CN101593274A - 基于纹理的输电线路设备特征提取方法 - Google Patents

Abstract

本发明公开一种基于纹理的输电线路设备特征提取方法，包括如下步骤：(1)获取输电线设备的图像信息，并采用图片获取函数将图像等分，逐个得到等分图像的信息；(2)根据前述图像信息，利用灰度共生矩阵函数计算图像相应的灰度共生矩阵，作为计算纹理函数的输入；(3)计算纹理函数根据前述灰度共生矩阵和原始图像的灰度信息计算纹理特征值，根据8个纹理特征量的计算公式得到它们的特征值；(4)将等分图像的特征量组成一组特征量序列，遍历序列查找特征量突变点，确定发生特征量突变的位置，与该特征量对应的等分图像处即为输电线设备的故障点。此方法可方便确定和区分输电线设备的状态和好坏，检修效率高，保证输电线路的安全性和稳定性。

Description

基于纹理的输电线路设备特征提取方法

技术领域

本发明涉及输电线设备特征提取，尤其涉及输电线设备纹理特征的提取。

背景技术

纹理又称结构，反映的是亮度(灰度)的空间变化情况，它有三个主要标志：首先是它具有某种局部的序列性并在比该序列更大的区域内不断重复；其次，序列是由基本部分非随机排列组成的；最后，各部分大致都是均匀的统一体，在纹理区域内的任何地方都有大致相同的结构尺寸。这个序列的基本部分通常被称为纹理基元。因此可以认为纹理是由纹理基元按照某种确定性的规律或者某种统计规律排列组成的，前者称为确定性纹理，后者称为随机性纹理。高压输电线及部件图像中的纹理既有确定纹理，又有随机性纹理。

图像的纹理有细微纹理、中等纹理和宏观纹理三级尺度：

(1)细微纹理是以分辨单元为尺度表示的空间色调变化，与分辨单元的大小和分辨单元内的独立样本数多少有关。因此这是一种固有的纹理特征，具有随机特征。这与另外两种空间有机分布的纹理不同，一般不能根据它来识别面目标的类型。

(2)中等纹理实际是细微纹理的包络，它是由同一种目标的若干分辨单元空间排列的不均匀性，以及不同目标的细微纹理所占分辨单元的个数形成的，即以多个分辨单元为尺度来表示空间色调变化。中等纹理是借以辨别面目标的重要信息之一，也是识别目标的主要依据。

(3)宏观纹理实际就是地形结构。它反映高压输电线图像的背景，是地形地貌的结构特征。

纹理作为一种区域特征，是对于图像各像元之间空间分布的一种描述。由于纹理能充分利用图像信息，无论从理论上或常识出发它都可以成为描述与识别图像的重要依据，与其它图像特征相比，它能更好地兼顾图像宏观性质与细微结构两个方面，因此纹理成为目标识别需要提取的重要特征。计算纹理要选择一个窗口，仅一个点是没有纹理而言的，所以纹理是二维的。

纹理分析方法基本上可分为统计方法、结构方法和谱方法三大类。统计方法主要描述纹理单元或局部模式随机分布和空间统计特征，其结构性用图像中纹理单元的空间频率或密度来度量，如灰度共生矩阵纹理分析方法、随机场模型法；结构方法主要描述纹理单元及其周期性排列的空间几何特征和排列规则，如形态学、图论、拓扑等方法；谱方法是建立在多尺度分析与时频分析基础之上的纹理分析方法，如Gabor变换、小波变换、分形学等。

灰度共生矩阵纹理分析方法可以描述影像各像元灰度的空间分布和结构特征，它作为传统的影像纹理分析方法已广泛应用于数字图像处理的许多领域，尤其是利用影像纹理特征值所表征的图像空间结构信息来改善遥感图像的地学目标分类效果。

基于灰度共生矩阵的纹理分析方法：一幅图像或图像上某一个子区域的灰度共生矩阵(Gray Level Co-occurrence Matrix)描述的是以一定距离d和一定角度θ分开的两个像元，灰度值一个为i，一个为j(i j＝0，1，…，N；N为所考查图像区域内灰度的最大值)的概率P_δ(i，j)。θ可取0°、45°、90°、135°，表示两个像元分开的角度。灰度共生矩阵是一个N×N的方阵，图像纹理特征表示的是由灰度共生矩阵计算出来的一系列特征量来表达，这些特征量主要分为：

基于统计的特征：均值，变化量，角二阶矩(能量)

表达可视纹理的特征：局部平稳，对比度(惯性矩)，非相似性

基于信息理论的特征：熵

基于相关度的特征：相关性

(1)均值(Mean) $\mathrm{MEA}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}i\·P_{\mathrm{\δ}}(i,j)$

局部窗口内灰度的均值。

(2)变化量(Variance) $\mathrm{VAR}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{P}_{\mathrm{\δ}}(i,j)\·{(i-\mathrm{MEA})}^2$

局部窗口的灰度变化，变化越大，则值越大。

(3)角二阶矩(Angular Second Moment) $\mathrm{ASM}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{P}_{\mathrm{\δ}}{(i,j)}^2$

局部平稳性的度量，角二阶矩越大，则P_δ(i，j)分布越不均匀。

(4)局部平稳(Homogeneity) $\mathrm{HOM}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{P}_{\mathrm{\δ}}(i,j)/[1+{(i-j)}^2]$

衡量局部同质性，当共生矩阵沿对角线集中时，值较大。

(5)对比度(Contrast) $\mathrm{CON}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{(i-j)}^2\·P_{\mathrm{\δ}}(i,j)$

量测变化大小，局部变化大，即对比度变化大，值就大。

(6)非相似性(Dissimilarity) $\mathrm{DIS}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|i-j|\·P_{\mathrm{\δ}}(i,j)$

量度相似性，与对比度相同，局部高对比变化时，值就大。

(7)熵(Entropy) $\mathrm{ENT}=-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{P}_{\mathrm{\δ}}(i,j)\·\log P_{\mathrm{\δ}}(i,j)$

衡量复杂度，按最大熵理论，熵越大，则P_δ(i，j)分布越均匀。

(8)相关(Correlation) $\mathrm{COR}=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}(i-{\mathrm{\μ}}_x)\·(j-{\mathrm{\μ}}_y)\·P_{\mathrm{\δ}}(i,j)/{\mathrm{\σ}}_x{\mathrm{\σ}}_y$

衡量邻域灰度线性依赖性。其中：

${\mathrm{\μ}}_x=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}i\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{P}_{\mathrm{\δ}}(i,j)$ ${\mathrm{\μ}}_y=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}j\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{P}_{\mathrm{\δ}}(i,j)$

${\mathrm{\σ}}_x=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(i-{\mathrm{\μ}}_x)}^2\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{P}_{\mathrm{\δ}}(i,j)$ ${\mathrm{\σ}}_y=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{(j-{\mathrm{\μ}}_y)}^2\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{P}_{\mathrm{\δ}}(i,j)$

目前随着城市化的发展和用电量的增加，输电线路纵横交错，特别是一些高压线路，由于其始终暴露在室外，受到外界环境和恶劣天气的影响，容易老化和损伤，当其出现破损时，极容易因漏电而发生事故，危害周围居民的人身安全。目前的输电线路大都采用分级配电的方式，当一条输电线路发生故障而断路时，可使用其它的线路进行供电，保证输电线路的畅通，然后维修人员查找故障，更换输电线，然而，由于现今的输电线路一般距离较长，维修人员需要对每段都进行检修，排除故障，而且很容易遗漏故障处而造成返工，维修效率极低，且损伤的输电线暴露在外，当行人或车辆在附近走过，很容易引起触电，安全性较低。

有鉴于上述分析，本发明人借鉴目前纹理的相关理论和研究，在输电线的故障检修中进行结合和试验，本案由此产生。

发明内容

本发明的主要目的，在于提供一种基于纹理的输电线路设备特征提取方法，其可方便确定和区分输电线设备的状态和好坏，检修效率高，保证输电线路的安全性和稳定性。

为了达成上述目的，本发明的解决方案是：

一种基于纹理的输电线路设备特征提取方法，包括如下步骤：(1)获取输电线设备的图像信息，并采用图片获取函数将图像等分，逐个得到等分图像的信息；(2)根据前述图像信息，利用灰度共生矩阵函数计算图像相应的灰度共生矩阵，作为计算纹理函数的输入；(3)计算纹理函数根据前述灰度共生矩阵和原始图像的灰度信息计算纹理特征值，根据8个纹理特征量的计算公式得到它们的特征值，此处8个纹理特征量为角二阶矩、熵、非相似性、变化量、均值、局部平稳、对比度和相关性；(4)将等分图像的特征量组成一组特征量序列，遍历序列查找特征量突变点，确定发生特征量突变的位置，与该特征量对应的等分图像处即为输电线设备的故障点。

上述步骤(1)中，等分图像采用16×16的窗口大小。

上述步骤(2)中，两个像元间的距离为5，夹角为0°。

采用上述方法后，本发明采用纹理特征作为输电线设备的特征量，其原理如下：

图像的纹理特征具有表示和度量图像像素集合内部组织结构特征，通过8种特征参量来测量和描述图像中像素集合内部结构化程度，它们是均值，变化量，角二阶矩(能量)，局部平稳，对比度(惯性矩)，非相似性，熵和相关性。输电线设备和缺陷都有各自的纹理特征，而且在相同的环境和相同的拍摄条件下，它们的纹理特征值都会有所不同。本发明利用了纹理特征在待识别对象和连续对象内部分块的纹理差异，来作为这些对象的特征量。

图像的特征有许多种，如灰度特征，RGB特征，图像的HSI特征，连通区域特征，边界特征，纹理特征等等，总的来说可以把图像的特征归纳为两大类，第一类为基于像素值大小的特征，也就是亮度大小的特征，第二类为基于像素间关系的特征。由于输电线设备的图像来源是取自自然环境下，户外拍摄。因此，图像受光强，成像特点以及实地环境等多方面的影响，使得基于像素值大小的特征在描述图像中各个对象上受到很大的干扰和影响，不利于后期的识别工作。而纹理特征在这种情况下，受到的影响相对小很多，即图像的纹理结构特点受图像整体明亮度的干扰相对小很多。

对于导线，绝缘子，防震锤等输电线设备来说，它们的纹理是很有规律的，如果其中有一处缺损或者有异物，那么这时候纹理的特征值会发生明显的变化。然后，那些基于明亮度的特征由于受到环境和光强的影响，往往会造成识别上的误差和不准确，因此，用纹理来作为输电线设备的特征量是有实际和理论依据的。

本发明通过使用一组输电线设备的纹理特征量，对图像中的输电线路以及各种部件进行特征描述，对于各个部件的缺损、腐蚀、异物等缺陷问题能够很好地表达出来，并且与正常部件的纹理特征量存在明显差异，从而轻易确定和区分输电线设备的状态和好坏，检修简捷，工作效率高。

附图说明

图1是本发明中特征提取算法的基本流程示意图；

图2是本发明的流程示意图。

具体实施方式

以下结合附图及具体实施例对本发明的原理及具体内容进行详细说明。

首先参考图2所示，是本发明一种基于纹理的输电线路设备特征提取方法的实施流程图，包括以下步骤：

(1)获取输电线设备的图像信息，并采用图片获取函数将图像等分，逐个得到等分图像的信息；图像的大小(也即后续计算纹理所用窗口的大小)会直接影响纹理计算的精细度，窗口的大小决定局部纹理信息的精确度，在经多次试验后，本实施例中采用16×16的窗口大小；

(2)根据前述图像信息，利用灰度共生矩阵函数计算图像相应的灰度共生矩阵，作为计算纹理函数的输入；在灰度共生矩阵的描述对象中，像元间距离及像元间夹角角度也会影响纹理计算的精细度，像元距离决定局部纹理信息的精确度，夹角则主要决定纹理的走向，经进一步研究发现，在等分窗口为16×16的前提下，分别选择不同的距离d(d＝1，d＝3，d＝5)和不同的方向θ(0°，45°，90°，135°)进行试验，从试验结果看，当d＝5时，水平方向为0°时的效果最好；

(3)计算纹理函数根据前述灰度共生矩阵和原始图像的灰度信息计算纹理特征值，根据8个纹理特征量的计算公式得到它们的特征值，此处8个纹理特征量为角二阶矩、熵、非相似性、变化量、均值、局部平稳、对比度和相关性；

根据前述分析，在连续的输电线设备的各种特征量序列中，如果存在缺陷，那么该处的一个或几个特征量会发生突变，与序列中前后的特征量产生明显的差异，这些特征量就是此输电线设备的识别特征量。总结出输电线设备与8个纹理特征量之间的对应关系，换句话说，某些特征量可以显示出所对应输电线设备的状态与好坏。其中，1为均值，2为变化量，3为角二阶矩(能量)，4为局部平稳，5为对比度(惯性矩)，6为非相似性，7为熵，8为相关性。对应表如表1所示。

表1  输电线设备特征量与纹理特征值对应表

(4)将等分图像的特征量组成一组特征量序列，参考图1所示，遍历序列查找特征量突变点，确定发生特征量突变的位置，与该特征量对应的等分图像处即为输电线设备的故障点。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (3)

1、一种基于纹理的输电线路设备特征提取方法，其特征在于包括如下步骤：

(1)获取输电线设备的图像信息，并采用图片获取函数将图像等分，逐个得到等分图像的信息；

(2)根据前述图像信息，利用灰度共生矩阵函数计算图像相应的灰度共生矩阵，作为计算纹理函数的输入；

(3)计算纹理函数根据前述灰度共生矩阵和原始图像的灰度信息计算纹理特征值，根据8个纹理特征量的计算公式得到它们的特征值，此处8个纹理特征量为角二阶矩、熵、非相似性、变化量、均值、局部平稳、对比度和相关性；

(4)将等分图像的特征量组成一组特征量序列，遍历序列查找特征量突变点，确定发生特征量突变的位置，与该特征量对应的等分图像处即为输电线设备的故障点。

2、如权利要求1所述的基于纹理的输电线路设备特征提取方法，其特征在于：所述步骤(1)中，等分图像采用16×16的窗口大小。

3、如权利要求1所述的基于纹理的输电线路设备特征提取方法，其特征在于：所述步骤(2)中，两个像元间距离为5，夹角为0°。

Images