CN104217443A - 一种基于hsv空间的输变电设备红外故障图像分割方法 - Google Patents
一种基于hsv空间的输变电设备红外故障图像分割方法 Download PDFInfo
- Publication number
- CN104217443A CN104217443A CN201410406594.6A CN201410406594A CN104217443A CN 104217443 A CN104217443 A CN 104217443A CN 201410406594 A CN201410406594 A CN 201410406594A CN 104217443 A CN104217443 A CN 104217443A
- Authority
- CN
- China
- Prior art keywords
- infrared
- fault
- region
- power transmission
- 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
Landscapes
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于HSV空间的输变电设备红外故障图像分割方法,结合故障区域的颜色特征,利用HSV颜色空间进行故障自动分割提取。首先对红外图像进行高斯平滑预处理,然后通过观察得到的颜色特征通过HSV和RGB空间的转换提取感兴趣区域,并进一步的对检测出的多个区域进行验证,得到可靠性最高的故障区域,最后通过对整幅图像和分割区域的颜色分布情况,得到故障区域的温度和范围信息。本发明的算法摆脱了红外实验过程中人工调整、检查大量红外故障图像的缺陷,可以自动地将故障区域呈现,具有抗干扰性强、灵活性较强的特点。
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HSV颜色空间的输变电设备红外图像故障区域自动分割方法。
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,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(王如意,“变电站电力设备红外图像分割技术研究”,硕士学位论文,西安科技大学,2011)采用常见的图像分割方法对目标图像进行分割,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,而事实上由于红外热像仪厂家的图像呈现方式的选择,红外图像的故障热点存在其特有的颜色属性,利用HSV颜色空间的分割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HSV空间的输变电设备红外故障图像分割方法,针对现有输变电设备红外检测主要依靠人工识别的现状,本发明的目的在于提供一种红外故障图像自动分割方法,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HSV空间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:感兴趣区域提取,对步骤一中经过预处理的输变电设备红外故障图像,利用HSV颜色空间提取满足设定条件的待验证的一个或多个感兴趣区域;将满足设定条件的像素点的H值计算转换到[0,1]之间,得到H值灰度图像IH和二值化图像IB;
步骤三:故障区域验证,去掉二值化图像IB中区域面积小于设定个像素的噪声区域,当仅剩一个区域时,该区域即为得到的故障区域;当剩多个区域时,对于剩余多个感兴趣区域的情况,标记为Ri,i=1,2,…,n;使用区域凹凸度及区域色度分布标准差两个特征来描述每个区域,函数F最大值的区域为验证得到的故障区域:
步骤四:故障区域信息整理,根据红外图像对应的温度界限[tL,tH],结合故障区域图像中的温度颜色对应图例,得到故障区域的温度分布情况,而验证得到的故障区域大小就是故障的影响范围。
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。
所述步骤二中满足设定条件为:满足以下两个要求其中之一的像素点:
(1)S>0.5;V>200;R>G>>B;
(2)S<0.12;V>200;R>180;G>180;B>180;
用R,G,B分别代表图像中的红、绿、蓝三种颜色分量,H,S,V分别代表图像的色度、饱和度、亮度三种分量。
所述将满足设定条件像素点的H值计算转换到[0,1]之间:
所述灰度图像IH计算如下,其中(i,j)代表像素点坐标:
所述二值化图像IB计算如下:
所述步骤三中的区域凹凸度计算:通过该区域面积即像素点个数和最小凸边形的面积得到,具体公式为:
所述区域色度分布标准差由IH中对应区域内所有像素的色度H值求得,用于描述区域色度的分布均匀程度。
所述函数F:
本发明的有益效果:
本方法兼顾了算法的快速性和可靠性,针对红外故障图像的颜色特性发明了利用HSV颜色空间进行分割的方法,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为本发明实施例子中要处理的红外故障图像原图;
图2为本发明实施例子中进行平滑处理后的平滑图像;
图3为本发明实施例子中灰度图像IH;
图4为本发明实施例子中二值化图像IB;
图5为本发明实施例子中得到的分割区域;
图6为本发明实施例子中对应在图像中的区域位置。
具体实施方式:
下面结合附图对本发明进行详细说明:
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;②HSV颜色空间分割:通过故障区域具有的颜色属性,将在HSV空间中满足要求的区域进行提取;③故障区域验证:考虑故障的区域性,通过去除小的噪声区域、考虑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,为本发明实施例子中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、感兴趣区域提取:
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;在RGB空间中很难做到便捷地区分出黄色分量,而在HSV空间里,色度H展示了分别处于不同的取值范围内的红、绿、蓝、黄、青、品红六种颜色,可以更好地对满足我们对温度过高区域的提取。因此,利用HSV空间的数值直观性可以较灵活地提取出这些区域。分割出满足以下两个要求其中之一的像素点区域,即可得到待验证的一个或多个感兴趣区域,分别用R,G,B代表图像中的红、绿、蓝三种颜色分量,H,S,V代表色度、饱和度、亮度三种分量:
(1)S>0.5;V>200;R>G>>B;
(2)S<0.12;V>200;R>180;G>180;B>180;
为了便于计算,将这些点的H值计算转换为[0,1]之间:
如图3所示,建立与图像大小相同的灰度图像矩阵IH,其中(i,j)代表像素点坐标:
如图4所示,二值化图像IB计算如下:
由此,得到H值的灰度值IH和二值化图像IB。
3、故障区域验证:
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。
(1)去掉IB中区域面积小于100个像素的噪声区域,这些区域通常为影响范围较大的成像噪声;
(2)对于剩余的多个感兴趣区域,标记为Ri,i=1,2,…,n。
(3)使用以下两个特征来描述每个区域:
(a)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:
(b)区域色度分布标准差用于描述区域色度的分布均匀程度;
两个特征都处于[0,1]的取值范围内,因此可以直接相除,我们的目的是得到凹凸度大(即轮廓均匀),色度标准差小(即色度分布均匀)的区域,因此将得到函数F最大值的区域选择为验证提取出的故障区域:
本发明实施例子中得到的分割区域,如图5所示。
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,在厂家给定的红外图像中,不同的颜色和温度存在一一对应,结合图像中的温度颜色对应图例,可以得到故障区域的温度分布情况和最高温度值tB;分割得到的区域大小为故障的影响区域区域大小。
至此为止,红外图像故障分割完成。如图图6所示,为本发明实施例子中对应在图像中的区域位置。
Claims (9)
1.一种基于HSV空间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:感兴趣区域提取,对步骤一中经过预处理的输变电设备红外故障图像,利用HSV颜色空间提取满足设定条件的待验证的一个或多个感兴趣区域;将满足设定条件的像素点的H值计算转换到[0,1]之间,得到H值灰度图像IH和二值化图像IB;
步骤三:故障区域验证,去掉二值化图像IB中区域面积小于设定个像素的噪声区域,当仅剩一个区域时,该区域即为得到的故障区域;当剩多个区域时,对于剩余多个感兴趣区域的情况,标记为Ri,i=1,2,…,n;使用区域凹凸度及区域色度分布标准差两个特征来描述每个区域,函数F最大值的区域为验证得到的故障区域;
步骤四:故障区域信息整理,根据红外图像对应的温度界限[tL,tH],结合故障区域图像中的温度颜色对应图例,得到故障区域的温度分布情况,而验证得到的故障区域大小就是故障的影响范围。
2.如权利要求1所述的一种基于HSV空间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HSV空间的输变电设备红外故障图像分割方法,其特征是,所述步骤二中满足设定条件为:满足以下两个要求其中之一的像素点:
(1)S>0.5;V>200;R>G>>B;
(2)S<0.12;V>200;R>180;G>180;B>180;
用R,G,B分别代表图像中的红、绿、蓝三种颜色分量,H,S,V分别代表图像的色度、饱和度、亮度三种分量。
4.如权利要求1所述的一种基于HSV空间的输变电设备红外故障图像分割方法,其特征是,所述将满足设定条件像素点的H值计算转换到[0,1]之间:
5.如权利要求1所述的一种基于HSV空间的输变电设备红外故障图像分割方法,其特征是,所述灰度图像IH计算如下,其中(i,j)代表像素点坐标:
6.如权利要求1所述的一种基于HSV空间的输变电设备红外故障图像分割方法,其特征是,所述二值化图像IB计算如下:
7.如权利要求1所述的一种基于HSV空间的输变电设备红外故障图像分割方法,其特征是,所述步骤三中的区域凹凸度计算:通过该区域面积即像素点个数和最小凸边形的面积得到,具体公式为:
8.如权利要求1所述的一种基于HSV空间的输变电设备红外故障图像分割方法,其特征是,所述区域色度分布标准差由IH中对应区域内所有像素的色度H值求得,用于描述区域色度的分布均匀程度。
9.如权利要求1所述的一种基于HSV空间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:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410406594.6A CN104217443B (zh) | 2014-08-15 | 2014-08-15 | 一种基于hsv空间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 |
---|---|---|---|
CN201410406594.6A CN104217443B (zh) | 2014-08-15 | 2014-08-15 | 一种基于hsv空间的输变电设备红外故障图像分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104217443A true CN104217443A (zh) | 2014-12-17 |
CN104217443B CN104217443B (zh) | 2017-02-15 |
Family
ID=52098885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410406594.6A Active CN104217443B (zh) | 2014-08-15 | 2014-08-15 | 一种基于hsv空间的输变电设备红外故障图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104217443B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105374029A (zh) * | 2015-10-12 | 2016-03-02 | 国家电网公司 | 变电站设备红外图像感兴趣区域的分割方法及系统 |
CN107220937A (zh) * | 2017-05-25 | 2017-09-29 | 云南电网有限责任公司电力科学研究院 | 一种电气设备检测用红外全景图像处理方法及平台 |
CN110070024A (zh) * | 2019-04-16 | 2019-07-30 | 温州医科大学 | 一种皮肤压力性损伤热成像图像识别的方法、系统及手机 |
CN111488868A (zh) * | 2020-03-27 | 2020-08-04 | 贵州电网有限责任公司 | 一种基于变压器红外图像的高温区域识别方法及系统 |
CN112330633A (zh) * | 2020-11-05 | 2021-02-05 | 哈尔滨市科佳通用机电股份有限公司 | 基于自适应带通滤波的跨接线胶带破损故障图像分割方法 |
CN112819907A (zh) * | 2021-02-01 | 2021-05-18 | 深圳瀚维智能医疗科技有限公司 | 基于红外相机的成像方法、装置及计算机可读存储介质 |
CN113034624A (zh) * | 2021-05-06 | 2021-06-25 | 湖州云电笔智能科技有限公司 | 基于感温变色胶贴的温度预警图像识别方法、系统、设备及存储介质 |
CN116295855A (zh) * | 2023-05-24 | 2023-06-23 | 国网吉林省电力有限公司信息通信公司 | 基于无线通信网络的故障定位及诊断系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617469B (zh) * | 2013-12-18 | 2016-09-14 | 重庆大学 | 电力系统设备故障预测方法及系统 |
CN103630244B (zh) * | 2013-12-18 | 2016-03-09 | 重庆大学 | 电力系统设备故障诊断方法及系统 |
-
2014
- 2014-08-15 CN CN201410406594.6A patent/CN104217443B/zh active Active
Non-Patent Citations (4)
Title |
---|
CAO YANG ET AL: "Infrared Technology in the Fault Diagnosis of Substation Equipment", 《CHINA INTERNATIONAL CONFERENCE ON ELECTRICITY DISTRIBUTION》 * |
HUANGQIANG LI ET AL: "Research on HV-Power Equipment Diagnosis by Infrared Image Edge Detection", 《ASIA-PACIFIC POWER AND ENERGY ENGINEERING CONFERENCE》 * |
余长国 等: "输变电设备红外热成像自动识别及故障分析系统", 《四川兵工学报》 * |
魏钢 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 (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105374029B (zh) * | 2015-10-12 | 2018-01-19 | 国家电网公司 | 变电站设备红外图像感兴趣区域的分割方法及系统 |
CN105374029A (zh) * | 2015-10-12 | 2016-03-02 | 国家电网公司 | 变电站设备红外图像感兴趣区域的分割方法及系统 |
CN107220937A (zh) * | 2017-05-25 | 2017-09-29 | 云南电网有限责任公司电力科学研究院 | 一种电气设备检测用红外全景图像处理方法及平台 |
CN110070024A (zh) * | 2019-04-16 | 2019-07-30 | 温州医科大学 | 一种皮肤压力性损伤热成像图像识别的方法、系统及手机 |
CN110070024B (zh) * | 2019-04-16 | 2020-05-05 | 温州医科大学 | 一种皮肤压力性损伤热成像图像识别的方法、系统及手机 |
CN111488868B (zh) * | 2020-03-27 | 2023-06-30 | 贵州电网有限责任公司 | 一种基于变压器红外图像的高温区域识别方法及系统 |
CN111488868A (zh) * | 2020-03-27 | 2020-08-04 | 贵州电网有限责任公司 | 一种基于变压器红外图像的高温区域识别方法及系统 |
CN112330633A (zh) * | 2020-11-05 | 2021-02-05 | 哈尔滨市科佳通用机电股份有限公司 | 基于自适应带通滤波的跨接线胶带破损故障图像分割方法 |
CN112330633B (zh) * | 2020-11-05 | 2021-06-15 | 哈尔滨市科佳通用机电股份有限公司 | 基于自适应带通滤波的跨接线胶带破损故障图像分割方法 |
CN112819907A (zh) * | 2021-02-01 | 2021-05-18 | 深圳瀚维智能医疗科技有限公司 | 基于红外相机的成像方法、装置及计算机可读存储介质 |
CN113034624A (zh) * | 2021-05-06 | 2021-06-25 | 湖州云电笔智能科技有限公司 | 基于感温变色胶贴的温度预警图像识别方法、系统、设备及存储介质 |
CN113034624B (zh) * | 2021-05-06 | 2024-05-07 | 浙江云电笔智能科技有限公司 | 基于感温变色胶贴的温度预警图像识别方法、系统、设备及存储介质 |
CN116295855A (zh) * | 2023-05-24 | 2023-06-23 | 国网吉林省电力有限公司信息通信公司 | 基于无线通信网络的故障定位及诊断系统 |
CN116295855B (zh) * | 2023-05-24 | 2023-08-08 | 国网吉林省电力有限公司信息通信公司 | 基于无线通信网络的故障定位及诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104217443B (zh) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN104217425B (zh) | 一种基于超像素的输变电设备红外故障图像分割方法 | |
CN106934418B (zh) | 一种基于卷积递归网络的绝缘子红外诊断方法 | |
CN105445607B (zh) | 一种基于等温线绘制的电力设备故障检测方法 | |
CN105868722A (zh) | 异常电力设备图像的识别方法及系统 | |
CN107103598A (zh) | 一种基于红外图像聚类处理的电力电缆热故障诊断方法 | |
CN109544497A (zh) | 用于输电线路检测的图像融合方法及电子设备 | |
CN102759528A (zh) | 一种农作物叶部病害检测方法 | |
CN102175953A (zh) | 输电线路绝缘子放电在线监测故障定位方法 | |
CN104601956A (zh) | 基于固定翼无人机的输电线路在线监测系统及监测方法 | |
CN108961154B (zh) | 基于改进非下采样轮廓波变换的太阳电池热斑检测方法 | |
JP2006350740A (ja) | 画像処理装置および画像処理プログラム | |
CN115290696A (zh) | 一种变电站绝缘子的红外热成像缺陷检测方法及装置 | |
CN114494185B (zh) | 一种基于rgb-t多尺度特征融合的电气设备故障检测方法 | |
CN106951863B (zh) | 一种基于随机森林的变电站设备红外图像变化检测方法 | |
CN103310201A (zh) | 目标混合颜色识别方法 | |
CN116310274A (zh) | 一种输变电设备的状态评估方法 | |
Afifah et al. | Hotspot detection in photovoltaic module using Otsu thresholding method | |
CN105374029B (zh) | 变电站设备红外图像感兴趣区域的分割方法及系统 | |
CN112669306A (zh) | 一种基于显著图的太阳能电池片缺陷检测方法及系统 | |
Al-Mashhadani et al. | Autonomous ripeness detection using image processing for an agricultural robotic system | |
CN108492292B (zh) | 基于红外图像处理的导线散股检测方法 | |
CN108596262A (zh) | 一种基于计算机视觉进行植物病斑分类的方法及系统 | |
CN111968078A (zh) | 一种变电设备的外观检测方法、装置、设备和存储介质 | |
Tribak et al. | Remote solar panels identification based on patterns localization |
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 |