基于圖像處理的保護壓板定位及狀態識別研究

呂志寧 寧柏鋒 周子強

摘要：本文針對現有的保護壓板識別技術對采集圖像角度及識別精度不高缺點，提出一種圖像處理技術可快速定位壓板位置區域，并可準確對壓板類型進行分類識別。

關鍵詞：保護壓板；仿射變換；HOG特征；SVM分類器

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1007-9416（2018）06-0082-02

1 引言

保護壓板作為電力運行系統中電路保護裝置，對電力運行安全起到重要作用。由于一次巡檢過程中壓板數量較多，采用人工巡檢極易造成視覺疲勞，造成誤檢或者漏檢[1-3]。文獻[4]通過對壓板圖像進行二值化處理，通過統計圖像指定位置處的黑色像素值個數及位置信息，進行壓板狀態識別。

以上壓板識別技術存在的問題：（1）壓板圖像要求正面垂直拍攝，對不同角度拍攝的壓板圖像無法準確定位到壓板區域，魯棒性不高。（2）壓板圖像需要在光照均勻的情況下進行采集，保證圖像清晰度，容易受光照變化造成誤檢，魯棒性不高。

針對以上算法的缺點，本文提出一種輪廓檢測定位算法可以快速定位到壓板區域，并通過仿射變換技術對變形的壓板圖像進行變換，得到校正后的壓板圖像，保證在不同角度拍攝下都能夠準確定位的目標。并通過分類器進行模型訓練，通過訓練出的分類模型對壓板圖像進行分類識別。

2 基本理論

2.1 方向梯度直方圖

方向梯度直方圖是一種在計算機視覺和圖像處理中用來進行物體檢測的特征描述子。它通過計算和統計圖像局部區域的梯度方向直方圖來構成特征。

2.2 SVM分類器

支持向量機是一種有堅實理論基礎的新穎的小樣本學習方法。從本質上看，它避開了從歸納到演繹的傳統過程，實現了高效的從訓練樣本到預報樣本的“轉導推理”，大大簡化了通常的分類和回歸等問題。

待分類的樣本x的類別依據f（x）的值的進行判定，若f（x）=+1，則樣本x的類別為正樣本，反之則為負樣本。

3 壓板定位與校正

定位與校正步驟如：（1）對原始圖像進行灰度化處理，并通過均值濾波去除噪聲影響。（2）將去噪后的圖像通過OTSU自適應閾值分割算法獲取二值化圖像（只存在0，255兩種像素值）；通過分析二值化圖像特點，存在許多孤立的非壓板區域點，采用以下算法流程去除這些孤立點。1）遍歷圖像中每個像素點，判斷像素值是否為255（白色）；2）若此點像素值為255，則讀取該像素值上下左右相鄰的四個像素值，若四個點像素值全部為255，則保留此點，反之則去除此點。（3）對去除孤立點后的二值化壓板圖像，采用形態學膨脹算法進行膨脹運算，增加壓板區域輪廓的完整性。（4）通過輪廓檢測算法檢測出圖像中所有輪廓信息，獲得其中面積最大的輪廓區域，即定位出壓板區域；根據輪廓信息從而定位出壓板區域的四個角點。（5）通過四個角點，根據仿射變換算法進行仿射變換，得到變換后的壓板圖像。

4 壓板識別

通過前期收集不同種類壓板圖像，并將每個壓板開關圖像切割成獨立壓板開關圖像，并根據開關狀態分成“投”“退”兩類。基于hog特征的SVM分類器訓練流程：

（1）對每張圖像統一變換為同一大小的樣本圖像作為訓練樣本圖像；（2）對每張圖片先通過sobel算子作為邊緣檢測算法提取邊緣圖像，再將此圖像灰度化后作為輸入圖像；（3）提取每個圖像的Hog特征，并通過svm分類器進行訓練，訓練出“投”“退”兩種狀態二分類器；（4）此處先通過Sobel獲得邊緣圖像，可以突出壓板圖像中開關的邊緣信息，再提取Hog特征，作為分類器訓練的特征，這樣可以獲得魯棒性更高的分類器。

5 實驗效果與分析

通過采集同種類別的100幅壓板圖像，通過采用全文文獻中的算法與本文算法進行比較，比較結果如表1所示。

6 結語

通過采用基于OTSU自動閾值分割與噪點去除算法并結合圖像形態學算法，可準確定位到壓板圖像中感興趣區域，并通過輪廓定位算法，結合仿射變換技術自動校正壓圖像，使得壓板圖像經校正后可以準確定位到每個開關位置；通過采用SVM分類器，作為壓板分類判斷，并在訓練過程中通過先獲取圖像的Sobel邊緣圖像作為訓練圖像樣本，提高分類器的分類準確率。

參考文獻

[1]喬成銀，李濤，陳波，等.一起溝通三跳壓板誤投造成保護誤動作分析[J].電子設計工程，2013，（20）：169-171.

[2]汪洪明，楊妮娜.二次壓板操作的安全措施與防范探討[J].電力系統保護與控制，2007，（2）：76-78.

[3]劉建明.探討母線分列運行時壓板的投退問題[J].廣東電力，2009，（07）：71-74.

[4]任俊杰，蔣嵐.電力系統繼電保護壓板圖像識別系統[J].北京聯合大學學報，2004，（2）：60-64.

Abstract：In this paper， an image processing technology can quickly locate the position area of the press plate and classify the type of the press plate accurately in view of the shortcomings of the existing protection plate recognition technology for the acquisition of image angle and recognition accuracy.

Key words：protection platen； affine transformation； HOG feature； SVM classifier