楊強(qiáng)強(qiáng)　陳思林　秦倫明　張貝貝

摘? 要：提高電氣設(shè)備紫外圖像分割精確度對(duì)設(shè)備放電程度的準(zhǔn)確評(píng)估具有重要意義。用紫外成像儀拍攝電氣設(shè)備放電圖像時(shí)，由于拍攝背景的復(fù)雜性，一般的圖像分割方法并不能快速準(zhǔn)確地分割紫外放電區(qū)域，因此提出一種結(jié)合顯著性檢測(cè)及改進(jìn)大津算法的紫外圖像分割模型。首先，對(duì)紫外圖像進(jìn)行顯著性檢測(cè)，使得故障區(qū)域突出，提升分割準(zhǔn)確性；其次，利用基于Lévy飛行特征的蝙蝠算法對(duì)大津算法進(jìn)行改進(jìn)后對(duì)圖像進(jìn)行分割，以達(dá)到快速分割圖像的目的。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的大津算法在紫外圖像分割效果上明顯優(yōu)于大津算法，且計(jì)算速度也有所提升。

關(guān)鍵詞：顯著性檢測(cè)；蝙蝠算法；大津算法；Lévy飛行特征；圖像分割

中圖分類號(hào)：TP391.4? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）20-0050-04

UV Image Segmentation of combining the Saliency Detection and Optimized Otsu Algorithm

YANG Qiangqiang， CHEN Silin， QIN Lunming， ZHANG Beibei

（College of Electronics and Information Engineering， Shanghai University of Electric Power， Shanghai? 201306， China）

Abstract： Improving the accuracy of UV image segmentation for electrical equipment is of great significance for the accurate evaluation of equipment discharge levels. When using a UV imager to capture electrical equipment discharge images， due to the complexity of the shooting background， general image segmentation methods cannot quickly and accurately segment the UV discharge area. Therefore， a UV image segmentation model combining saliency detection and improved Otsu algorithm is proposed. Firstly， perform saliency detection on the UV image to highlight the fault area and improve segmentation accuracy; secondly， the Bat Algorithm based on Lévy flight features is used to improve the Otsu algorithm and segment the image to achieve the goal of fast image segmentation. The experimental results show that the improved Otsu algorithm outperforms the Otsu algorithm in UV image segmentation， and the computational speed has also been improved.

Keywords： saliency detection; Bat Algorithm; Otsu algorithm; Lévy flight feature; image segmentation

0? 引? 言

隨著社會(huì)和經(jīng)濟(jì)的發(fā)展，在自身需求的驅(qū)動(dòng)和外部的社會(huì)壓力下，提高電網(wǎng)供電穩(wěn)定性和安全性日益成為電力行業(yè)所追求的目標(biāo)。要想經(jīng)濟(jì)平穩(wěn)快速地發(fā)展，就需要保障供電的可靠性。故障電力設(shè)備長(zhǎng)期處于局部放電狀態(tài)，會(huì)對(duì)設(shè)備自身產(chǎn)生不可逆的損害，甚至?xí)斐纱竺娣e停電和人員傷亡[1，2]。據(jù)統(tǒng)計(jì)，電網(wǎng)20%的故障源于電氣設(shè)備放電初期未能得到及時(shí)的檢測(cè)和修理，最終導(dǎo)致電氣設(shè)備絕緣擊穿放電。因此，有效解決電力設(shè)備的放電故障對(duì)維護(hù)電網(wǎng)的穩(wěn)定和安全至關(guān)重要。放電檢測(cè)技術(shù)有很多，紫外成像放電技術(shù)因其簡(jiǎn)單性和精確性被廣泛應(yīng)用于各個(gè)領(lǐng)域[3-5]。紫外圖像分割技術(shù)能夠?qū)﹃P(guān)注區(qū)域進(jìn)行分割，提取有用信息以便更好地觀察放電區(qū)域，及時(shí)進(jìn)行故障分析并采取相應(yīng)措施保障用電安全。本文借助圖像分割技術(shù)分割出電暈電弧放電區(qū)域，實(shí)現(xiàn)對(duì)電暈電弧放電面積的準(zhǔn)確判斷，以為電氣設(shè)備放電評(píng)估提供精準(zhǔn)的數(shù)據(jù)支撐。

傳統(tǒng)的圖像分割方法有很多，例如邊緣檢測(cè)法[6-8]、閾值分割法[9]和區(qū)域分割法[10]等。閾值分割方法中的閾值選取方式有四種：人工選擇法[11]、直方圖技術(shù)法[12]、大津算法[13]和自適應(yīng)閾值分割方法[14]，由于紫外圖像的復(fù)雜性，人工選擇法和直方圖法錯(cuò)誤分割占比較大，而自適應(yīng)閾值分割法屬于局部閾值分割，對(duì)圖像邊緣信息的提取效果較差，大津算法屬于全局閾值分割，可以清晰明了地分割出邊緣信息，因此本文選用大津算法進(jìn)行閾值分割。由于大津算法需要進(jìn)行256次計(jì)算比對(duì)，存在計(jì)算速度較慢的問(wèn)題，故本文在大津算法的基礎(chǔ)上引入蝙蝠算法，達(dá)到提高運(yùn)行速度的目的。但是蝙蝠算法容易陷入局部最優(yōu)，以Lévy飛行模式替換蝙蝠算法的搜尋機(jī)制可有效避免這個(gè)缺陷[15，16]。為了更好地分割目標(biāo)區(qū)域，排除背景干擾，在分割之前進(jìn)行圖像的顯著性檢測(cè)。

1? 基本原理

1.1? 顯著性檢測(cè)

人類在觀察物體時(shí)會(huì)根據(jù)自己的意愿將視線集中在感興趣區(qū)域，不感興趣的信息會(huì)被大腦自動(dòng)剔除。本文通過(guò)引入顯著性檢測(cè)來(lái)模仿大腦機(jī)制，檢測(cè)數(shù)據(jù)集之間的不同特性，著重突出顯著特性，這種做法被廣泛應(yīng)用于各個(gè)科研領(lǐng)域?；谥狈綀D對(duì)比度的（Histogram-based Contrast， HC）顯著性檢測(cè)只用到顏色特征，具有運(yùn)算簡(jiǎn)單、顯著效果好等優(yōu)點(diǎn)。因此本文運(yùn)用HC顯著性檢測(cè)進(jìn)行運(yùn)算，其中單個(gè)像素Ik顯著性值的計(jì)算式為：

其中，ω0表示目標(biāo)圖像像素在整個(gè)圖像像素點(diǎn)總數(shù)中的占比，μ0表示目標(biāo)圖像像素的平均灰度。Ω1表示背景圖像像素點(diǎn)在整幅圖像像素點(diǎn)總數(shù)中的占比，μ1表示背景圖像像素的平均灰度。μ表示計(jì)算整幅圖像像素的總平均灰度，g表示類間方差。假設(shè)圖像的大小為M×N，N0表示圖像灰度值小于閾值T的像素個(gè)數(shù)，N1表示圖像灰度值大于閾值T的像素個(gè)數(shù)。

2? 本文方法

2.1? 改進(jìn)HC顯著性檢測(cè)

為了降低算法的時(shí)間成本，精確顏色顯著值，HC方法的實(shí)現(xiàn)采納了兩種技術(shù)：

1）基于直方圖的加速。對(duì)圖像中各個(gè)顏色的像素占比進(jìn)行排列時(shí)發(fā)現(xiàn)，有一些顏色出現(xiàn)的概率是很低的。將在圖像中出現(xiàn)概率低于5%的顏色歸集到鄰近直方圖的顏色中，通過(guò)減少顏色值的數(shù)量來(lái)提高計(jì)算速度。

2）顏色空間平滑。圖像中相近的顏色在量化時(shí)可能會(huì)出現(xiàn)不同的數(shù)值，從而影響最終的分割結(jié)果，故在HC顯著性檢測(cè)模型中添加平滑程序，采用加權(quán)平均的結(jié)果替換圖像中相近顏色的顯著性值，計(jì)算式為：

其中， 表示相近m個(gè)顏色組的距離之和， 中， 越小， 的系數(shù)越大，1/（（m-1）T）表示歸一化因數(shù)，來(lái)自 。如圖1所示為HC顯著圖在MATLAB中的實(shí)現(xiàn)步驟圖。

2.2? 優(yōu)化大津算法

本文采用基于Lévy飛行模式的蝙蝠算法改進(jìn)大津算法，基本原理是將大津算法的類間方差函數(shù)對(duì)應(yīng)于蝙蝠算法的自適應(yīng)函數(shù)，將最優(yōu)閾值對(duì)應(yīng)于蝙蝠算法中蝙蝠的最優(yōu)位置，以此達(dá)到提高速度的目的。將原蝙蝠算法的獵物搜尋機(jī)制替換成Lévy飛行模式的位置更新計(jì)算式 ，，在進(jìn)行一段時(shí)間的小幅跳躍后，進(jìn)行一次較大距離的跳躍，進(jìn)而跳出局部最優(yōu)解。優(yōu)化大津算法過(guò)程圖如圖2所示。

3? 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證算法的可行性和有效性，采用MATLAB R2020b軟件進(jìn)行測(cè)試，實(shí)驗(yàn)平臺(tái)采用Windows 10、64位操作系統(tǒng)、16 GB內(nèi)存，使用的紫外成像儀型號(hào)為Coro CAM504。實(shí)驗(yàn)中涉及的參數(shù)如表1所示。

在MATLAB下結(jié)合顯著性檢測(cè)及改進(jìn)大津算法的紫外圖像分割與大津算法分割進(jìn)行仿真實(shí)驗(yàn)，對(duì)比大津算法與改進(jìn)大津算法在時(shí)間方面的差異。進(jìn)行10次同條件的實(shí)驗(yàn)，取其平均值作為實(shí)驗(yàn)結(jié)果，如表2所示。

由表2可知，本文提出的改進(jìn)大津算法確實(shí)可以提高計(jì)算速度，充分驗(yàn)證了算法的實(shí)時(shí)性。如圖3所示為利用三種不同圖像分割算法對(duì)同一區(qū)域不同放電時(shí)間的紫外圖像進(jìn)行分割的效果對(duì)比圖。

通過(guò)對(duì)兩幅圖進(jìn)行對(duì)比可知，改進(jìn)大津算法和自適應(yīng)算法都不能很好地分割圖像，但是結(jié)合顯著性檢測(cè)后能很好地分割出紫外放電區(qū)域。

4? 結(jié)? 論

本文在研究大津算法機(jī)理的基礎(chǔ)上，使用改進(jìn)大津算法分割圖像，雖然計(jì)算速度有所提高，但是分割的效果不夠理想。基于顯著性檢測(cè)的用途和效果，將其與改進(jìn)大津算法相結(jié)合，MATLAB仿真測(cè)試結(jié)果表明，結(jié)合顯著性檢測(cè)及改進(jìn)大津算法的紫外圖像分割方法確實(shí)能有效地分割出紫外圖像放電區(qū)域，達(dá)到預(yù)期效果。由于改進(jìn)蝙蝠算法理論還處起步階段，仍需要更加深入地探索優(yōu)化方法以達(dá)到更好的效果，并且顯著性檢測(cè)還有很多方法有待研究，有許多問(wèn)題有待解決，這些都是進(jìn)一步要做的研究工作。

參考文獻(xiàn)：

[1] 趙森，曹銳，韓民疇.基于圖形組態(tài)功能定制的繼電保護(hù)在線監(jiān)測(cè)系統(tǒng)研究 [J].現(xiàn)代信息科技，2022，6（7）：13-17.

[2] 呂國(guó)華.電能計(jì)量裝置在線監(jiān)測(cè)系統(tǒng)研究 [D].南昌：南昌大學(xué)，2020.

[3] 王勝輝，李偉，姜婷玥，等.高壓設(shè)備表面放電紫外成像檢測(cè)影響因素的試驗(yàn)研究 [J].電瓷避雷器，2022（1）：197-203.

[4] 譚鵬，李玲，呂雪松.基于紫外成像的電暈放電檢測(cè)技術(shù)研究 [J].電工技術(shù)，2021（12）：75-77+119.

[5] 裴正爽，黃紅宇，李林卿.紫外成像技術(shù)在電網(wǎng)帶電檢測(cè)中的應(yīng)用 [J].電工技術(shù)，2021（11）：108-110.

[6] 張久超，徐曉光，葉炯.基于改進(jìn)的Canny算子的圖像邊緣檢測(cè)方法 [J].海南熱帶海洋學(xué)院學(xué)報(bào)，2022，29（5）：79-84.

[7] 曾俊.圖像邊緣檢測(cè)技術(shù)及其應(yīng)用研究 [D].武漢：華中科技大學(xué)，2012.

[8] 余波，吳靜，周琦賓.一種基于改進(jìn)Canny算子的邊緣檢測(cè)算法 [J].制造業(yè)自動(dòng)化，2022，44（8）：24-26+43.

[9] 劉碩.閾值分割技術(shù)發(fā)展現(xiàn)狀綜述 [J].科技創(chuàng)新與應(yīng)用，2020（24）：129-130.

[10] 黨文靜.圖像區(qū)域分割算法的研究與應(yīng)用 [D].淮南：安徽理工大學(xué)，2018.

[11] 李小琦.基于Matlab的圖像閾值分割算法研究 [J].軟件導(dǎo)刊，2014，13（12）：77-78

[12] 李凱，張燁.基于Matlab直方圖技術(shù)的圖像增強(qiáng)方法研究 [J].自動(dòng)化與儀器儀表，2017（10）：45-48.

[13] 齊千慧，田益民，韓利利，等.關(guān)于圖像分割算法的研究 [J].北京印刷學(xué)院學(xué)報(bào)，2019，27（7）：102-106..

[14] 張?zhí)?，田勇，王子，?基于清晰度評(píng)價(jià)的自適應(yīng)閾值圖像分割法 [J].東北大學(xué)學(xué)報(bào)：自然科學(xué)版，2020，41（9）：1231-1238.

[15] 劉長(zhǎng)平.具有Lévy飛行特征的蝙蝠算法 [J].智能系統(tǒng)學(xué)報(bào)，2013，8（3）：240-245.

[16] 許德剛，趙萍.蝙蝠算法研究及應(yīng)用綜述 [J].計(jì)算機(jī)工程與應(yīng)用，2019，55（15）：1-12+31.

作者簡(jiǎn)介：楊強(qiáng)強(qiáng)（1974.01—），男，漢族，江西九江人，工程師，碩士，研究方向：云計(jì)算、人工智能和大數(shù)據(jù)分析等。

收稿日期：2022-12-06