一种通过usfpf特征识别故障跳线联板的方法
【专利摘要】本发明提供一种通过USFPF特征识别故障跳线联板的方法，具体过程为：步骤A，对输电线路的红外灰度图像的进行Otsu自适应阈值分割，得到疑似目标图像；步骤B，对疑似目标图像进行连通域分离，得到多幅图像；步骤C，对步骤B得到的多幅图像进行骨架提取，得到多幅骨架图像；步骤D，计算多幅骨架图像中每一幅的USFPF特征，根据所述USFPF特征识别故障跳线联板。该方法综合考虑故障跳线联板的形状特征，从识别的故障跳线联板的整体表现情况出发，有选着性的选择识别特征，使识别效果得到提高。
【专利说明】
-种通过USFPF特征识别故障跳线联板的方法
技术领域
[0001] 本发明属于输电线路故障跳线联板识别技术领域，具体设及一种通过USFPF特征 识别故障跳线联板的方法。
【背景技术】
[0002] 社会在不断的前进，电力系统是为社会提供动力的屯、脏，但是长期在户外运行的 输电设备由于经受着老化、恶劣天气等因素的影响，时常发生故障，因此如何及时发现输电 线路的故障，并进行检修是一个研究热点。输电线路发生故障就会导致过热现象，而红外波 段对溫度敏感，因此Leslie在1949年提出运用红外测溫设备检测输电线路故障。但是由于 当时设备落后，该方法并没有被广泛的使用。随着科学的进步，红外设备也越来越先进，并 具有不接触、不停电、远距离等优点，被广泛的运用在输电线路检测方面。但是运用数字图 像处理智能检测并识别输电线路设备故障的研究还需要更加深入。
[0003] 电气设备在工作时，由于环境、导电材料等因素，会产生各种各样的损耗，运些损 耗最终会通过热能的方式发散出去，而导电设备多为金属，导热性能较好，所W随着工作时 间变长，输电设备便会发热，致使输电设备的物理性能变坏，输电设备一旦发生故障，其损 耗便会急剧变大，其溫度也会迅速上升。所W，确定输电设备是否发热严重，可W确定其是 否发生故障或者存在隐患。在高压输电设备中，跳线联板、接续管和绝缘子最容易发生故 障。目前已有许多科研人员通过在热图中研究高压输电设备发热区域的识别算法，但是直 接通过红外图像运用图形学研究高压输电线发热区域的识别算法的研究还不够深入，本发 明经过对大量红外图像进行分析，实现了通过图像学算法在红外图像中识别输电设备中跳 线联板故障。
【发明内容】
[0004] 本发明提供了一种通过USFPF特征识别故障跳线联板的方法，该方法综合考虑故 障跳线联板的形状特征，从识别的故障跳线联板的整体表现情况出发，有选着性的选择识 别特征，使识别效果得到提高。
[0005] 实现本发明的技术方案如下：
[0006] -种通过USFPF特征识别故障跳线联板的方法，具体过程为：
[0007] 步骤A，对输电线路的红外灰度图像的进行化SU自适应阔值分割，得到疑似目标图 像；
[000引步骤B，对疑似目标图像进行连通域分离，得到多幅图像；
[0009] 步骤C，对步骤B得到的多幅图像进行骨架提取，得到多幅骨架图像；
[0010] 步骤D，计算多幅骨架图像中每一幅的USFPF(U-shaped four-point feature)特 征，根据所述USFPF特征识别故障跳线联板。
[0011] 进一步地，本发明步骤A进行阔值分割时，所使用的阔值为化SU取得动态最佳阔值 向上调节60-70个灰度级后的值。
[0012] 进一步地，本发明步骤B的进行连通域分离前，对疑似目标图像进行漫水法滤波。
[0013] 进一步地，本发明在进行骨架提取前，先对步骤B得到的多幅图像进行膨胀和孔桐 填充处理。
[0014] 进一步地，本发明步骤D的具体过程如下：
[0015] 故障跳线联板为U型特征，U型特征区域必须存在四个有效的节点，包括两个边界 顶点和两个过程拐点，
[0016] 首先，W八向连通域内只有一个目标像素点为约束条件，寻找到两个边界顶点；
[0017] 其次，W其中一个边界顶点为起点，然后用3X3的检测窗口在骨架上移动，将灰度 在水平和竖直方向上灰度变化最大的两个点确定为过程拐点；
[001引窗口移动[u，v]产生的灰度变化E(u，v):
[0019]
(1)
[0020] 其中，E(u，v)为窗口移动前后的灰度变化量，w(x，y)为窗口函数，f(x+u，y+v)为平 移后的灰度图像，且有f (x+u,y+v) =f (x,y)+fxu+fyv+0(u2,v2)，fx为X方向的一阶微分fy为y 方向上的一阶微分，0 (U2, V2)为佩亚诺(Peano)余项。
[0021] 所W原灰度变化函数可转化为：
[0022]
[0023] 微小移动量近似表达式：
[0024]
[0025] 其中M为巧2矩阵，可由图像求导可得：
[0026]
[0027] 最后，将起点、第一次捜索到的过程拐点、第二次捜索到的过程拐点及终点依次记 为口1:1(义1,71)，口12(义2,72)，口13(义3,73)，口14(义4,74);连接点口1:1(义1,71)和口12(义2,72)所得到 直线的斜率记为ki，连接点pt2(X2，y2)和pt3(X3，y3)所得到直线的斜率记为k2,连接点pt3 (X3，y3)和pt4(X4，y4)所得到直线的斜率记为k3;
[0028] 判定为U型发热区域的条件如下：
[00 巧](I)Si gn (xi-X2) = si gn (X4-X3)
[0030] (2) I ki_k21 >1:an(3T/4)
[0031] (3) I k2_k31 >1:an(3T/4)
[0032] (4) I ki-k：31 <1:an(3T/4)
[003；3]其中，sign 为符号函数，sign(xi-X2) = sign(X4_X3)代表 X1-X2 和 X4-X3同时大于 0 或 者小于0,表示起点指向第一次捜索到的过程拐点的方向和终点指向第二次捜索到的过程 拐点为同一个方向。
[0034]当同时满足上述四个条件时，USFPF特征为1，反之则为0;当USFPF特征为1时，识别 为故障跳线联板。
[0(X3日]有益效果
[0036] 第一，本发明通过分析大量红外图像中的故障跳线联板，提出一种基于骨架域角 点和过程拐点所构成的斜率相对大小的USFPF特征来识别故障跳线联板，能够高效的识别 故障跳线联板。
[0037] 第二，本发明在利用OSTU阔值分割方法时，所使用的阔值为化SU取得动态最佳阔 值向上调节60-70个灰度级后的值，能更好的从红外图像中分割出故障跳线联板。
[0038] 第S，本发明所提供的方法能够高效的识别故障跳线联板，使维护电力系统更加 方便。
【附图说明】
[0039] 图1为本发明的整体流程原理图；
[0040] 图2为识别U型特征流程原理图；
[0041 ]图3为过程拐点、边界顶点W及窗口移动过程灰度变化情形；
[0042] 图4为故障跳线联板图。
【具体实施方式】
[0043] 下边结合附图，对本发明进行进一步详细说明。
[0044] 本发明设及一种通过USFPF特征识别故障跳线联板的方法，该方法用于在无人机 的巡拍红外图像中识别故障跳线联板。
[0045] 本发明的处理对象是无人机的巡拍红外图像，该原始图像是无人机上携带的红外 相机采集所得。运用改进的Ostu阔值分割法对红外图像进行分割，再用漫水法滤波并分离 各个连通域，运用膨胀和孔桐填充算法滤去一些小区域并填充大区域内的孔桐，提取各连 通域的骨架，在骨架图像中找到顶点和过程拐点，计算相邻点所连成直线的斜率，通过该斜 率之间的相对大小识别故障跳线联板。
[0046] 本发明方法的具体过程为：
[0047] 步骤A，对输电线路的红外灰度图像的进行化SU自适应阔值分割，去除背景，得到 疑似目标图像；
[004引用传统的化SU法得到的分割图像求出分割阔值，本发明将化SU取得动态最佳阔值 向上调节60-70个灰度级，可W得到更好的结果。
[0049] 步骤B，对疑似目标图像进行漫水法滤波并连通域分离，得到多幅图像。
[0050] 步骤C，对步骤B得到的多幅图像进行膨胀和孔桐填充处理，再进行骨架提取，得到 多幅骨架图像；
[0051] 通过漫水法将可疑型连通区域分离后，可能出现W下缺陷：①中间空桐，②边界银 齿，所W需要对分离出的图像做膨胀和孔桐填充的处理。然后再对其再提取其骨架。
[0052] 步骤D，计算多幅骨架图像中每一幅的USFPF(U-shaped four-point feature)特 征，根据所述USFPF特征识别故障跳线联板。
[0053] -个U型特征区域必须存在四个有效的节点，两个边界顶点和两个过程拐点，在提 取USFPF特征时，首先确定边界顶点，在边界顶点的八向连通领域中只有一个目标像素点， 针对过程拐点，必须至少存在进入点和退出点两个目标像素点。因此提取USFPF的具体过程 为：
[0054] 首先，W八向连通域内只有一个目标像素点为约束条件，寻找到两个边界顶点；
[0055] 其中，W其中一个边界顶点为起点，然后用3 X 3的检测窗口在骨架上移动检测可 碰见=种情况，（a)为检测窗口在骨架上移动，在水平方向上没有灰度变化，（b)为检测窗口 在骨架上移动，水平和竖直方向都存在明显灰度变化，（C)为检测窗口在骨架上移动，竖直 方向上没有灰度变化。窗口移动[U，V ]产生的灰度变化：
[0化6]
[0057] 其中，w(x，y)为窗日函数，f (x+u，y+v)为平移后的灰度图像，且有f(x+u，y+v)=f (X,y)+fxU+fyV+0(u2,v2)。
[0058] 所W原灰度变化函数可转化为：
[0化9]
[0060] 微小移动量近似表达式：
[0061]
[0062] 其中M为巧2矩阵，可由图像求导可得：
[0063]
[0064] 将灰度在水平和竖直方向上灰度变化最大的两个点确定为过程拐点；
[0065] 最后，将起点、第一次捜索到的过程拐点、第二次捜索到的过程拐点及终点依次记 为口1:1(义1,71)，口12(义2,72)，口13(义3,73)，口14(义4,74);连接点口1:1(义1,71)和口12(义2,72)所得到 直线的斜率记为ki，连接点pt2(X2，y2)和pt3(X3，y3)所得到直线的斜率记为k2,连接点pt3 (X3，y3)和pt4(X4，y4)所得到直线的斜率记为k3;
[0066] 判定为U型发热区域的条件如下：
[0067] (l)sign(x 广 X2) = sign( X4_X3)
[006引（2) I ki-k21 >1:an(3T/4)
[0069] (3) I k2_k31 >1:an(3T/4)
[0070] (4) I ki_k31 <1:an(3T/4)
[0071 ]其中，sign 为符号函数，sign(xi-X2) = sign(X4-X3)代表 X1-X2 和 X4-X3 同时大于 0 或 者小于0,表示起点指向第一次捜索到的过程拐点的方向和终点指向第二次捜索到的过程 拐点为同一个方向。
[0072] 当同时满足上述四个条件时，USFPF特征为1，反之则为0;当USFPF特征为1时，识别 为故障跳线联板。
[0073] 综上所述，W上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。 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。
【主权项】
1. 一种通过USFPF特征识别故障跳线联板的方法，其特征在于，具体过程为： 步骤A，对输电线路的红外灰度图像的进行Otsu自适应阈值分割，得到疑似目标图像； 步骤B，对疑似目标图像进行连通域分离，得到多幅图像； 步骤C，对步骤B得到的多幅图像进行骨架提取，得到多幅骨架图像； 步骤D，计算多幅骨架图像中每一幅的USFPF特征，根据所述USFPF特征识别故障跳线联 板。2. 根据权利要求1所述通过USFPF特征识别故障跳线联板的方法，其特征在于，步骤A进 行阈值分割时，所使用的阈值为Otsu取得动态最佳阈值向上调节60-70个灰度级后的值。3. 根据权利要求1所述通过USFPF特征识别故障跳线联板的方法，其特征在于，步骤B的 进行连通域分离前，对疑似目标图像进行漫水法滤波。4. 根据权利要求1所述通过USFPF特征识别故障跳线联板的方法，其特征在于，在进行 骨架提取前，先对步骤B得到的多幅图像进行膨胀和孔洞填充处理。5. 根据权利要求1所述通过USFPF特征识别故障跳线联板的方法，其特征在于，故障跳 线联板为U型特征，U型特征区域必须存在四个有效的节点，包括两个边界顶点和两个过程 拐点，所述步骤D的具体过程如下： 首先，以八向连通域内只有一个目标像素点为约束条件，寻找到两个边界顶点； 其次，以其中一个边界顶点为起点，然后用NXN的检测窗口在骨架上移动，将灰度在水 平和竖直方向上灰度变化最大的两个点确定为过程拐点； 最后，将起点、第一次搜索到的过程拐点、第二次搜索到的过程拐点及终点依次记为 ptl(xi，yi)，pt2(X2，y2)，pt3(X3，y3)，pt4(X4，y4);连接点口1:1(叉1，71)和口七2(叉2,72)所得到直 线的斜率记为ki，连接点pt2(X2，y2)和口丨3(13,73)所得到直线的斜率记为1?，连接点口丨3(13， y3)和pt4(X4，y4)所得到直线的斜率记为k3; 判定为U型发热区域的条件如下： (1) sign(xi-X2) = sign(X4~X3) (2) | ki_k21 >tan(Ji/4) (3) I k2~k31 >tan(jr/4) (4) I ki_k31 <tan(Ji/4) 其中，sign为符号函数，sign(xi_X2) = sign(X4_X3)代表xi_X2和X4-X3同时大于0或者小 于〇,表示起点指向第一次搜索到的过程拐点的方向和终点指向第二次搜索到的过程拐点 为同一个方向； 当同时满足上述四个条件时，USFPF特征为1，反之则为0;当USFPF特征为1时，识别为故 障跳线联板。6. 根据权利要求1所述通过USFPF特征识别故障跳线联板的方法，其特征在于，所述N等 于3。
【文档编号】G06K9/00GK106022302SQ201610391130
【公开日】2016年10月12日
【申请日】2016年6月3日
【发明人】许廷发, 江慎旺, 黄博, 张增, 张巍, 杨鹤猛, 吴新桥, 周筑博, 张贵峰, 张静, 李锐海
【申请人】北京理工大学