基于红外图像的高压绝缘子串自动定位方法

胡淋波，姚建刚，孔维辉，邹品晶，付 强，潘雪晴



基于红外图像的高压绝缘子串自动定位方法

胡淋波，姚建刚，孔维辉，邹品晶，付 强，潘雪晴

（湖南大学 电气与信息工程学院，湖南 长沙 410082）

绝缘子串自动定位是实现劣化绝缘子红外智能检测的重要前提。针对红外图像背景复杂的特点，提出了基于灰度阀值分割和Hough变换的自动定位方法。首先采用基于Otsu阀值的灰度拉伸法对图像增强，利用灰度图像的开运算对图像去噪，然后采用灰度Otsu阀值法对图像进行阀值分割，图像二值化后，用最大连通区域过滤法提取绝缘子串区域，最后利用Hough变换进行倾斜度校正，完成绝缘子串的最终定位。试验结果表明：提出的分割方法可以快速完整地将目标提取出来。提出的定位方法可以完成复杂背景下绝缘子串的自动精确定位，为实现劣化绝缘子红外智能检测奠定基础。

绝缘子串；红外图像；图像增强；阀值分割；Hough变换；自动定位

0 引言

绝缘子是用来固定发电厂、变电站和高压输电线路导线的重要绝缘部件，同时也是故障多发元件，污秽、裂纹、破损等问题严重威胁输电线路的安全运行[1]，因此采用高精度在线智能检测装置进行高压绝缘子状态检测对电网安全、经济和高效运行尤为重要。红外检测技术在高压绝缘子状态检测方面的应用是一种可靠、高效的检测手段，而红外图像中绝缘子串的自动定位是实现绝缘子状态智能检测的重要前提。

文献[2]提出基于二值形状特征描述的绝缘子串自动定位方法，对垂直悬挂的航拍绝缘子串有着较好的定位效果，但该方法针对性强，对于有一定倾斜度的绝缘子串且背景复杂的红外图像难以达到理想的效果；文献[3]、[4]提出了基于航拍图像绝缘子色彩特征的区域定位方法，但红外图像和航拍图像有着本质的不同，红外图像不能保留绝缘子原来色彩信息，因而该方法并不适合红外图像处理；文献[5]提出最小二乘法拟合单个绝缘子盘面边缘提取绝缘子盘面，但在红外检测现场中拍摄的图片可能会包含多串绝缘子，无法识别目标绝缘子；文献[6]提出通过边缘检测提取绝缘子边缘，但检测结果可能包含钢架、导线等伪目标，抗噪效果差。

本文提出基于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，再采用Otsu阀值分割和区域过滤相结合的方法将绝缘子串区域完整提取出来，然后用Hough变换求取绝缘子串的倾斜角度，通过旋转将目标水平校正，最后完成绝缘子串的定位，为绝缘子串盘面和钢帽区域的提取及状态识别[7]奠定基础。

1 绝缘子串红外图像定位方法

1.1 基于Otsu阀值的灰度线性变换图像增强

线性变换[8]实质：假设(,)的灰度范围为[,]，我们希望变换后的图像(,)的灰度范围为[,]，则我们可以采用如下变换：

在工程应用中，我们希望对不同的灰度段做不同的调整：拉伸或压缩，利用线性变换可以最大程度地改善图像对比度，变换公式为：

其变换图形如图1。从图1和式(2)可以看出，斜率越大，其对应在横轴上的灰度区域映射到纵轴上所得到的灰度区域越宽，从而该区域中的对比度也越高。若欲提高某段灰度区域的对比度，则可以通过增大该灰度段对应的表达式的斜率对这一段灰度区域进行拉伸。

图1 灰度线性变换原理图

基于方差的Otsu阀值法是众多图像分割阀值法性能最好的一种[9-11]。利用Otsu阀值分割法对红外图像进行分割，往往能将背景和目标较好地分离，但绝缘子红外图像中存在导线、钢架等伪目标，分割往往达不到理想的效果。根据红外图片的特点，发热越明显的物体在红外图像中亮度越大，对应的灰度值也越大，绝缘子串红外图像中绝缘子是发热最明显的区域，因此目标区域和钢架等伪目标的灰度值存在较大的差异。

红外图片灰度化之后，其灰度范围为[0,255]，假设根据Otsu阀值分割法将[0,255]灰度区域分为背景[0,]和前景[,255]的2个区域，则[,255]区域一般包含着目标和导线、钢架等伪目标区域，对[,255]这个区域进行灰度拉伸，则可以增大目标和伪目标的对比度，其灰度平均差也相应增大，为后面的阀值分割和区域过滤提取绝缘子区域奠定基础。改进的灰度线性变换表达式为：

式中：为Otsu阀值法确定的阀值；为小于1的加权系数。多次试验表明在取值范围[0.8,0.9]中时，分割结果较好。

1.2 图像去噪

灰度图像的开操作和闭操作与二值图像的对应操作具有相同的形式。用子图（结构元素）对图像进行开操作同二值图像中的情况一样，先用对进行简单的腐蚀操作，而后用对得到的结果进行膨胀操作。实际应用中，开操作经常用于去除较小（相对于结构元素的大小而言）的明亮细节，同时相对地保持整体灰度级和较大的明亮区域不变。

结构元素，又被形象地称为刷子，结构元素的选取对于图像去噪效果也比较重要，可以根据非目标物体的形状特点进行选取。本文采用平面圆形和矩形两种结构元素。

1.3 图像二值化

经过图像增强和图像去噪，应用阀值分割将灰度图像转为二值图像，本文采用基于Otsu阀值分割法，利用其确定分割阀值，并引入权值系数对阀值进行修正。其分割原理表达式如下：

式中：u为经验权值系数。可根据图像背景复杂程度进行调节，非目标区域在整个红外图像中占据区域越大，u的值相应增大，u的范围为[1,1.2]，图像二值化结果如图2所示。

1.4 区域过滤提取绝缘子串区域

由图3可以看出，经过前面几步的处理，钢架被分成很多小块区域，绝缘子区域占据面积最大，去除小区域即可得到绝缘子串区域。首先采用连通区域标记法对二值图进行区域标记，区域标记后，提取最大区域即可将绝缘子串区域提取出来。本文采用4通区域标记法，提取结果如图3所示。

图3 绝缘子串区域提取结果图

1.5 Hough变换求取绝缘子串倾斜角度

最简单的Hough变换是在图像中检测直线。其基本思想是：将直线上每一个数据点变换为参数平面中的一条直线或曲线，利用共线的数据点对应的参数曲线相交于参数空间中一点的关系，使直线的提取问题转换为计数问题。在应用中通常采用直线的极坐标方程进行检测：

＝cos＋cos

Hough变换求取直线的基本过程为：根据图像空间的数据点计算参数空间参数点的可能轨迹，并在一个累加器中统计参考点，检测累加器中频率最高的点，最后根据这些点拟合成直线。

Hough变换求取绝缘子串倾斜角度算法步骤如下：

①通过MATLAB工具箱基础函数bwmorph提取绝缘子串区域骨架。

②提取中心轴若干个特征点，根据绝缘子串骨架特点，可以求取十字交叉点作为特征点。首先对分割出的绝缘子二值图像bw进行列扫描，当bw(,)为1时，以(,)为中心用一个隐形的边长较小2的正方形检测该点是否为十字交叉点，即判断bw(±,±) 是否都为1，如果是，则可判断该点为十字交叉点。

③将②所求的点膨胀之后作为Hough变换的特征点，调用MATLAB工具箱中Hough变换的相关函数即可求得绝缘子串的中心轴，再计算中心轴的斜率便可得到倾斜角。

根据上述算法求取绝缘子串倾斜角度为：＝4.9604°。

1.6 水平校正及定位

定位算法步骤：

①将绝缘子串围绕中心点顺时针旋转＝4.9604°。

②首先从第一列开始列扫描，记录第1列出现1的个数并设为初始值记为(1)，然后依次向后扫描并统计各列出现1的个数，记为()，表示列数，当(＋1)＞()时停止扫描，并将作为绝缘子串左边界；同样方法，从最后一列开始依次向前列扫描，当(－1)＞()时停止扫描，确定右边界。

③假设红外图像的尺寸大小为[,]，为了提高图像处理效率和定位精确度，确定上下边界时缩小扫描区域：行的范围为[20,－20]，列的范围为[30,－30]，首先对扫描区域由上至下进行行扫描，当出现第一个1时即可确定上边界；同样的方法自下往上行扫描确定下边界。

④构造同红外图像尺寸大小的零矩阵，将绝缘子串边界的位置记录在零矩阵中，矩阵围绕中心点逆时针旋转＝4.9604°，此时矩阵记录了原图绝缘子串的位置信息，最后提取矩阵非零的位置即可完成绝缘子串的定位。

根据上述算法步骤最后定位结果如图4所示。

图4 倾斜度校正定位结果

2 试验结果与分析

为验证本文提出改进的灰度线性变换图像增强算法对图像分割有效性，将其与全局线性变换图像增强法及直方图均衡化图像增强法等图像增强的方法进行对比[12-13]，试验采取背景复杂且绝缘子区域面积小于伪目标区域面积的现场红外图片，本实验参数设置为：＝1.2，＝0.9，图像增强后分割结果比较如图5所示，图6为直方图对比图，图7为目标区域提取对比图。

图5 图像增强后分割结果

图6 本文图像增强直方图

图7 目标区域提取结果图

在红外检测拍摄过程中，红外图像中绝缘子区域可能并非最大连通区域。从实验结果可以看出，本文所提出的图像增强算法可将伪目标较多灰度值拉伸至背景灰度范围，用Otsu阀值分割法能将导线、钢架等伪目标较多区域去除，降低各伪目标区域在图像中的区域占比，确保区域提取时绝缘子串区域为最大连通区域。从目标提取结果来看，本文的方法可以完整地提取目标区域，抗噪性好。计算4种图像增强法对图像增强后目标区域提取的成功率，客观评价本文图像增强算法对分割的有效性，如表1所示。

由表1可知，本文提出的图像增强算法较大地改善了分割效果，效果最优。

表1 图像增强方法效果比较

3 结论

本文提出了一种针对红外图像背景复杂等特点的自动分割和定位方法，实现了红外图像中绝缘子串的自动定位，为绝缘子状态智能识别奠定了基础。利用基于Otsu阀值的线性变换图像增强算法，较大程度改善了Otsu阀值分割法的分割效果，采用最大连通区域过滤法有效地将绝缘子区域提取出来，分割结果目标完整连续，利用Hough变换进行倾斜度校正，最终完成绝缘子串的准确定位。

为验证本文定位方法的有效性，随机从江西上饶、鹰潭220kV变电站现场拍摄的红外图片各选50张背景复杂的红外图片，通过本文所提出的定位方法对100张红外图像进行测试，测试结果表明：串定位准确率为98%。

试验表明：本文提出的自动定位方法具有快速、准确和抗噪性强的优点，具有较高的工程应用价值，现已应用于劣化绝缘子红外检测系统。但由于各个变电站的复杂程度不同，应用本文所提出的定位方法时，在红外检测的过程中对拍摄人员拍摄技术有着较高的要求，在拍摄过程中应选好角度拍摄，尽量使绝缘子串在图片中占据较大区域和包含较少的伪目标区域，且绝缘子串倾斜角度不宜过大。

[1] 何洪英, 姚建刚, 蒋正龙, 等. 基于支持向量机的高压绝缘子污秽等级红外热像检测[J]. 电力系统自动化, 2005, 29(24): 70-74, 82.

He Hong-ying, Yao Jian-gang, Jiang Zheng-long ,et al. Infrared thermal image detecting of high voltage insulator contamination grades based on support vector machine[J]., 2005, 29(24): 70-74, 82.

[2] 赵振兵, 王乐. 一种航拍绝缘子串图像自动定位方法[J]. 仪器仪表学报, 2014, 35(3): 558-565.

Zhao Zhen-bing, Wang Le. Aerial insulator string image automatic location method[J]., 2014, 35(3): 558-562.

[3] 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]., 2010, 34(1): 194-197.

[4] 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 Shuaiying, AN Ju-an, CHEN Fang-ming．Segmentation of the blue insulator images based on region location[J]., 2010, 31(7): 14-17.

[5] 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, et al. The method to etract shed surface image of a single insulator from infrared image of a insulator string[J]., 2010, 34(5): 220-224.

[6] 赵振兵, 金思新, 刘亚春. 基于NSCT的航拍绝缘子图像边缘提取方法[J]. 仪器仪表学报, 2012, 33(9): 2045-2052.

Zhao Zhenbing, Jin Sixin, Liu Yachun. Aerial insulator image edge etraction method based on NSCT[J]., 2012, 33(9): 2045-2052.

[7] 李唐兵,付鹏, 朱向前, 等. 绝缘子串红外图像中绝缘子盘面和钢帽区域的自动提取方法[J]. 红外技术, 2014, 36(8): 644-648.

LI Tang-bing, FU Peng, ZHU Xiang-qian, et al. Algorithm research of automatically extracting the area of insulator from infrared image and state identification[J]., 2014, 36(8): 644-648.

[8] Rafecel C Gonzalez, Richard E Woods, Steven L Eddins.[M].2nded. Bejing: Publishing House of Electronic Industry, 2003.

[9] 门洪, 于加学, 秦蕾. 基于CA和OTSU的电气设备红外图像分割方[J]. 电力自动化设备, 2011(9): 92-95.

MEN Hong, YU Jiaxue, QIN Lei. Segmentation of electric equipment infrared image based on CA and OTSU[J]., 2011(9): 92-95.

[10] Yen J C, Chang F J, Chang S. A new criterion for automatic multilevel thresholding[J]., 1995, 4(3): 370-378.

[11] Hamed Shah-Hosseini, Reza Safabakhsh. Automatic multilevel thresholding for image segmentation by the growing time adaptive self-organizing map[J]., 2002, 24(10): 1388-1393.

[12] 谢文达, 邱竣鸿, 王垒. 实际且快速的图像对比度增强方法[J]. 计算机研究与发展, 2013(4): 787-799.

XIE Wen-da, QIU Junhong, WANG Lei. A practical and efficient contrast enhancement method[J]., 2013(4): 787-799.

[13] 刘祖军, 刘纯亮, 梁志虎, 等. 基于动态直方图均匀化的对比度增强方法[J]. 光学技术, 2005(3): 376-379.

LIU Zujun, LIU Chunliang, LIANG Zhihu, et al. Contrast enhancement method based on dynamic histogram equalization[J]., 2005(3): 376-379.

High Voltage Insulator String Automatic Location Method Based on Infrared Image

HU Lin-bo，YAO Jian-gang，KONG Wei-hui，ZOU Pin-jing，FU Qiang，PAN Xue-qing

(,,410082,)

Insulator string automatic location is an important premise of realizing the intelligent testing of the deteriorated insulator by infrared technology. Aiming at the characteristics of infrared image complex background, this paper proposes an insulator string automatic location method based on gray threshold segmentation and Hough transform. Firstly, the infrared image of insulator string is enhanced by gray level stretching based on Otsu threshold; the gray image open-operation is carried out to denoise the whole image; then gray Otsu threshold method is adopted to segment the image; after the binarization of the image, maximum connected region filtration method is carried to retrieve the region of insulator string; at last, Hough transform is used to do the image gradient correction ,achieving insulator string final automatic location. Experiment results show that the proposed segmentation can retrieve the target fast and perfectly; the proposed location method can achieve insulator string location under complicated backgrounds automatically and accurately, and it lays a foundation for the intelligent testing of the deteriorated insulator by infrared technology.

insulator string，infrared image，image enhancement，threshold segmentation，Hough transform，automatic location

TP391.4

A

1001-8891(2015)12-1047-05

2015-07-02；

2015-07-22.

胡淋波（1992-），男，硕士研究生，主要研究方向：电气设备智能检测与图像处理。

姚建刚（1952-），男，教授，博士生导师，主要研究方向：电力市场，电力系统。

江西省电力公司科技项目，编号：赣电科201350617。