CN104346626A - 基于图像识别的sf6气体泄漏在线模式识别方法 - Google Patents

Abstract

本发明公开了基于图像识别的SF₆气体泄漏在线模式识别方法，包括以下步骤：步骤一：采集SF₆气体泄漏原始图像；步骤二：对采集的SF₆气体泄漏原始图像进行灰度转换，得到SF₆气体泄漏原始图像的累积直方图；步骤三：对采集的SF₆气体泄漏原始图像进行均值滤波，用均值替代SF₆气体泄漏原始图像中的各个像素值；步骤四：利用帧间差分法对图像序列中的连续两帧图像进行差分，然后二值化该灰度差分图像来提取运动信息，设定阈值，最终将符合阈值的像素点凸显出来，识别出SF₆气体泄漏特征。本发明可以动态形式将SF₆气体泄漏运动轨迹显示出来，实现由人工识别到自动识别的转变，提高工作效率及诊断准确度。

Description

基于图像识别的SF6气体泄漏在线模式识别方法

技术领域

本发明涉及基于图像识别的SF₆气体泄漏在线模式识别方法。

背景技术

随着SF₆设备数量的增多及运行时间的增长，SF₆气体泄漏故障一直是影响设备正常运行及威胁现场工作人员人身安全的重要问题。由于SF₆气体无色无味的物理特征很难被现场工作人员直接发现，以往采用的刷肥皂泡法定性检漏仪检漏法定量检漏(包扎法挂瓶法)法等方法，存在着检测灵敏度低、受周围环境影响较大、工作强度大、需停电检测、难以准确定位泄漏点等明显不足。

鉴于上述问题，国内外提出了许多基于光学成像技术的SF₆气体泄漏在线检测方法，可以在不停电情况下，实时监测电气设备中的SF₆泄漏状况，这样不仅保证了设备的安全稳定运行，同时节省了人力资源。以激光成像检测技术和红外成像检测技术为代表的SF₆气体泄漏光学成像检测技术，利用SF₆气体对红外光谱的强吸收特性，使肉眼不能直接观察到的SF₆气体在红外视频上可见，为检测人员提供了一种快速识别泄漏源的技术，该技术现已成为一种成熟有效的带电测试手段在国内外得到了广泛应用。然而单纯采用红外成像检漏，无法对泄漏数据进行在线汇总分析，无法提供气体泄漏量化指标，不能发挥数据的价值。

发明内容

为解决现有技术存在的不足，本发明公开了基于图像识别的SF₆气体泄漏在线模式识别方法，本申请通过提取气体泄漏特征，在线识别气体泄漏及其泄漏点，实现SF₆气体泄漏在线自动识别。

为实现上述目的，本发明的具体方案如下：

基于图像识别的SF₆气体泄漏在线模式识别方法，包括以下步骤：

步骤一：采集SF₆气体泄漏原始图像；

步骤二：对采集的SF₆气体泄漏原始图像进行灰度转换，得到SF₆气体泄漏原始图像的累积直方图，然后进入步骤三；

步骤三：对SF₆气体泄漏原始图像的累积直方图进行均值滤波，用均值替代SF₆气体泄漏原始图像中的各个像素值；

步骤四：利用帧间差分法对步骤三中均值滤波后图像序列中的连续两帧图像进行差分，然后二值化该灰度差分图像来提取运动信息，设定阈值，最终将符合阈值的像素点凸显出来，识别出SF₆气体泄漏特征。

所述步骤二中灰度转换采用直方图均衡化的方法，设n_i为原图像中第i个灰度级像素数，n为原图像中所有的像素数，则灰度为i的像素的出现概率是P(i)＝n_i/n(i＝0,1,…,N-1)，式中，P(i)是原图像直方图的概率分布,N为原图像中的所有灰度级数(N≤256)，直方图均衡化是通过累积分布函数将原图像的灰度级i映射到新的灰度级C(i)即形成了原始图的累积直方图，参数j为从0开始递增的整数。

所述步骤三中均值滤波采用的方法为邻域平均法，对待处理的当前像素点(x,y)，选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点(x,y)，作为处理后图像在该点上的灰度g(x,y)，即其中，s为模板，M为该模板中包含当前像素在内的像素总个数，f函数是图像的二维矩阵表示，f(x,y)是每个矩阵元素。

所述步骤四中具体为：通过比较图像序列中前后两帧图像对应像素点灰度值的不同，通过两帧相减，如果相减差值小于差分二值化阈值，可以认为该点无运动物体经过；反之相减差值大于差分二值化阈值，则认为有物体经过，第k帧和k+1帧图像f_k(x，y)，f_k+l(x，y)之间的变化用一个二值差分图像D(x，y)表示：

T为差分二值化阈值。

最终将符合阈值的像素点凸显出来，识别出SF₆气体泄漏特征。

在步骤一中，采集图像是采用现有检测手段，红外检测仪检测获取视频资料。先进行灰度转换，再对转换后的累积直方图进行均值滤波，灰度转化是为了改善图片效果，凸显图片特征，然后采用均值滤波对其进行去噪。

帧间差分法是用图像序列中的连续两帧图像进行差分，然后二值化该灰度差分图像来提取运动信息。它是通过比较图像序列中前后两帧图像对应像素点灰度值的不同，通过两帧相减，如果灰度值很小，可以认为该点无运动物体经过；反之灰度变化很大，则认为有物体经过。第k帧和k+1帧图像f_k(x，y)，f_k+l(x，y)之间的变化用一个二值差分图像D(x，y)表示。

T为差分二值化阈值。

最终将符合阈值的像素点凸显出来，识别出SF₆气体泄漏特征。

原理分析：SF₆气体泄漏原始视频的背景色较暗，目标与背景的对比度较小、信噪比较低若，直接进行跟踪、捕捉往往比较困难，所以必须先对图像信号进行灰度转换和中值滤波等处理，以达到抑制背景噪声增强目标强度、提高图像信噪比的目的。

直方图均衡化的方法把原始图像的直方图变换成均匀分布的形式，增加了像素灰度值的动态范围，从而使图像的灰度分布均匀，对比度增大，细节更清晰。

均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。其基本原理是用均值替代原图像中的各个像素值。

本发明的有益效果：

本申请的图像识别的基本原理是利用图像处理技术，采用灰度处理、均值滤波去噪、帧间差分方法对原始的SF₆气体泄漏光学检测图像进行数字化图像特征提取，这样便可以动态形式将SF₆气体泄漏运动轨迹显示出来，实现由人工识别到自动识别的转变，提高工作效率及诊断准确度。

附图说明

图1将模板中的全体像素的均值来代替原来的像素值的示意图；

图2：SF₆泄漏红外检测图像；

图3图像均衡化后直方图；

图4识别气体泄漏图谱。

具体实施方式：

下面结合附图对本发明进行详细说明：

本发明提出基于图像处理的SF₆气体泄漏在线模式识别方法，提取气体泄漏特征，在线识别气体泄漏及其泄漏点，实现SF₆气体泄漏在线自动识别。

图像识别的基本原理是利用图像处理技术，采用灰度处理、均值滤波去噪、帧间差分方法对原始的SF₆气体泄漏光学检测图像进行数字化图像特征提取，这样便可以动态形式将SF₆气体泄漏运动轨迹显示出来，实现由人工识别到自动识别的转变，提高工作效率及诊断准确度。

如图2所示，SF₆气体泄漏原始视频的背景色较暗，目标与背景的对比度较小、信噪比较低若，直接进行跟踪、捕捉往往比较困难，所以必须先对图像信号进行灰度转换和中值滤波等处理，以达到抑制背景噪声增强目标强度、提高图像信噪比的目的。

如图3所示，灰度转换采用直方图均衡化的方法，把原始图像的直方图变换成均匀分布的形式，增加了像素灰度值的动态范围，从而使图像的灰度分布均匀，对比度增大，细节更清晰。设n_i为原图像中第i个灰度级像素数，n为原图像中所有的像素数，则灰度为i的像素的出现概率是P(i)＝n_i/n，式中，P(i)是原图像直方图的概率分布。直方图均衡化是通过累积分布函数将原图像的灰度级i映射到新的灰度级C(i)即形成了原始图的累积直方图。

$C\left(i\right)={\mathrm{\Σ}}_{j=0}^{i}P\left(j\right).$

均值滤波也称为线性滤波,其采用的主要方法为邻域平均法。其基本原理是用均值替代原图像中的各个像素值,即对待处理的当前像素点(x,y)，选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点(x,x)，作为处理后图像在该点上的灰度g(x,y)，即其中，s为模板，M为该模板中包含当前像素在内的像素总个数。

模板是指在处理矩阵中的某一像素时，制定以该待处理像素为中心包含临近像素的一个小的N*N矩阵，这就是一个模板，将模板中的全体像素的均值来代替原来的像素值的方法，如图1所示。

帧间差分法是用图像序列中的连续两帧图像进行差分，然后二值化该灰度差分图像来提取运动信息。它是通过比较图像序列中前后两帧图像对应像素点灰度值的不同，通过两帧相减，如果灰度值很小，可以认为该点无运动物体经过；反之灰度变化很大，则认为有物体经过。第k帧和k+1帧图像f_k(x，y)，f_k+l(x，y)之间的变化用一个二值差分图像D(x，y)表示。

T为差分二值化阈值。

如图4所示，最终将符合阈值的像素点凸显出来，识别出SF₆气体泄漏特征。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (5)

1.基于图像识别的SF₆气体泄漏在线模式识别方法，其特征是，包括以下步骤：

步骤一：采集SF₆气体泄漏原始图像；

步骤二：对采集的SF₆气体泄漏原始图像进行灰度转换，得到SF₆气体泄漏原始图像的累积直方图，然后进入步骤三；

步骤三：对SF₆气体泄漏原始图像的累积直方图进行均值滤波，用均值替代SF₆气体泄漏原始图像中的各个像素值；

步骤四：利用帧间差分法对步骤三中均值滤波后图像序列中的连续两帧图像进行差分，然后二值化该灰度差分图像来提取运动信息，设定阈值，最终将符合阈值的像素点凸显出来，识别出SF₆气体泄漏特征。

2.如权利要求1所述的基于图像识别的SF₆气体泄漏在线模式识别方法，其特征是，所述步骤二中灰度转换采用直方图均衡化的方法，设n_i为原图像中第i个灰度级像素数，n为原图像中所有的像素数，则灰度为i的像素的出现概率是P(i)＝n_i/n(i＝0,1,...,N-1)，式中，P(i)是原图像直方图的概率分布，N为原图像中的所有灰度级数(N≤256)，直方图均衡化是通过累积分布函数将原图像的灰度级i映射到新的灰度级C(i)即形成了原始图的累积直方图，参数j为从0开始递增的整数。

3.如权利要求1所述的基于图像识别的SF₆气体泄漏在线模式识别方法，其特征是，所述步骤三中均值滤波采用的方法为邻域平均法，对待处理的当前像素点(x,y)，选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点(x,y)，作为处理后图像在该点上的灰度g(x,y)，即其中，s为模板，M为该模板中包含当前像素在内的像素总个数，f函数是图像的二维矩阵表示，f(x,y)是每个矩阵元素。

4.如权利要求1所述的基于图像识别的SF₆气体泄漏在线模式识别方法，其特征是，所述步骤四中具体为：通过比较图像序列中前后两帧图像对应像素点灰度值的不同，通过两帧相减，如果相减差值小于差分二值化阈值，可以认为该点无运动物体经过；反之相减差值大于差分二值化阈值，则认为有物体经过，第k帧和k+1帧图像f_k(x，y)，f_k+l(x，y)之间的变化用一个二值差分图像D(x，y)表示：

T为差分二值化阈值；

最终将符合阈值的像素点凸显出来，识别出SF₆气体泄漏特征。

5.如权利要求1所述的基于图像识别的SF₆气体泄漏在线模式识别方法，其特征是，所述步骤一中采集的装置为红外检测仪。