CN102508110B - 基于纹理的绝缘子缺陷诊断方法 - Google Patents

Abstract

本发明涉及一种基于纹理的绝缘子缺陷诊断的方法。本发明以直升机巡检高压输电线路过程中采集的可见光图像为处理目标，基于可见光图像绝缘子缺陷诊断。其操作步骤为：输入绝缘子图像，灰度化，求得外接矩形并旋转，GLCM法，分块，纹理特征，Gabor滤波，分块，块均值方差，特征融合，阈值判定是否掉串。本发明通过纹理诊断绝缘子掉串特征，融合了纹理诊断中最经典的GLCM纹理诊断方法以及近期研究热点Gabor滤波纹理诊断的思想，调整了GLCM和Gabor滤波器的参数设置，高效准确的找到掉串绝缘子。本方法能有效提高对输电线路热缺陷检测的效率，有效应用到车载或直升机输电线路巡检业务中。

Description

基于纹理的绝缘子缺陷诊断方法

技术领域

本发明以直升机巡检高压输电线路过程中采集的可见光图像为处理目标，研究的是基于可见光图像的绝缘子自爆缺陷的诊断方法。通过从图像上分析绝缘子自爆缺陷的特征，提出了基于纹理的绝缘子缺陷诊断方法。该发明为机载实时绝缘子识别诊断系统，在识别绝缘子基础上通过该方法诊断玻璃绝缘子的自爆缺陷。由于自爆缺陷表现的主要特征就是绝缘子掉串，因此本方法采用统一的掉串来描述自爆缺陷。

背景技术

高压输电线路是电力系统的动脉，其运行状态直接决定电力系统的安全及国家经济的运行，高压输电线路(导线、绝缘子等)由于长期在室外环境下运行，在巨大的张力、气温变化、闪电、飞行物撞击以及老化、锈蚀等影响下，会出现绝缘子破坏等情况，若不及时发现和修复处理，最终会导致输电线路的破断，造成大面积停电和巨大的经济损失。

目前绝缘子缺陷检测方法有很多：王雪，国内高压绝缘子在线检测方法综述，电瓷避雷器，2002年第6期，详细讲述了现今各种方法的检测原理、检测设备、优缺点等，根据绝缘子缺陷漏电的物理特性进行分析，主要分析接触式方法中的电压分布法、泄漏电流检测法、脉冲电流检测法及红外测温法。其缺点是接触性检测方法劳动强度大、安全性差、效率低，而且受电磁干扰等原因，易造成误检或漏检并且易受环境（如温度、湿度）等多种因素的影响。

另一类绝缘子缺陷诊断方法是基于图像识别的方法，根据图像视觉特征识别图像并判定缺陷。视觉特征包括颜色、纹理、形状特征，依据这些信息或者这些信息的融合，判决其存在的显著缺陷特征。

如葛玉敏，基于计算机视觉的绝缘子状态检测，硕士学位论文。基于颜色特征检测绝缘子是否存在污秽，根据图像的R、G、B值，进行模糊判断，检测绝缘子是否有污秽。该方法只能在实验室应用，然而在室外情况下RGB颜色空间易受光照影响，在背景影响下根据RGB也难以判定绝缘子是否存在污秽。

林聚财等，基于彩色图像的玻璃绝缘子缺陷诊断，电网技术，2011年 1月，第35卷1期，基于颜色特征检测绝缘子是否掉串，对图像做平滑和色阶运算使得颜色特征更加显著且易于分割，然后在HSI颜色空间中采用图像分块的连通域判决方法动窗口直方图统计技术，对滑动窗口产生的各分块直方图相互之间做直方图匹配。这种方法比较适合室外，对一定背景干扰鲁棒性较好，但是当光照变化时不适用。

朱珠，图像处理技术在架空线路绝缘子破损检测系统中的应用研究 ，硕士学位论文。是一种基于形状特征检测绝缘子是否破损，在架空线路绝缘子破损检测系统中的应用研究，运用了机器人巡检技术提出了识别瓷质绝缘子的方法，将圆形度、细长度、占空比长短径比和hebichef不变矩作为特征向量，应用概率神经网络分类决策的方法对绝缘子特征区域进行识别。然后通过边缘检测，判定纵向切线灰度值变化率判断瓷瓶是否出现破损。机器人巡检在穿越过杆塔时效率底下并且对线路也有损害，神经网络分类方法时间复杂较高，这些都无法做到高效率智能巡检。

刘建友等，航拍绝缘子图像的提取和识别，传感器世界，2009年12月。是一种基于形状特征识别绝缘子，根据绝缘子与背景的灰度级的差异二值化，运用Hough变化识别椭圆绝缘子。这种方法当背景不是很复杂且采集到的绝缘子是椭圆时才能识别，当背景复杂不能根据灰度区分背景和绝缘子或者采集到的绝缘子不是标准椭圆时，基于Hough变换的方法不能识别绝缘子。

孙晋，基于边缘检测的绝缘子裂纹诊断研究，硕士学位论文。是一种基于形状特征识别绝缘子，应用改进的Canny算子提取边缘，用斜坡函数来表征绝缘子的边缘，判断边缘图像中绝缘子的位置，在定位的基础上根据是否出现异常窄链来判断有无裂纹产生。由于采集的绝缘子角度的影响，绝缘子串轮廓之间有重合，这种检测方法在绝缘子定位时不准确，在裂纹检测时也不准确。

在国内外研究缺陷研究领域主要集中于树木中的木材缺陷、纺织工业中的纺织品缺陷、皮革工业中的皮革表面缺陷、玻璃制造工业中的玻璃缺陷、带钢工业中的钢板表面缺陷、制瓶工业中的瓶口瓶底缺陷、道路桥梁的缺陷、医学中癌细胞的图像诊断技术等。对于这些缺陷诊断方法中无一不用到了纹理诊断技术。因为图像的纹理特征描述了在图像中反复出现的局部模式和它们的排列规则，反映了宏观意义上灰度变化的一些规律，纹理是对局部区域像素之间关系的一种度量。因此缺陷破坏了规律性的变换，出现了不同的纹理特征，发生了明显的变化。

目前还没有一种对于绝缘子掉串缺陷的诊断很好的方法，对于可见光下绝缘子掉串检测是一件很困难的事，本发明就是根据缺陷诊断中常用的方法纹理诊断来检测绝缘子掉串缺陷，应用Gabor小波以及GLCM（灰度共生矩阵）融合的方法检测。该方法可以有效应用到直升机或车载巡检时智能检测高压线路热缺陷。

发明内容

有鉴于此，本发明的目的在于提供一种基于纹理的绝缘子缺陷诊断方法，在直升机或车载对高压线路巡检时，能有效提高缺陷诊断效率以及准确率。

为达到到上述目的，本发明在识别绝缘子的基础上，采用了融和基于参数修正的GLCM以及参数修正的gabor变换提取纹理特征实现绝缘子缺陷诊断的方法，采用步骤如下：

（1）、识别定位绝缘子的具体做法是将采集到的图像分成了三类，即第一类为图像中不存在杆塔，只有导线的图像；第二类为图像中存在杆塔，同时线路为直线塔线路；第三类为图像中存在杆塔，同时线路为耐张塔线路。

根据在图像中识别出的大部件来推理当前图像是第几类图像。如果图像中不存在杆塔，那么图像为第一类；如果图像中存在杆塔，则需要进一步在图像中通过识别引流线来判断图像是第二类还是第三类，如果图像中不存在引流线那么图像为第二类，进一步推理合成绝缘子的位置；如果图像中存在引流线那么图像为第三类。因此绝缘子只存在于第二类以及第三类图像中。其中导线的识别根据平行线组的位置关系确定，杆塔的识别根据水平、垂直、倾斜线段的密度分布来确定，引流线的识别根据小线段拟合的方式确定。

第二类图像时通过导线的断点位置能够上推理出合成绝缘子的大致位置。

第三类图像时根据均压环与玻璃绝缘子的位置以及与引流线、导线之间的拓扑关系来推理玻璃绝缘子的位置。在图像上，均压环一端连接着导线以及引流线，另一端连接着玻璃绝缘子，玻璃绝缘子一端连接着均压环，另一端连接着杆塔。同时可以认为玻璃绝缘子在他们所连接的导线的延长线上。这样就可以通过这些条件来确定玻璃绝缘子的位置了。

（2）、识别出绝缘子时为一个由四个点框成的四边形，将这个四边形用如下结构管理，用于输入图像中绝缘子部件的管理：

   struct insulate_object {

                   vector<Point> left_high;

                   vector<Point> right_high;

                   vector<Point> left_low;

                   vector<Point> right_low;

}

（3）、将得到的绝缘子图像灰度化。

（4）、在步骤（1）的定位的绝缘子的基础上，构建四边形的最小外接矩形，得到的最小外接矩形方向也是任意的，因此将外接矩形进行旋转，得到平行于输入图像边界的矩形。

（5）、构造灰度共生矩阵GLCM。灰度共生矩阵受到灰度级G，距离d，生成方向这三个因素影响，本文采用变量控制法确定每个参数值。

（6）将绝缘子分块。分块的目的是方便找到掉串的位置，因此计算每块的特征值。本发明的做法是块数恒定，根据绝缘子大小确定块数，这样做的好处在于便于融合特征。

（7）计算该绝缘子纹理特征，根据分块计算能量、熵、惯性矩、相关性、局部平稳这五个纹理特征值的均值和方差，这十个特征值分别表示了不同的物理特征，但是不是对所有的都能很好的表征绝缘子特征，因此本发明选择绝缘子中相邻块变化率明显的即表明有掉串缺陷。本发明发现惯性矩均值，惯性矩方差能表征掉串缺陷。

（8）、另一种计算纹理特征方法，构建Gabor特征量。

Gabor函数为：

， 。

     Gabor滤波器由参数,,（）控制，为图像宽方向的坐标轴，为图像高所在方向的坐标轴，为比例参数设为1表示是一个对称的滤波器，表示滤波器的方向，为方向的频率，为y方向的频率，表示滤波器的中心频率，在本发明中对于绝缘子在参数调整时根据控制变量法选择了, 。

（9）分块的方法与步骤（6）相同，但是是在绝缘子滤波之后得到的图像上分块。

（10）计算Gabor滤波之后各块的均值，根据均值前后块比值变化率，根据变化率是否在阈值内判定绝缘子是否掉串。

（11）融合步骤（6）和步骤（9）两步得到的纹理特征，根据这两种方法得到的特征值每个分块构成一个列向量，这种整体最优的方法能更好的集中目前最优的两种纹理诊断方法提高准确度，这也正是本发明的创新之处，即融合了将传统的GLCM以及Gabor应用到绝缘子掉串检测实现高准确度以及鲁棒性

（12）设定阈值，计算各块之间纹理特征列向量的变化率，根据变化率是否在阈值范围内判定绝缘子是否出现掉串。

     本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著性优点：

     本发明以直升机巡检高压输电线路过程中采集的可见光图像为处理目标，基于可见光图像的绝缘子自爆缺陷，通过分析图像自爆缺陷的特征来诊断出绝缘子的掉串，融合了纹理诊断中最经典的GLCM纹理诊断方法和近期的研究热点Gabor滤波纹理诊断思想，调整了GLCM和Gabor滤波器的参数设置，能高效准确找到掉串的绝缘子。本方法能有效提高对输电线路缺陷检测效率，有效应用到车载或直升机输电线路巡检业务中。

附图说明

图1为基于纹理的绝缘子缺陷诊断方法流程框图。

图2为第二类图像实物图。

图3为第三类图像示意图。

图4为定位的绝缘子图像。

图5为四边形最小外接矩形图。

图6为外接矩形旋转图。

图7为不同绝缘子分块图。

图8为图像灰度级G对纹理特征的影响。

图9为距离d对纹理特征的影响对纹理特征的影响。

图10为灰度共生矩阵生成框图。

图11为灰度共生矩阵纹理特征值表。

图12为图5中四个绝缘子相邻块特征值的变换率。

图13为Gabor滤波后绝缘子图。

图14为图9的分块图。

图15为图10的特征值表。

图16为绝缘子特征值融合表。

图17为绝缘子缺陷诊断结果图。

具体实施方式

以下结合附图对本发明的优选实施例作进一步的详细说明。

实施例一：

参见图1，本基于纹理的绝缘子缺陷诊断方法，其特征在于从定位的绝缘子图像上采用纹理诊断方法自动识别出有掉串缺陷的绝缘子。

实施例二：

 本实施例与实施例一基本相同，各操作步骤更为具体，并结合附图。

     参见图1，本基于纹理的绝缘子缺陷诊断方法，其特征在于操作步骤如下：

（1）绝缘子存在与第二类及第三类图像中。

  （1.1）第二类图像中绝缘子的定位，如图2所示

 （1.1.1）

     （1.1.2）

式（1.1.1）中分别为图像中合成绝缘子左边和右边的导线组。BLOCKWIDTH为图像分块的宽度，大小为图像宽度的十分之一。式（1.1.2）确定了合成绝缘子的横向范围为从左边导线终点的x坐标处向左再扩展四分之一个BLOCKWIDTH到右边导线起点处的x坐标向右再扩展四分之一个BLOCKWIDTH。式（1.1.2）确定了合成绝缘子的纵向范围为左端导线终点的y坐标与右端导线起点的y坐标中较大者到图像的最上端。通过式（1.1.1）、（1.1.2）就可以确定合成绝缘子的大致位置了。

（1.2）如图3所示为玻璃绝缘子的位置。

                         （1.2.1）

                       （1.2.2）

                    （1.2.3）

                  （1.2.4）

式（1.2.1）～式（1.2.2）确定了left、right、top、bottom这四个参数，从而来确定玻璃绝缘子的位置。在式（1.2.1）中left是由各导线中终点的x坐标的最小值确定的；在式（1.2.2）中right是由杆塔最左端的x坐标确定的；在式（1.2.3）中bottom是由各引流线中起点的y坐标的最大值确定的；在式（1.2.4）中slope与intercept是导线中位置处于最上方的那条的斜率与截距，均压环与玻璃绝缘子被认为是处于这条导线的延长线上，top由该条导线所在的直线方程以及right所确定。

（2）定位的绝缘子图像，如图4所示，绝缘子是任意方向且得到的是一个四边形。

（3）将rgb图像转化为灰度图像，用于计算纹理特征；

（4）图4定位的绝缘子可以用图5表示，在图5中四边形a(b1)(c1)d为绝缘子图像，为了计算纹理特征方便，构建该四边形的外接矩形，具体步骤如下：

4.1 找到最长边ad；

4.2 在b1,c1中选择离ad最远边的点，即b1,作平行于ad的线L；

4.3  最远点b1在ad中的投影如果在ad之外，则过b1作垂直与ad的直角边，相交点为b2；最远点b1在ad中的投影如果在ad之内，则过a过作垂直于ad的边相交于线L的点为b2；

4.4  同4.3，点c1在ad中的投影如果在ad之外,则过c1作垂直与ad相交的点为d1,与线L相交的点为c2; 点c1在ad中的投影如果在ad之内，则过d作垂直与ad的线相交于L的点为c2;

最长边有4种情况，最远点有2种情况，最远点投影是否在投影内有2种情况，最近点是否在投影内有2种情况，遍历以上所有32种情况即可得到四边形的外接矩形。在得到外接矩形之后，将外接矩形旋转，如图3所示,具体做法如下：

在图6（a）中是未旋转的图像，选择顺时针选择，将ab的像素值复值给（a1）（b1），沿着ab方向作直线L1以d=1为距离作平行于L2，将abcd的相交的数值赋值给平行于a1b1的第二行数值。依次重复直到L1为cd，将cd赋值给(c1)(d1)。

（5）在得到步骤（4）旋转后的绝缘子图像后，按照图10所示计算GLCM矩阵，图8和图9提供了不同图像根据变量控制法得到的最佳参数设置，即灰度级G=16，距离d =5，生成方向选择0度，45度，90度，135度；

（6）将绝缘子分块，为下一步计算纹理特征做准备，如图7所示，即块数一致，但是分块大小由绝缘子大小决定。

（7）利用步骤（5）得到GLCM矩阵计算（6）中分块的每块纹理特征能量、熵、惯性矩、相关性和局部平稳这五个特征的均值和方差，即十个特征值，图11反应了图7各个对应绝缘子的这十个特征的图表；根据这4副图像同时计算了相邻特征值的变化率如图12所示，可以发现在掉串的位置上惯性矩均值和惯性矩方差波动越大；

（8）在得到步骤（4）旋转后的绝缘子图像后，构建Gabor滤波器，根据角度和中心频率的影响，采用控制变量法，更改角度或者中心频率最终来确定符合绝缘子特征的Gabor滤波器，然后将绝缘子图像和Gabor卷积，根据Gabor的时频特性得到绝缘子滤波后的图像，滤波后的图像如图14所示，这四个绝缘子和图7的绝缘子是一一对应的；

（9） 将滤波后得到的绝缘子图像分块，如图14所示。分块的目的是便于判定块间的差异确定是否有掉串绝缘子；

（10） 在步骤（9）分块后的绝缘子上计算每块的均值和方差，用于衡量块间差异性，结果如图15所示，表中分别为与图14对应的绝缘子图像；

（11）融合步骤（7）得到的基于GLCM的惯性矩均值，惯性矩方差和（10）基于Gabor的均值，如图16所示，融合的特征值在向量计算时同等重要，因此需要将每一行向量进行归一化，体现一致性，此时相邻块出现明显变化的即为掉串缺陷；

（12）本发明所作的判定是否存在掉串缺陷都是基于阈值判定，如图11所示GLCM有时在正常的时候也会判断为掉串缺陷，如图14所示Gabor有时在正常的时候也会判断为掉串缺陷，如果3个特征值都满足阈值条件则此时必为掉串缺陷，本文设置的阈值：0.72和0.92。判定结果如图17所示。

Claims (2)

1.一种基于纹理的绝缘子缺陷诊断方法，采用高压线路知识模型推理出识别绝缘子位置的处理上，进而采用纹理特征方法诊断绝缘子是否存在掉串缺陷；其特征在于：

a. 所述的采用高压线路知识模型推理出识别绝缘子位置的方法是将采集到的图像分成如下三类：

a-1. 图像中不存在杆塔，只有导线的图像为第一类，该类图像中不存在绝缘子；

a-2. 图像中存在杆塔，同时导线线路为直线塔线路，但不存在引流线的图像为第二类，通过导线的断点位置能够在图像上推理出绝缘子的大致位置；

a-3. 图像中存在杆塔，同时线路为耐张塔线路，存在引流线的图像为第三类；

在该类图像上根据均压环与绝缘子的位置以及均压环与引流线、导线之间的拓扑关系来推理绝缘子的位置：在图像上，均压环一端连接着这导线以及引流线，另一端连接着绝缘子，绝缘子一端连接着均压环，另一端连接着杆塔；同时认为绝缘子在所述的均压环所连接的导线的延长线上；这样就能通过这些条件来确定绝缘子的位置；

b. 采用纹理特征方法诊断绝缘子是否存在掉串缺陷，具体步骤为：

b-1. 推理获得的绝缘子位置：其位置是任意方向的一个四边形，通过矩形规则化整理获得最小的外接矩形，旋转获得水平区域构建绝缘子灰度图像；

b-2. 沿着水平方向分块构建的绝缘子灰度图像，从分块矩形区域中得到绝缘子灰度像素值，计算每一分块的纹理特征参数：GLCM中计算能量、熵、惯性矩、相关性、局部平稳这五个纹理特征值的均值和方差；惯性矩均值、惯性矩方差能表征掉串缺陷；

b-3. 在步骤b-1构建的水平绝缘子灰度图像中，构建Gabor滤波器，根据角度和中心频率的影响，采用控制变量法，更改角度或者中心频率最终来确定符合绝缘子特征的Gabor滤波器，然后将绝缘子图像和Gabor卷积，根据Gabor的时频特性得到绝缘子滤波后的图像；

b-4. 将滤波后得到的绝缘子图像分块，计算每块的均值和方差，用于衡量块间差异性；

b-5. 依据步骤b-2和步骤b-4结果进行融合判决: 将步骤b-2计算获得的每一块惯性矩均值、惯性矩方差值，步骤b-4计算获得的Gabor滤波后每一块均值、方差值，这四个特征量构成一个列向量，计算前后块之间的纹理特征的变化率，设定阈值，根据特征列向量的变化率是否超过该阈值判定绝缘子是否出现掉串。

2. 如权利要求1所述的基于纹理的绝缘子缺陷诊断方法，参数选择：灰度共生矩阵受到灰度级G，距离d，生成方向这三个因素影响，采用控制变量法确定每个参数值；测试结果为灰度级G=16，距离d =5，生成方向选择0度，45度，90度，135度；Gabor滤波器由参数（ ）控制，为图像宽方向的坐标轴，为图像高所在方向的坐标轴，为比例参数设为1表示是一个对称的滤波器， 表示滤波器的方向，为方向的频率，为y方向的频率，表示滤波器的中心频率，对于绝缘子在参数调整时根据控制变量法选择了, 。