航拍寬幅圖像的玻璃絕緣子定位研究

楊 蔚，李 陳，楊生蘭，周 輝（國網四川省電力公司檢修公司，四川成都，610000）

?

航拍寬幅圖像的玻璃絕緣子定位研究

楊 蔚，李 陳，楊生蘭，周 輝
（國網四川省電力公司檢修公司，四川成都，610000）

針對絕緣子爆裂和缺失將導致整個輸電線路絕緣能力下降的常見故障，在寬幅航拍圖像如何快速實現玻璃絕緣子的定位是絕緣故障檢測的關鍵。提出一種通過機器學習的絕緣子定位算法。輸電線路玻璃絕緣子串，利用Retinex算法與高斯濾波及形態學濾波對圖像進行預處理和粗定位，建立不同樣本數據提取特征，通過將二分類問題轉化為多分類問題的集成學習方式，克服數據不平衡的問題，實現精準絕緣子定位，為進一步故障檢測奠定了良好的基礎。

航拍絕緣子；高斯濾波；LSPTSVM

0　引言

為確保整個電網的安全運行，采用多旋翼無人機機進行輸電線路巡線代替傳統人力巡檢，自動生成診斷各類缺陷報告已成為當前巡線技術的發展方向。

絕緣子是架空線路上固定導線的重要部件。利用多旋翼無人機機攜帶的數碼相機獲取待檢測絕緣子的圖像，通過圖像分析與處理，判斷絕緣子健康狀態，具有多快好省的優點。但采集的各種圖像隨著不同時段、天氣、角度、環境而變化，復雜自然背景下目標的提取與識別是輸電線路狀態檢測的主要技術問題和瓶頸。特別是玻璃絕緣子與陶瓷絕緣子相比較，其光線的反射、折射強，顏色變化大，紋理也受到外界影響呈現非均勻且變化的特點；目前常用采集數據的已達到2400萬像素以上，在安全距離飛行，無人機獲取的數據特點是大背景小目標（見圖1），存在多視角和運動模糊等問題，因此玻璃絕緣子檢測與定位是難點。

圖1　典型多旋翼機航拍圖像

文獻［1-2］中提出了基于HSI模型玻璃絕緣子彩色圖像分割，利用飽和度S分量圖中絕緣子串區域較亮，背景區較暗提取出絕緣子輪廓。文獻［3-4］中則提出了基于RGB模型的絕緣子表面污穢檢測。文獻［5］提出了基于免疫遺傳主動輪廓提取算法用檢測與定位。文獻［6］利用輪廓線內外紋理特征分布的差異來構造能量函數，用以驅動輪廓線的演化，用于提取玻璃絕緣子檢測與定位。文獻［7］利用非下采樣輪廓波變換提取航拍絕緣子圖像邊緣提取與定位，存在復雜度高等問題。

2　寬幅玻璃絕緣子定位

為了更好地實現航拍寬幅玻璃絕緣子圖像的定位，本文采用retinex算法實現圖像預處理，去除光照等影響；通過插值方法，將圖像縮小到原來的十分之一（640×512），以減少背景紋理細節。根據目標與背景的紋理區別，進行對比度拉伸以增強邊緣，再使用高斯濾波，對圖像模糊，然后作差，選定經驗閾值，去掉大部分的背景。根據背景與目標的連通性，采用形態學方法，得到粗定位的絕緣子。然后，映射到原圖像上再進行精確定位。考慮到玻璃絕緣子的透明特性，光照影響顏色變化大，并且形狀隨著拍攝視角的不同而不同，其特征不明顯，采用灰度作為特征，采用雙支持向量機方法進行定位。為了解決樣本不平衡問題，將二分類問題轉化成為多分類問題，通過表決實現玻璃絕緣子的定位。

2.1圖像預處理

在不同時間段，不同氣候、不同天氣情況下，利用無人多旋翼機航拍鐵塔時，成像受到不同光照和天氣（如薄霧天）等的影響，因此必須進行圖像增強，首先將圖像轉化灰度圖像，本文采用了單尺度Retinex算法的圖像增強算法。

Retinex（視網膜（Retina）和大腦皮層（Cortex）的縮寫）是Land等提出的一個關于人類視覺系統如何調節感知到物體的顏色和亮度的模型，詮釋了同樣的物體在不同的光源或光線底下顏色恒定的機理。常用在圖像增強處理。

在對數域中，單尺度Retinex可以表示為：

2.2絕緣子粗定位

在航拍寬幅圖像中，絕緣子目標占的比例較小，容易受到自然環境的影響，絕緣子作為目標，與背景有較明顯的差別。為了提高圖像處理速度，本文將增強后的圖像通過三次樣條插值方法縮小到原來的十分之一（640×512），以減少背景紋理細節，突出邊緣。為了進一步增強絕緣子的邊緣，做了對比度拉伸。

由于背景紋理局部近似均勻，通過高斯濾波模糊后，背景的變化不大，而邊緣變化較大，然后作差，選定經驗閾值，拋掉變換小的那部分背景，如此達到去除背景的目的。

高斯濾波模糊實際上是增強了背景與目標之間的差別，得到的圖像幾乎是關于鐵塔以及絕緣子的圖，為了對絕緣子進行粗定位，需要進一步去掉鐵塔的影響。本文從高斯濾波去背景后，鐵塔與絕緣子像素的連通性出發，采用形態學方法，進一步去掉大部分的鐵塔信息。

高斯濾波器是一類根據高斯函數的形狀來選擇權值的線性平滑濾波器。高斯平滑濾波器對于抑制服從正態分布的噪聲非常有效。高斯濾波克服了傳統濾波相位移動以及設計復雜的缺陷，作為一種時頻面積最小的零相移濾波方法，在信號處理領域得到了廣泛應用。其中，二維零均值高斯函數為：

高斯函數具有幾個重要的性質：

1）高斯函數的單值性。其用鄰域像素的加權均值來代替該點的像素值，而每一鄰域像素點權值是隨該點與中心點的距離單調增減的。

2）二維高斯函數的旋轉對稱性。旋轉對稱性意味著高斯平滑濾波器在后續邊緣檢測中不會偏向任一方向。

3）其傅里葉變換頻譜是單瓣的。意味著平滑圖像不會被不需要的高頻信號所污染，同時保留了大部分所需信號。

圖2　對比度拉伸比較圖

圖3　絕緣子粗定位圖

1）將原圖像的灰度圖像縮放為，然后進行高斯濾波平滑，得到圖像；

3）通過選取適當的閾值，去掉小于閾值部分的背景信息，得到邊緣信息。這里由于目標小，背景復雜，閾值通過自適應得到，拋掉93%信息的值作為閾值。

4）得到目標信息，然后進行圖像形態學操作，最后得到粗定位的絕緣子。

3　絕緣子精確定位

為了對絕緣子精確定位，將粗定位圖的二值圖通過插值方法恢復到原來大小，映射到原圖像上，這樣就可去除大量的非玻璃絕緣子區域，縮小下步基于機器學習的絕緣子檢測與定位的空間，從而提高處理速度。

圖5　傳統SVM與Twin SVM分界面的比較

根據現有的數據，建立非玻璃絕緣子和玻璃絕緣子樣本數據庫，實現二分類器的訓練，但非玻璃絕緣子的樣本數量遠遠大于玻璃絕緣子樣本數量，數據呈現為不平衡，為了提高分類效果，通過同類數據劃分為多個樣本數據集，解決數據不平衡問題，這樣通過集成學習的方式來實現精確定位。

雙支持向量機（Twin Support Vector Machines 簡寫TSVM）是Javadeva等在2007年在GEPSVM 的基礎上提出的一種兩類分類方法。基本思想是對兩類訓練點中的每一類訓練樣本點分別構造一個超平面，使得每一超平面與其中一類訓練點盡可能近，而遠離另一類訓練點。新來的訓練點離哪個超平面的距離近，就被歸為哪一類。傳統支持向量機構造是兩個平行的超平面，但雙聯支持向量機構造的正負類超平面不平行的限制。見圖5。

與支持向量機方法相比，雙聯支持向量機的明顯優點是：

（1）將支持向量機本質的構造平行平面推廣到非平行的情況，得到形式更簡單的最優化問題（凸二次規劃）。

（2）雙聯支持向量機將支持向量機求解的優化問題分解為兩個規模更小的優化問題，從而易于求解，進而計算時間少，其計算復雜度僅為經典SVM 算法的1 /4。

2012年Yuan-Hai Shao是根據雙聯支持向量理論，在PTSVM基礎上提出了最小二乘投影雙支持向量機。與PTSVM的區別是：（1）增加了一個正則項，來確保LSPTSVM的優化問題是正定的，并提高其分類性能，（2）在優化求解上，利用最小二乘線性系統代替了PTSVM采用的QPP，解決了PTSVM在迭代過程中對類內方差矩陣要求非奇異的問題，提高其適應性。

通過化簡和優化可以得到 W1和W2的計算公式，將訓練樣本代入W1和W2的計算公式即可得到其值。對于測試樣本，其標簽的計算如下：

LSPSVM是二分類器，但樣本數量存在不平衡問題，為了提高精度，解決多分類問題，采用集成學習結構，其基分類器是LSPSVM，采用常用的一對一結構和表決機制形成多分類器用于故障預測，見圖6。

圖6　一對一分類結構

對粗定位圖像中的每個子區域，使用模板進行光柵掃描，對得到的每個模板進行特征提取，然后使用LSPTSVM分類，根據預測得到的標簽判定是否是絕緣子區域，實驗結果如圖4：

4　總結

本文針對絕緣子爆裂和缺失，在寬幅航拍圖像如何快速實現玻璃絕緣子的定位是絕緣故障檢測的關鍵。提出一種通過機器學習的絕緣子定位算法。該算法首先通過圖像預處理，消除噪聲的影響，然后利用小目標復雜背景的特性，利用高斯模糊去除了大部分背景，接著采用形態學的方法達到了粗定位，最后針對粗定位的字圖像，進行機器學習的方法，達到了滿意的效果。

［1］ 黃宵寧，張真良.直升機巡檢航拍圖像中絕緣子圖像的提取算法［J］.電網技術，2010 ， 34 （1） ： 194-197. HUANU Xiao-ning， ZHANU Zherrliang. A method to extract insulator image from aerial image of hcli-coptcrpatrol［J］.Power System Technology， 2010，34，（1）：19｝-197.

［2］ 林聚財，韓軍，陳舫明，等.基于彩色圖像的玻璃絕緣子缺陷診斷［J］.電網技術，2011， 35（1）； 127-133. LIN Ju-cai，HAN Jun， CHEN Fang-ming， et al. Defects detection of glass insulator based on color image［J］. Power System Technology， 2011，35（1）：127-133.

［3］ 葛玉敏，李寶樹，趙書濤.基于航拍圖像的絕緣子表面狀態檢測［J］.高壓電器，2010， 46（4）： 65-68. GE Yu-min， Ll Bao-shu，ZHAO Shutao，et al. A method based on aerial images to detect the surface state of insulators［J］.High Voltage Apparatus， 2010，46（4）：65-68.

［4］ Murthy V S， Gupta S， Mohanta D K. Digital image processing approach using combined wavelet hidden Markov model for well-being analysis of insulators［J］. IET Image Processing， 2011，5（2）171-183.

［5］ 方挺，董沖，胡興柳，王彥， 航拍圖像中絕緣子串的輪廓提取和故障檢測， 上海交通大學學報 2013，12（47），1819-1822.

［6］ Qinggang Wu， Jubai An， An Active Contour Model Based on Texture Distribution for Extracting Inhomogeneous Insulators from Aerial Images， IEEE Transactions on Geoscience and Remote Sensing，

［7］ 趙振兵，金思新，劉亞春，基于 NSCT的航拍絕緣子圖像邊緣提取方法，儀 器儀表學報，2012，9（33），2045-2051.

［8］ Land E. Recent advances in Retinex theory and someimplications for cortical computations： Color vision and the natural images ［C］//Proc Natl Acad Sci. USA：［s. n.］， 1983： 5163 -5169.

［9］ 芮義斌，李 鵬，孫錦濤，一種圖像去薄霧方法，計算機應用，2006， 26（1）：154-157

［10］ Yuan-Hai Shao， Nai-Yang Deng， Zhi-Min Yang： Least squares recursive projection twin support vector machine for classification. Pattern Recognition 45（6）：2299-2307 （2012）

Study on aerial image positioning of wide glass insulator

Yang Yu，Li Chen，Yang Shenglan，Zhou Hui
（State Grid Sichuan electric power company maintenance company Chengdu Sichuan，610000）

According to burst and lack of insulator will lead to the transmission line insulation capacity decreased the common fault，in wide aerial image to realize how fast the positioning of the glass insulator is insulation fault detection is the key.A kind of insulator location algorithm based on machine learning is proposed.Transmission line glass insulator strings，the Retinex algorithm and Gaussian filter and morphological filter for image preprocessing and coarse positioning，the establishment of different sample data feature extraction，the binary classification problem into multi class classification problem of ensemble learning，overcome the problem of unbalanced data， achieve precise positioning insulator，for further fault detection laid the good foundation.

insulators；Gauss filter；LSPTSVM

圖4　絕緣子原圖映射圖