基于紅外圖像識別的輸電線路故障診斷

【摘?要】輸電線路在長期運行中由于表面老化、自然災害及人為損傷等因素，會導致斷股以至于斷線故障，此類故障的前期常伴隨有局部放電、局部溫升增高等現象。紅外熱成像技術可檢測輸電線路溫升變化，能提前預知線路將會出現的故障，為電網診斷提供依據。

【關鍵詞】紅外圖像識別;輸電線路;故障診斷

1圖像高溫區域提取原理

獲取紅外圖像過程中，由于受到電子熱噪聲的影響和信道傳輸的錯誤，圖像中會出現椒鹽噪聲、脈沖噪聲及其它類型的噪聲。高壓輸電線路紅外圖像有邊緣模糊、空間域上受背景噪聲污染大等特點。采用正確的濾波方法可以有效降低圖像空間域背景對目標的干擾，梯度法就能比較直觀地反映圖像的顏色變化。本文基于MATLAB平臺，采用改進的中值濾波和梯度法提取圖像的高溫區域。本文選用FLIR的A40-M拍攝了大量的模擬輸電線路故障紅外圖像，其中包含斷股、連接處故障等，并選擇斷股為研究對象驗證本文方法。

1.1HSI顏色空間變換

本文在提取圖像目標時，先將輸電線路紅外圖像轉換到HSI顏色空間（H：色調;S：飽和度;I：亮度）進行處理。以紅外圖像中的溫度最高區域為目標，其反映在HSI顏色空間S分量上為一塊黑色區域，與周圍的顏色差別比較大，有利于后期基于梯度法的目標區域識別。由于HSI色彩空間和RGB色彩空間只是同一物理量的不同表示法，所以可以通過RGB空間分量獲取HSI空間分量的值，其轉換公式為

式中：H、S、I分別為HSI3種分量，根據公式（1）、（2）、（3）可以將紅外圖像的RGB顏色空間轉換到HSI空間，轉換后紅外圖像的最亮點在HSI空間分量中的S圖中表現為黑色。

1.2圖像噪聲處理

針對紅外圖像高背景、低反差的特點和HSI空間顏色的特征，在對其進行噪聲處理時，先保證圖像尖銳的邊緣，然后祛除背景噪聲對目標提取的影響。為了避免一般的中值濾波可能因排序取中值而破壞結構和空間的領域信息，本文提出了改進型的中值濾波方法：

①假設輸入圖像矩陣為P，大小為m×n，在P中取出一個任意正方形矩陣（大小為I×I，），I∈[1，2，…，mIn（m，n）]，此處I不宜取得過大或者過小，I取小了濾除噪聲效果不明顯，過大雖然會更好地濾除噪聲，但會使邊界模糊。將大小為I×I的矩陣定義為C。

②取出C矩陣的第一行組成新的行向量e，將C內除e以外的其它行與行向量e組成一個新的行向量b，并求出b向量的中值f。

③將中值f賦給模板中心元素，未被賦值的元素則取原值。

1.3梯度法高溫區域定位

梯度是一種行之有效的邊緣檢測方法。圖像中不同區域灰度會發生變化，特別是邊緣區域變化明顯，這種變化可以通過灰度梯度表示。梯度的正負反映其邊緣的走勢，相當于方向。因上面得到的圖像有可能背景有很多弱的干擾，其對圖像目標識別沒有影響，但是影響整個梯度圖的美觀，所以本文采用簡單的直方圖增強，對預處理后的圖像進行簡單的圖像增強，即可得到背景簡單的灰度圖，從而有利于后期目標的提取。對處理后的灰度圖求梯度，可獲取圖像灰度值顯著變化的地方即目標的邊緣。圖像梯度可以把圖像看成二維離散函數，梯度其實就是這個二維離散函數的求導，在標量場f中的一點處存在一個矢量G，該矢量方向為f在該點處變化率最大的方向，其模也等于這個最大變化率的數值，則矢量G稱為標量場f的梯度。二維圖像f（x，y）的梯度為

對于離散的圖像信息，

利用上述的梯度法對紅外圖像中的高溫區域進行有效定位，實現輸電線路高溫故障點的診斷。

2高溫區域提取流程圖

本文對紅外圖像處理的流程如下：①將紅外圖像從RGB顏色空間轉變成HSI顏色空間;②對轉換后的圖像采用改進的中值濾波，去除噪聲;③對濾波處理后的圖像求梯度，并對不連續的梯度圖進行簡單的后期處理，即可得到溫度最高區域的邊緣。

3結果分析

從圖2中可看出，待分解的目標區域邊緣比背景干擾區域邊緣處的顏色反差明顯。通過本文提出的算法，對圖像進行預處理去除噪聲，再利用梯度法獲取圖像溫度變化的邊緣區域，其高溫區域平面視角圖見圖3。

從圖3中可見，梯度法可以提取目標區域邊緣，即目標區域。上述實驗可得，基于梯度法對處理后的紅外輸電線圖像進行高溫區域定位，可以直觀地反映出目標邊緣信息，有利于后期的目標提取。通過與原圖對比可知，梯度圖中提取出來的目標區域即為原圖中溫度最高的區域。本文對多個樣本進行反復測試，驗證了本方法用于輸電線紅外圖高溫區域識別的可行性。

4結語

本文以模擬輸電線路的紅外圖像為對象，通過在HSI顏色空間中對紅外圖像分析，進行去噪等預處理，采用改進的中值濾波在空間域有效地降低了圖像的高頻噪聲，同時有效提高了圖像的邊緣對比度，在此基礎上基于梯度法獲取紅外圖像溫度最高區域的邊緣信息，為高壓輸電線路的紅外圖像目標識別以及輸電線路的紅外故障診斷提供了條件和技術基礎。

參考文獻：

[1]張文峰，彭向陽，陳銳民，等.基于無人機紅外視頻的輸電線路發熱缺陷智能診斷技術[J].電網技術，2014.

[2]井金劍，翟春艷，李書臣，等.基于紅外圖像識別的電氣設備故障診斷[J].電子設計工程，2014.

作者簡介：

趙海龍（1987.08-），男，寧夏吳忠人，西北政法大學，法律專業，本科，工程師，技師，單位：國網寧夏電力有限公司吳忠供電公司，研究方向：輸電線路運行維護及檢修。

（作者單位：國網寧夏電力有限公司吳忠供電公司）