航拍宽幅图像的玻璃绝缘子定位研究

杨 蔚，李 陈，杨生兰，周 辉（国网四川省电力公司检修公司，四川成都，610000）



航拍宽幅图像的玻璃绝缘子定位研究

杨 蔚，李 陈，杨生兰，周 辉
（国网四川省电力公司检修公司，四川成都，610000）

针对绝缘子爆裂和缺失将导致整个输电线路绝缘能力下降的常见故障，在宽幅航拍图像如何快速实现玻璃绝缘子的定位是绝缘故障检测的关键。提出一种通过机器学习的绝缘子定位算法。输电线路玻璃绝缘子串，利用Retinex算法与高斯滤波及形态学滤波对图像进行预处理和粗定位，建立不同样本数据提取特征，通过将二分类问题转化为多分类问题的集成学习方式，克服数据不平衡的问题，实现精准绝缘子定位，为进一步故障检测奠定了良好的基础。

航拍绝缘子；高斯滤波；LSPTSVM

0　引言

为确保整个电网的安全运行，采用多旋翼无人机机进行输电线路巡线代替传统人力巡检，自动生成诊断各类缺陷报告已成为当前巡线技术的发展方向。

绝缘子是架空线路上固定导线的重要部件。利用多旋翼无人机机携带的数码相机获取待检测绝缘子的图像，通过图像分析与处理，判断绝缘子健康状态，具有多快好省的优点。但采集的各种图像随着不同时段、天气、角度、环境而变化，复杂自然背景下目标的提取与识别是输电线路状态检测的主要技术问题和瓶颈。特别是玻璃绝缘子与陶瓷绝缘子相比较，其光线的反射、折射强，颜色变化大，纹理也受到外界影响呈现非均匀且变化的特点；目前常用采集数据的已达到2400万像素以上，在安全距离飞行，无人机获取的数据特点是大背景小目标（见图1），存在多视角和运动模糊等问题，因此玻璃绝缘子检测与定位是难点。

图1　典型多旋翼机航拍图像

文献［1-2］中提出了基于HSI模型玻璃绝缘子彩色图像分割，利用饱和度S分量图中绝缘子串区域较亮，背景区较暗提取出绝缘子轮廓。文献［3-4］中则提出了基于RGB模型的绝缘子表面污秽检测。文献［5］提出了基于免疫遗传主动轮廓提取算法用检测与定位。文献［6］利用轮廓线内外纹理特征分布的差异来构造能量函数，用以驱动轮廓线的演化，用于提取玻璃绝缘子检测与定位。文献［7］利用非下采样轮廓波变换提取航拍绝缘子图像边缘提取与定位，存在复杂度高等问题。

2　宽幅玻璃绝缘子定位

为了更好地实现航拍宽幅玻璃绝缘子图像的定位，本文采用retinex算法实现图像预处理，去除光照等影响；通过插值方法，将图像缩小到原来的十分之一（640×512），以减少背景纹理细节。根据目标与背景的纹理区别，进行对比度拉伸以增强边缘，再使用高斯滤波，对图像模糊，然后作差，选定经验阈值，去掉大部分的背景。根据背景与目标的连通性，采用形态学方法，得到粗定位的绝缘子。然后，映射到原图像上再进行精确定位。考虑到玻璃绝缘子的透明特性，光照影响颜色变化大，并且形状随着拍摄视角的不同而不同，其特征不明显，采用灰度作为特征，采用双支持向量机方法进行定位。为了解决样本不平衡问题，将二分类问题转化成为多分类问题，通过表决实现玻璃绝缘子的定位。

2.1图像预处理

在不同时间段，不同气候、不同天气情况下，利用无人多旋翼机航拍铁塔时，成像受到不同光照和天气（如薄雾天）等的影响，因此必须进行图像增强，首先将图像转化灰度图像，本文采用了单尺度Retinex算法的图像增强算法。

Retinex（视网膜（Retina）和大脑皮层（Cortex）的缩写）是Land等提出的一个关于人类视觉系统如何调节感知到物体的颜色和亮度的模型，诠释了同样的物体在不同的光源或光线底下颜色恒定的机理。常用在图像增强处理。

在对数域中，单尺度Retinex可以表示为：

2.2绝缘子粗定位

在航拍宽幅图像中，绝缘子目标占的比例较小，容易受到自然环境的影响，绝缘子作为目标，与背景有较明显的差别。为了提高图像处理速度，本文将增强后的图像通过三次样条插值方法缩小到原来的十分之一（640×512），以减少背景纹理细节，突出边缘。为了进一步增强绝缘子的边缘，做了对比度拉伸。

由于背景纹理局部近似均匀，通过高斯滤波模糊后，背景的变化不大，而边缘变化较大，然后作差，选定经验阈值，抛掉变换小的那部分背景，如此达到去除背景的目的。

高斯滤波模糊实际上是增强了背景与目标之间的差别，得到的图像几乎是关于铁塔以及绝缘子的图，为了对绝缘子进行粗定位，需要进一步去掉铁塔的影响。本文从高斯滤波去背景后，铁塔与绝缘子像素的连通性出发，采用形态学方法，进一步去掉大部分的铁塔信息。

高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器。高斯平滑滤波器对于抑制服从正态分布的噪声非常有效。高斯滤波克服了传统滤波相位移动以及设计复杂的缺陷，作为一种时频面积最小的零相移滤波方法，在信号处理领域得到了广泛应用。其中，二维零均值高斯函数为：

高斯函数具有几个重要的性质：

1）高斯函数的单值性。其用邻域像素的加权均值来代替该点的像素值，而每一邻域像素点权值是随该点与中心点的距离单调增减的。

2）二维高斯函数的旋转对称性。旋转对称性意味着高斯平滑滤波器在后续边缘检测中不会偏向任一方向。

3）其傅里叶变换频谱是单瓣的。意味着平滑图像不会被不需要的高频信号所污染，同时保留了大部分所需信号。

图2　对比度拉伸比较图

图3　绝缘子粗定位图

1）将原图像的灰度图像缩放为，然后进行高斯滤波平滑，得到图像；

3）通过选取适当的阈值，去掉小于阈值部分的背景信息，得到边缘信息。这里由于目标小，背景复杂，阈值通过自适应得到，抛掉93%信息的值作为阈值。

4）得到目标信息，然后进行图像形态学操作，最后得到粗定位的绝缘子。

3　绝缘子精确定位

为了对绝缘子精确定位，将粗定位图的二值图通过插值方法恢复到原来大小，映射到原图像上，这样就可去除大量的非玻璃绝缘子区域，缩小下步基于机器学习的绝缘子检测与定位的空间，从而提高处理速度。

图5　传统SVM与Twin SVM分界面的比较

根据现有的数据，建立非玻璃绝缘子和玻璃绝缘子样本数据库，实现二分类器的训练，但非玻璃绝缘子的样本数量远远大于玻璃绝缘子样本数量，数据呈现为不平衡，为了提高分类效果，通过同类数据划分为多个样本数据集，解决数据不平衡问题，这样通过集成学习的方式来实现精确定位。

双支持向量机（Twin Support Vector Machines 简写TSVM）是Javadeva等在2007年在GEPSVM 的基础上提出的一种两类分类方法。基本思想是对两类训练点中的每一类训练样本点分别构造一个超平面，使得每一超平面与其中一类训练点尽可能近，而远离另一类训练点。新来的训练点离哪个超平面的距离近，就被归为哪一类。传统支持向量机构造是两个平行的超平面，但双联支持向量机构造的正负类超平面不平行的限制。见图5。

与支持向量机方法相比，双联支持向量机的明显优点是：

（1）将支持向量机本质的构造平行平面推广到非平行的情况，得到形式更简单的最优化问题（凸二次规划）。

（2）双联支持向量机将支持向量机求解的优化问题分解为两个规模更小的优化问题，从而易于求解，进而计算时间少，其计算复杂度仅为经典SVM 算法的1 /4。

2012年Yuan-Hai Shao是根据双联支持向量理论，在PTSVM基础上提出了最小二乘投影双支持向量机。与PTSVM的区别是：（1）增加了一个正则项，来确保LSPTSVM的优化问题是正定的，并提高其分类性能，（2）在优化求解上，利用最小二乘线性系统代替了PTSVM采用的QPP，解决了PTSVM在迭代过程中对类内方差矩阵要求非奇异的问题，提高其适应性。

通过化简和优化可以得到 W1和W2的计算公式，将训练样本代入W1和W2的计算公式即可得到其值。对于测试样本，其标签的计算如下：

LSPSVM是二分类器，但样本数量存在不平衡问题，为了提高精度，解决多分类问题，采用集成学习结构，其基分类器是LSPSVM，采用常用的一对一结构和表决机制形成多分类器用于故障预测，见图6。

图6　一对一分类结构

对粗定位图像中的每个子区域，使用模板进行光栅扫描，对得到的每个模板进行特征提取，然后使用LSPTSVM分类，根据预测得到的标签判定是否是绝缘子区域，实验结果如图4：

4　总结

本文针对绝缘子爆裂和缺失，在宽幅航拍图像如何快速实现玻璃绝缘子的定位是绝缘故障检测的关键。提出一种通过机器学习的绝缘子定位算法。该算法首先通过图像预处理，消除噪声的影响，然后利用小目标复杂背景的特性，利用高斯模糊去除了大部分背景，接着采用形态学的方法达到了粗定位，最后针对粗定位的字图像，进行机器学习的方法，达到了满意的效果。

［1］ 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. HUANU Xiao-ning， ZHANU Zherrliang. A method to extract insulator image from aerial image of hcli-coptcrpatrol［J］.Power System Technology， 2010，34，（1）：19｝-197.

［2］ 林聚财，韩军，陈舫明，等.基于彩色图像的玻璃绝缘子缺陷诊断［J］.电网技术，2011， 35（1）； 127-133. LIN Ju-cai，HAN Jun， CHEN Fang-ming， et al. Defects detection of glass insulator based on color image［J］. Power System Technology， 2011，35（1）：127-133.

［3］ 葛玉敏，李宝树，赵书涛.基于航拍图像的绝缘子表面状态检测［J］.高压电器，2010， 46（4）： 65-68. GE Yu-min， Ll Bao-shu，ZHAO Shutao，et al. A method based on aerial images to detect the surface state of insulators［J］.High Voltage Apparatus， 2010，46（4）：65-68.

［4］ Murthy V S， Gupta S， Mohanta D K. Digital image processing approach using combined wavelet hidden Markov model for well-being analysis of insulators［J］. IET Image Processing， 2011，5（2）171-183.

［5］ 方挺，董冲，胡兴柳，王彦， 航拍图像中绝缘子串的轮廓提取和故障检测， 上海交通大学学报 2013，12（47），1819-1822.

［6］ Qinggang Wu， Jubai An， An Active Contour Model Based on Texture Distribution for Extracting Inhomogeneous Insulators from Aerial Images， IEEE Transactions on Geoscience and Remote Sensing，

［7］ 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，仪 器仪表学报，2012，9（33），2045-2051.

［8］ Land E. Recent advances in Retinex theory and someimplications for cortical computations： Color vision and the natural images ［C］//Proc Natl Acad Sci. USA：［s. n.］， 1983： 5163 -5169.

［9］ 芮义斌，李 鹏，孙锦涛，一种图像去薄雾方法，计算机应用，2006， 26（1）：154-157

［10］ Yuan-Hai Shao， Nai-Yang Deng， Zhi-Min Yang： Least squares recursive projection twin support vector machine for classification. Pattern Recognition 45（6）：2299-2307 （2012）

Study on aerial image positioning of wide glass insulator

Yang Yu，Li Chen，Yang Shenglan，Zhou Hui
（State Grid Sichuan electric power company maintenance company Chengdu Sichuan，610000）

According to burst and lack of insulator will lead to the transmission line insulation capacity decreased the common fault，in wide aerial image to realize how fast the positioning of the glass insulator is insulation fault detection is the key.A kind of insulator location algorithm based on machine learning is proposed.Transmission line glass insulator strings，the Retinex algorithm and Gaussian filter and morphological filter for image preprocessing and coarse positioning，the establishment of different sample data feature extraction，the binary classification problem into multi class classification problem of ensemble learning，overcome the problem of unbalanced data， achieve precise positioning insulator，for further fault detection laid the good foundation.

insulators；Gauss filter；LSPTSVM

图4　绝缘子原图映射图