翟永杰，王 迪，伍 洋 程海燕

(華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院，河北保定071003)

0 引言

隨著我國經(jīng)濟(jì)發(fā)展以及對能源需求的增大，廣泛采用了高壓和超高壓架空電力線長距離輸配電力。電力線及桿塔附件長期暴露在野外，因受到持續(xù)的機(jī)械張力、電氣閃絡(luò)、材料老化的影響會產(chǎn)生斷股、磨損、腐蝕等損傷。絕緣子是輸電線路中重要的一個(gè)元件，同時(shí)它又是極易損壞的元件，出現(xiàn)故障的幾率較大，因此需定期巡檢。但輸電線路所經(jīng)區(qū)域復(fù)雜，山區(qū)、平原等地形不一，利用傳統(tǒng)的人工巡檢方式，不僅工作量大條件艱苦而且效率較低。而直升機(jī)巡檢輸電線路因其高效、快捷、可靠、成本低、不受地域影響等優(yōu)點(diǎn)［1］，已成為輸電線路巡檢的新方向和研究熱點(diǎn)。

在直升機(jī)巡檢過程中，利用攝像機(jī)獲取待檢測瓷絕緣子的一幅或多幅圖像，通過圖像處理與分析來檢測絕緣子的狀態(tài)，從而及時(shí)發(fā)現(xiàn)絕緣子缺陷和故障隱患。實(shí)現(xiàn)以上自動(dòng)診斷的關(guān)鍵是絕緣子巡檢圖像處理，即巡檢圖像中絕緣子的識別和定位［2］。目前國內(nèi)外對于此研究已有一些初步成果，一些識別方法被提出。文獻(xiàn)［3］將絕緣子彩色圖像從RGB 空間轉(zhuǎn)換到HIS 空間，提取S 分量，再對其進(jìn)行分割并計(jì)算形狀特征值進(jìn)行絕緣子分類決策。文獻(xiàn)［4］基于感知絕緣子片狀結(jié)構(gòu)與輸電線路知識模型相結(jié)合的方法來識別絕緣子所在區(qū)域。文獻(xiàn)［5］提出采用自適應(yīng)粒子群算法結(jié)合傳統(tǒng)的最大類間方差法進(jìn)行絕緣子的分割，然后應(yīng)用數(shù)學(xué)形態(tài)學(xué)對分割后的絕緣子圖像進(jìn)行處理，從而標(biāo)識出絕緣子。文獻(xiàn)［6］提出基于非下采樣Contourlet 變換的灰熵模型和細(xì)菌覓食－粒子群優(yōu)化算法分割圖像，并運(yùn)用絕緣子形狀特征來識別絕緣子。文獻(xiàn)［7］基于絕緣子的放電紫外圖像來識別絕緣子。但以上方法穩(wěn)定性較弱，不能精確并快速的識別出絕緣子串的具體位置。

針對航拍圖像中絕緣子識別問題，提出一種粗細(xì)識別相結(jié)合的絕緣子識別方法。其流程如圖1所示。對航拍絕緣子圖像進(jìn)行預(yù)處理后，基于形態(tài)學(xué)和連通域的方法對傳統(tǒng)OTSU 分割算法進(jìn)行改進(jìn)并分割圖像背景。提取航拍圖像骨架，根據(jù)絕緣子串骨架的特點(diǎn)和與其他輸電設(shè)備(如桿塔等)骨架的差異，通過直線檢測確定絕緣子候選區(qū)域進(jìn)行粗定位。提取絕緣子候選區(qū)域不變矩特征并利用AdaBoost 分類器遍歷識別，剔除非絕緣子候選區(qū)域，實(shí)現(xiàn)絕緣子細(xì)定位。

1 圖像預(yù)處理

圖1 絕緣子識別方法流程圖Fig.1 The flow chart of insulators recognition method

圖像在獲取時(shí)會受到成像器材、天氣、光照等多種因素的影響而使圖像降質(zhì)。為了使絕緣子航拍圖像更清晰，非絕緣子物體造成的噪聲影響更小，分2 步對絕緣子圖像進(jìn)行預(yù)處理:圖像灰度化，直方圖均衡化。

將彩色航拍圖像灰度化處理后運(yùn)用對比度自適應(yīng)直方圖均衡化方法對圖像增強(qiáng)，以提高航拍圖像對比度，突出絕緣子特征。

直方圖均衡化又稱灰度均衡化，是通過某種灰度映像使輸入圖像轉(zhuǎn)換為在每一灰度級上都近似相同的像素點(diǎn)數(shù)的輸出圖像(即輸出的直方圖是均勻的)。在經(jīng)過均勻化處理后的圖像中，像素將占有盡可能多的灰度級并且均勻分布。因此這樣的圖像將具有較高的對比度和較大的動(dòng)態(tài)范圍。其思想可表示

對比度自適應(yīng)直方圖均衡化方法，即對圖像中的一個(gè)小區(qū)域進(jìn)行直方圖均衡化，則這個(gè)小區(qū)域的對比度將得到加強(qiáng)，然后利用雙線性插值方法把各個(gè)小區(qū)域拼接起來，以消除局部區(qū)域造成的邊界。絕緣子預(yù)處理結(jié)果如圖2所示。

2 改進(jìn)的OTSU 分割算法

2.1 傳統(tǒng)OTSU 分割法

圖像分割是圖像處理中最困難的任務(wù)之一，目前尚無通用的方法。OTSU 分割算法是基于判決分析最小二乘法原理推導(dǎo)出來的，是一種自動(dòng)的無監(jiān)督無參數(shù)方法。它是按照圖像的灰度特性，將圖像中的像素分為兩類，然后計(jì)算它們的方差，方差越大，則目標(biāo)和背景間的差異越大，選取的閾值也越合理［9］。最佳閾值M*可表示為

圖2 絕緣子圖像預(yù)處理結(jié)果Fig.2 The preprocessing results of insulator image

運(yùn)用傳統(tǒng)OTSU 法分割后的效果如圖4(a)所示。由于電網(wǎng)巡檢航拍圖像中除了絕緣子還有電力線及其他電氣設(shè)備，其灰度值與絕緣子相差不大，導(dǎo)致傳統(tǒng)的OTSU 分割效果不甚理想，桿塔和輸電線的影響較大。

2.2 基于形態(tài)學(xué)和連通域的改進(jìn)OTSU 分割算法

為了優(yōu)化傳統(tǒng)OTSU 分割算法的分割效果，提出基于形態(tài)學(xué)算法和連通域思想改進(jìn)OTSU 分割算法。

(1)形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)中最基本的兩個(gè)運(yùn)算是膨脹和腐蝕。以它們兩個(gè)為基礎(chǔ)能夠根據(jù)實(shí)際需要推導(dǎo)出多種組合算法。兩者的定義為

對圖像先進(jìn)行腐蝕運(yùn)算，再進(jìn)行膨脹運(yùn)算的運(yùn)算方法稱為開運(yùn)算;對圖像先進(jìn)行膨脹運(yùn)算，再進(jìn)行腐蝕運(yùn)算的運(yùn)算方法稱為閉運(yùn)算。開運(yùn)算一般能平滑圖像的輪廓，削弱狹窄的部分，去掉細(xì)長的突出、邊緣毛刺和孤立斑點(diǎn)、斷開目標(biāo)物之間的粘連，并能基本保持目標(biāo)物尺寸大小不變。閉運(yùn)算一般用來填充目標(biāo)內(nèi)的細(xì)小空洞和裂縫、連接斷開的臨近目標(biāo)，同時(shí)基本保持目標(biāo)物尺寸大小不變［10］。

考慮到形態(tài)學(xué)兩個(gè)基本算法的特點(diǎn)，采用開運(yùn)算和閉運(yùn)算的組合對OTSU 分割效果進(jìn)行改善。

(2)連通域處理

在二值圖像中，把相鄰接并且值為1 的像素組成的區(qū)域稱為連通區(qū)域。常見的鄰接關(guān)系有2種:4 鄰接和8 鄰接。如圖3所示，P 像素點(diǎn)的上下左右四個(gè)像素點(diǎn)則稱為4 鄰接方式，加上對角方向四個(gè)像素共八個(gè)像素點(diǎn)稱為8 鄰接方式。采用8 鄰接方式對航拍圖像進(jìn)行連通域標(biāo)記，通過遍歷圖像并記下每一行(或列)中連續(xù)的團(tuán)和標(biāo)記的等價(jià)對，然后通過等價(jià)對對原來的圖像進(jìn)行重新標(biāo)記，隨后計(jì)算各連通域的面積，去掉面積過小的連通域。

圖3 鄰接方式Fig.3 Adjacency way

運(yùn)用以上方法改進(jìn)分割算法后的絕緣子分割效果如下圖4(b)所示。

圖4 算法改進(jìn)后分割效果比較Fig.4 Effect comparison with improved OTSU algorithm

從分割效果圖中可以看出，航拍圖像中的所有輸電線和一部分桿塔均被有效分割掉。背景干擾大大減少，絕緣子的形狀得以突出顯示，為后續(xù)粗定位提供了有利條件。

3 絕緣子粗定位

絕緣子是由一個(gè)中心軸和一定數(shù)量絕緣子片垂直排列構(gòu)成。針對絕緣子的這種形狀特點(diǎn)，提出通過對航拍圖像的骨架提取和直線檢測來實(shí)現(xiàn)絕緣子的粗定位。先提取航拍圖像骨架，去掉圖像冗余但保留航拍圖像最重要的骨架結(jié)構(gòu)。由于絕緣子的骨架結(jié)構(gòu)由中心軸的長直線和傘裙的短直線垂直排列組成，而桿塔等其他輸電設(shè)備的骨架則雜亂無規(guī)則，故基于這種骨架形狀差異通過直線檢測來確定絕緣子的候選區(qū)域，實(shí)現(xiàn)粗定位。

3.1 骨架提取

骨架提取是一種將二值圖像中的對象約簡為一組細(xì)骨架的方法。約簡過程中不斷刪除對象邊界上的像素直至成為單像素，但不允許對象斷開。因此，這些細(xì)骨架仍保留原始對象形狀的重要信息?；诠羌芴崛〉倪@種特點(diǎn)和絕緣子的形狀，運(yùn)用膨脹、腐蝕和查找表操作的組合運(yùn)算來提取絕緣子圖像中的骨架，如圖5所示。

圖5 絕緣子圖像骨架提取Fig.5 Skeleton extraction of insulator image

3.2 直線檢測

霍夫(Hough)變換是一個(gè)非常重要的檢測間斷點(diǎn)邊界形狀的方法。它通過將圖像坐標(biāo)空間變換到參數(shù)空間，來實(shí)現(xiàn)直線的擬合。這種方法不需要有關(guān)區(qū)域位置的先驗(yàn)參數(shù)，而且對數(shù)據(jù)不精確性與背景噪聲都不敏感?？紤]到絕緣子串的骨架通常都為一直線，用Hough 變換檢測絕緣子骨架圖像中的直線，實(shí)現(xiàn)絕緣子的粗定位。這種算法較為簡單，而且不受絕緣子類型、拍攝角度、光照和拍攝距離的影響。

Hough 變換將圖像空間中的一點(diǎn)映射為參數(shù)空間中的1 個(gè)三角函數(shù)，在極坐標(biāo)表示下，圖像坐標(biāo)空間中共線的點(diǎn)變換到參數(shù)空間中后，在參數(shù)空間都相交于同一點(diǎn)，由此，圖像中直線的檢測被變換為參數(shù)空間中的局部極值點(diǎn)的檢測，其變換方程為

式中:( x，y) 是圖像空間點(diǎn)坐標(biāo);( ρ，θ) 是參數(shù)空間點(diǎn)坐標(biāo);ρ 表示原點(diǎn)到直線的距離，θ 表示直線法線與x 軸正向的最小夾角。

圖6 Hough 變換Fig.6 Hough transform

對骨架提取后的航拍圖像進(jìn)行直線檢測結(jié)果如下圖7所示。從圖中可見，所有絕緣子都被檢測出來，包括被桿塔背景嚴(yán)重遮擋的絕緣子。粗定位結(jié)果見下圖8所示，從圖中可看出，仍有部分非絕緣子被誤檢，并且絕緣子的定位不精確。故采用不變矩特征和AdaBoost 分類器繼續(xù)進(jìn)行絕緣子細(xì)定位。

4 絕緣子細(xì)定位

確定絕緣子候選區(qū)域后，為了剔除誤檢區(qū)域并精確定位絕緣子，采用不變矩特征和AdaBoost算法進(jìn)行遍歷識別，精確定位絕緣子。

4.1 不變矩特征提取

矩是一種線性特征，矩特征對于圖像的旋轉(zhuǎn)、比例和平移具有不變性，因而被用來描述圖像中的區(qū)域特征。二維矩不變量是在1962年由美籍華人學(xué)者胡名桂教授提出的［11］。對于連續(xù)圖像二維函數(shù)f (x，y)，其(p + q)階矩定義如下:

圖7 絕緣子圖像直線檢測Fig.7 The straight line detection of insulator image

圖8 絕緣子粗定位Fig.8 The rough positioning of insulators

對于M × N 的數(shù)字圖像f (x，y)，其(p + q)階矩可表示為

常用的中心矩以目標(biāo)物的質(zhì)心為原點(diǎn)進(jìn)行計(jì)算，質(zhì)心的計(jì)算公式如下:

這樣，離散圖像的中心矩為

中心矩反映了區(qū)域中的灰度相對于灰度質(zhì)心是如何分布的。目標(biāo)的零階矩m00反映了目標(biāo)的面積，一階矩m01和m10反映了目標(biāo)的質(zhì)心位置，利用這兩個(gè)矩可避免因物體大小和位移變化對物體特征的影響。m02和m20分別表示圍繞通過灰度質(zhì)心的垂直和水平軸線的慣性矩。假若m20＜m02，則可能所計(jì)算的區(qū)域?yàn)橐粋€(gè)水平方向拉長的區(qū)域。m30和m03的幅值可以度量所分析的區(qū)域?qū)τ诖怪焙退捷S線的不對稱性。

Hu 利用代數(shù)不變性理論構(gòu)造了7 個(gè)具有平移、比例和旋轉(zhuǎn)不變性的矩不變量，通過分別計(jì)算300 幅某電力公司提供的航拍圖像中的絕緣子和背景的這7 個(gè)Hu 不變矩特征值，作為訓(xùn)練用的正負(fù)樣本集。

4.2 AdaBoost 分類器訓(xùn)練

AdaBoost 算法起源于Schapire 在1959年提出的Boosting 算法，它是一種能夠提升任意給定學(xué)習(xí)算法精度的普適方法。其原理為一種樣本權(quán)重的迭代更新過程，可以將一組弱分類器自適應(yīng)地提升為強(qiáng)分類器。

AdaBoost 算法可以在訓(xùn)練樣本中用不同的樣本集訓(xùn)練同一個(gè)分類器，通過這種適應(yīng)性較強(qiáng)的方法提高樣本的高精度。AdaBoost 算法在設(shè)計(jì)上要求訓(xùn)練的過程中用多個(gè)樣本集生成多個(gè)分類器，并且最終將多個(gè)分類器級聯(lián)成一個(gè)強(qiáng)大的分類器。

對提取的正負(fù)樣本集采用AdaBoost 算法進(jìn)行分類器訓(xùn)練，得到一個(gè)級聯(lián)分類器。運(yùn)用該分類器對粗定位的絕緣子候選區(qū)域進(jìn)行遍歷識別，最終識別效果如圖9所示。可見提出的分步識別方法能夠有效并精確的識別定位航拍圖像中的絕緣子。

圖9 絕緣子識別結(jié)果圖Fig.9 Recognition result of insulators

5 實(shí)驗(yàn)結(jié)果與分析

為了證明所提出的識別方法的有效性，將其與未經(jīng)過粗定位的基于Haar 特征和AdaBoost 算法的識別方法進(jìn)行比較。

實(shí)驗(yàn)采用某電力公司真實(shí)航拍絕緣子圖像。

圖10 識別效果比較Fig.10 Effect comparison of insulators recognition

圖10 中(a)、(c)為采用Haar 特征和Ada-Boost 算法的識別結(jié)果，(b)、(d)為采用所提出方法的識別結(jié)果?？梢?，提出的基于骨架提取的分步識別定位方法沒有目標(biāo)丟失，且沒有誤檢。這是因?yàn)槌浞掷昧私^緣子串在二值圖像中的形狀特征，采用骨架提取和直線檢測的方式對絕緣子進(jìn)行了粗定位，從而避免了傳統(tǒng)遍歷識別時(shí)的漏檢和誤檢，并大大縮短了絕緣子識別時(shí)間。

6 結(jié)論

(1)針對航拍圖像特征，提出基于形態(tài)學(xué)算法和連通域思想改善OTSU 算法分割效果，更有效的分割出絕緣子串，為粗定位提供了先決條件。

(2)運(yùn)用骨架提取算法提取分割后的絕緣子圖像骨架，在此基礎(chǔ)上通過直線檢測實(shí)現(xiàn)了絕緣子粗定位。

(3)應(yīng)用AdaBoost 算法訓(xùn)練得到一個(gè)級聯(lián)分類器，計(jì)算絕緣子粗定位區(qū)域不變矩特征，運(yùn)用這個(gè)分類器進(jìn)行遍歷識別，剔除非絕緣子區(qū)域并實(shí)現(xiàn)了絕緣子的精確定位。

(4)比較了基于骨架提取的分步識別方法與基于haar 特征和adaboost 算法的一步識別方法的識別效果。結(jié)果表明，本文所提分步識別方法能更準(zhǔn)確的定位絕緣子。

［1］仝衛(wèi)國.基于航拍圖像的輸電線路識別與狀態(tài)檢測方法研究［D］.保定:華北電力大學(xué)，2011.

［2］Qaddoumi N N，El-Hag A H，Saker Y.Outdoor insulators testing using artificial neural network-based nearfield microwave technique［J］.Instrumentation and Measurement，IEEE Transactions on，2014，63 (2):260，266.

［3］姚春羽，金立軍，閆書佳.電網(wǎng)巡檢圖像中絕緣子的識別［J］.系統(tǒng)仿真學(xué)報(bào)，2012，(9):1818－1822.

［4］張晶晶，韓軍，趙亞博，等.形狀感知的絕緣子識別與缺陷診斷［J］.中國圖象圖形學(xué)報(bào)，2014，(8):1194－1201.

［5］曹婧.航拍輸電線路圖像中絕緣子部件的提?。跠］.遼寧:大連海事大學(xué)，2012.

［6］趙振兵，王樂.一種航拍絕緣子串圖像自動(dòng)定位方法［J］.儀器儀表學(xué)報(bào)，2014，(3):558－565.

［7］李和明，王勝輝，律方成.基于紫外成像的污穢絕緣子放電特性研究［J］.華北電力大學(xué)學(xué)報(bào)，2010，37 (3):1－6.

［8］徐向軍，王生鵬，紀(jì)青春，等.基于高斯尺度空間GHT 的絕緣子紅外圖像識別方法［J］.紅外技術(shù)，2014，(7):596－599.

［9］Bingfeng Li，Denglu Wu，Yang Cong，et al.A method of insulator detection from video sequence［J］.Information Science and Engineering (ISISE)，2012 International Symposium on，14－ 16 Dec.，2012:386，389.

［10］Qingping Wang，Hongyu Zhao，Weiwei Wu，et al.Algorithm for segmentation based on an improved three-dimensional Otsu’s thresholding［C］.Computer Science and Network Technology (ICCSNT)，2012 2nd International Conference on，29－31 Dec.，2012:1737，1740.

［11］岡薩雷斯.數(shù)字圖像處理(第三版)［M］.北京:電子工業(yè)，2011.