电力工程论文
电力工程基础
课程结课(论文)
题 目: 基于红外图像识别的输电线路故障诊断方法 姓 名:
专 业: 电气工程及其自动化 班 级: 电气N101 学 号: 指导教师: 导师职称: 讲师
2013 年 6 月 3 日
目录
1 引言............................................................................................................................1 2 图像高温区域提取原理..........................................................................................2
2.1 HSI颜色空间变换........................................................................................ 3 2.2 图像噪声处理............................................................................................... 6 2.3 梯度法高温区域定位................................................................................... 9 3 高温区域提取流程图............................................................................................ 10 4 结果分析.............................................................................................................. 11 5 专业术语解析...................................................................................................... 12 6 结束语.................................................................................................................. 15 参考文献...................................................................................................................... 16
1、 引言
红外图像中输电线路故障的准确识别一直是困扰检测人员的难题。输电线
路在长期运行中由于表面老化、自然灾害及人为损伤等因素,会导致断股以至于断线故障,此类故障的前期常伴随有局部放电、局部温升增高等现象。红外热成像技术可检测输电线路温升变化,能提前预知线路将会出现的故障,为电网诊断提供依据。红外图像反映的是目标与背景的热辐射,与可见光的图像相比,红外图像中目标与背景的对比度低,边缘模糊,从而难以用常规的边缘提取方法来提取目标的有效轮廓信息。
本文提出了一种基于梯度法的输电线路红外图像高温区域识别算法,通过利用红外图像在HSI空间中的信息,对图像中存在的噪声等信息进行改进型中值滤波,之后运用提出的梯度法对滤波后的图像中温度剧烈变化的区域进行识别,从而实现对输电线路中可能的故障位置进行识别和诊断。
2、 图像高温区域提取原理
红外图像获取过程中,由于受到电子热噪声的影响和信道传输的错误,图像中会出现椒盐噪声、脉冲噪声以及其它类型的噪声。高压输电线路红外图像有边缘模糊、对比度差、空间域上受背景噪声污染大等特点。采用正确的滤波方法可以有效地降低图像空间域背景对目标的干扰,梯度法就能比较直观地反映图像的颜色变化。本文基于MATLAB平台,采用改进的中值滤波和梯度法提取图像的高温区域。
本文选用FLIR的A40-M拍摄了大量的模拟输电线路故障红外图像,其中包含断股、连接处故障等,并选择断股为研究对象验证本文方法。图1为输电线路断股可见光原图及对应的红外图。
图1 输电线路断股可见光图像和红外图像
2.1 HSI颜色空间变换
本文在提取图像目标时,先将输电线路红外图像转换到HSI颜色空间(H:色调;S:饱和度;I:亮度)进行处理。以红外图像中的温度最高区域为目标,其反映在HSI颜色空间S分量上为一块黑色区域,与周围的颜色差别比较大,有利于后期基于梯度法的目标区域识别。由于HSI色彩空间和RGB色彩空间只是同一物理量的不同表示法,因而可以通过RGB空间分量获取HSI空间分量的值,其转换公式为
式中:H、S、I分别为HSI 3种分量,根据公式(1)、(2)、(3)可以将红外图像的RGB颜色空间转换到HSI空间,转换后图像见图2。
图2
由图2可知红外图像的最亮点在HSI空间分量中的S图中表现为黑色,且在原图中颜色越亮,黑色越明显,该图背景对提取目标的干扰比其他两个分量要少,更适合本文后期处理。
HSI颜色空间S图分量
2.2 图像噪声处理
针对红外图像高背景、低反差的特点和HSI空间颜色的特征,在对其进行噪声处理时,首先保证图像尖锐的边缘,然后祛除背景噪声对目标提取的影响。从图2可看出该图噪声特点为幅值近似相等但随机分布在不同位置上,图像中有干净点也有污染点,经试验发现中值滤波对椒盐噪声处理效果较为理想,为了避免一般的中值滤波可能因排序取中值而破坏结构和空间的领域信息,本文提出了改进型的中值滤波方法:
①假设输入图像矩阵为P,大小为m×n,在P中取出一个任意正方形矩阵(大小为i×i,),i∈[1,2,„,min(m,n)],此处i不宜取得过大或者过小,i取小了滤除噪声效果不明显,过大虽然会更好地滤除噪声,但会使边界模糊。将大小为i×i的矩阵定义为C。
②取出C矩阵的第一行组成新的行向量e,将C内除e以外的其它行与行向量e组成一个新的行向量b,并求出b向量的中值f。
③将中值f赋给模板中心元素,未被赋值的元素则取原值。
本文选HSI图中的S图分量为研究对象,并对图2进行滤波处理,效果如图3(a)所示,图像中某一行滤波前后灰度对比如图3(b)。
(a)滤波后的图像
(b)某一行滤波前后灰度对比图
图3 滤波效果图
经实验此方法能在消去噪声的同时保留图像高温区域的边缘信息,再对滤波 后的图像进行增强等处理,有利于后续的红外图像高温区域的定位。
2.3 梯度法高温区域定位
梯度是一种行之有效的边缘检测方法。图像中不同区域灰度会发生变化,特别是边缘区域变化明显,这种变化可以通过灰度梯度表示。梯度的正负反映其边缘的走势,相当于方向。因上面得到的图像有可能背景有很多弱的干扰,其对图像目标识别没有影响,但影响整个梯度图的美观,所以本文采用简单的直方图增强,对预处理后的图像进行简单的图像增强,即可得到背景简单的灰度图,从而有利于后期目标的提取。
对处理后的灰度图求梯度,可获取图像灰度值显著变化的地方即目标的边缘。图像梯度可以把图像看成二维离散函数,梯度其实就是这个二维离散函数的求导,在标量场f中的一点处存在一个矢量G,该矢量方向为f在该点处变化率最大的方向,其模也等于这个最大变化率的数值,则矢量G称为标量场f的梯度。 二维图像f(x,y)的梯度为
对于离散的图像信息,
利用上述的梯度法对红外图像中的高温区域进行有效定位,实现输电线路高温故障点的诊断。
3 高温区域提取流程图
本文对红外图像处理的流程如下,系统图如图4所示:
图4 系统流程图
①将红外图像从RGB颜色空间转变成HSI颜色空间;②对转换后的图像采用改进的中值滤波,去除噪声;③对滤波处理后的图像求梯度,并对不连续的 梯度图进行简单的后期处理,即可得到温度最高区域的边缘。
4、 结果分析
从图3中可看出待分解的目标区域边缘比背景干扰区域边缘处的颜色反差明显。通过本文提出的算法,对图像进行预处理去除噪声,再利用梯度法获取图像温度变化的边缘区域,其高温区域平面视角图见图5。
图5 平面梯度图
从图5中可以得出,梯度法可以提取目标区域边缘,即目标区域。上述实验可得,基于梯度法对处理后的红外输电线图像进行高温区域定位,可以直观地反映出目标边缘信息,有利于后期的目标提取。通过与原图对比可知,梯度图中提取出来的目标区域即为原图中温度最高的区域。本文对多个样本进行反复测试,都取得了较为理想的效果,验证了本方法用于输电线红外图高温区域识别的可行性。
5 专业术语解析
5.1 断股
供电线路一般由“多股绞合线”送电,这种导线不是单根芯的,而是由多根导线(多芯)绞合组成的。它的抗拉力以及抗外部力量要比单根的要强,再加上导线送电的“表面导电学说”和“集肤效应”,它的载荷也比单根的好。
一般供电线路很长,途中如果遇到大风大雪等恶劣天气或人为因素,都会使这种“多股绞合线”中的某一根或几根出现了断裂,一般俗称为“断股”。这种现象,就会影响到线路的正常供电了,需要及时检查出故障点并及时更换才行。
5.2 热成像技术
红外热成像技术是利用红外探测器和光学成像物镜接受被测目标的红外辐射能量分布图形反映到红外探测器的光敏元件上,从而获得红外热像图,这种热像图与物体表面的热分布场相对应。通俗地讲红外热像仪就是将物体发出的不可见红外能量转变为可见的热图像。热图像上面的不同颜色代表被测物体的不同温度,我们可以通过热图像的温度分布找出异常发热点,起到预维护的作用。
5.3 热辐射
物体由于具有温度而辐射电磁波的现象。热量传递的3种方式之一。一切温度高于绝对零度的物体都能产生热辐射,温度愈高,辐射出的总能量就愈大,短波成分也愈多。热辐射的光谱是连续谱,波长覆盖范围理论上可从0直至∞,一般的热辐射主要靠波长较长的可见光和红外线。由于电磁波的传播无需任何介质,所以热辐射是在真空中唯一的传热方式。物体在向外辐射的同时,还吸收从其他物体辐射来的能量。物体辐射或吸收的能量与它的温度、表面积、黑度等因素有关。但是,在热平衡状态下,辐射体的光谱辐射出射度(见辐射度学和光度学)r(λ,T)与其光谱吸收比a(λ,T)的比值则只是辐射波长和温度的函数,而与辐射体本身性质无关,即
上述规律称为基尔霍夫辐射定律,由德国物理学家G.R.基尔霍夫于1859年建立。式中吸收比a 的定义是:被物体吸收的单位波长间隔内的辐射通量与入射到该物体的辐射通量之比。该定律表明,热辐射辐出度大的物体其吸收比也大,反之亦然。
黑体是一种特殊的辐射体,它对所有波长电磁辐射的吸收比恒为1。黑体在
自然条件下并不存在,它只是一种理想化模型,但可用人工制作接近于黑体的模拟物。即在一封闭空腔壁上开一小孔,任何波长的光穿过小孔进入空腔后,在空腔内壁反复反射,重新从小孔穿出的机会极小,即使有机会从小孔穿出,由于经历了多次反射而损失了大部分能量 。对空腔外的观察者而言,小孔对任何波长电磁辐射的吸收比都接近于1,故可看作是黑体。将基尔霍夫辐射定律应用于黑体,有
可见,基尔霍夫辐射定律中的函数f(λ,T)即黑体的光谱辐射出射度。
5.4 H S I HSI模型是美国色彩学家孟塞尔(H.A.Munseu)于1915年提出的,它反映了人的视觉系统感知彩色的方式,以色调、饱和度和强度三种基本特征量来感知颜色。
色调H(Hue): 与光波的波长有关,它表示人的感官对不同颜色的感受,如红色、绿色、蓝色等,它也可表示一定范围的颜色,如暖色、冷色等。
饱和度S(Saturation): 表示颜色的纯度,纯光谱色是完全饱和的,加入白光会稀释饱和度。饱和度越大,颜色看起来就会越鲜艳,反之亦然。
强度I(Intensity): 对应成像亮度和图像灰度,是颜色的明亮程度。
5.5 RGB
RGB色彩空间根据实际使用设备系统能力的不同,有各种不同的实现方法。截至2006年,最常用的是24-位实现方法,也就是红绿蓝每个通道有8位或者256色级。基于这样的24-位RGB 模型的色彩空间可以表现 256×256×256 ≈ 1670万色。一些实现方法采用每原色16位,能在相同范围内实现更高更精确的色彩密度。这在宽域色彩空间中尤其重要,因为大部分通常使用的颜色排列的相对更紧密。
印刷技术的当中的RGB色彩空间主要是指加色法当中的三度色彩空间,通过使用不同强度的三原色,红、绿、蓝色的光线来组合成不同的色彩,就好像说,如果平时我们利用扫描仪从印刷品上扫描图像,原理就是扫描仪阅读了图像上面的红、绿、蓝三色的光亮度,然后把这些量度转换成数据,当显示器收到这些数据的时候就可以按照程序设定转换成制定的红、绿、蓝三原色,其实他们当中是有很多不同颜色的小色块的,由于这些色块的像素非常非常的小而且密密麻麻的,所以我们眼睛没法分辨出来。
5.6 中值滤波
中值滤波法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值
中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点。方法是用某种结构的二维滑动模板,将板内像素按照像素值的大小进行排序,生成单调上升(或下降)的为二维数据序列。二维中值滤波输出为g(x,y)=med{f(x-k,y-l),(k,l∈W)} ,其中,f(x,y),g(x,y)分别为原始图像和处理后图像。W为二维模板,通常为2*2,3*3区域,也可以是不同的的形状,如线状,圆形,十字形,圆环形等。
6、 结束语
本文以模拟输电线路的红外图像为对象,通过在HSI颜色空间中对红外图像分析,进行去噪等预处理,采用改进的中值滤波在空间域有效地降低了图像的高频噪声,同时有效提高了图像的边缘对比度,在此基础上基于梯度法获取红外图像温度最高区域的边缘信息,为高压输电线路的红外图像目标识别以及输电线路的红外故障诊断提供了条件和技术基础。
参 考 文 献:
[1] 肖晓晖,杜娥,谌青昊,等.高压输电线路红外图像的边缘检测 [J].中国电力,2005,38(1):31-33.
[2] 龚旭伟.探讨红外测温技术在电力设备故障诊断中的应用 [J].广东科技,2008(20):167-168.
[3] 陈衡,侯善敬.电力设备故障红外诊断 [M].北京:中国电力出版社,1999.
[4] 王达宇.红外诊断技术在火力发电厂生产中的应用[J].电网技术,2007,31(S1):210-213.
[5] 张振升,朱名日.基于HSI颜色空间的蔗糖结晶图像分割 方 法 [J].计 算 机 工 程 与 应 用,2011,47(11):190-193.
[6] 马帅营,安居白,陈舫明.基于HSI颜色空间的绝缘子图像的分割 [J].大连民族学院学报,2010,12(5):481-484.
[7] 孙伟,王志坚.基于标准差梯度的模糊边缘检测算法 [J].红外与激光工程,2005,34(4):454-458.