CN102737252A - 基于仿射不变矩的电气化铁路绝缘子片间异物污染故障检测方法 - Google Patents

Abstract

本发明涉及一种基于仿射不变矩的电气化铁路绝缘子片间异物污染故障检测方法。针对原始图像内容多，绝缘子检测问题的背景复杂等，提出一种将全局图像分类，利用仿射不变矩快速、准确识别定位绝缘子，再对其进行故障检测的方法。利用Hough变换线段检测识别归类杆状物，将其置为背景后即得到绝缘子类；然后在绝缘子类中应用仿射不变矩提取绝缘子；为解决绝缘子角度变化不一问题，对其边缘曲线进行直线拟合得到其旋转角度；为避免异物特征丢失，利用形态学膨胀运算放大绝缘子特征；为提高绝缘子图像局部对比度，将其每片分为一块进行局部对比度调节；再对其按每列进行灰度统计，最终通过灰度统计图中的条带宽度识别并定位故障。本发明基于先分类的方法，简化了绝缘子的背景，有效地提高了绝缘子识别定位的速度和准确性，降低了故障检测的难度，为电气化铁路绝缘性能检测提供一种可行的参考。

Description

基于仿射不变矩的电气化铁路绝缘子片间异物污染故障检测方法

技术领域

本发明涉及的是电气化铁路接触网绝缘子片间异物污染故障检测领域，包括图像图元的快速分类，故障的准确识别定位领域。

背景技术

在接触网悬挂装置中，绝缘瓷瓶起着隔离其带电部分与非绝缘部分的重要作用。由于其长期曝露在外，会受到一定程度的污染，包括尘土，机车路过溅起的石子等。同时石子等异物长时间夹在绝缘瓷瓶间，可能导致瓷片出现裂痕，甚至破损等不良状态。这些不良状态将降低其绝缘性能，严重时会危害人员安全，造成跳闸事故。因此，有必要检查绝缘瓷瓶有无异物污染故障。

目前我国铁路供电部门对绝缘子瓷瓶的检查主要为人工方式，定期对绝缘子进行清扫和逐个检查。这种方式效率低，很难实时监控绝缘子状态，因此有必要研究绝缘子实时自动检测方法。目前，整个弓网系统中的图像监控及分析研究主要集中于受电弓的识别定位和故障检测以及接触网的几何参数检测上。陈维荣等研究了基于边缘提取、形态学图像处理等方法的受电弓滑板状态监测[陈维荣，冯倩，张健，等.受电弓滑板状态监测的图像目标提取[J].西南交通大学学报.2010，45（1）：59-64.]。马莉等利用同态滤波和边缘检测分析了受电弓定位问题[马莉，王泽勇，高晓蓉，等.图像处理技术在受电弓滑板检测中的应用[J].机车电传动.2009（05）：52-53]。冯倩等利用边缘检测和形态学图像处理进行受电弓滑板的磨耗测量[冯倩，陈维荣，王云龙，等.受电弓滑板磨耗测量算法的研究[J].铁道学报.2010，32（1）：109-113.]。韩志伟等研究了利用CCDP变换进行受电弓裂纹检测的方法[韩志伟，刘志刚，陈坤峰，等.基于二代曲波系数定向映射的受电弓滑板裂纹检测技术[J].铁道学报.2011（11）：63-69.]。Niwakawa等人研究了利用小型化图像检测设备进行弓网检测[Niwakawa M，Onda T，KinoshitaN.Stereo Vision Based Measurement of Intersections of Overhead Contact wires and Pantograph ofKYUSHUSHINKANSEN[J].IEEJ Transactions on Industry Applications.2007，127(2)：118-123.]。牛大鹏等研究了利用非接触式方法对接触网进行几何参数检测的方法[牛大鹏.非接触式接触网几何参数检测系统研究[D].西南交通大学，2008.]。范虎伟研究了利用图像处理方法对接触线定位器定位坡度进行检测[范虎伟，卞春华，朱挺，等.非接触式接触网定位器坡度自动检测技术[J].计算机应用.2010，30（S2）：102-103.]。杨翠茹利用图像的灰度共生矩检测和定位电力系统中的绝缘子[杨翠茹.基于纹理特征的绝缘子检测方法[J].电气技术.2010（7）：46-48.]。但由于接触网悬挂装置图像过于复杂，目前国内外通过图像处理方法进行绝缘瓷瓶故障分析与检测的研究甚少。

发明内容

本发明的目的在于提供一种基于图像处理理论方法的电气化铁路绝缘子片间异物污染故障的自动识别与定位方法，使之通过将复杂图像分类，简化背景，克服全局图像中绝缘子识别定位困难的问题，提高检测的效率和准确性。

本发明采用的技术是：基于仿射不变矩的电气化铁路绝缘子片间异物污染故障检测方法，利用Hough变换线段检测将检测图像分为杆状物类和绝缘子类；应用仿射不变矩识别并精确定位绝缘子类中的绝缘子；对提取的绝缘子进行角度校正，膨胀运算操作，局部对比度调节等预处理；求取预处理后绝缘子的灰度统计曲线图，根据灰度图中条带宽度判断并定位绝缘子故障。

将拍摄采集的图像储存在图像库中。由于实际图像内容繁多，而杆状物并非后续处理对象，因此首先将检测图像的基本图元大致分为杆状物和绝缘子两类，从而使后续处理对象简化为绝缘子类，以提高识别和定位的速度与准确性，同时提高检测的效率。具体工作如下：

A、全局图像基本图元的预分类

由于传统Hough变换检测结果为直线，本发明应用能得到端点的Hough线段检测算法。但由于实际图像曝光不均等原因，导致杆状物灰度分布不均匀，边缘对比度低，使得其边缘不连贯，不清晰，从而导致线段检测结果为分布在对应边缘附近的大量小线段。为得到真实端点，需要正确聚类检测到的小线段。分以下几步解决上述定位困难的问题：

(1)Hough变换线段检测得到杆状物的边缘线段数组，储存各线段数组和其对应的θ值，以及θ数组的长度L；

(2)根据θ值分别将对应杆状物旋转至水平方向，第(1)步中检测到的边缘线段也同时旋转同样角度。每次旋转后，计算各线段的斜率，清除斜率非零的线段，完成该水平杆状物边缘线段的聚类；

(3)求取水平线段数组中x，y的最值，即为该水平杆状物的端点；

(4)将上一步定位到的杆状物置为背景，同时将其对应的线段数组置零，然后将图像回转(2)中θ值，还原图像角度；

(5)回至步骤(2)，重复(2)(3)(4)步骤L/2次,完成全局图像中杆状物和绝缘子的分类。

B、绝缘子的识别与定位

通过求解偏微分方程组系数法求得仿射不变矩，使用前3个仿射不变矩参与绝缘子图像的识别，前三个仿射不变矩公式为：

$I_1=({\mathrm{\μ}}_{20}{\mathrm{\μ}}_{02}-{\mathrm{\μ}}_{11}^2)/{\mathrm{\μ}}_{00}^4---\left(1\right)$

$I_2=\frac{{\mathrm{\μ}}_{30}^2{\mathrm{\μ}}_{03}^2-{6\mathrm{\μ}}_{30}{\mathrm{\μ}}_{03}{\mathrm{\μ}}_{21}{\mathrm{\μ}}_{12}+{4\mathrm{\μ}}_{03}{\mathrm{\μ}}_{21}^3+{4\mathrm{\μ}}_{30}{\mathrm{\μ}}_{12}^3-{3\mathrm{\μ}}_{21}^2{\mathrm{\μ}}_{12}^2}{{\mathrm{\μ}}_{00}^{10}}---\left(2\right)$

$I_3=\frac{{\mathrm{\μ}}_{20}{\mathrm{\μ}}_{21}{\mathrm{\μ}}_{03}-{\mathrm{\μ}}_{20}{\mathrm{\μ}}_{12}^2-{\mathrm{\μ}}_{11}{\mathrm{\μ}}_{30}{\mathrm{\μ}}_{03}+{\mathrm{\μ}}_{11}{\mathrm{\μ}}_{21}{\mathrm{\μ}}_{12}+{\mathrm{\μ}}_{02}{\mathrm{\μ}}_{30}{\mathrm{\μ}}_{12}-{\mathrm{\μ}}_{02}{\mathrm{\μ}}_{21}^2}{{\mathrm{\μ}}_{00}^7}---\left(3\right)$

其中， ${\mathrm{\μ}}_{\mathrm{pq}}={\∫}_{-\∞}^{+\∞}{\∫}_{-\∞}^{+\∞}{(x-\stackrel{\‾}{x})}^p{(y-\stackrel{\‾}{y})}^{q}f(x,y)\mathrm{dxdy},p,q=\mathrm{0,1,2}\·\·\·,$ 为灰度图像f(x，y)定义p+q阶中心矩，

为灰度图像f(x，y)的灰度质心；

首先将绝缘子类中的连通区域逐个标记，然后根据(1)、(2)、(3)分别计算出每个连通区域图像的仿射不变矩，再计算其仿射不变矩与绝缘子模版仿射不变矩的欧氏距离，最终通过所设距离阈值准确识别并定位绝缘子。

C、绝缘子预处理

a、绝缘子角度校正

由于倾斜角度不便于绝缘子不良状态的分析，因此在提取出绝缘子后首先校正其角度，将非水平方向上的绝缘子旋转至水平方向。边缘检测得到其边缘曲线l₁和l₂，通过对l₁和l₂进行直线拟合，得到绝缘子的对称直线l，求得l的斜率，即得到绝缘子与水平方向的夹角θ，绝缘子的旋转角度即为180°-θ。

b、形态学膨胀运算

由于绝缘子表面的异物一般体积较小，加上图像的曝光不均衡等原因，导致异物特征不是很明显。为了保证异物特征不丢失，对提取的绝缘子图像先进行形态学膨胀运算以突出可能存在的异物特征。

膨胀运算定义为：dilation(A,B)＝{a+b|a∈A,b∈B}

其中，A,B为图像像素集合，a，b为形态学模板范围内的图像像素点，膨胀运算a+b表示膨胀模板范围内任意一点存在图像则全部模板内填充同样像素，腐蚀运算a|(a+b)表示腐蚀模板范围内全部存在则保留模板中心位置像素点。形态学闭运算为一个先膨胀后腐蚀的过程，其目的是为了填充物体内细小空洞、连接邻近物体。

本发明通过大量实验经验，最终选用4×8的矩形模块进行膨胀操作。

c、绝缘子局部对比度调节

为提高绝缘子片与片间的对比度，对膨胀运算后的绝缘子进行对比度调节。由于全局的对比度调节并不能有效地改善局部对比度，本发明对绝缘子进行局部对比度调节。

$M(m,n)=\left\{\begin{array}{cc}0& I(m,n)<I_{\mathrm{in}}\\ (I(m,n)-L_{\mathrm{in}})\frac{H_{\mathrm{out}}-L_{\mathrm{out}}}{H_{\mathrm{in}}-L_{\mathrm{in}}}+L_{\mathrm{out}}& L_{\mathrm{in}}<I(m,n)<H_{\mathrm{in}}\\ 0& I(m,n)>H_{\mathrm{in}}\end{array}\right.---\left(4\right)$

其中，I为原始图像，M为对比度调节后的图像。L_in和H_in为原始图像中增强的像素范围，L_out和H_out为增强后的像素范围。

此处分块的依据是绝缘子灰度统计曲线图中的极小值点横坐标。通过此方法将绝缘子分块，然后对每块进行对比度调节，使得绝缘子片更加突出、清晰，而连接处由于像素灰度很低而被抑制。

D、绝缘子异物污染故障的识别与定位

对局部对比度调节后的绝缘子进行灰度统计，以其灰度统计图中的条带宽度为异物污染故障的自动识别判据。为验证该判据的通用性，首先确定绝缘子与其灰度统计曲线图的对应关系。

a、绝缘子与灰度统计曲线图的对应关系

将局部对比度调节后的绝缘子图像按每列灰度非零点进行累加，得到其灰度统计曲线图。由图2可以看出原始绝缘子图像与其灰度统计曲线图存在唯一的对应关系，第一处非零条带对应绝缘子前端套头与第一片之间的连接处，之后的条带依次对应于各绝缘子片，而零值部分依次对应于片间连接处。

b、绝缘子片间异物污染故障的自动识别与定位

取出该曲线图中非零条带间的中间零值点，然后求出相邻零值点间的距离作为每一条带的宽度W。由表1看出，正常绝缘子灰度图的条带宽度波动值在4以内。因此设置自动识别的判据为：当宽度值W大于该组条带宽度均值W_m的1.5倍时(W＞1.5W_m)，判断绝缘子此处为异物污染故障，W＜1.5W_m判断绝缘子正常。

E、输出检测结果

输出检测结果至后续处理设备，包括绝缘子个数，各绝缘子有无故障及故障位置。

与现有技术相比，本发明有以下优势：

1、本发明以检测车获取的检测图像为研究对象，通过对图像分析处理后，即可得到客观、准确的检测结果，减少了人工识别的工作量和误差。

2、本发明将全局图像预分类，简化了检测目标绝缘子的背景，有效地降低了全局图像中绝缘子识别与定位的难度，减少了定位的时间，同时提高了检测效率。

附图说明

图1为全局图像基本图元分类效果图（1a含绝缘子的全局图像，1b全局图像预分类后的杆状物类效果图，1c预分类后的绝缘子类效果图）。

图2为绝缘子与其灰度统计曲线图的对应关系图（2a为正常绝缘子图像，2b为滤去前后套头后的膨胀效果图，2c为局部对比度调节效果图，2d绝缘子片灰度统计曲线图）。

图3为检测实验图像基本图元预分类效果图（3a为始图像，3b杆状物类，3c绝缘子类）。

图4为绝缘子A检测过程图（4a仿射不变矩提取的绝缘子A，4b绝缘子A滤去套头后膨胀运算效果图，4c绝缘子A局部对比度调节效果图，4d绝缘子A对应的灰度统计曲线图）。

图5为绝缘子B检测过程图（5a仿射不变矩提取的绝缘子B，5b绝缘子B旋转至水平后膨胀运算效果图，5c绝缘子B局部对比度调节效果图，5d绝缘子B对应的灰度统计曲线图）。

实施实例

下面结合实例图像对本发明的具体实施方式作详细阐述。

a.全局图像基本图元预分类：图3a为待检测的全局图像，其中包含不同方向的两个绝缘子，右上呈水平方向的为绝缘子A,其存在异物污染故障；右下为绝缘子B。图3b为利用Hough变换线段检测得到的杆状物类，图3c为将杆状物类置为背景后得到的绝缘子类。

b.绝缘子识别与定位：应用仿射不变矩在绝缘子类中识别并定位绝缘子。具体方法为：算出绝缘子类中各连通区域块及绝缘子模版的仿射不变矩，然后分别计算各连通区域与模版仿射不变矩间的欧氏距离，通过所设距离阈值，识别并定位图中绝缘子。图4a为应用仿射不变矩在绝缘子类中提取的绝缘子A，图5a为利用仿射不变矩提取的绝缘子B。

c.绝缘子角度校正：由于倾斜角度不便于绝缘子的分析处理，因此需要对其进行角度校正，使其处在水平方向。通过对绝缘子两边缘曲线进行直线拟合得到其对称直线，计算出该直线斜率，即得该绝缘子的校正角度。通过检验，绝缘子A已为水平，绝缘子B需旋转至水平方向，如图5b所示。

d.绝缘子A检测过程：图4为绝缘子A的检测过程，其中4a为应用仿射不变矩在绝缘子类中提取的绝缘子A，4b为绝缘子A滤去套头后膨胀运算效果图，4c为绝缘子A局部对比度调节效果图，4d为绝缘子A对应的灰度统计曲线图。从4c中可以看出异物将第4、5绝缘子片连接为一个连通区域，导致在4d的灰度统计曲线图中，此处的条带宽度突变为其余条带宽度的两倍。由图4d和表3可以判断绝缘子A在此处存在异物污染。

e.绝缘子B检测过程：5c为绝缘子B局部对比度调节效果图，5d为绝缘子B对应的灰度统计曲线图。由图5d和表4看出绝缘子B的条带分布均匀，不存在异物污染故障。

f.输出检测结果：向后续设备输出原始图像的检测结果，包括图中绝缘子个数，各绝缘子有无故障及故障位置。

表1正常绝缘子条带宽度

表3绝缘子A对应的条带宽度

表4绝缘子B对应的条带宽度

Claims (1)

1.基于仿射不变矩的电气化铁路绝缘子片间异物污染故障检测方法，通过基于图元分类，简化背景，降低了全局图像识别定位的难度，具体分为以下步骤：

A、基于Hough变换线段检测的全局图像基本图元预分类

将拍摄采集的图像储存在图像库中；对全局图像基本图元进行预分类，为得到真实端点，分取以下步骤：

(1)Hough变换线段检测得到杆状物的边缘线段数组，储存各线段数组和其对应的θ值，以及θ数组的长度L；

(2)根据θ值分别将对应杆状物旋转至水平方向，第(1)步中检测到的边缘线段也同时旋转同样角度；每次旋转后，计算各线段的斜率，清除斜率非零的线段，完成该水平杆状物边缘线段的聚类；

(3)求取水平线段数组中x，y的最值，即为该水平杆状物的端点；

(4)将上一步定位到的杆状物置为背景，同时将其对应的线段数组置零，然后将图像回转(2)中θ值，还原图像角度；

(5)回至步骤(2)，重复(2)(3)(4)步骤L/2次,完成全局图像中杆状物和绝缘子的分类；

B、基于仿射不变矩的绝缘子识别与定位

应用具有旋转、仿射不变性的仿射不变矩识别定位绝缘瓷瓶；

$I_1=({\mathrm{\&mu;}}_{20}{\mathrm{\&mu;}}_{02}-{\mathrm{\&mu;}}_{11}^2)/{\mathrm{\&mu;}}_{00}^4---\left(1\right)$

$I_2=\frac{{\mathrm{\&mu;}}_{30}^2{\mathrm{\&mu;}}_{03}^2-{6\mathrm{\&mu;}}_{30}{\mathrm{\&mu;}}_{03}{\mathrm{\&mu;}}_{21}{\mathrm{\&mu;}}_{12}+{4\mathrm{\&mu;}}_{03}{\mathrm{\&mu;}}_{21}^3+{4\mathrm{\&mu;}}_{30}{\mathrm{\&mu;}}_{12}^3-{3\mathrm{\&mu;}}_{21}^2{\mathrm{\&mu;}}_{12}^2}{{\mathrm{\&mu;}}_{00}^{10}}---\left(2\right)$

$I_3=\frac{{\mathrm{\&mu;}}_{20}{\mathrm{\&mu;}}_{21}{\mathrm{\&mu;}}_{03}-{\mathrm{\&mu;}}_{20}{\mathrm{\&mu;}}_{12}^2-{\mathrm{\&mu;}}_{11}{\mathrm{\&mu;}}_{30}{\mathrm{\&mu;}}_{03}+{\mathrm{\&mu;}}_{11}{\mathrm{\&mu;}}_{21}{\mathrm{\&mu;}}_{12}+{\mathrm{\&mu;}}_{02}{\mathrm{\&mu;}}_{30}{\mathrm{\&mu;}}_{12}-{\mathrm{\&mu;}}_{02}{\mathrm{\&mu;}}_{21}^2}{{\mathrm{\&mu;}}_{00}^7}---\left(3\right)$

其中， ${\mathrm{\&mu;}}_{\mathrm{pq}}={\&Integral;}_{-\&infin;}^{+\&infin;}{\&Integral;}_{-\&infin;}^{+\&infin;}{(x-\stackrel{\&OverBar;}{x})}^p{(y-\stackrel{\&OverBar;}{y})}^{q}f(x,y)\mathrm{dxdy},p,q=\mathrm{0,1,2}\&CenterDot;\&CenterDot;\&CenterDot;,$ 为灰度图像f(x，y)定义p+q阶中心矩，为灰度图像f(x，y)的灰度质心；

根据(1)、(2)、(3)分别计算出绝缘子类中每个连通区域图像的仿射不变矩，再计算其仿射不变矩与绝缘子模版仿射不变矩的欧氏距离，最终通过所设距离阈值准确识别并定位绝缘子类中的绝缘子；

C、绝缘子片间异物污染故障检测：

a、基于直线拟合的绝缘子角度校正

在提取出绝缘子后首先校正倾斜角度角度，将非水平方向上的绝缘子旋转至水平方向，通过对绝缘子边缘曲线l1和绝缘子边缘曲线l2进行直线拟合，得到绝缘子的对称直线l，求得直线l的斜率，即得到该对称轴与水平方向的夹角θ，绝缘子的旋转角度即为180°-θ；

b、形态学膨胀运算突出异物特征

定义其膨胀运算为：dilation(A,B)＝{a+b|a∈A,b∈B}

其中，A,B为图像像素集合，a，b为形态学模板范围内的图像像素点，膨胀运算a+b表示膨胀模板范围内任意一点存在图像则全部模板内填充同样像素，腐蚀运算a|(a+b)表示腐蚀模板范围内全部存在则保留模板中心位置像素点；选用4×8的矩形模块进行膨胀操作；

c、绝缘子局部对比度调节

为提高绝缘子片与片间的局部对比度，对绝缘子进行局部对比度调节；对比度增强公式如下：

$M(m,n)=\left\{\begin{array}{cc}0& I(m,n)<I_{\mathrm{in}}\\ (I(m,n)-L_{\mathrm{in}})\frac{H_{\mathrm{out}}-L_{\mathrm{out}}}{H_{\mathrm{in}}-L_{\mathrm{in}}}+L_{\mathrm{out}}& L_{\mathrm{in}}<I(m,n)<H_{\mathrm{in}}\\ 0& I(m,n)>H_{\mathrm{in}}\end{array}\right.---\left(4\right)$

其中，I为原始图像，M为对比度调节后的图像，L_in和H_in为原始图像中增强的像素范围，L_out和H_out为增强后的像素范围；此处局部分块的依据是绝缘子灰度统计曲线图中的极小值点横坐标；通过此方法将绝缘子分块，然后对每块进行对比度调节，使得绝缘子片更加突出、清晰，而连接处由于像素灰度很低而被抑制；

d、绝缘子灰度统计曲线图

将局部对比度调节后的绝缘子图像按每列灰度非零点进行累加，得到其灰度统计曲线图；

D、基于灰度统计图条带宽度的绝缘子片间异物污染故障自动识别

以灰度统计图中条带宽度W为绝缘子片间异物污染故障判据，当条带宽度W大于该组条带宽度均值W_m的1.5倍时；判断绝缘子此处为异物污染故障，W≤1.5W_m判断绝缘子正常；

E、输出检测结果

输出检测结果至后续处理设备，包括绝缘子个数，各绝缘子有无故障及故障位置。

Images