基于红外图像的绝缘子高温区域特征研究

来源:用户上传      作者:

　　摘要：绝缘子故障会引起表面温度的上升，造成局部区域高温。因此，准确识别绝缘子的高温区域是故障检测的有效途径。本文提出了基于灰度共生矩阵的绝缘子高温特征提取方法。红外图像经过图像分割后，提取纹理特征，选取能量、熵、惯性矩和相关性作为特征值。试验结果验证该方法准确性高，可为绝缘子高温区域的识别提供参考。
　　关键词：红外图像；绝缘子；高温；灰度共生矩阵
　　中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2019）01-0104-02
　　针对绝缘子的故障检测问题，在国内，已有不少对零值识别模型的研究。关石磊等人提出相对温度特征与BP神经网络结合的方法，利用单因素方差分析法筛选出对模型结果影响显著的特征参数，测试结果表明该模型确实有效，对于今后的研究很有借鉴价值[1]；张彦等人提出一种Logistic回归分析法，从13个纹理特征中筛选模型输入，再结合污秽等级完成对零值情况的判别[2]。但是，对绝缘子高温检测的研究相对较少，只停留在对其异常发热现象的探讨，没有形成系统的识别方法或抑制发热的措施。但纵观各类故障，除了零值现象，其他基本都会引起发热，所以急需一种方法识别高温绝缘子。绝缘子表面温升与电压分布密切相关，正常电压分布破坏会导致局部温度异常[3]。
　　一、绝缘子红外图像预处理
　　红外图像为基于RGB颜色空间的彩色图像，为了降低数据量，提高计算速度，将RGB彩色图像按照式（1）转化为灰度图像[4]，以减少数据维数。
　　Gray=0.299R+0.587G+0.114B （1）
　　式中，Gray为灰度转化后各像素点的灰度值，R、G、B分别为红色、绿色和蓝色分量值。
　　二、绝缘子高温特征的提取
　　为了能够准确识别红外图像中绝缘子的高温区域，高温特征提取是关键。
　　（一）迭代式阈值分割
　　选取一个合适的初始阈值，代入迭代计算公式中得出一个新阈值，通过新旧比较，若两者差值不在误差范围内，则需将新阈值代回算式重新计算，更新阈值需要符合两点：第一点迭代结果要能迅速收敛，第二点是在每一次迭代后，新阈值的分割准确度要比旧阈值的分割准确度高，直到满足要求。算法步骤如下。
　　S1：取一个初始阈值，一般选用灰度中值。
　　S2：采用阈值Ti将整幅图分成两个部分（Q1和Q2），再计算两部分的灰度平均值μ1和μ2：
　　（二）图像纹理特征提取
　　绝缘子高温区域与正常区域有較大温差，在图像中表现为两个亮度值对比明显的区域。因此，将两部分的边界信息作为分类、识别的参数。本文利用灰度共生矩阵对边界信息的灵敏性，对绝缘子红外图形进行纹理提取。
　　三、实验结果
　　为了使输入数据之间的数值差距减小，本文统一选取上述四个特征的标准差，对多个红外样本进行实验，提取后的结果示例参见表1。
　　四、结论
　　本文采用灰度共生矩阵和纹理特征进行绝缘子红外图像中高温区域的特征研究。采用迭代阈值选择方法来确定合适的阈值，再通过灰度共生矩阵描述分割区域内的每个像素，计算能量、熵、惯性矩、相关性作为纹理特征值。在多张红外样本上进行实验，结果表明，本文提出的方法能够体现绝缘子的高温特征，证明了该方法的正确性和可靠性，可作为电力系统中异常高温绝缘子识别的参考。
　　参考文献：
　　[1]关石磊.基于红外热像的零值绝缘子识别方法研究[D].湖南大学，2012.
　　[2]张彦.高压输电线路绝缘子红外监测方法的研究[D].湖南大学，2013.
　　[3]金光熙，高压绝缘子串分布及其表面温升的理论研究[J].北华大学学报，2011，6（12）：733-736.
　　[4]李文杰，姚建刚，毛李帆，等.基于中值滤波法及小波自适应扩散法的绝缘子红外热像去噪[J].电网技术，2010，34（8）：160-164.
　　[5]徐劼.基于神经网络和不变矩的绝缘子裂纹类型识别[D].江苏大学，2008.
转载注明来源:https://www.xzbu.com/9/view-15332140.htm