角点配准与图像差分的接触网绝缘子故障检测

郭晓旭，刘志刚，张桂南，高仕斌（.西南交通大学电气工程学院，成都6003；2.铁道第三勘探设计院集团有限公司，天津30042）

角点配准与图像差分的接触网绝缘子故障检测

郭晓旭1，2，刘志刚1，张桂南1，高仕斌1
（1.西南交通大学电气工程学院，成都610031；2.铁道第三勘探设计院集团有限公司，天津300142）

针对接触网棒式绝缘子分布及故障特点，该文基于Harris角点与图像差分实现了绝缘子的抗旋转匹配和故障检测。首先对选取的模板图像及待检测图像分别进行Harris角点检测；再利用序贯相似性检测算法SSDA（sequential similarity detection algorithm）对模板图像及待检测图像内角点匹配；接着对匹配后的角点进行模糊聚类，由于匹配会造成有用角点的丢失，故需对角点进行恢复处理；然后利用最小二乘法进行直线拟合；最终根据直线两侧图像的对称特性，差分图像并统计纵向灰度获取故障信息曲线，给出故障判断。实验结果表明：文中方法简单有效、易于实现。

棒式绝缘子；故障检测；Harris角点检测；序贯相似性检测算法；模糊聚类

电气化铁路接触网上的绝缘子长期受到高机械强度、强电场作用以及恶劣环境的影响，会产生不同程度的损坏，引发机车供电中断，造成严重的经济损失和不良的社会影响[1-2]。因此，对绝缘子在线智能检测，可以有效减少安全隐患、提高检修效率以及牵引供电的可靠性。

目前国内外对绝缘子故障检测研究方法有[3-6]：光谱法；紫外脉冲法；径向温度法；超声波检测法等。这些检测方法均取得了一定的效果，但分析文献发现不少方法存在危险性高、算法复杂等问题，均需要进一步深入研究。基于图像处理技术对电力绝缘设备进行非接触式检测的研究：文献[7]基于日盲紫外成像技术，对绝缘子进行了污秽状态评估；文献[8]利用曲波进行方向性滤波，对曲波聚集系数利用数学形态学进行增强，最终利用条带能量进行统计，实现了绝缘子故障的准确判断；文献[9]通过绝缘子模板匹配方法及光线反射点特性实现了绝缘子定位，利用小波奇异性特征实现了绝缘子异物检测；文献[10]分析了合成绝缘子产生界面缺陷的原因，指出红外定期热像测温可实现该缺陷的监测；文献[11]利用计算机双目视觉技术，重建了覆冰绝缘子的三维模型，从而精准地计算了绝缘子覆冰的厚度和重量。

针对接触网棒式绝缘子分布及故障的特点，本文提出一种基于Harris角点与图像差分的棒式绝缘子故障检测方法。该方法首先对选取的模板图像及待检测图像分别进行Harris角点检测；再利用序贯相似性检测算法对模板图像及待检测图像内角点匹配；接着对匹配后的角点进行模糊聚类，由于匹配会造成绝缘子中心轴位置有用角点的丢失，故需对角点进行恢复处理；然后利用最小二乘法进行直线拟合；最终根据直线两侧图像的对称特性，差分图像并统计纵向灰度获取故障信息曲线，给出故障判断。

1 图像Harris角点的检测

接触网棒式绝缘子在实际安装中的角度并不单一，且外部环境复杂，检测车拍摄的接触网图像在亮度和对比度上呈现明显差异。传统的模板匹配算法对亮度和对比度的变化敏感，且不具备旋转不变性，因而使用单一的模板很难将图像中绝缘子逐一定位。本文对接触网图像进行Harris角点检测[12-13]，可以克服以上两个缺陷：

（1）Harris角点检测对图像进行微分计算，微分运算对图像亮度和对比度的变化不敏感，且这两个因素的仿射变换并不改变Harris响应极值点出现的位置；

（2）Harris角点检测算子使用了角点附近区域灰度二阶矩矩阵，该矩阵表示了一个椭圆，且该矩阵特征值平方根的倒数正是椭圆的长短轴，椭圆转动特征值不变、角点响应也不变化。

Harris角点检测的步骤如下。

步骤1图像I（x，y）在x、y方向的梯度Ix、Iy的计算式分别为

式中，w（u，v）为高斯窗在（u，v）的系数。

步骤4计算每个像元的Harris响应值R，设定R的阈值为

步骤5在n×n的邻域内进行非极大值抑制，局部极大值点即为图像中的角点，本文处理时n=5。

对绝缘子进行Harris角点检测，由于绝缘子纹理丰富，该方法可提取较多有用的点，提取的点特征均匀合理；计算只涉及一阶导数，较为简便；角点稳定性较好，没有大尺度变化，都能够提取稳定的角点特征。

2 基于SSDA的图像角点匹配

传统匹配算法在每个带匹配的位置都要做M2相关计算（M为模板的大小），为了减少运算量，SSDA[14-15]被提出，该算法在处理速度上比其他算法高两个量级。

假设模板T的模板子块大小为N×N，其中心为第i个角点；待匹配图的搜索子图Si，j大小为N×N，其中心也为某个角点，该搜索子图右上角像素点坐标为（i，j）。

SSDA匹配算法步骤如下。

（1）定义绝对误差为

（2）设定不变的阈值Tk；

（3）搜索子图Si，j（m，n）中随机选取像点（mk，nk），计算它同T对应点的误差ε，然后将该差值与其他点对应差值累加，累加r次误差超过Tk，则停止累加，记录r值。定义SSDA曲面为

SSDA算法只计算部分误差，并与事先准备好的误差阈值比较，如：搜索子图中前r个点引起的误差和大于误差阈值时，即可停止运算，换下一个点匹配。可见，该算法能够较快实现图像匹配。

3 匹配角点模糊聚类及目标区域判断

针对于SSDA匹配后的角点，只能反映棒式绝缘子的位置，且图像中并非仅有一个棒式绝缘子的问题，需首先对匹配后的角点模糊聚类，其次对聚类后角点的恢复，完整恢复绝缘子中心轴的信息量，再进行直线拟合。此外，为了完整提取绝缘子图像还需对绝缘子进行区域定位。

3.1 匹配角点模糊聚类

为了减少外部环境干扰，对接触网的拍摄在夜间进行。光源由强光灯提供，在正对光源的位置反射现象较其余地方强烈。反射强烈的区域为正对光源的绝缘子曲面与光源面相切的位置，该处也是绝缘子中心轴的位置。匹配后角点出现在绝缘子中心轴处，当图像中存在多个绝缘子时，匹配后的角点出现多区域性分布，本文对角点进行了模糊聚类。

设数据集X={x1，…，xN}，它的模糊C划分可用模糊矩阵U=[Uij]∈RCN表示，矩阵U的元素uijc表示第j个数据点属于第i类的隶属度=1，uij∈[0，1]，i∈[1，c]，j∈[1，N]，X的模糊C-均值聚类即是求取最小值

式中：vi为i类的聚类中心；|xj-vi| 为第j个序列到第i类中心的欧式距离；m为加权指数。

模糊C-均值聚类具体步骤如下。

（1）取定聚类类别数c、m、迭代停止阈值ε以及初始隶属度矩阵U0，初始化迭代步数l；

（2）更新后的聚类中心为Vl，即

3.2 聚类后角点的恢复及直线拟合

SSDA匹配角点能够实现绝缘子中心轴的精确定位，但由于在匹配过程中对相似度设置了阈值，造成中心轴上部分角点的丢失，因此为了完全反映中心轴长度，需对距离聚类中心点较近区域的角点进行恢复，再对恢复的角点采用最小二乘法进行直线拟合。假设第i个角点坐标（xi，yi）满足

式中：η为直线斜率；a为截距。

使用最小二乘法估计直线参数，主要是保证偏差加权平方和最小，即

满足以上条件，即可求取η和a的最佳估计值ηˆ和aˆ，整理式（11）有

3.3 绝缘子目标区域判断

结合聚类中心点坐标及其对应的拟合直线，假设棒式绝缘子倾斜情况如图1所示，绝缘子中心点坐标为O，绝缘子中心轴长为L，瓷裙的长轴为K，绝缘子的倾斜角度为θ。

图像中棒式绝缘子无论放大、缩小还是倾斜，绝缘子中心轴与截面为椭圆的瓷裙长轴比值具有不变性，此外，根据图中三角关系，即可求取绝缘子所在的矩形区域M×N，关系式为

图1 绝缘子目标区域定位图Fig.1 Location of insulators’targetarea

4 棒式绝缘子定位及故障检测实验

论文提出方法的思路示意如图2所示，为了验证该方法的有效性选取实际线路图像进行分析。

图2 本文提出方法的思路示意Fig.2 DiagraMof themethod proposed in thispaper

4.1 棒式绝缘子定位实验

为了验证Harris角点检测、SSDA匹配算法以及目标区域定位的准确性。对拍摄的武广高铁图像库中的图像进行识别定位实验。摄像机分辨率为2 448×2 048，强光灯功率为9W。

图像中只有一个正常棒式绝缘子定位效果如图3所示，图3（a）为绝缘子模板的角点检测图，图3（b）为待检测图像的角点检测图，图3（c）为角点匹配后效果图，图3（d）为绝缘子中心轴处角点恢复后效果图，图3（e）为恢复后角点的直线拟合效果图。图像中存在多个正常棒式绝缘子定位效果如图4所示。故障绝缘子定位如图5所示。表1为图3和图4中直线倾斜角度统计。

从图3和图4可以清晰看到定位区域包含绝缘子的所有信息量，该方法能够有效识别倾斜绝缘子，具有较好的抗旋转性，此外，可以看出拟合后的直线能够精确反映绝缘子倾斜程度；由表1可以看出即使是微小的倾斜角度也能定量给出；从图5中可以看出无论绝缘子断裂还是夹杂异物，该方法都能实现绝缘子的完整定位；除此，图5（b）边界处出现信息不完整绝缘子，针对该情况，对聚类中心点设定了相应阈值，可剔除距离图像边界较近的中心点。

图3 正常棒式绝缘子定位效果图Fig.3 Effect image of the location ofnormal insulator

图4 多个绝缘子定位图Fig.4 Location ofmultiple insulators

图5 故障绝缘子定位效果图Fig.5 Effect image of the location of fault insulator

表1 绝缘子倾斜角度统计数据Tab.1 Statisticaldata of insulator tiltangle

对于绝缘子偏移角度统计如表1所示。对检测车拍摄的20张图片进行识别：对检测车拍摄的26张图片进行识别定位，共识别出24张图片，识别率为92.31%，可见本文定位算法，具有较高的定位精度。总结图像识别失败的原因为：曝光时间设置不当导致图像模糊；瓷裙大面积脱落导致绝缘子丧失角点特征。

4.2 棒式绝缘子故障检测

图6（a）所示为水平校正后的绝缘子破损图像。图6（b）左图为绝缘子中心轴以上部分镜像后图像，右图为中心轴以上部分图像，图中反映出的故障区域灰度差异并不明显，因此需进行反色处理，从而达到增强故障区域的目的，图6（c）即为反色处理的效果图，图6（d）为（c）图中左右图像差分后的的效果图，从图中可以明显看到故障区域。图6（d）为图像差分后纵坐标的灰度统计曲线，在500 pix位置出现明显值，即可判断该处为故障。

图6 绝缘子破损故障检测步骤Fig.6 Procedureof fault detection of insulator damaged

针对图7（a）绝缘子夹杂异物故障，故障检测过程如图7（b）～（d）所示。与破损故障不同的是，夹杂异物的灰度值较大，因此不需对分裂镜像后的图像进行反色操作。

图7 绝缘子夹杂异物故障检测步骤Fig.7 Procedureof faultdetection ofinsulator With foreignbody

绝缘子故障识别结果统计分析如下：识别定位出的24张图片，共提取绝缘子41个，正常绝缘子36个，故障绝缘子5个，本算法对39个绝缘子给出正确判断，识别率为95.12%，可见本文检测方法可以较精确的判断故障绝缘子。误识别是由于绝缘子处于图像边界处，而聚类中心点设定的阈值过小，未剔除该中心点，导致提取的绝缘子信息不全，因而给出了误判。检测车为动态拍摄，上一时刻处在图像边界处的绝缘子，能在下一时刻图像中全部捕获，因而设定稍大的阈值可有效解决该问题，且不会造成绝缘子检测的遗漏。

正常情况下图像拍摄到的绝缘子关于中心轴对称，但有时图像中绝缘子会出现变形导致不对称，因而需校正，如图8所示。图中L为绝缘子中心轴，在L上任取一点O，过该点的垂线为l，将该线顺时针旋转β角度，观察O点两侧灰度曲线的对称性，显然β=π/2α时，曲线对称，说明绝缘子顺转了β角度，因此将矩形区域逆转β，即可得到关于中心轴对称的绝缘子，在进行图像差分，给出故障判断。由于检测图像中未出现该状况，本文未完整给出该问题的分析过程。

图8 绝缘子变形校正图Fig.8 Deformation correction of insulator

由于该故障判定方法用到了绝缘子的对称性，针对绝缘子对称故障，本文提出的方法无法给出判断，但工程中一般不会出现绝缘子对称故障。除此，该方法也适应于绝缘子污秽故障的判断：污秽较小不会造成安全事故，可设置灰度阈值，判断为正常绝缘子；污秽较大时灰度值也较大，可判断为故障。综上，本文方法可为多种故障给出判断，且简单有效、具有一定的工程实用性。

5 结语

对于检测车车拍摄的海量图片，传统的人工检测方法已经很难适应接触网检测的要求，且其效率和精度都无法得到保证。本文利用图像处理理论，对现场图片进行Harris角点检测，SSDA匹配运算及对绝缘子图像分裂、镜像处理和图像差分，给出故障判断，取得了较好的效果。该方法实现了模板匹配的抗旋转性，且故障判断较为简洁，为接触网智能化巡检装置的开发提供了新思路。

[1]关志成，刘瑛严，周运翔，等.绝缘子及输电设备的外绝缘[M].北京：清华大学出版社，2006.

[2]于万聚.高速电气化铁路接触网[M].成都：西南交通大学出版社，2003.

[3]Mahmoud F，AzzaMR MA.Opticalmonitor for contaminationonHV insulatorsurfaces[J].IEEETransonDielectrics and Electrical Insulation，1997，4（1）：33-38.

[4]肖猛，文曹（Xiao Meng，Wen Cao）.一种新型绝缘子带电检测方法——紫外成像法（Newmethod to detect insulation on line—ultraviolet imagemethod）[J].高电压技术（High Voltage Engineering），2006，32（6）：42-44.

[5]陈华林，姚建刚，李佐胜，等（Chen Hualin，Yao Jiangang，LiZuosheng，etal）.利用径向温度分布特征检测绝缘子污秽等级（Insulator pollution leveldetection using radial temperature distribution features）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2010，22（5）：56-61.

[6]王立新，卫志刚，孙丙新，等（Wang Lixin，Wei Zhigang，Sun Bingxin，etal）.变电站支柱磁绝缘子超声波检测工艺方法的选择和试验分析（Selection and testanalysisof ultrasonic testing technology of strut porcelain insulator）[J].无损检测（Nondestructive Testing），2006，28（12）：636-640.

[7]李和明，王胜辉，律方成，等（LiHeming，Wang Shenghui，LüFangcheng，etal）.基于放电紫外成像参量的绝缘子污秽状态评估（Contamination condition evaluation of insulatorsbased on dischargeultravioletimagingparameters）[J].电工技术学报（Transactionsof China Eletrotechnical Soiety），2010，25（12）：22-29.

[8]韩志伟，刘志刚，杨红梅，等（Han Zhiwei，Liu Zhigang，Yang Hongmei，etal）.基于二代曲波系数形态学条带能量法的绝缘子故障检测（Insulator faultdetection based on curvelet coefficients morphology and zonal energy method）[J].铁道学报（Journalof the China Railway Society），2013，35（3）：36-40.

[9]张桂南，刘志刚，韩烨，等（Zhang Guinan，Liu Zhigang，Han Ye，etal）.接触网棒式绝缘子故障检测的快速模糊区匹配方法（A neWfast fuzzymatchingmethod of fault detection for rod insulators of high-speed railways）[J].铁道学报（Journalof the China Railway Society），2013，35（5）：27-33.

[10]王祖林，黄涛，刘艳，等（Wang Zulin，Huang Tao，Liu Yan，etal）.合成绝缘子故障的红外热像在线检测（Online inspection ofdefective composite insulatorsby infrared temperature measurement）[J].电网技术（Power SysteMTechnology），2003，27（2）：17-20.

[11]律方成，戴日俊，王胜辉，等（LüFangcheng，DaiRijun，Wang Shenghui，etal）.基于紫外成像图像信息的绝缘子表面放电量化方法（Study of insulatorsurfacedischarge quantificationmethod based on ultraviolet imaging image information）[J].电工技术学报（Transactions of China EletrotechnicalSoiety），2012，27（2）：261-268.

[12]赵小川.现代数字图像处理技术提高及应用案例详解（MATLAB版）[M].北京：北京航空航天大学出版社，2012.

[13]Harris C，StephensM.A combined corner and edge detector[C]//The 4th Alvey Vision Conference，Manchester，UK：1998.

[14]Barnea D I，Silverman H F.A class of algorithms for fast digital image registration[J].IEEE Trans on Computers，1972，21（2）：179-186.

[15]吴培景，陈光梦（Wu Peijing，Chen Guangmeng）.一种改进的SSDA图像匹配算法（An improved SSDA in image registration）[J].计算机工程与应用（Computer Engineeringand Applications），2005，（33）：76-78.

Fault Detection of Catenary Insulator Based on Corner Matching and Image Differencing

GUO Xiaoxu1，2，LIU Zhigang1，ZHANG Guinan2，GAO Shibin1
（1.Schoolof Electric Engineering，Southwest Jiaotong University，Chengdu 610031，China；2.Third Railway Exploration and Design Institute Group Co.，Ltd.，Tianjin 300142，China）

Aiming at the distribution and characteristics of fault of the catenary rod insulator，anti-rotation matching and fault detection of insulators based on Harris corner and image differencing are realized in this paper.Firstly，the template image selected and the image to be detected were detected in Harris corner respectively.Then corners in the template image and the image to be detected were matched by sequentialsimilarity detection algorithm（SSDA）.Thirdly，fuzzy clustering was used in the matched corners，and the process of corners recovery was necessary because the useful corners were lost in matching process.Fourthly，least square method was used in line fitting.Finally，the fault judgmentwas given by difference image and getting failure information curve under counting longitudinalgray according to the symmetrical characteristic on both sides of the image.The experimental results indicate that the method put forward in this paper is simple，effective and easy to implement.

rod insulator；faultdetection；Harris corner detector；sequential similarity detection algorithm（SSDA）；fuzzy clustering

U226.8.1

A

1003-8930（2015）02-0008-07

郭晓旭（1988—），女，通信作者，硕士研究生，研究方向为轨道交通牵引供电系统自动化及电气设备在线监测。Email：guoxiaoxu198805@126.com）

2013-08-14；

2013-10-16

国家自然科学基金重点项目（U1134205）；铁道部科技研究开发计划（2011J016-B）。

刘志刚（1975—），男，博士，教授，博士研究生导师，研究方向为现代信号处理及其在电力系统和牵引供电系统中的应用。Email：liuzg_cd@126.com）

张桂南（1988—），男，硕士研究生，研究方向为现代信号处理及其在电力系统和牵引供电系统中的应用。Email：zgn_2008@126.com