紅外圖像增強機車電力系統故障診斷與定位

劉小春，張 蕾

（湖南鐵道職業技術學院，湖南 株洲 412001）

紅外圖像增強機車電力系統故障診斷與定位

劉小春，張 蕾

（湖南鐵道職業技術學院，湖南 株洲 412001）

針對機車電力設備紅外圖像的對比度較差、細節不夠明顯的特點，該文提出一種基于非線性變換（nonsubsampled contourlet transform，NSCT）的圖像增強算法，在算法模型中構造一個非線性匹配函數，該函數能夠對紅外圖像的邊緣進行一定的增強，并且能夠抑制噪聲的干擾。實驗結果表明：該方法能夠對電力系統過熱故障進行智能診斷，并且能夠提供復選解決方案。

非線性變換；紅外圖像；增強；機車電力；過熱故障

0 引 言

隨著我國電力機車的快速普及，鐵路電網的規模不斷擴大，機車電力設備的負責度也有了大幅度增強。智能電氣設備是現代化機車的重要組成部分，紅外圖像檢測技術在對電力系統進行故障診斷時，具有操作簡單、檢測定位準確等優勢，已被廣泛用于電力系統的故障診斷領域。傳統的紅外圖像電力監控系統往往是采用人工巡檢的方法，這種方法不但需要大量的人力物力，而且無法實現對電力設備的整體監控，無法滿足目前機車電力系統故障監控的智能需要。電力設備發生故障時常伴有發熱的現象，導致局部溫度迅速升高；因此，通過測量電力系統的溫度變化，就可以提前對電力系統的故障進行預測，從而為智能故障診斷提供依據。

紅外圖像檢測技術以其不接觸、無需斷電且檢測準確度高等優勢已在電氣智能檢測領域得到了廣泛應用[1-3]；但是，由于紅外圖像的邊緣較模糊且對比度較差，導致紅外圖像在空間上存在一些孤立的點和脈沖噪聲的干擾[4]，因此在對紅外圖像檢測時首先需要對圖像進行增強去噪處理，目前常用的圖像增強方法有小波增強和直方圖均衡化增強[5-6]。

1 NSCT電力系統紅外圖像增強原理

1.1 NSCT變換介紹

非線性變換（NSCT）可以分為兩個平移不變的部分：1）非下采樣金字塔（non-subsampled pyramid，NSP），用來確保NSCT的多尺度分析性質；2）非下采樣方向濾波器組（non-subsampled directional filter bank，NSDFB），用來確保NSCT的多方向分析特性。這兩部分的濾波器組都避免了采樣環節，使得NSCT具有平移不變性。NSCT的平移不變性使得圖像經NSCT變換后所得到的各個子帶中的信息與原圖像一一對應，而且NSCT的低頻子帶不會有頻率混淆現象產生，因而具有更強的方向選擇性[7-8]，NSCT變換如圖1所示。

圖1 NSCT變換結構圖

NSCT變換的最大優點是各向異性和多尺度變換，能夠在任意方向上實現任意尺度的分解，可以產生低頻系數和各個帶通方向的子帶，將紅外圖像信息分解到每個尺度子帶的圖像方向信息，然后根據統計分析的結果對紅外圖像的不同細節信息分別進行增強去噪，以取得最為理想的圖像增強效果。

1.2 NSCT圖像增強原理

圖像增強的最終目的是削弱噪聲信號對有用信息的影響，以提高圖像的信噪比。由于紅外圖像的對比度較低，因此在機器識別之前首先應該對紅外圖像進行圖像增強和去噪處理，以提高紅外圖像的信噪比，使圖像處理結果更加準確。

目前常用的紅外圖像增強方法是將原始圖像信息用函數映射進行系數變換，然后對變換后的圖像系數進行重構。相對于可見光圖像，由于紅外圖像的對比度較低，含有較多的噪聲信息，采用傳統的圖像增強方法雖然放大了有用信息，同時也將噪聲信號進行了相當倍數的放大，反而可能導致圖像質量的下降；因此，在對紅外圖像進行增強時，要考慮對圖像噪聲的抑制。在采用NSCT變換增強中，選擇合適的增強函數對增強效果非常重要，本文采用Jean-LucStarck函數[9-10]，非線性映射函數修正NSCT變換系數為

式中：δ——圖像各個子帶的噪聲標準差；

c——δ的系數，c＞3的噪聲信息不會被放大。

圖像每個子帶上的噪聲估計標準差δ的計算方法[11]如下式所示：

式中：Ym×n∈{di，j}——原始圖像Im，n的NSCT變換系數；

m——臨界點參數，小于m的子帶參數都會被放大，圖像的像素決定了m值的大小。

在一般情況下將NSCT子帶系數塊內最大值的80%設置為m的值。通過對參數m和c的調整，能夠有效增強圖像的細節，抑制噪聲，通過調整k值可以改變系統對噪聲的抑制程度。

2 過熱區域定位與故障判斷

物體輻射的能量等級不同，決定了物體各個部分溫度的差異，在紅外圖像中表現為灰度值與能量具有一定的線性或者非線性的關系，即溫度高，能量大，對應的灰度值就會越大，基于此理論可以實現對機車電力系統的故障檢測與定位。然而，由于紅外圖像采集識別本身受環境因素的影響，紅外圖像在增強以后仍可能包含一些孤立的脈沖信號點，其數值往往與其附近有著明顯差異，在接下來的故障判別過程中極有可能將其誤判為過熱點。另一方面，由于電力系統局部過熱的現象在紅外圖像上的呈現往往具有一定區域性的特點，因此可以通過拓撲矩陣對孤立的脈沖噪聲信號進行剔除，最終實現對電力系統過熱區的提取與定位。

首先通過閾值法對電力系統紅外圖像過熱區進行初步標示。用x（i，j）表示第（i，j）個像素點的灰度值，用矩陣Im×n表示紅外圖像所有像素點的灰度值。設灰度圖像的像素點的最大值為maxm×n，將閾值設定為Th，因此，x（i，j）≥Th的像素點標記為1，x（i，j）＜Th的像素點標記為0，得到一個m×n的矩陣Pm×n；然后遍歷矩陣Pm×n的所有像素點，尋找4×4的單位矩陣，如果存在則將矩陣Pm×nnew所對應的位置賦1，其余為0，如果不存在這樣的4階單位陣，那么就令Th=maxm×n，n=1，2，3，…，重新尋找賦值，依此類推，直到找到4×4的單位陣為止，具體運算過程如圖2所示。

圖2 拓撲矩陣修正圖

采用非線性NSCT變換對紅外圖像進行增強處理以后，通過求解電力系統熱紅外圖像相對溫度差就可以對故障點進行判別。相對溫度差是兩個測量點之間的溫度差與中熱電之間的升溫百分比，可表示為

根據電力系統被測對象相對溫度差的大小，可以對設備故障的嚴重程度進行等級劃分，部分電流致熱導致機車電力系統故障的溫度差判據如表1所示。

表1 機車電力設備電流致熱型故障相對溫度差判據

3 實驗結果分析

采用機車電力系統中易發生打火、發熱等故障的部位進行實驗，選取其中的兩個部位進行討論，經對比分析得出如下結論：

1）對比圖3中各個算法對紅外熱圖像的增強效果，發現采用直方圖均衡化的方法對紅外圖像具有一定的增強效果，然而對噪聲信號的濾除效果不好，信噪比改善較小。分析圖3中小波增強算法的效果，小波增強技術雖然對圖像信息的增強效果較好，但由于缺少紅外圖像的方向信息，導致紅外圖像信噪比改善不明顯，其抑制噪聲的效果不如非線性NSCT方法好。采用非線性NSCT變換的紅外圖像增強算法能夠很好地增強紅外圖像的細節，且對噪聲有很好的抑制效果，信噪比得到了大幅度的提高。

圖3 不同增強算法增強結果對比

2）NSCT紅外圖像增強算法中，將s的值設為0，這樣可以保證增強后的圖像與原始圖像灰度圖的像素值系數不發生變化，不會對圖像產生影響，然后通過拓撲矩陣進行修正，將疑似故障點在圖4（a）中標出，其中圖4的最大迭代灰度值maxm×n=245，即表明采用NSCT變換圖像增強算法具有很強的適應性。

3）對電力系統疑似故障點進行標記后，可以得到過熱點的坐標圖，其結果如圖4（b）所示，電力系統的紅外圖像目標溫度分布圖是由其灰度圖像的灰度值直觀反映出來的，因此通過對比坐標圖可以對故障點進行分析，為下一步對電力系統故障的定位奠定了基礎。

4）將機車電力系統的過熱區域提取以后，通過式（3）可以對圖4中的電力系統部件的故障進行判別。

4 結束語

本文首先利用紅外圖像的方法對機車電力系統的故障診斷進行了分析，然后對其紅外圖像對比度低、圖像增強較為困難等問題，嘗試采用非線性NSCT變換對機車電力系統的紅外圖像進行了增強與對噪聲的抑制研究，然后運用拓撲矩陣修正的方法自動對系統的疑似故障區域進行定位，最后通過相對溫度差的關系對疑似故障區域進行故障判別；基本可以實現對機車電力系統發生的熱故障進行智能診斷和定位，為進一步研究機車電力系統故障智能監控系統提供了理論依據，同時為電力行業的其他領域以及電網系統的智能診斷提供了一定的參考價值。

圖4 系統1的疑似故障區域提取結果

[1]李佐勝，李文利，姚建剛，等.應用絕緣子紅外熱像處理的現場污穢等級檢測方法[J].中國電機工程學報，2010，30（4）：132-138.

[2]王祖林，黃濤，劉艷，等.合成絕緣子故障的紅外熱像在線檢測[J].電網技術，2003，27（2）：17-20.

[3]劉健，解辰，藺麗華，等.基于紅外圖像的電力變壓器油位自動檢測方法[J].高電壓技術，2010，36（4）：964-970.

[4]李文杰，姚建剛，毛李帆.基于中值濾波法及小波自適應擴散法的絕緣子紅外熱像去噪[J].電網技術，2010，34（8）：160-164.

[5]王炳建，劉上乾，周慧鑫.基于平臺直方圖的紅外圖像自適應增強算法[J].光子學報，2005，34（2）：299-302.

[6]吳穎謙，施鵬飛.基于小波變換的低對比度圖像增強[J].紅外與激光工程，2003，32（2）：4-7.

[7]李殿均，賈振紅，覃錫忠，等.一種新的基于NSCT域的遙感圖像增強算法[J].計算機工程與應用，2012，48（33）：203-206.

[8]Chen J Y，Sun H.Multi-resolution edge detection based on alpha-stable model in SAR image using translation-Invariance Contourlet transform[C]∥IEEE International Symposium on Signal Processing and Information Technology.Vancouver Canada，2006：264-270.

[9]楊振亞，陳裕泉，潘敏，等.基于Curvelet變換的X射線圖像增強[J].計算機科學，2010，37（3）：275-277.

[10]Jean L S.Gray and color image contrast enhancement by the curvelet transform[J].IEEE Transactions on Image Processing，2003，12（6）：706-717.

[11]Chang S G，Yu B，Vetterli M.Spatially adaptive wavelet thresholding with context modeling for image denoising[J].IEEE Trans Image Process，2000，9（9）：1522-1531.

Fault diagnosis and location for locomotive electric power system based on infrared image enhancement

LIU Xiao-chun，ZHANG Lei
（Hunan Railway Professional Technology Institute，Zhuzhou 412001，China）

Forlocomotive powerequipmentinfrared image contrastispoorer，and itsdetail characteristics are not obvious enough，this paper puts forward a kind of the image enhancement algorithm based on NSCT （nonsubsampled contourlet transform）nonlinear transform.The algorithm constructs a nonlinear matching function which can enhance the edge of the infrared image and suppress the interference of noise.Experimental results show that the proposed method can overheat faults in the power system with intelligent diagnosis，and this study can provide a solution for checking.

NSCT；infrared image；enhance；locomotive power；overheat faults

TP206+.3；TP391.41；U292.91+4；U262.1

：A

：1674-5124（2014)06-0120-04

10.11857/j.issn.1674-5124.2014.06.031

2014-04-20；

：2014-06-18

劉小春（1973-），女，副教授，碩士，主要從事自動控制教學與研究。