基于最大熵的復(fù)合絕緣子表面水珠圖像分割算法研究

王身麗，黃　力，侯金華，方　權(quán)，翁永春，胡　海，王志高，付　裕，覃　喬

(1.國網(wǎng)湖北省電力有限公司檢修公司，湖北 武漢 430050；2. 三峽大學 電氣與新能源學院，湖北 宜昌 443002)

0　引　言

復(fù)合絕緣子具有支撐導(dǎo)地線的作用，同時具有電氣絕緣的功能，但投運時間過久后，容易受到周圍環(huán)境的污染，當在陰雨天時極易導(dǎo)致發(fā)生污閃，很容易引發(fā)線路跳閘。新投運的復(fù)合絕緣子有很好的憎水性，它能使其表面的灰塵難以被水浸潤形成水膜，進而形成污閃通道，從而降低了污閃發(fā)生幾率[1-3]。因此，應(yīng)當重視檢測復(fù)合絕緣子憎水性的。

目前，有文獻利用形態(tài)學算法具有直觀上的簡單性，在濾除噪聲的同時又能保留圖像中原有信息，針對憎水性圖像處理，如何根據(jù)水珠邊緣體征自適應(yīng)的選擇結(jié)構(gòu)元素已成為憎水性圖像處理的一個熱點。模糊算法也是憎水性圖像處理中常用的一個工具，針對圖像中水珠邊緣缺失和水珠陰影等問題，模糊算法能夠較為準確地還原缺失的邊緣，并能將陰影準確劃分到背景中去，還能有效濾除噪聲，因此模糊算法在很多地方都能得到應(yīng)用。基于梯度的邊緣微分檢測是圖像邊緣檢測的常用方法。這種方法操作簡單，運算量小，但是對噪聲敏感，在圖像邊緣產(chǎn)生的響應(yīng)較寬，即檢測到的圖像邊緣區(qū)域可能包含不止一個像素，因此檢測精度不高。小波變換是圖像邊緣提取的另一種常用方法。由于小波變換具有多尺度特性，圖像的每個小波變換都提供了一定的邊緣信息。當尺度較小時，邊緣信息豐富，但定位精度不高；當尺度較大時，定位精度較高，但抗噪性差。因此合理控制尺度在小波變換邊緣提取方面顯得尤為重要。本文對復(fù)合絕緣子噴水霧到形成穩(wěn)定的水珠后進行圖像采集。由于整片絕緣子圖片可以看作是許多小圖片拼接而成，因而可以把復(fù)合絕緣子噴水后的圖片劃分為小圖片進行研究。

1　相關(guān)算法原理

水珠與絕緣子的灰度差較小，水珠對光的反射原理，導(dǎo)致向光的一側(cè)的邊界極為模糊難辨，致使對圖像中水珠識別非常困難，要達到好的識別效果，必須先對圖像進行預(yù)處理[6-7]，然后進行基于最大熵梯度閾值分割。

1.1　色彩模型轉(zhuǎn)換

常用的顏色空間類型有RGB、HSV等。RGB顏色空間模型由紅(R)綠(G)藍(B)3個純基色分量組成，而HSV顏色空間模型則由色度(H)、飽和度(S)、亮度(V)3個分量組成[8-9]，人類對色調(diào)和飽和度的視覺敏感度高。

若 (R，G，B)代表紅、綠、藍某一顏色下的坐標，其取值范圍為0到1之間的實數(shù)。要找到在HSV空間中的(H，S，V)的值，這里的H∈[0，360)，它是角度的色相角，而S，V∈[0，1]分別是圖像的飽和度和亮度，具體的轉(zhuǎn)換公式如下：

Ymax=max(R,G,B)

(1)

Ymin=min(R,G,B)

(2)

當R=Ymax時，

H=(G-B)/(Ymax-Ymin)

(3)

當G=Ymax時，

H=2+(B-R)/(Ymax-Ymin)

(4)

當B=Ymax時，

H=4+(R-G)/(Ymax-Ymin)

(5)

得到H值后，然后對H進行判斷，若H=H×60后，H<0則H=H+360。

V=max(R,G,B)

(6)

S=(Ymax-Ymin)/Ymax

(7)

1.2　基于最大熵法求閾值

本文應(yīng)用了最大熵法[10]，設(shè)圖像分割閾值為t，其算法原理如下：

(8)

令T是{0，1，2，…t}的灰度分布值，B是{t+1，t+2，…L-1}的灰度分布值，則其概率分布為：

(9)

(10)

式中：

(11)

則這兩個概率密度相關(guān)熵為：

(12)

(13)

定義函數(shù)φ(t)為H(T)和H(B)的和，則有φ(t)=H(T)+H(B)。求出φ(t)最大時的灰度級t即為所求的最佳分割閾值。

1.3　數(shù)學形態(tài)學修正

數(shù)學形態(tài)學應(yīng)用在二值圖像中的基本運算有：膨脹、腐蝕、開啟和閉合。膨脹運算是指將一定圖像的像素添加到圖像中對象的邊緣處，是可以填補目標對象中的空洞。而腐蝕是刪減目標對象的邊緣輪廓，它又可以用來消滅圖像中小的噪聲干擾。對二值圖像先腐蝕后膨脹叫開啟運算，順序相反為閉合運算。

在數(shù)學中，膨脹的運算符為⊕，用B對A進行膨脹可以記為A⊕B，其定義為：

(14)

設(shè)A表示一個包含子集的集合，其子集的元素都是區(qū)域的8連同邊界點。區(qū)域填充的目的是開始于邊界內(nèi)的某點，把二值圖像中的1值擴散到整個圖像區(qū)域，通常來說，所有二值圖像中背景部分的點可以令它的值為0，那么可將1賦給p開始運算。式(15)描述將1值填充到整個區(qū)域中。

Xk=(Xk-1⊕B)∩Ac，k=1，2，3，…

(15)

其中，X0=p。如果Xk=Xk-1，則該算法在迭代的第k步立即結(jié)束。所以Xk∪A的結(jié)果就是被填充的集合和目標圖像的邊界區(qū)域。在數(shù)學中，定義腐蝕的運算符為Θ，用B對A進行腐蝕可以記為AΘB，其定義為：

AΘB={x|(B)x?A}

(16)

表明用B集合腐蝕的過程就是對B集合進行平移運算x，結(jié)果是所有x的集合，即B集合平移x后仍在A集合中。

2　算法及算例

為了成功提取出復(fù)合絕緣子憎水性水珠圖像，本文算法具體步驟如下：

(1)將圖片由RGB轉(zhuǎn)換到HSV，并提取出亮度(V)分量；

(2)對亮度(V)分量圖像調(diào)整對比度；

(3)對亮度(V)分量圖像進行基于sobel算子的線性空間濾波的梯度運算，得到梯度圖像；

(4)對梯度圖像進行自適應(yīng)直方圖均衡化，得到新的梯度圖像；

(5)用最大熵法計算出新的梯度圖像的分割閾值t；

(6)然后對新的梯度圖像采用canny算子在閾值范圍為[(t/256)/2，t/256)]時進行邊緣識別，并用修正算法刪掉小水珠邊緣、偽邊緣以及非水珠處產(chǎn)生的噪聲邊緣；

(7)對得到較大水珠的邊緣圖像進行數(shù)學形態(tài)學運算。先用菱形結(jié)構(gòu)元素對檢測出的圖像進行膨脹操作(菱形結(jié)構(gòu)元素的長度大小設(shè)為2)，然后對二值圖像進行區(qū)域填洞操作，最后用十字形結(jié)構(gòu)元素對圖像進行腐蝕操作(十字形結(jié)構(gòu)元素的長度大小設(shè)為2)。

原圖如圖1所示，直方圖均衡化后的梯度圖像如圖2所示，梯度圖像的邊緣圖像如圖3所示，最終結(jié)果如圖4所示。其中(a)和(b)分別代表兩幅不同的憎水性水珠圖片。

圖1　原圖

圖2　梯度圖

圖3　邊緣圖

圖4　結(jié)果圖

3　總　結(jié)

后續(xù)復(fù)合絕緣子憎水性等級判定的關(guān)鍵在于水珠形狀提取。本文先對RGB圖像轉(zhuǎn)化為HSV圖像，提取出圖像的亮度(V)分量，然后對亮度(V)分量圖像進行梯度運算，并對梯度圖自適應(yīng)直方圖均衡化增強邊緣效果，進而基于最大熵方法對梯度圖進行自動閾值分割，得到初始水珠邊緣圖像，并刪除初始邊緣圖像中的細小處，最后運用膨脹、填洞、腐蝕的方法處理水珠邊緣圖像，最終提取出水珠圖像。這種做法比較適合圖片較小的絕緣子圖像，對于整片圖片可以劃分為小圖片后，再進行絕緣子憎水性圖像水珠提取，最后拼接在一起，得到整片絕緣子的水珠圖像。因此，本文提供了一種復(fù)合絕緣子憎水性水珠圖像提取算法。

參考文獻：

[1]高海峰，王永福，朱可能，賈志東.憎水性對線路絕緣子耐污閃特性影響的試驗分析[J].高電壓技術(shù)，2011，(2)：284-289.

[2]冉松懷.變電站預(yù)防污閃的技術(shù)措施[J].西北電力技術(shù)2004，(4)：152-153+7.

[3]梁志豪.絕緣子污閃的形成機理及預(yù)防措施[J].廣東電力，2013，(6)：87-92.

[4]黃成才，李永剛.復(fù)合絕緣子老化狀態(tài)評估方法研究綜述[J].電力建設(shè)，2014，(9)：28-34.

[5]賀含峰，陳洪波，白歡，等.復(fù)合絕緣子憎水性檢測技術(shù)研究進展[J].四川電力技術(shù)，2013，(2)：63-68+76.

[6]周彬，孫毅，祁兵.硅橡膠復(fù)合絕緣子憎水性圖像分割算法[J].安徽電氣工程職業(yè)技術(shù)學院學報，2008，(1)：19-22.

[7]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，(1)：47-51.

[8]文山，李葆青.圖像的色彩空間研究[J].六盤水師范高等專科學校學報，2005，(6)：15-18.

[9]徐光明.顏色空間在彩色圖像增強中的應(yīng)用分析[J].電腦知識與技術(shù)，2011，(25)：6207-6208.

[10] 于利云，姜桂祥.基于最大模糊總熵準則自動選擇灰度圖像分割的最優(yōu)閾值[J].上海海運學院學報，2003，(2)：162-167.