CN104217425A - 一种基于超像素的输变电设备红外故障图像分割方法 - Google Patents
一种基于超像素的输变电设备红外故障图像分割方法 Download PDFInfo
- Publication number
- CN104217425A CN104217425A CN201410404975.0A CN201410404975A CN104217425A CN 104217425 A CN104217425 A CN 104217425A CN 201410404975 A CN201410404975 A CN 201410404975A CN 104217425 A CN104217425 A CN 104217425A
- Authority
- CN
- China
- Prior art keywords
- fault
- infrared
- region
- super pixel
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明公开了一种基于超像素的输变电设备红外故障图像分割方法,包括图像预处理,对输变电设备红外故障图像进行预处理;超像素图像分割,利用故障区域和背景区域的差异性,通过超像素分割方法将红外故障图像分割为设定个超像素区域;故障区域提取,对于分割出的多个超像素区域标记为,标记为Ri,i=1,2,…,n;将得到函数F最大值的区域选择为提取出的故障区域;故障区域信息整理,输入红外图像对应的温度界限,最高温设为tH,最低温设为tL,结合红外图像中的调色板对应得到故障区域的最高温度值tB;分割得到的区域大小为故障的区域大小。本方法兼顾了算法的快速性和可靠性,提高了红外故障诊断的效率和准确度。
Description
技术领域
本发明涉及输变电设备红外诊断故障图像分割方法,具体涉及一种基于超像素的输变电设备红外故障图像分割方法。
背景技术
在电力系统中,利用红外成像技术可以快速地诊断出设备的各类外部过热缺陷,早期的红外图像的故障分析以人工分析为主,随着红外图像数量的增加,大量的人工处理无法实现图像的批量处理,效率较低而且极易出错。近几年来,随着远程红外测温视频监控系统等类似无人值守变电站服务系统的提出,红外图像的故障分析有了新的要求。由此,一些自动检测电气设备红外图像的方法陆续被提出。
文献1(叶婕,“基于图像分割的变电站电气设备故障自动检测”,硕士学位论文,西安科技大学.2012)采用常见的图像分割方法进行分割,需要参数调整,适应性较差;文献2(魏钢,冯中正等,“输变电设备红外故障诊断技术与试验研究”,电气技术,2013年06期)中提供了一种简易的相对温差分析的温度检测工具,对于输入的故障图像,首先找出温度最高点,然后以此点为中心直线扫描遍历周围区域温度,来得到温度差,该方法只考虑像素级的分析,而没有结合相邻像素间区域的性质。
上述的大部分方法都停留在简单的图像分割的基础上,没有对红外图像本身的性质做过多分析,由于过热点的温度和发散特性,该区域和其背景设备区域有较大差异,利用超像素分割方法考虑区域的整体性,可以更好的适应红外图像本身的成像特性,使分割结果更加可靠。
发明内容
为解决现有技术存在的不足,本发明公开了一种基于超像素的输变电设备红外故障图像分割方法,可以有效地提高红外检测的效率和可靠性。
为实现上述目的,本发明的具体方案如下:
一种基于超像素的输变电设备红外故障图像分割方法,包括以下步骤:
步骤一:图像预处理,对输变电设备红外故障图像进行预处理;
步骤二:超像素图像分割,利用故障区域和背景区域的差异性,通过超像素分割方法将红外故障图像分割为设定个超像素区域;
步骤三:故障区域提取,将分割出来的多个超像素区域标记为Ri,i=1,2,…,n;使用平均亮度区域凹凸度及区域灰度标准差三个特征来描述每个区域;将三个参数联合在一起,将得到函数F最大值的区域为提取出的故障区域;
步骤四:故障区域信息整理,根据红外图像对应的温度界限,最高温设为tH,最低温设为tL,结合红外图像中的调色板对应得到故障区域的最高温度值tB;分割得到的区域大小为故障的区域大小。
所述步骤一中对输变电设备红外故障图像进行预处理具体为:对红外故障图像进行二维高斯平滑预处理。
所述步骤二中超像素分割方法为Turbopixel的超像素分割方法,该方法将整个图像区域分割为具有相同特性的多个狭小区域。
所述步骤二中设定个超像素区域设定数为200。
所述区域凹凸度通过该区域面积即像素点个数和该区域的最小凸边形的面积得到:
所述函数F最大值的区域选择为提取出的故障区域:
本发明的有益效果:
本方法兼顾了算法的快速性和可靠性,利用故障区域和其背景区域的高度差异性以及其本身区域内部的一致性发明了利用超像素的分割方法,保证了算法的高度准确性。批量的对红外故障图像进行提取,自动将故障区域呈现,极大地简化了目前红外实验过程中专业人员手动查找分析故障区域带来的重复性工作,为人工分析提供辅助依据,提高了红外故障诊断的效率和准确度,也可以作为后续的自动故障分析的前期基础。
附图说明
图1为本发明实施例子所要处理的红外故障图像原图;
图2为本发明实施例子经过平滑处理后的图像;
图3为本发明实施例子超像素分割结果;
图4为本发明实施例子所得到的检测区域。
具体实施方式:
下面结合具体实施方式对本发明做进一步的描述。
输变电设备红外故障图像分割包括以下四个部分:①红外图像预处理;②超像素分割:通过故障的区域属性,将整幅图像分为多个相对独立的小区域;③故障区域提取:考虑故障的区域性,通过区域颜色分布均匀程度、区域边缘均匀程度等方面,验证得出有效的故障区域;④故障信息提取:通过图像本身提供的温度颜色对应调色板和输入的温度范围,得到故障区域的区域大小和温度情况。
1、图像预处理:
如图1所示,本发明实施例子所要处理的红外故障图像原图,受环境和设备影响,采集到的红外故障图像有许多噪声点,如图2所示,首先需要对图像进行高斯平滑预处理,来去除噪声点的影响。这里选择的最常见的二维高斯平滑滤波,模板尺寸设为3×3,平滑尺度设为1.27;
2、超像素图像分割:
通过观察发现,温度过高区域通常为偏红黄色或者接近白色区域,而该区域和周围区域的差异度较大,因此通过超像素的分割方法可以将整个图像区域分割为具有相同特性的多个狭小区域。我们此处采用文献3(Alex Levinshtein,Adrian Stere,etc,"TurboPixels:Fast SuperpixelsUsing Geometric Flows,"IEEE Transactions on Pattern Analysis and Machine Intelligence,31(12),2290-2297,2009)中的Turbopixel的超像素分割方法,该方法的作者已经提供了开源的算法实现的工具箱。将分割个数设置为200,通过这样的分割方法,不过多的限制分割区域的属性和大小,而仅仅考虑提取相邻像素区域内的相似属性区域,以及和非相似区域分离,更适用于待检测设备的温度分布特性。如图3所示,为本发明实施例子超像素分割结果。
3、故障区域提取:
通常情况下,由于设备环境的复杂性,我们会得到多个分割区域。由于预处理已经对图像进行了平滑,所以可以保证有效区域内部的连通性,下面要对这些区域进行进一步的有效性验证。
将彩色图像转化为灰度图像处理,分割出来的多个超像素区域标记为Ri,i=1,2,…,n。
故障区域通常为视场范围内的温度最高点,温度以故障点为中心具有发散性,因此我们要提取的故障区域要满足:
a.平均亮度较高;
b.区域轮廓规整;
c.颜色分布均匀;
这里仅利用灰度图像描述图像,利用以下三种参数来描述这些性质:
a.平均亮度
b.区域凹凸度通过该区域面积(即像素点个数)和该区域的最小凸边形的面积得到:
c.区域灰度标准差
将三个参数联合在一起,将得到函数F最大值的区域选择为提取出的故障区域:
由于灰度的取值范围为[0,255],在相除过程中可以认为已经分别对这两个参数做了归一化,因此保证了F取值的有效性。
4、故障区域信息整理:
输入红外图像对应的温度界限,最高温设为tH,最低温设为tL,结合红外图像中的调色板对应,得到故障区域的最高温度值tB;分割得到的区域大小为故障的区域大小。红外热像仪输出的为标准图像,红外热像仪在设置时会有温度范围的显示和对应的图像调色板。
至此为止,红外图像故障分割完成。如图4所示,为本发明实施例子所得到的检测区域。
Claims (6)
1.一种基于超像素的输变电设备红外故障图像分割方法,其特征是,包括以下步骤:
步骤一:图像预处理,对输变电设备红外故障图像进行预处理;
步骤二:超像素图像分割,利用故障区域和背景区域的差异性,通过超像素分割方法将红外故障图像分割为设定个超像素区域;
步骤三:故障区域提取,对于分割出的多个超像素区域标记为Ri,i=1,2,…,n;使用平均亮度区域凹凸度及区域灰度标准差三个特征来描述每个区域;将三个参数联合在一起,将得到函数F最大值的区域选择为提取出的故障区域;
步骤四:故障区域信息整理,输入红外图像对应的温度界限,最高温设为tH,最低温设为tL,结合红外图像中的调色板对应得到故障区域的最高温度值tB;分割得到的区域大小为故障的区域大小。
2.如权利要求1所述的一种基于超像素的输变电设备红外故障图像分割方法,其特征是,所述步骤一中对输变电设备红外故障图像进行预处理具体为:对红外故障图像进行二维高斯平滑预处理。
3.如权利要求1所述的一种基于超像素的输变电设备红外故障图像分割方法,其特征是,所述步骤二中超像素分割方法为Turbopixel的超像素分割方法,该方法将整个图像区域分割为具有相同特性的多个狭小区域。
4.如权利要求1所述的一种基于超像素的输变电设备红外故障图像分割方法,其特征是,所述步骤二中设定个超像素区域设定数为200。
5.如权利要求1所述的一种基于超像素的输变电设备红外故障图像分割方法,其特征是,所述区域凹凸度通过该区域面积即像素点个数和该区域的最小凸边形的面积得到:
6.如权利要求1所述的一种基于超像素的输变电设备红外故障图像分割方法,其特征是,所述函数F最大值的区域选择为提取出的故障区域:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410404975.0A CN104217425B (zh) | 2014-08-15 | 2014-08-15 | 一种基于超像素的输变电设备红外故障图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410404975.0A CN104217425B (zh) | 2014-08-15 | 2014-08-15 | 一种基于超像素的输变电设备红外故障图像分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104217425A true CN104217425A (zh) | 2014-12-17 |
CN104217425B CN104217425B (zh) | 2017-02-01 |
Family
ID=52098867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410404975.0A Active CN104217425B (zh) | 2014-08-15 | 2014-08-15 | 一种基于超像素的输变电设备红外故障图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104217425B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106514672A (zh) * | 2016-12-28 | 2017-03-22 | 国网浙江省电力公司湖州供电公司 | 一种变电站巡检机器人 |
CN106910226A (zh) * | 2017-02-24 | 2017-06-30 | 深圳市唯特视科技有限公司 | 一种利用层分解对图像和视频进行交互式颜色编辑的方法 |
CN107478340A (zh) * | 2017-07-25 | 2017-12-15 | 许继集团有限公司 | 一种换流阀监测方法及系统 |
CN108198171A (zh) * | 2017-12-27 | 2018-06-22 | 大连理工大学 | 一种基于服务器表面热状态的运行状态诊断的方法 |
CN109376749A (zh) * | 2018-05-22 | 2019-02-22 | 国网山东省电力公司电力科学研究院 | 基于深度学习的输变电设备红外图像温宽范围识别方法 |
CN110097555A (zh) * | 2019-04-26 | 2019-08-06 | 绵阳慧视光电技术有限责任公司 | 基于测温点阵融合可见光图像的电子设备安全监控方法 |
CN111179213A (zh) * | 2019-11-28 | 2020-05-19 | 国网江苏省电力有限公司电力科学研究院 | 一种套管故障诊断方法及系统 |
CN115937229A (zh) * | 2022-12-29 | 2023-04-07 | 深圳优立全息科技有限公司 | 一种基于超体素和图割算法的三维自动分割方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336224A (zh) * | 2013-07-03 | 2013-10-02 | 同济大学 | 基于复合信息的绝缘子温升故障综合诊断方法 |
CN103411970A (zh) * | 2013-07-17 | 2013-11-27 | 同济大学 | 基于红外热像的交流输电线路绝缘子污秽状态检测方法 |
-
2014
- 2014-08-15 CN CN201410404975.0A patent/CN104217425B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336224A (zh) * | 2013-07-03 | 2013-10-02 | 同济大学 | 基于复合信息的绝缘子温升故障综合诊断方法 |
CN103411970A (zh) * | 2013-07-17 | 2013-11-27 | 同济大学 | 基于红外热像的交流输电线路绝缘子污秽状态检测方法 |
Non-Patent Citations (5)
Title |
---|
ALEX LEVINSHTEIN ET AL.: "TurboPixels: Fast Superpixels Using Geometric Flows", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
叶婕: "基于图像分割的变电站电气设备故障自动检测", 《中国优秀硕士学位全文数据库工程科技Ⅱ辑》 * |
李晓莉: "应用红外成像技术检测电气设备热缺陷的探讨", 《华中电力》 * |
梁利利: "变电站红外图像的识别与故障诊断", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
魏刚 等: "输变电设备红外故障诊断技术与试验研究", 《电气技术》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106514672A (zh) * | 2016-12-28 | 2017-03-22 | 国网浙江省电力公司湖州供电公司 | 一种变电站巡检机器人 |
CN106910226A (zh) * | 2017-02-24 | 2017-06-30 | 深圳市唯特视科技有限公司 | 一种利用层分解对图像和视频进行交互式颜色编辑的方法 |
CN107478340A (zh) * | 2017-07-25 | 2017-12-15 | 许继集团有限公司 | 一种换流阀监测方法及系统 |
CN108198171A (zh) * | 2017-12-27 | 2018-06-22 | 大连理工大学 | 一种基于服务器表面热状态的运行状态诊断的方法 |
CN109376749A (zh) * | 2018-05-22 | 2019-02-22 | 国网山东省电力公司电力科学研究院 | 基于深度学习的输变电设备红外图像温宽范围识别方法 |
CN109376749B (zh) * | 2018-05-22 | 2021-03-19 | 国网山东省电力公司电力科学研究院 | 基于深度学习的输变电设备红外图像温宽范围识别方法 |
CN110097555A (zh) * | 2019-04-26 | 2019-08-06 | 绵阳慧视光电技术有限责任公司 | 基于测温点阵融合可见光图像的电子设备安全监控方法 |
CN111179213A (zh) * | 2019-11-28 | 2020-05-19 | 国网江苏省电力有限公司电力科学研究院 | 一种套管故障诊断方法及系统 |
CN115937229A (zh) * | 2022-12-29 | 2023-04-07 | 深圳优立全息科技有限公司 | 一种基于超体素和图割算法的三维自动分割方法及装置 |
CN115937229B (zh) * | 2022-12-29 | 2023-08-04 | 深圳优立全息科技有限公司 | 一种基于超体素和图割算法的三维自动分割方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104217425B (zh) | 2017-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104217425A (zh) | 一种基于超像素的输变电设备红外故障图像分割方法 | |
CN104217443B (zh) | 一种基于hsv空间的输变电设备红外故障图像分割方法 | |
CN111079685A (zh) | 一种3d目标检测方法 | |
Kim et al. | Automatic photovoltaic panel area extraction from UAV thermal infrared images | |
CN103136531A (zh) | 一种绝缘子串红外图像自动识别方法 | |
CN104573702A (zh) | 一种六氟化硫压力仪表图像自动识别方法 | |
CN110619623B (zh) | 一种变电设备接头发热的自动识别方法 | |
CN104318254A (zh) | 一种基于dct低频分量特征的快速煤岩识别方法 | |
CN103914707B (zh) | 基于支持向量机的绿色通道产品辅助判别方法 | |
CN102073872B (zh) | 基于图像的寄生虫虫卵形状识别方法 | |
CN112734698A (zh) | 基于红外图像的电缆终端异常诊断方法和装置 | |
Afifah et al. | Hotspot detection in photovoltaic module using Otsu thresholding method | |
CN105374029A (zh) | 变电站设备红外图像感兴趣区域的分割方法及系统 | |
Korovin et al. | Anomaly detection in electroluminescence images of heterojunction solar cells | |
Afifah et al. | A new approach for hot spot solar cell detection based on multi-level otsu algorithm | |
CN108492292B (zh) | 基于红外图像处理的导线散股检测方法 | |
CN105469097A (zh) | 一种基于神经网络的变电站特征提取方法 | |
CN116310274A (zh) | 一种输变电设备的状态评估方法 | |
CN113033326B (zh) | 一种光伏电站施工踩踏组件监测方法 | |
Murray et al. | Automated video processing and image analysis software to support visual inspection of AGR cores | |
CN108959900A (zh) | 一种生成滑动验证码图片的方法 | |
Xie et al. | Tobacco plant recognizing and counting based on svm | |
Olivatti et al. | Analysis of artificial intelligence techniques applied to thermographic inspection for automatic detection of electrical problems | |
Vaněk et al. | Automation capabilities of solar modules defect detection by thermography | |
CN106845490A (zh) | 基于gpu加速的超高压变电设备红外图像定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |