基于融合算法的电力设备红外图像增强

康 辉， 杨庆江， 冯新宇， 李亚妮， 刘晓磊

(1.黑龙江科技大学 电子与信息工程学院， 哈尔滨 150022； 2. 国网黑龙江省电力有限公司大兴安岭供电公司， 黑龙江 大兴安岭 165000)

0 引 言

电网的安全稳定运行是推动国民经济稳步增长与维系社会发展的重要保障。电力设备巡检是及时发现隐患的重要手段，通过红外相机采集电力设备的红外热图，分析关键部件的温度变化规律，结合电压和电流等参数的变化可有效识别出设备的健康状况及潜在故障[1]。在电力设备巡检中，加持AI及云存储技术通过对电力设备红外图像历史数据的深度学习，可远程自动识别出潜在的缺陷和故障，为及时报修提供指导，有助于保障电网的安全稳定运行[2-3]。

红外成像易受周围热场的影响具有干扰强、细节模糊和对比度低等特点。当采用低性能的红外成像装置时问题更加突出，显然不能直接用于运行状况分析[4-6]。为此，诸多学者针对多种应用场景下红外图像的增强算法展开研究，已取到可借鉴的研究成果。武治国等[7]对可见光图像的对比度增强提出了一种基于直方图分段非线性插值的对比度增强处理技术，有效地增强了图像的对比度，同时抑制了背景噪音。由于红外图像灰度级的动态范围小，直接应用该算法增强效果并不理想。王友等[8]根据红外和微光图像特点，自适应权值矩阵计算，进行一次融合，再结合细节图进行二次融合,该方法获得较好的视觉效果，实现了熵增。但需要双摄像头，硬件设备复杂、成本较高。在电力巡检场景中，对于多种尺寸的电力设备分割，陈基顺等[9]采用区域联合先验信息约束和伽马变换对Retinex图像增强模型进行改进，提出多尺度结构保留型平滑滤波，运用高斯正则项约束滤波尺寸。该技术对隐藏噪声进行估计补偿，增加了对比度，消除了滤波边缘弥散现象，但算法复杂，运算量较大。

笔者针对接线密集电气开关柜采用成本相对较低的低性能红外摄像头构建硬件监测平台，通过算法的改进图像增强，进而产生可靠的二值图像，为进一步深度学习提供数据支持。考虑硬件不足软件补及软件计算轻量化，将电力设备红外图像经双边滤波消噪处理后，再经过区域直方图均衡处理得到对比度明显改善和信息熵增强的图像，最后将自适应算法产生的二值图作为深度学习的样本输入。

1 基本运算

卷积运算为图像处理的基本运算，在一维数字信号处理中，卷积运算是将相互卷积的其中一个序列反转，然后依次移位，并与另一序列对应位置序列值相乘、再累相加的过程。而图像处理中涉及的二维卷积运算不考虑反转，仅仅是二维数组作内积，通常设定一个模板也称卷积核，然后将其在被处理的图像中逐点移动作内积，得到处理结果。该结果反映出中心像素与领域之间的关系。因此，该操作也可以理解为相关运算[10]。若从空间域滤波来解释卷积过程，则改变卷积核的大小或取值可以控制滤波的效果。运算过程如图1所示。

卷积处理结果是将模板内像素以不同的加权值求和作为中心像素值，若模板取值均为1，就是滑动平均的效果；若模板取值为二维高斯型，结果就是低通滤波；若模板取值为边缘检测值，结果就是梯度。

2 红外图像增强策略

电气开关柜巡检场景中红外图像增强的处理流程如图2所示。

由图2可见，读入的红外图像经消噪、区域直方图均衡处理、自适应二值化及必要的形态学开/闭运算等预处理后，输出至深度学习机，文中主要研究区域直方图均衡算法。

2.1 消噪

电气开关柜巡检作业中，由于工作人员的操作规范性、拍摄角度，以及周围热场的影响，采集的图像势必会引入噪声。红外图像预处理时为了极大保留边缘信息，文中先通过中值滤波滤除高频噪声，然后采用双边滤波滤除低频噪声。双边滤波算法是综合考虑空间距离差异和灰度差异，首先，按高斯特性设计距离卷积核，即距离越远，权值越小；其次，按高斯特性设计灰度差异卷积核，即灰度差异越大，权值越小；最后，将两个总卷积核作内积作为整体卷积核。令(i,j)为模板中心位置对应的像素坐标(k,l)为邻域内待处理的像素坐标，高斯型空间距离核函数可描述为

(1)

式中，σd——带宽，表示局部作用范围。

该核为全局变量，只需初始化时定义一次。针对本研究实例中配电柜开关的红外图像，文中设计的五邻域距离卷积核如图3所示。

高斯型灰度差异核函数可描述为

(2)

式中：f(i,j)——(i,j)位置的像素；

f(k,l)——(k,l)位置的像素。

该核为局部变量，模板移动时需对邻域内的每个像素都计算。

双边滤波器的卷积核函数就是上述二者的内积，可描述为

w(i,j,k,l)=d(i,j,k,l)·r(i,j,k,l)，

(3)

若原灰度值记为f(k,l)，处理后的灰度值记为g(i,j)则有

(4)

2.2 区域直方图均衡

2.2.1 灰度压扩处理

电气开关柜巡检中红外图像具有明确的期望特征，即突出热力图部分、抑制其它部分。根据具体应用中采集图像的统计特性可将图像分为灰度值较低的背景区、灰度值一般的过渡区和灰度值较高的目标区。灰度压扩原理如图4所示。不同区域的灰度值可按图4所示关系完成背景区压缩、过渡区渐近扩张、目标区扩张处理，以提亮目标区域。

2.2.2 动态范围提升

红外图像一般动态范围小、对比度低，图像细节难分辨。提升动态范围有助于改善画质，便于进一步识别和检测。按照归一化迁移的思想可完成灰度级动态范围的调整。若原图像f(x,y)的灰度级动态范围是[M1,M2]，经过变换后的图像g(x,y)的灰度级动态范围是[N1,N2]，则变换关系式为

(5)

2.2.3 区域直方图均衡

直方图均衡是借助灰度级分布函数将比较集中的一段灰度区间映射成在另一灰度范围内的近似均匀分布。为了突出红外图像中的细节部分，将动态范围提升后的图像分段均衡化，算法流程如下：

(1)读取图像，通过统计直方图确定灰度分布较集中的区域[M1,M2]，将位于该区域内的灰度级记为rk，灰度级为rk的像素点数记为nk，该区域内的像素点总数记为Nz；

(2)求出区间内每个灰度级出现的概率pk(rk)=nk/Nz；

(4)计算[N1,N2]内新的灰度值Sk=[N2-N1]Fk+N1，完成映射rk→Sk。

针对配电柜中空气开关的红外图像经上述处理，区域直方图均衡前如图5a所示，区域直方图均衡后如图5b所示。

由图5b可以看出，变换将原图中灰度值小于150的分布趋于平均化，保留目标的同时又能突出低灰度区间的细节部分。对低配置红外相机采集的开关图像作区域均衡的增强效果如图6所示。

由图6可见，原红外图像分辨率较低；灰度图中背景区可辨识度不高，同时目标区有弥散现象；直接均衡处理后，图像整体亮度有提升，动态范围增强，背景区可辨识，但目标区弥散严重；区域均衡后的图像动态范围增强，层次丰富，背景区与目标区达到了较好的均衡的效果，同时也消除了目标区弥散现象。

2.3 图像二值化

为了便于后续的边缘提取及机器视觉分析，将灰度图处理为二值图像，其中，阈值选取对于二值化的效果尤为重要，根据项目实例中配电柜内部对象的红外图像的统计特性可知，目标与背景的直方图并没有明显的双峰图像。因此，实际处理中采用优化自适应阈值分割法。算法流程如下：

(1)对某个像素值，原来为S，取其周围的n×n的区域，通过卷积操作，即均值模糊或高斯模糊，求出区域均值或高斯加权值，记为T。

(2)设置超参数α∈[0，1]，当S>(1-α)T时将原像素点二值化为255，文中取α=0.15。

该算法对噪声敏感，因此，预处理中的消噪处理十分必要。文中方法对电气开关柜的红外图像处理结果如图7所示。

由图7可见，区域均衡后灰度图在目标区有明显的提亮效果，层次感增强。二值图中保留接线端高亮，且各相线的接线位置及相线之间可明显区分。经必要的形态学处理后，对二值图中目标位置划分可为进一步机器识别中模板匹配提供依据。

3 验 证

3.1 主观评价

事实上不存在衡量图片增强效果的通用标准，仅从视觉效果上分析，文中以电力巡检中配电柜目标的统计特性为基础，采用灰度级压扩处理可以使目标区域的动态范围扩充，可辨识度增强，各种处理结果如图8所示。

由图8可见，直接均衡的效果使图片整体亮度增强，双边滤波将原图保留边缘特征的同时又去除了噪点，区域均衡针对目标有指向性的均衡，有抑制背景和突出目标的作用。

3.2 定性分析

依赖图像的视觉效果，从图像的峰值信噪比、标准差和熵对处理后的图像进行评价。

3.2.1 峰值信噪比

峰值信噪比用于表征图像处理前后的失真程度，该值越大说明失真越小、处理效果越好。

峰值信噪比定义为

(6)

式中：M、N——图像的高和宽；

Imax——色图的最大灰度级，文中取255；

fij——处理之后图像的像素点；

kij——原图的像素点。

文中方法的处理效果对比原图直接均衡处理的峰值信噪比，原图像直接均衡处理为6.573 3 dB，区域均衡处理为18.810 9 dB。文中方法相比较于原图直接均衡处理的峰值信噪比有明显的改善。

3.2.2 标准差

标准差反映图像的对比度，标准差越大，代表图像对比度越好。其定义式为

(7)

文中方法的处理效果对比原图直接均衡处理的标准差，原灰度图为61.674 3；双边滤波处理为62.115 2；原图直接均衡处理为74.790 0；区域均衡处理为74.832 4。双边滤波处理平滑去噪的同时，对图像的对比度也有所改善，原图直接均衡处理后的对比度增强明显，而文中所述方法的对比度相较于原图直接均衡处理也有所改善。

3.2.3 熵

熵是图像特征的一种统计形式，它反映了图像中灰度分布的聚集特征所包含的平均信息量，熵值越大，代表图像所包含的信息量越多。灰度图像的一元灰度熵定义为

(8)

式中，Pi——某个灰度在该图像中出现的概率，可由灰度直方图获得。

文中研究的各种图像的熵对比，原图4.2×1074，直接均衡3.1×1075，双边滤波2.6×1074，区域均衡1.8×1075。相比于原图直接均衡后熵值有所增大，经均衡处理后的熵值比仅作滤波处理的高，虽然，双边滤波后的熵值较原图降低，但结合主观视觉效果可知，滤除噪声及弱化背景是熵减小的原因。

4 结 论

(1)配电柜中接线束之间的距离较近，热辐射干扰严重，当采用低性能指标的红外相机采集图像并通过机器视觉的方法准确辨别出线的位置是技术难点。针对具体应用场景中红外图像的高频噪声和低频噪声采取不同的消噪策略，根据采集图像灰度的统计特性将图像分为灰度值较低的背景区、灰度值一般的过渡区和灰度值较高的目标区。对分区后的图像进行非线性扩张处理，能达到提亮目标区域的目的。采用归一化迁移的思想完成了灰度级动态范围的调整，将动态范围提升后的图像分段均衡化，突出了红外图像中的细节部分。

(2)文中根据项目实例中配电柜内部对象的红外图像的统计特性可知，目标与背景的直方图并未有明显的双峰图像，因此，实际处理中采用优化自适应阈值分割法。

(3)在电力开关柜的远程运维中，对于低性能的红外成像装置，采用该技术的处理效果对比原图直接均衡处理的峰值信噪比由6.57 dB提高到18.81 dB，标准差由61.6提高到74.8，熵值提高近4.28倍。