基于红外图像的绝缘子串自动提取和状态识别

姚建刚，付 鹏†，李唐兵，朱向前，伍也凡，欧阳旭，付 强

(1．湖南大学 电气与信息工程学院，湖南 长沙 410082；2．江西省电力科学研究院，江西 南昌 330096)

基于红外图像的绝缘子串自动提取和状态识别

姚建刚1，付 鹏1†，李唐兵2，朱向前1，伍也凡1，欧阳旭1，付 强1

(1．湖南大学 电气与信息工程学院，湖南 长沙 410082；2．江西省电力科学研究院，江西 南昌 330096)

为解决目前绝缘子低零值检测方法漏判率高、操作繁琐的问题，提出了一种新的绝缘子串红外图像中绝缘子盘面和铁帽区域自动提取方法和状态识别模型．首先将现场拍摄的绝缘子红外图像进行灰度化处理、去噪、二值化；然后从二值图像中提取反映绝缘子的特征点集合；通过特征点对二值图进行角度校正；最后通过区域提取中的特定算法提取出绝缘子的盘面和铁帽区域.通过提取该区域内的绝对温度、纹理和相对温差率作为绝缘子状态识别的特征集.将用电压分布法测得的绝缘子状态信息作为输出向量，通过训练得到优化的识别模型，用于绝缘子状态识别.该方法经过了220 kV试验验证，证实了模型的有效性和实用性.

绝缘子；红外图像；二值形态学；Hough变换；自动提取；铁帽；纹理特性

绝缘子被广泛应用于输电线路中，是输电网络的重要组成部分.因此绝缘子的状态检测将是一个繁重的工作.相较于传统的人工登杆巡线检测方式，利用红外热像仪进行巡线拍摄[1]，并使用图像处理技术自动检测故障的巡线方式更为高效[2]，是目前智能巡线检查的主要发展方向.

同串绝缘子污湿状态相似，环境因素也一致，因此各绝缘子承载电压基本一致、发热情况也基本相同，同串才有可比性.正常绝缘子串以铁帽为主要发热中心，其温度分布和电压分布规律相似，也呈现不对称的马鞍型，但相邻绝缘子温差很小.低值绝缘子发热比正常绝缘子温度高，零值绝缘子发热比正常绝缘子温度要低，而表面污秽绝缘子其热像特征以瓷盘面为发热区，表现为瓷盘温升偏高而铁帽温升正常[3].因此，获取绝缘子盘面和铁帽区域的信息至关重要，而红外图像中绝缘子的自动识别提取则是其中的基础步骤.

目前有基于航拍图像的绝缘子提取方法，但航拍图像和红外热像图像有本质的不同，航拍图像保留了绝缘子本来的外貌特性和性质，如颜色.而红外热像图像是基于温度的信息.对于绝缘子的零低值检测温度才是最关键的信息.

文献[4-5]提出了航拍图像的绝缘子提取，但只能针对整串，不能将单个绝缘子区分开来.文献[6]提出了绝缘子单个盘面的提取方法，但需要手动选取5个点才能获得一个盘面，且不能获得铁帽区域.二者都不利于图像的自动、批量处理.

本文提出了一种新的绝缘子盘面和铁帽区域自动提取方法和状态识别算法，结果表明：该方法能够很好地从现场拍摄的红外图像中完整地提取出绝缘子的盘面和铁帽区域，并能较正确地识别出问题绝缘子，抗干扰性强，有较高的工程应用价值.

1 模型的构建

劣化绝缘子的红外识别主要由图像处理、特征集提取以及模式识别这三部分组成.

图像处理是在兼顾运行速度的前提下，采用合适的算法将绝缘子串有效地分割出来；特征参数的选取必须能反映出串中正常绝缘子与劣化绝缘子之间的差异；模式识别主要采用人工智能算法，通过挖掘特征参数所含信息来判断是否含有劣化绝缘子.图1为识别模型流程.

图1 识别模型

2 绝缘子自动提取的基本原理

瓷质绝缘子的红外图像具有以下4个特征[7]：

1)瓷质绝缘子为轴对称结构，由铁帽、钢脚和瓷盘面3部分组成；

2)红外图像中的单片绝缘子盘面常呈现为椭圆形状，铁帽呈等腰梯形；

3)绝缘子一般成串出现，其数量随着输电线路的电压等级而不同，一般110 kV输电线路为7片，220 kV输电线路为14片；

4)同串绝缘子一般由同一型号、物理外形相同的绝缘子组成，在红外图像中表现为尺寸基本一致，且等间距排列.

基于绝缘子串的上述特征，本文提出绝缘子红外图像目标区域自动提取的方法，其流程图如图1中右半图所示，实现了自动提取绝缘子盘面和铁帽区域的功能，整个提取过程包括红外图像预处理、特征点提取、角度校正和区域提取4个部分.

2.1 灰度化和去噪

在YUV颜色模型中，Y分量表示的是亮度；将RGB颜色转换成YUV颜色，只取其中的Y分量，即可表示为灰度图像.如下式[8]：

f=Y=0.299R+0.587G+0.114B

红外热像图像具有大噪声、低对比度的特点，普通的滤波方法虽能滤去部分噪声，但同时也模糊了图像本身，丢失了图像的部分边缘和细节.因此，本文采用自适应平滑滤波算法对其滤波去噪[9].

2.2 OTSU分割

OTSU算法也称最大类间差法[10]，是图像分割中阈值选取的最佳算法，计算简单，不受图像亮度和对比度的影响.本文将采用该算法确定阈值T，然后对其进行二值化处理：

2.3 二值形态学

数学形态学中二值图像的形态变换是一种针对集合的处理过程.将二值图像看成是集合，并用结构元素去度量和提取图像中的对应形状，去除不相干的结构，以达到图像分析和识别的目的.它的最基本运算有：腐蚀和膨胀[11].

骨架，可以理解为图像的中轴.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，且操作保持欧拉数不变.所谓细化，就是从原来的图中去掉一些边界点，但仍要保持原来的形状.

先膨胀后腐蚀的过程称为闭运算，它具有填充细小空洞、连接邻近物体和平滑边界的作用.先腐蚀后膨胀的过程称为开运算，它具有消除细小物体、在纤细处分离物体和平滑较大物体边界的作用，如消除导线干扰[12].

在不同的应用场合，结构元素的选择及其相应的处理算法是不一样的，结构元素的大小、形状选择合适与否，将直接影响图像的形态运算结果.为了保证图像处理的最佳效果，本文中不同地方的膨胀或腐蚀所用到的结构元素都有所不同.

2.4 绝缘子图像的倾斜角度校正

当红外图像中绝缘子倾斜时，利用绝缘子图像的几何特征，对绝缘子倾斜角度进行估计校正.校正的基本思路为：1)对二值化图像细化，获取绝缘子骨架；2)从骨架图中计算出交点，作为Hough变换的特征点集S；3)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图像进行倾斜校正[13]，能将倾斜校正误差控制在1°左右.

最简单的Hough变换是在图像中检测直线.在平面直角坐标系(x-y)中，用方程y=kx+b表示一条直线.该直线上任意一点(x,y)变换到(k-b)参数空间将只变成一个“点”，即点(k,b).(k-b)参数空间中的一个局部峰值点就很有可能对应着原图像空间中的一条直线.对图像上所有的点进行Hough变换，最终所要检测的直线对应的一定是参数平面中出现频率最多的那个点.这样就在图像中检测出了直线.由于直线的斜率可能为无穷小，或者无穷大，则在(k-b)参数空间不便于对直线进行刻画和描述.所以，文献[14-15]提出了采用极坐标参数空间(ρ-θ)进行直线检测：

ρ=xcosθ+ysinθ

在Hough变换中，检测倾斜角的基本思路是由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)，如图2(b)所示，该交点对应着直角坐标系中最长直线，求得θ=2.04°.

2.5 盘面和铁帽区域提取算法

2.5.1 投影统计法

根据灰度图像的投影统计计算过程，对于绝缘子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

f′(i+1,j)=0，f′(i-s,j)=0

f′(i-p+1,j)=1，(p=1,…,s)

2.5.2 区域定位提取算法

输入：倾斜校正后的二值图像f′.输出：盘面和铁帽区域的二值图像.算法步骤：

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；

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

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.

关于上述算法的一些说明：对于步骤1)，如有二值图像矩阵：

则P={1,1,2,1,1}.算例矩阵如图2(c)所示.

步骤3)中，对P中的结果再过滤，以剔除某些符合特征的电线等其他干扰.因为绝缘子的盘面和铁帽有一定的宽度，而其频率通常是整幅图像中最高的，根据这一特点将绝缘子盘面和铁帽区域提取出来.实际间距又不完全是个定值，所以规定间距值的10%以内都认为是等间距的.

在无步骤4)的情况下极值有时不明显，经过该操作处理后极值较容易得到，如图2(d)所示，求得两极大值在i=20和j=46处.

形态学处理能达到将不相关的细小区域滤除，而将相关的邻近区域连接并平滑边界的作用.

3 状态识别

绝缘子一旦出现某种内部或外部故障，则故障发热通过热传导或其他形式热交换，改变绝缘子相应表面部位的温升或温度分布，从而表现出其红外图谱的差异.本文模型主要针对实用性设计，应尽量排除变量因素的干扰，对于某一变电站，某一时间段内(一般1～2h内可以测试完)，其外界环境对其绝缘子的影响基本不变(如环境温度，湿度，日照等)；本文模型具体到同串的每个绝缘子，对于同串来说，其绝缘子的外界环境也是基本一致；且不同变电站，不同环境变量因素太多，可比性不强，反而增大模型识别误差.为抽取故障特征集，分析异常绝缘子和正常绝缘子在温度和灰度特征上的差异，取热像图中绝缘子铁帽区域的平均温度作为该绝缘子的温度，并定义以下3个参数：绝对温度T、纹理H和相对温差率δt.

3.1 绝对温度判断法

绝缘子表面绝对温度判断法是根据检测得到绝缘子表面绝对温度值，结合串中不同位置绝缘子的温度和温升极限的有关规定，分析判断绝缘子温度过热部位(铁帽和盘面)状态的正常与否[3].

这种方法的优点是分析简单直观，但由于受环境、距离和辐射率等方面的影响，绝对温度值不十分准确，但也能在一定程度上反映绝缘子的状态，其结果可对其他方法起一定的参考作用.

3.2 图像纹理特征判断法

根据绝缘子串的红外热像图谱来判断设备是否正常.将红外图像灰度化处理后，利用其纹理特征来表征绝缘子之间的差异，图像纹理表现为二维空间的灰度变化模式，是一种区域特征，反映图中各像素之间空间分布的特性[16]，如方差H1、熵H2和平均梯度H3.

3.3 相对温差率判断法

绝缘子在串中的位置不同所承载的电压也不同，环境温度也会影响红外诊断的结果，当环境温度低，尤其是承载电压小时，设备的温度值虽未超过相关标准，但在电压增长或环境温度上升后，会引发设备故障.可使用相对温差法解决上述问题.该方法是指同串中的某绝缘子与环境温度的温差(即温升)与相邻绝缘子的温升之比的百分数，相对温差率的计算如式：

式中τ1，T1分别为某一绝缘子铁帽的温升和绝对温度；τ2,τ3，T2,T3分别为相邻的绝缘子铁帽的温升和绝对温度；T0为环境温度.

3.4 辅助判别法

尽管红外诊断是一种先进的诊断方法，上述各种判别方法也可以从不同的角度提高诊断的准确性，但是有些绝缘子的内部故障用红外成像很难诊断，因此需要一种可靠性高的检测方法(如电压分布法等)来对上述方法的准确性进行测试.由于该方法需要登杆作业，费时费力，只能作为一种对上述检测方法进行实时校正的辅助方法，从而将校验后的方便、准确模型应用于现场绝缘子的检测中.

4 结果分析

上述分割方法抗干扰性强，为了验证本文方法的有效性，具体分析了一个试验算例，提取结果如图2所示.并另外随机选取了江西省某地区2个220kV变电

站(白沙站和珠珊站)的各50张现场拍摄的复杂背景的红外绝缘子图像和试验图像50张，利用本文的提取方法批量进行绝缘子盘面和铁帽区域的提取，其正确提取率都在90%以上.表1为本文方法从试验算例中提取出的铁帽区域特征集和识别结果.

根据随机选取的30张现场红外图像和10张试验红外图像分析可得以下结论：

1)良好绝缘子串的发热温度分布于其电压分布规律基本相同，呈不对称的马鞍形.当绝缘子串中含有低值绝缘子时，其绝缘子的承载电压将降低，且由于自身阻值的大大减小，低值绝缘子的发热远大于良好绝缘子的发热.如图3所示.

2)绝缘子红外图像的灰度特征表现为，低值绝缘子的平均灰度增大，其纹理偏小，而正常绝缘子基本都趋于平衡.如图4所示.

3)在低值绝缘子处，温度骤升，相对温差率也大.如图5所示.

综合以上3点能较好地识别出问题绝缘子.图6为识别出的问题绝缘子的位置.

图2 盘面和铁帽区域提取结果

表1 测试数据及测试结果

注：绝缘子编号1为高压端，14为接地端；结果中0表示绝缘子正常，1表示绝缘子为低值绝缘子.

绝缘子

绝缘子

绝缘子

图6 问题绝缘子位置

5 结 论

本文采用各种综合方法，从实际出发，通过统计总结归纳提出了一些准则和方法.该方法充分利用了红外图像中绝缘子的对称性等特点，使用OTSU实现绝缘子串分割、Hough变换进行倾斜度校正，通过对二值图像中绝缘子盘面和铁帽进行形态学处理和统计分析，然后利用本文算法分割提取，取得了很好的提取效果.最后选取绝缘子绝对温度、纹理和相对温差率3类特征集作为模型的输入参数，能较好地识别出劣化绝缘子.

在实际现场拍摄的绝缘子串红外图像中，绝缘子铁帽和盘面之间没有完全相互遮挡的情况下，本文方法可较好地提取出绝缘子的盘面和铁帽区域，能够对大量绝缘子串红外图像进行自动提取和批量处理.试验算例结果验证了本文方法的有效性.对于绝缘子铁帽和盘面之间有相互遮挡的情况，可选取适当的拍摄角度，尽量避免过遮挡的红外拍摄.在状态识别算法方面，识别正确率还有待提高，由于特征集的选取具有很大的随机性，还需大量的实际数据加以改进.

[1] 黄军凯，曾华荣，杨佳鹏，等．红外热像技术在低零值绝缘子检测中的应用[J]．电瓷避雷器，2013(2)：40-44．

HUANG Jun-kai，ZENG Hua-rong，YANG Jia-peng,etal．Application of infrared thermal imaging technology to detection of low and zero resistance insulators [J]．Insulators and Surge Arresters，2013(2)：40-44．(In Chinese)

[2] 仝卫国,苑津莎，李宝树．图像处理技术在直升机巡检输电线路中的应用综述[J]．电网技术，2010，34(12)：204-208．

TONG Wei-guo，YUAN Jin-sha, LI Bao-shu．Application of image processing in patrol inspection of overhead transmission line by helicopter[J]．Power System Technology，2010，34(12)：204-208．(In Chinese)

[3] 胡世征．劣化绝缘子的发热机理及热像特征[J]．电网技术，1997，21(10)：44-46．

HU Shi-zheng．Heating mechanism and thermograph of degradated insulators [J]．Power System Technology，1997，21(10)：44-46．(In Chinese)

[4] 黄宵宁，张真良．直升机巡检航拍图像中绝缘子图像的提取算法[J]．电网技术，2010，34(1)：194-197．

HUANG Xiao-ning，ZHANG Zhen-liang．A method to extract insulator image from aerial image of helicopter patrol[J]．Power System Technology，2010，34(1)：194-197．(In Chinese)

[5] 徐耀良，张少成，杨宁，等．航拍图像中绝缘子的提取算法[J]．上海电力学院学报，2011，27(5)：515-518．

XU Yao-liang， ZHANG Shao-cheng, YANG Ning,etal．An algorithm to extract insulator image from aerial image[J]．Journal of Shanghai University of Electric Power，2011，27(5)：515-518．(In Chinese)

[6] 陈芳，姚建刚，李佐胜，等．绝缘子串红外图像中单个绝缘子盘面的提取方法[J]．电网技术，2010，34(5)：220-224．

CHEN Fang，YAO Jian-gang，LI Zuo-sheng,etal．The method to extract shed surface image of a single insulator from infrared image of a insulator string[J]．Power System Technology，2010，34(5)：220-224．(In Chinese)

[7] 张少平，杨忠，黄宵宁，等．航拍图像中玻璃绝缘子自爆缺陷的检测及定位[J]．太赫兹科学与电子信息学报，2013，11(4)：609-613．

ZHANG Shao-ping，YANG Zhong，HUANG Xiao-ning,etal．Defects detection and positioning for glass insulator from aerial images[J]．Journal of Terahertz Science and Electronic Information Technology，2013，11(4)：609-613．(In Chinese)

[8] 冯玲，黄新波，朱永灿．基于图像处理的输电线路覆冰厚度测量[J]．电力自动化设备，2011，31(10)：76-80．

FENG Ling，HUANG Xin-bo,ZHU Yong-can．Transmission line icing thickness measuring based on image processing [J]．Electric Power Automation Equipment，2011，31(10)：76-80．(In Chinese)

[9] 景晓军，李剑峰，熊玉庆．静止图像的一种自适应平滑滤波算法[J]．通信学报，2002，23(10)：6-14．

JING Xiao-jun，LI Jian-feng,XIONG Yu-qing．An adaptive smooth filter algorithms of still images[J]．Journal of China Institute of Communications，2002，23(10)：6-14．(In Chinese)

[10]OTSU N．A threshold selection method from gray-level histograms[J]．IEEE Transactions on Systems，Man and Cybernetics,1979，9(1)：62-66．

[11]王树文，闫成新，张天序，等．数学形态学在图像处理中的应用[J]．计算机工程与应用，2004，32：89-92．

WANG Shu-wen，YAN Cheng-xin，ZHANG Tian-xu，etal．Application of mathematical morphology in image processing[J]．Computer Engineering and Applications，2004，32：89-92．(In Chinese)

[12]金立军，胡娟秀，闫书佳．基于图像的高压输电线间隔棒故障诊断方法[J]．高电压技术，2013，39(5)：1040-1045．

JIN Li-jun，HU Juan-xiu,YAN Shu-jia．Method of spacer fault diagnose on transmission line based on image procession[J]．High Voltage Engineering，2013，39(5)：1040-1045．(In Chinese)

[13]马帅营，安居白，陈舫明．基于区域定位的绝缘子图像分割[J]．电力建设，2010，31(7)：14-17．

MA Shuai-ying，AN Ju-bai，CHEN Fang-ming．Segmentation of the blue insulator images based on region location[J]．Electric Power Construction，2010，31(7)：14-17．(In Chinese)

[14]金立军，姚春羽，闫书佳，等．基于航拍图像的输电线路异物识别[J]．同济大学学报:自然科学版，2013，41(2)：277-281．

JIN Li-jun，YAO Chun-yu，YAN Shu-jia，etal．Recognition of extra matters on transmission lines based on aerial images[J]．Journal of Tongji University :Natural Science，2013，41(2)：277-281．(In Chinese)

[15]RICHARD O Duda.Use of the hough transformation to detect lines and curves in pictures[J]．Graphics and Image Processing，1972，15(1)：11-15．

[16]HARALICK Robert M，SHANMUGAM K．Textural features for image classfication[J]．Systems，Man and Cybernetics，1973，11(6)：610-621．

Algorithm Research of Automatically Extracting the Area of Insulator from Infrared Image and State Identification

YAO Jian-gang1，FU Peng1†，LI Tang-bing2，ZHU Xiang-qian1，WU Ye-fan1，OUYANG Xu1，FU Qiang1

(1．School of Electrical and Information Engineering, Hunan Univ, Changsha，Hunan 410082, China；2．Jiangxi Electric Power Research Institute, Nanchang,Jiangxi 330096, China)

To solve the problem of high missing rate and complicated operation in the detection methods of faulty insulator, this paper proposed a new method to automatically extract the disks and steel caps area of insulator from infrared image: via infrared image preprocessing, feature extraction, angle correction and regional extraction to achieve the purpose. This method first makes gray scene processing of insulator infrared image, noise reduction and binarization; then extracts the feature set related to insulator from the binary image to correct the angle of the binary image; finally extracts the disks and steel caps area through the specific algorithm of regional extraction. By extracting the absolute temperature region, texture and relative temperature difference as the insulator state recognition feature set, and the information obtained by measuring the voltage distribution of insulator state as output vector, the model was optimized by training. And the 220kV experiment confirms the validity and usefulness of the method.

insulator; infrared image; binary morphology; Hough transform; automatically extract; disk; textural feature

1674-2974(2015)02-0074-07

2014-07-11

国家重点产业振兴和技术改造项目(国发改投资[2010]2272)；江西省电力公司科技项目(赣电科201350617)

姚建刚(1952-)，男，湖南长沙人，湖南大学教授，博士生导师 †通讯联系人，E-mail:fupeng0722@163.com

TP301．6；TM85

A