阴性的例数；d表示阴性一致的例数。随机从某省电网运行10年及以上两所500kv等级变电站中各选取50张图片，从两所220kv、两所110kv等级变电站中各选取30张图像质量较高、背景清晰的图片进行批量提取绝缘子串区域试验，提取正确率达到90％以上。图10、11、12为绝缘子串提取效果图，绝缘子串分割完整，铁帽及盘面提取精确，效果十分良好。

峰值信噪比的结果如下表所示：

交并比的结果如下表所示：

假阳性率的结果如下表所示：

由上述表中数据可知，采用改进的多尺度形态学梯度算法，能够极好地抑制其他干扰并完整分割出铁帽与盘面区域，对原图像的误判率极低。改进的多尺度形态学梯度检测绝缘子串红外图像边缘检测，在传统的多尺度形态学梯度算法上在保留图像边缘的完整性和清晰性方面有了很大提高，对确定绝缘子串区域面积阈值、铁帽和盘面区域分割提供了保证。其原理是对传统的算法的三维梯度进行提高，拓展到六维维度，并对于传统的取均值操作进行改进，使其取维度总和，保证边缘的完整性，排除因检测而出现的细小破碎点的可能性。

上述实施例只为说明本发明的技术构思及特点，其目的是让熟悉该技术领域的技术人员能够了解本发明的内容并据以实施，并不能以此来限制本发明的保护范围。凡根据本发明精神实质所作出的等同变换或修饰，都应涵盖在本发明的保护范围之内。