電力設備X射線數字圖像拼接技術研究

于虹

(云南電網公司電力科學研究院,昆明 650217)

電力設備X射線數字圖像拼接技術研究

于虹

(云南電網公司電力科學研究院,昆明 650217)

針對電力設備體積一般較大,而X射線數字成像受成像板大小所限,無法在一張圖片上顯示出設備全局情況的問題,提出一種基于粒子群優化的最大互信息相關的無縫拼接方法,以實現將多次拍攝的設備局部X射線圖像拼接成為一張整體X射線數字圖像,從而便于對電力設備內部情況做出整體評價。研究結果表明該方法能實現多張X射線圖像的無縫拼接,具有良好地魯棒性。

X射線；粒子群；設備；可視化；拼接；

0 前言

對于電力設備而言,其運行的可靠性與設備本身的設計、制造、運輸、安裝和調試都有極大的關系,因此相關的標準制定了產品的形式、出廠和現場的試驗標準,從不同的角度和層次保證設備能夠達到其功能要求,并能在至少規定的時間內不喪失其功能。但對于各種電力設備而言,由于在設計、材料、制造等環節考慮的不足,往往會出現由于自身原因導致的設備故障,而影響到電網的安全、穩定和可靠運行。因此,如何判斷電力設備的健康狀況一直以來都是生產運行和研究部門極為關注的問題[1-2]。與此同時,針對電力設備各種檢測方法,也是為了達到此目標。電力系統現有傳統技術手段,如局部放電檢測,它們具有檢測結果不直觀、不可視的問題,僅能了解缺陷的外部物理參數和所處的大致區域。如果不對設備進行停電、解體檢修,一般無法確缺陷部件和缺陷程度。即使能夠停電并解體檢修,也往往由于電力設備內部空間狹窄,觀測困難,難以正確判斷電力設備內部故障的原因,從而導致制定檢修策略存在盲目性。近幾年,通過將X射線數字成像技術引入電力系統對設備進行透視檢測,實現了電力設備不解體情況下,對其內部的可視化檢測,直觀、可靠地確定缺陷部位和程度[3-4]。然而,由于電力設備體積一般較大,而X射線數字圖像受成像板的尺寸限制,無法在一張圖片上顯示設備整體情況,而需分段拍攝,然后將分段拍攝的局部圖像拼接成為一張整體圖像,便于對電力設備做出整體的評價。針對此問題,本文通過比較改進模板匹配算法、互信息算法及基于像素相關的改進SIFT方法,提出基于粒子群優化的最大互信息相關的無縫拼接算法,實驗結果表明,該方法具有較強的魯棒性。

1 基準圖像匹配

圖像配準是指對于一幅圖像尋求一種 (或一系列)空間變換,使它與另一幅圖像上的對應點達到空間上的一致。配準的結果應使兩幅圖像上所有的點,或至少是所有具有意義的點及感興趣的點都達到匹配[5]。

對在不同時間或不同條件下獲取的兩幅圖像I(x)和J(x)配準,就是要定義一個相似性測度,并尋找一個空間變換關系,使得經過該空間變換后,兩幅圖像的相似性達到最大。即使得圖像I上的每一個點在圖像J上都有唯一的點與之對應,且這兩點對應同一位置。

式中S是相似性測度,Tα為空間變換,α為空間變換參數。配準過程可歸結為尋求最佳空間變換：

基于灰度信息的圖像配準方法一般不需對圖像進行復雜的預處理,而是利用圖像本身具有的灰度的一些統計信息來度量圖像的相似程度。其主要特點是實現簡單,但應用范圍較窄,不能直接用于校正圖像的非線性形變,而在最優變換的搜索過程中往往需要巨大的運算量。同時,X射線數字圖像具有灰度信息的圖像,因此本文采用基于灰度信息的匹配方法進行圖像匹配。

假設標準參考圖像為R,待配準圖像為S,R大小為m×n,S大小為M×N,基于灰度信息的圖像配準方法的基本流程是以參考圖像R疊放在待配準圖像S上平移,參考圖像覆蓋被搜索的那塊區域叫子圖Sij。i和j為子圖左上角待配準圖像S上的坐標。搜索范圍如下所示。

通過比較R和Sij的相似性,完成配準過程。

互相關配準方法是最基本的基于灰度統計的圖像配準方法。它要求參考圖像和待匹配圖像具有相似的尺度和灰度信息,并以參考圖像作為模板在待匹配圖像上進行遍歷,計算每個位置處參考圖像和待匹配圖像的互相關。互相關最大的位置就是參考圖像中與待匹配圖像相應的位置。

常用的互相關計算公式有如下兩種：

設R(x,y)和S(x,y)分別表示參考圖像和待配準圖像。

X射線圖像進行拼接時首先需要確定基準圖像,在基準圖像的待拼接區域尋找一個M?N的特征塊。本文通過灰度差異最大原則,即使用一個滑動窗在待拼接區域滑動,每次都計算窗內像素平均值。求出用每一像素值減去平均值的絕對值,最后將這些灰度差異相加便是這個位置的灰度差異值。因為灰度差異大的區域圖像較為復雜,特征較為明顯,所以取灰度差異最大值的特征塊為基準匹配區域。

圖1 基準匹配特征塊選取示意圖

基準匹配特征塊如圖1(c)所示,其大小為72?72像素,圖1(a)和圖1(b)為待拼接圖像,其大小為2 048?2 048像素。當匹配特征塊在圖像一中滑動時,最大互信息值為1.168 8,第一幅度圖像的與標準特征塊的整體偏移量為81個像素；同理,標準匹配特征塊與第二幅圖像的最大互信息值為4.141 3,第二幅圖像的整體偏移量為91像素,通過基準特征塊確定圖1(a)和圖1 (b)配準時的相對位置。

2 待拼接圖像

傳統的圖像相關度匹配算法是在參考圖像上抽取一個網格陣列,使其在待匹配圖像上移動,計算兩幅圖像的所有網格點對應像素點的灰度值差的平方和最小,找到最小網格值的位置即認為是最佳匹配位置。然而,在X射線圖像匹配中,由于不同的射線圖像灰度的差異,使用傳統方法匹配的準確度不高。因此,本文提出采用改進的一個基于粒子群優化的拼接算法,該算法首先在找出基準匹配區域后,開始在待拼接圖像的拼接區域使用一個與基準匹配區域同樣大小滑動塊尋找最佳匹配點[6-7]。

窗口每次移動若干個像素的位置,每移動一次進行一次比較,求出當前窗口下的像素與基準匹配區域的像素對應的比值D；求出此區域所有的比值之后,再求出這些比值的均值R；并求出均值R與比值D的差的絕對值P。圖2是圖像位置調整處理后輸出的圖像,采用最大互信息熵相關的方法對待拼接圖像位置進行調整,圖2中左側為黑色像素為圖1(c)相對圖1(a)參考圖像位置調整的結果,右側灰色像素為圖1(b)相對圖1(b)位置調整結果。算法中為了提高拼接的速度,先進行粗略的匹配,再進行細致匹配。圖3～圖5為三組X射線圖像的位置調整處理結果。

圖2 位置調整處理圖

圖3 第一組X射線圖像位置調整處理圖

圖4 第二組X射線圖像位置調整處理圖

圖5 第三組X射線圖像位置調整處理圖

3 基于SIFT的魯棒匹配方法

尺度不變特征提取算法總的來說分為4步：檢測尺度空間極值、特征點位置提取、計算特征點的描述信息和生成本地特征描述符。

1)檢測尺度空間極值：尺度空間理論是通過對原始圖像進行尺度變換,獲得圖像多尺度下的尺度空間表示序列,對這些序列進行尺度空間主輪廓的提取,并以該主輪廓作為一種特征向量,實現邊緣、角點檢測和不同分辨率上的特征提取等。為了對圖像進行多尺度劃分,我們主要是利用高斯核對原始圖像進行尺度變換,獲得圖像多尺度下的尺度空間表示序列,對這些序列進行尺度空間特征提取。高斯核的定義如下所示。

對于二維圖像I(x,y),其尺度空間表示為：

本步驟主要是建立高斯金字塔和DOG(differenceof Gaussian)金字塔,然后在DOG金字塔里面進行極值檢測,以初步確定特征點的位置和所在尺度。對圖像二維平面空間和DOG尺度空間中同時檢測局部極值以作為特征點,以使特征具備良好的獨特性和穩定性。DOG算子定義為兩個不同尺度的高斯核的差分,其具有計算簡單的特點,是歸一化LOG(laplacian-of-Gaussian)算子的近似。

為得到在不同尺度空間下的穩定特征點,將圖像I(x,y)與不同尺度因子下的高斯核G(x, y,σ)進行卷積操作,構成高斯金字塔。一般高斯金字塔分為4階,每階分為5層尺度圖像。在同一階中相鄰兩層的尺度因子比例系數為k。接著建立DOG金字塔,DOG金字塔通過高斯金字塔中相鄰尺度空間函數相減得到。

2)特征點位置提取：通過尺度空間檢測出來的特征點,由于DOG算子的自身特性會對噪聲和邊緣信息比較敏感,因此,為得到更適合圖像拼接的特征點還需對特征點進行提取,除去低對比度的特征點和不穩定的邊緣響應點,以增強匹配穩定性、提高抗噪聲能力。通過擬和三維二次函數以精確確定關鍵點的位置和尺度,通常可以通過對該點進行泰勒展開,尺度空間函數D(x, y,σ)在局部極值點 (x0,y0,σ)處的泰勒展開如式 (9)所示。

3)計算特征點的描述信息：尺度不變特征提取算法最大的優點是具有旋轉不變性,而使其具有旋轉不變性的關鍵步驟是利用關鍵點鄰域像素的梯度方向分布特性為每個關鍵點指定方向參數。

上式 (10)為點 (x,y)處的梯度值和方向,L為所用的尺度為每個特征點各自所在的尺度,(x,y)要確定具體層數。圖像特征用橢圓表示,橢圓的中心位置代表了關鍵點在圖像中的二維坐標位置,橢圓的長軸代表了關鍵點的尺度,橢圓的方向代表了該關鍵點的方向,此時,圖像的特征點已檢測完畢,每個特征點有3個信息、位置、對應尺度、方向。

4)生成本地特征描述符：首先將坐標軸旋轉為特征點的方向,來確保旋轉不變性,以特征點為中心取8?8的窗口 (特征點所在的行和列不取)。然后,在每4?4的圖像小塊上計算8個方向的梯度方向直方圖,繪制每個梯度方向的累加值,形成一個種子點。實際計算過程中,為了增強匹配的穩健性,對每個特征點使用4?4共16個種子點來描述,每個種子點有8個方向向量信息,這樣對于一個特征點就可以產生4?4?8共128個數據,最終形成128維的SIFT特征向量,所需的圖像數據塊為16?16。此時特征向量已經去除了尺度變化、旋轉等幾何變形因素的影響,再繼續將特征向量的長度歸一化,則可以進一步去除光照變化的影響。依次根據以上4個步驟,可提取在不同尺度下都保持同一特性的特征。

由于設備的移動會導致采集的圖像發生平移、錯位、旋轉等問題,因而,本文采用改進SIFT算法對X射線掃描圖像進行匹配。SIFT算法是一種提取局部特征的算法,其提取特征點的匹配能力較強,利用它可以在尺度空間尋找極值點,提取位置、尺度、旋轉不變量,從而確定二維平面中故障出現的位置信息,特征子描述中在32維高維向量中選取梯度相關的8維向量,從而大大優化計算速度。圖6是改進SIFT算法對X射線掃描圖像進行匹配過程。

圖6 改進SIFT算法匹配過程圖

圖6(a)和圖6(b)為待拼接圖像特征點提取效果圖,粉色箭頭表示梯度變化的方向,圖6(c)為圖6(a)和圖6(b)中特征點匹配的結果圖。從匹配結果可以看出,圖6(c)中有110個坐標點對匹配。圖7～圖10為三組圖像對特征點提取及匹配試驗,試驗結果表明,本文的提取方法,可穩定的提取待拼接圖像中的特征點,從而達到良好的拼接效果。

圖7 第一組圖像特征點匹配結果圖

圖8 第二組圖像特征點匹配結果圖

圖9 第三組圖像特征點匹配結果圖

本文提出基于X射線圖片的匹配方法是在SIFT匹配算法基礎上的,因而具有良好的旋轉特性不變性。此外,由于對SIFT特征描述子進行改進,有效節省匹配時間。

5)X射線拼接無縫拼接技術：在找到匹配位置并進行灰度調整后,如果直接進行拼接會在兩幅圖像的拼接處出現一條明顯的拼接縫,這是由于圖像間存在亮度差造成的。為了達到無縫拼接,本文對兩幅圖像的交疊區域進行漸變系數加權值融合。首先,計算兩重疊部分的累積直方圖,然后利用直方圖匹配的方法,建立起灰度級的映射關系,非重疊部分和重疊部分具有相同灰度時按此映射關系變換即可,而重疊部分沒有的灰度級,則可按預測的映射關系變換。對設備X射線數字圖像拼接過程如圖10所示。

圖10 罐式斷路器拼接處理過程圖

圖10是對罐式斷路器兩幅X射線透照圖像進行拼接處理的結果圖,原來兩幅度圖像大小均為2 048?2 048像素,拼接處理后圖像大小變為2 048?2 611像素,試驗結果可知,提出的拼接算法可以較好的處理不同偏差下的X射線圖像的拼接處理過程。圖11和圖12分別是電壓互感器和GIS設備的無縫拼接結果圖。

圖11 電壓互感器拼接結果圖

圖12 GIS設備拼接結果圖

4 結束語

X射線數字成像技術可在電力設備不解體情況下,對其內部情況的可視化無損檢測。但電力設備體積一般較大,而X射線圖像受成像板的尺寸限制,無法在一張圖片上顯示設備整體情況,需分段拍攝,然后將分段拍攝的局部圖像拼接成為一張整體圖像,便于對電力設備做出整體的評價。針對此問題,本文提出通過像素級的基準圖像匹配區域尋找、待拼接圖像最近拼接區域尋找、圖像拼接處融合等關鍵步驟,利用SIFT方法對旋轉的圖像進行校正,使得拼接后X射線圖像的拼接準確度和效率都得到提高,且本文提出的無縫拼接方法具有較強的魯棒性。

[1] 李繼勝,趙學風,楊景剛,等.GIS典型缺陷局部放電測量與分析 [J].高電壓技術,2009,35(10)：2440-2445.

[2] 王天健.GIS局部放電檢測與故障識別 [D].北京交通大學,2010.

[3] 艾維平.DXR250RT平板探測器X射線實時成像檢測系統的研究 [D].蘭州理工大學,2007.

[4] 董旭.醫用X射線數字攝影 (CR/DR)系統檢測方法的研究和評定 [J].中國醫學裝備,2010,7(1)：8-11.

[5] HSadamitsu Nishihara.A basic study automatic recognition of osteoporosis using abdominal X-ray CT images[J].Journal of proceedings of SPIE-The international society for optical engineering,2004,2(5370)：926-933.

[6] Huang Huiyu,Hsiao Chunnan.Image inpainting based on illuminationvariationandstructureconsistency[J]. International journal of advancements in computing technology, 2011,3(6)：1-9.

[7] (Li Jin,WANG Yanwei,et al.A FNL means de-noise algorithm based on gradient calibration[J].International journal of advancements in computing technology,2011,3(9)：147-154.

Research on the Mosaic Technology of X-ray Digital Image for Electric Power Equipment

YU Hong
(Yunnan Electric Power Research Institute,Kunming 650217)

Aiming at the problem of the unable display the equipment overall situation problem in a picture,it is proposed the particle swarm optimization with maximum mutual information related to the seamless mosaic method while the X-ray digital imaging by the imaging plate size limit and the power equipment generally larger.The local X-ray image mosaic taken as a whole X-ray digital image is achieved.The overall?evaluation of the internal situation of power equipment is given.The results show that the method proposed in this paper can not only realize a X-ray image seamless mosaic,and has good robustness.

X-ray；particle swarm；equipment；visualization；mosaic

TM83

B

1006-7345(2015)01-0001-06

2014-06-18

于虹 (1978),女,博士后,高級工程師,云南電網公司電力科學研究院,主要從事電力系統及其自動化,模式識別與智能系統方面工作 (e-mail)yuhong2388245＠163.com。