基于稀疏表示分類算法的復合絕緣子憎水性檢測方法

汪沨　黃浩川　何榮濤　潘雄峰

摘要：復合絕緣子表面憎水性的檢測是判斷其防污閃性能的主要手段之一.本文引入稀疏表示分類算法實現了對復合絕緣子憎水性圖像的檢測分類.運用最小一范數方法計算稀疏表示系數，通過計算最小殘差圖像來搜索與測試圖像最匹配的訓練樣本圖像，從而準確識別出檢測試樣的憎水性HC等級.該算法避開了一般模式識別算法中較復雜的特征提取環節，為復合絕緣子憎水性圖像識別檢測提供了新的思路.實驗結果表明，該方法能有效地應用于復合絕緣子憎水性圖像的分級.

關鍵詞：絕緣子；憎水性；稀疏表示；圖像識別

中圖分類號：TM855 文獻標識碼：A

與傳統電瓷、玻璃絕緣子相比，復合絕緣子因其具有優異的耐污閃性能而在電力系統中被廣泛使用.復合絕緣子的憎水性和憎水遷移性是其具有較強耐污閃性能的基礎，然而其在運行中因受到紫外線、污穢、電磁場等條件的共同作用會出現老化現象，使得復合絕緣子憎水性下降，嚴重老化的絕緣子甚至會喪失其憎水性[1-2].因此有必要定期對運行中的復合絕緣子的憎水性進行檢測，及時更換憎水性不合格的絕緣子.目前現場測量復合絕緣子憎水性的方法主要為噴水分級法[3]，該方法將復合絕緣子憎水性分為HC1至HC7 7個等級，其操作簡單，對檢測設備要求低，但完全依賴于人的主觀判斷，容易引起檢測結果的不一致性.

目前，國內外一些學者提出了基于絕緣子憎水性圖像的智能檢測方法，文獻[4-5]采用圖像預處理去除噪聲和雜波，利用方向濾波、自適應濾波等方法提取圖像的水珠或者水跡邊緣，對水珠特征參數進行統計以后利用K鄰近算法進行模式識別，從而確定憎水性等級.這種方法克服了目測的主觀性，但是由于圖像分割處理中很容易出現過度分割或者欠分割現象而導致分割失敗，使得后續的特征值提取失準從而導致分類算法無法進行.如圖1所示為運用先進的水平集方法對去噪后憎水性圖像進行分割時，出現過分割和欠分割的現象.

本文采用稀疏表示分類算法（Sparse Representation Classification， SRC）對復合絕緣子憎水性圖像進行識別與分類.稀疏表示的算法是由Wright等于2009年提出應用于人臉識別領域中的算法[6].在該方法中一個測試樣本被所有訓練樣本稀疏線性表示，然后從中找出對測試樣本表示誤差最小的一類訓練樣本.這一研究為稀疏表示在圖像識別中的應用開辟了新的方向.本文運用稀疏表示分類算法對復合絕緣子憎水性圖像進行分類，通過對稀疏表示系數以及最小殘差的計算找出樣本庫中與測試圖像最接近的訓練圖像，從而判斷測試圖像所對應復合絕緣子的憎水性等級.

1稀疏表示算法

由于拍攝圖片光照條件、拍攝角度、拍攝距離等實際因素的影響，即使是同一等級的水珠圖像也會呈現出多種不同的效果，所以在選擇訓練樣本時，要綜合考慮各種水珠圖像所可能呈現的情況.以HC1級別的憎水性圖像為例，此時的復合絕緣子憎水性能較好，噴水后復合絕緣子傘裙表面會呈現出單個獨立的水珠.但由于受到拍攝條件的影響，水珠的大小、形狀、分布有很大的不同.為了能使訓練樣本最大限度的代表HC1級別憎水性圖像的特征，選取具有不同大小水珠、不同光照條件、水珠分布疏密不一致、以及水珠重心傾斜不同角度的憎水性圖像作為訓練樣本集.對于HC4～HC6級別的憎水性圖像，由于這些類別復合絕緣子表面出現了不同程度的污穢，使得拍攝所得水珠圖像的背景進一步復雜化，需要考慮背景中污穢的分布以及污穢等級的影響.本文所用到的部分HC1～HC6的訓練樣本圖像如圖2所示.

3實驗結果統計與分析

3.1可理解性分析

一個分類模型的質量通常由兩方面進行評估決定：分類試驗的準確率以及該模型的可理解性.圖4（a）和（b）給出了同屬憎水性等級HC1級的兩個測試樣本，圖4（c）和（f）為利用訓練樣本庫里所有樣本圖像對測試樣本進行稀疏表示所得的兩組稀疏表示系數和利用式（6）計算得到的各類表示誤差.從圖4（c）中可以看出：第1類訓練樣本所對應的稀疏表示系數明顯大于其他幾類的稀疏表示系數.這說明訓練樣本集中第1類樣本對稀疏表示的貢獻最大，這也在圖4（d）表示的各類測試誤差中得到了體現.因此我們僅通過圖4（c）就可判定測試樣本屬于第1類，即該憎水性圖像所對應的復合絕緣子的憎水性屬于HC1級.但是，在對第2個測試樣本圖像進行測試時，僅根據圖4（e）的稀疏表示系數對其憎水性級別進行劃分有一定的困難，各個類別所對應的稀疏表示系數變化跨度很大，系數之間大小相近的也很多.此種情況下通過進一步計算該測試圖像與稀疏表示各類之間的殘差來對測試圖像進行分類.由圖4（f）可知：第1類訓練樣本與測試圖像之間的殘差最小，以此可判定該測試樣本屬于第1類，即該憎水性圖像所對應的復合絕緣子憎水性等級為HC1級.

通過這個例子可以看出，利用稀疏表示對復合絕緣子憎水性圖像進行分類時，稀疏表示的系數具有以下兩個特點：

1）測試樣本所對應類別的訓練樣本參與該稀疏表示的比例最大.

2）同類測試樣本所對應的稀疏表示系數都比較接近.

3.2實驗結果分析

據文獻[11]，憎水性為HC1～HC2級的復合絕緣子可以繼續入網運行，HC3～HC5級時需要進行跟蹤監測，HC6～HC7級的復合絕緣子必須退出運行.本文在實驗測試階段將復合絕緣子憎水性試驗圖像分成繼續運行，繼續觀測，退出運行3大類.將HC1～HC2分為第1類，HC3～HC5分為第2類，HC6～HC7分為第3類.相對應的樣本訓練集也進行了相應的調整，形成了具備上述3大類共107幅標準憎水性圖像的訓練樣本庫即訓練樣本空間，其中第1類樣本40幅，第2類樣本30幅，第3類樣本37幅.由于第1類樣本圖像中水珠較多，導致圖像情況復雜，故相應增加了第1類樣本圖像的數量.

4結論

測試結果表明：運用稀疏表示分類算法對復合絕緣子憎水性圖像進行檢測分類具有較高的準確率和可行性.復合絕緣子圖像光照情況復雜，水珠分布隨機不規則，可見該算法對外界環境的改變具有一定的魯棒性.與傳統的憎水性圖像識別分類方法相比，稀疏表示分類算法避開了復雜的圖像分割和特征提取過程，大大簡化了復合絕緣子憎水性檢測步驟.如何通過豐富和優化憎水性圖像訓練樣本庫進一步提高算法準確率是今后努力的方向.

參考文獻

[1]趙林杰，李成榕，熊俊，等. 基于帶電檢測的復合絕緣子憎水性評價[J]. 中國電機工程學報，2008，28（16）： 135-142.

[2]張福林. 復合絕緣子外絕緣基材硅橡膠表面的憎水性和憎水遷移性機理分析[J]. 華北電力技術， 1999，3（1）：19-21.

[3]STRI Guide921，Hydrophobicity classification Guide[S].Sweden： Swedish Transm Res Inst， 1992.

[4]BERG M. A digital image processing method for estimating the level of hydrophobicity of high voltage polymeric insulating materials[C]//1999 Conference on Electrical Insulation and Dielectric Phenomena.Austin：IEEE，1999：756-762.

[5]彭克學，王泉德，王先培. 基于表面噴水圖像分析的絕緣子表面憎水性檢測方法[J].絕緣材料，2005，7（1）：47-51.

[6]WRIGHT J， YANG A Y. Robust face recognition via sparse representation[J]. IEEE Trans on Pattern Analysis and Machine Intelligence（PAMI）， 2009， 31（2）：210-227.

[7]DONOHO D， TSAIG Y. Fast solution of l1norm minimization problems when the solution may be sparse[J]. IEEE Trans on Information Theory， 2006，54（11）：4789-4812.

[8]DONOHO D. Compressed sensing[J]. IEEE Trans on Information Theory，2006，52（4）：289-1306.

[9]HUANG J， HUANG X， METAXAS D. Simultaneous image transformation and sparse representation recovery[C]//Proceedings of CVPR. Anchorage： IEEE，2008：1-8.

[10]DONOHO D， TSAIG Y. Fast soluion of l1-norm minimization problems when the solution maybe sparse[R]. Department of Statistics， Stanford University， USA，2008.

[11]Technical Specification IEC/TS 62073-2003Guide to measurement of wettability of insulator surfaces[S].Geneva： International Electrotechnical Commission， 2003.

[12]The Mathworks Inc. Matlab creating graphical user interfaces[M].Massachusetts： The Mathworks，2008.

參考文獻

[1]趙林杰，李成榕，熊俊，等. 基于帶電檢測的復合絕緣子憎水性評價[J]. 中國電機工程學報，2008，28（16）： 135-142.

[2]張福林. 復合絕緣子外絕緣基材硅橡膠表面的憎水性和憎水遷移性機理分析[J]. 華北電力技術， 1999，3（1）：19-21.

[3]STRI Guide921，Hydrophobicity classification Guide[S].Sweden： Swedish Transm Res Inst， 1992.

[4]BERG M. A digital image processing method for estimating the level of hydrophobicity of high voltage polymeric insulating materials[C]//1999 Conference on Electrical Insulation and Dielectric Phenomena.Austin：IEEE，1999：756-762.

[5]彭克學，王泉德，王先培. 基于表面噴水圖像分析的絕緣子表面憎水性檢測方法[J].絕緣材料，2005，7（1）：47-51.

[6]WRIGHT J， YANG A Y. Robust face recognition via sparse representation[J]. IEEE Trans on Pattern Analysis and Machine Intelligence（PAMI）， 2009， 31（2）：210-227.

[7]DONOHO D， TSAIG Y. Fast solution of l1norm minimization problems when the solution may be sparse[J]. IEEE Trans on Information Theory， 2006，54（11）：4789-4812.

[8]DONOHO D. Compressed sensing[J]. IEEE Trans on Information Theory，2006，52（4）：289-1306.

[9]HUANG J， HUANG X， METAXAS D. Simultaneous image transformation and sparse representation recovery[C]//Proceedings of CVPR. Anchorage： IEEE，2008：1-8.

[10]DONOHO D， TSAIG Y. Fast soluion of l1-norm minimization problems when the solution maybe sparse[R]. Department of Statistics， Stanford University， USA，2008.

[11]Technical Specification IEC/TS 62073-2003Guide to measurement of wettability of insulator surfaces[S].Geneva： International Electrotechnical Commission， 2003.

[12]The Mathworks Inc. Matlab creating graphical user interfaces[M].Massachusetts： The Mathworks，2008.

參考文獻

[1]趙林杰，李成榕，熊俊，等. 基于帶電檢測的復合絕緣子憎水性評價[J]. 中國電機工程學報，2008，28（16）： 135-142.

[2]張福林. 復合絕緣子外絕緣基材硅橡膠表面的憎水性和憎水遷移性機理分析[J]. 華北電力技術， 1999，3（1）：19-21.

[3]STRI Guide921，Hydrophobicity classification Guide[S].Sweden： Swedish Transm Res Inst， 1992.

[4]BERG M. A digital image processing method for estimating the level of hydrophobicity of high voltage polymeric insulating materials[C]//1999 Conference on Electrical Insulation and Dielectric Phenomena.Austin：IEEE，1999：756-762.

[5]彭克學，王泉德，王先培. 基于表面噴水圖像分析的絕緣子表面憎水性檢測方法[J].絕緣材料，2005，7（1）：47-51.

[6]WRIGHT J， YANG A Y. Robust face recognition via sparse representation[J]. IEEE Trans on Pattern Analysis and Machine Intelligence（PAMI）， 2009， 31（2）：210-227.

[7]DONOHO D， TSAIG Y. Fast solution of l1norm minimization problems when the solution may be sparse[J]. IEEE Trans on Information Theory， 2006，54（11）：4789-4812.

[8]DONOHO D. Compressed sensing[J]. IEEE Trans on Information Theory，2006，52（4）：289-1306.

[9]HUANG J， HUANG X， METAXAS D. Simultaneous image transformation and sparse representation recovery[C]//Proceedings of CVPR. Anchorage： IEEE，2008：1-8.

[10]DONOHO D， TSAIG Y. Fast soluion of l1-norm minimization problems when the solution maybe sparse[R]. Department of Statistics， Stanford University， USA，2008.

[11]Technical Specification IEC/TS 62073-2003Guide to measurement of wettability of insulator surfaces[S].Geneva： International Electrotechnical Commission， 2003.

[12]The Mathworks Inc. Matlab creating graphical user interfaces[M].Massachusetts： The Mathworks，2008.