CN107505546A - 一种利用紫外成像仪监测电晕放电的方法 - Google Patents
一种利用紫外成像仪监测电晕放电的方法 Download PDFInfo
- Publication number
- CN107505546A CN107505546A CN201710743904.7A CN201710743904A CN107505546A CN 107505546 A CN107505546 A CN 107505546A CN 201710743904 A CN201710743904 A CN 201710743904A CN 107505546 A CN107505546 A CN 107505546A
- Authority
- CN
- China
- Prior art keywords
- mrow
- image
- ultraviolet
- gray
- filtered
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1218—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using optical methods; using charged particle, e.g. electron, beams or X-rays
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种利用紫外成像仪监测电晕放电的方法,该方法首先采用数学形态学膨胀腐蚀的开闭运算操作与中值滤波相结合的方式,对图像进行滤波,然后对紫外图阈值分割,阈值的选取依赖于图像自身的均值和方差特性,不同的采集系统可实现自适应地选取阈值,相比于固定阈值的图像分割方法,效果更优。最后边缘检测,边缘检测部分采用图像领域应用广泛的Canny算子,通过对二值图像进行边缘检测,可以获取边缘点坐标,对故障区域进行精确定位,同时可以计算出故障区域的面积,有助于判断故障程度。该方法可对电气设备的放电现象进行监测,确定电晕位置和强度,诊断出其早期故障,为进一步评估设备的运行情况提供更可靠的依据。
Description
技术领域
本发明涉及电晕放电检测领域,具体涉及一种利用紫外成像仪监测电晕放电的方法。
背景技术
随着我国电力工业事业的突飞猛进,现代电力系统正朝着大电网、大机组、超高压、大容量的方向发展,为保障电力系统的稳定性、可靠性,对电力设备的绝缘水平也提出了更高的要求。GIS设备结构紧凑、整个装置的占地面积比传统敞开式设备大大减少,而且不受外界环境的影响,运行可靠性高,所以在110kV及以上城市变电站中得到广泛应用。然而,由局部放电导致的电气绝缘缺陷直接影响到GIS设备运行的安全性和系统的稳定性。主流的红外热成像技术是利用物体发出的不可见红外能量转变为可见的热图像,并通过热图像的温度分布找出设备的异常发热点。针对设备放电的情况,当很容易就可以观察到电晕放电的红外图像时,电气设备的绝缘状态以及极度恶化。
因此,为诊断GIS设备的早期故障,及时预报该局部放电的发展趋势和预测相关设备的绝缘劣化程度,采用紫外成像技术能很好的解决这一问题。紫外成像技术主要是靠接收高压设备电气放电时,空气中的电子不断吸收和释放能量时产生的紫外信号,经过处理后与可见光影响重叠,显示在仪器的屏幕上,达到确定电晕位置和强度的目的,从而为进一步评估设备的运行情况提供更可靠的依据。因此,如何将紫外成像仪和图像处理技术融合在一起,有效检测出紫外图中的放电区域并判断电气设备的损坏程度,是现实亟待解决的问题。
发明内容
本发明的目的在于提供一种利用紫外成像仪监测电晕放电的方法,以克服上述现有技术存在的缺陷,本发明可对电气设备的放电现象进行监测,确定电晕位置和强度,判断设备运行状态,从而诊断出其早期故障,为进一步评估设备的运行情况提供更可靠的依据。
为达到上述目的,本发明采用如下技术方案:
一种利用紫外成像仪监测电晕放电的方法,包括以下步骤:
步骤一:采用紫外成像仪获取GIS电气设备的可见光图像和紫外图像,并对紫外成像仪所拍摄的可见光图像和紫外图像进行滤波去噪,然后对滤去噪后的可见光图像和紫外图像进行融合得到双光谱图像;
步骤二:对步骤一滤波后的紫外图像进行自适应阈值分割,分割出图像的目标和背景;
步骤三:对步骤二分割后的二值图像进行边缘检测,根据边缘点坐标在双光谱图像中标注出放电区域,计算放电区域面积,以衡量故障的严重程度。
进一步地,步骤一中首先将紫外成像仪所拍摄的紫外图和可见光图转换为灰度图,然后依次采用形态学算子和中值滤波算法对灰度图进行滤波。
进一步地,采用形态学算子分别对紫外成像仪所拍摄的紫外图和可见光图的灰度图进行滤波具体为:采用腐蚀和膨胀综合组成的开启和闭合运算对灰度图进行处理,具体为:
其中,表示开运算,f·b表示闭运算;
表示b(x,y)对f(x,y)进行的灰度膨胀,fΘb表示b(x,y)对f(x,y)进行的灰度腐蚀,且和fΘb分别定义为:
(fΘb)(s,t)=min{f(s+x,t+y)-b(x,y)|(s+x),(t+y)∈Df;(x,y)∈Db}
其中,f(x,y)是输入的灰度图,b(x,y)是结构元素,Df和Db分别是输入的灰度图f(x,y)和结构元素b(x,y)的定义域,(x,y)和(s,t)表示图像中的像素点坐标。
进一步地,步骤一中对形态学算子滤波后的图像采用中值滤波算法进行滤波具体为:将形态学算子滤波后的图像在某一点的邻域中的像素按照灰度级大小排列,取其中值代替中心点的像素值,逐行依次对图像中的每个像素点执行该操作,即完成图像的中值滤波。
进一步地,步骤二具体为:对滤波后的紫外图像采用自适应的阈值分割,灰度值大于阈值的像素点赋1,即白色,白色区域即为目标区域;小于阈值的像素点赋0,即黑色,黑色区域为不相关的背景区域;
自适应的阈值分割公式为:
T(n)=m(n)+α×SNR×σ(n)
其中,m(n)表示获取到的第n帧图像的灰度均值,σ(n)为第n帧图像的灰度标准差,SNR为图像信噪比,α为加权系数,fmax(n)为第n帧图像的最大灰度值,T(n)为第n帧图像所选取的阈值;
定义输出图像如下:
其中,当滤波后紫外图像在点(x,y)处的灰度值f(x,y,n)大于阈值T(n)时,该点的输出像素值g(x,y,n)为1,否则为0。
进一步地,步骤三中采用Canny算子对二值图像进行边缘检测,同时记录边缘点的坐标,根据边缘检测结果,求得每个闭合区域的面积,确定放电区域。
与现有技术相比,本发明具有以下有益的技术效果:
本发明采用形态学算子对紫外图和可见光图的灰度图直接进行处理,然后再进行阈值分割,这样可以减少噪声烦人影响,使检测准确率更高,同时提前去除面积较小的放电区域,使检测集中在故障主区域,该方法得益于形态学算子并行快速易于硬件实现的特点,不仅能够有效去除噪声,同时保留原始图像的大部分信息。紫外图阈值分割部分,阈值的选取依赖于图像自身的均值和方差特性,不同的采集系统可实现自适应地选取阈值,相比于固定阈值的图像分割方法,能够更精确地将灰度值稍低的目标区域保留下来,效果更优。前两步能够有效去除紫外成像期间引入的随机噪声,使得目标与背景的分割更加可靠,提高检测目标区域的正确率。边缘检测部分通过对二值图像进行边缘检测,可以获取边缘点坐标,对故障区域进行精确定位,同时可以计算出故障区域的面积,有助于判断故障程度。
附图说明
图1是灰度图经过开运算和闭运算的示例,其中(a)为原图,(b)为开运算示例,(c)为闭运算示例;
图2是3*3模板中值滤波示意图;
图3是紫外成像仪原理图;
图4是本紫外成像技术检测电晕放电现象的流程图;
图5是形态学滤波与中值滤波示例,其中(a)为滤波前图像,(b)为形态学滤波后图像,(c)为形态学滤波和中值滤波结合处理图像;
图6是中值滤波示例,其中(a)为滤波前图像,(b)为滤波后图像;
图7是固定阈值的图像分割效果图,其中(a)为分割前图像,(b)为分割后图像;
图8是自适应阈值分割效果图,其中(a)为原图,(b)为滤波后图像,(c)为自适应阈值分割后图像。
具体实施方式
下面结合附图对本发明作进一步详细描述:
一种利用紫外成像仪监测电晕放电的方法,该方法将数字图象处理技术应用于紫外成像仪所拍摄的图片,可诊断出GIS设备的早期故障,提供较为明确的故障属性、严重程度以及发生故障的部位等,避免红外热成像技术发现晚的问题,为进一步评估设备的运行情况提供更可靠的依据,确保变电站电气设备的健康稳定运行。
本发明方法通过三个步骤完成放电区域和放电程度的检测。首先需要对紫外成像仪所拍摄的图片进行滤波去噪,采用的方法是利用形态学算子对紫外图和可见光图的灰度图直接进行处理,然后再进行阈值分割,这样可以在减少噪声影响,使检测准确率更高,同时提前去除面积较小的放电区域,使检测集中在故障主区域;二是对滤波后的图像进行自适应的阈值分割,以分离出图像的目标和背景;三是对分割后的图像使用Canny算子实现边缘检测,并标注出发生故障的区域(即放电区域),计算故障区域面积,以衡量故障的严重程度。
其中滤波去噪部分,由于紫外双光谱检测系统获得的图像是通过微光像增强器和CCD数据采集系统形成的,增强器和CCD在提高亮度和采集数据过程中都会产生噪声。因此,要先对图像进行预处理以降低噪声。近年来,由于数学形态学具有并行快速易于硬件实现的特点,已在计算机视觉、信号处理与图像分析、模式识别、计算方法与数据处理等方面得到了极为广泛的应用。本发明采用形态学算子直接对紫外图和可见光图的灰度图进行滤波,并在此基础上与中值滤波相结合,能够更有效地去除图像中的随机噪声。
对于灰度图像,滤除噪声就是形态学平滑,本发明采用腐蚀和膨胀综合组成的开启和闭合运算对图像进行处理,相比于其他空域滤波方法,可以保留原图像中的大部分信息。具体运算公式为:
设f(x,y)是输入图像,b(x,y)是结构元素,并且b(x,y)本身就是一个图像函数,Df和Db分别是原图像f(x,y)和结构元素b(x,y)的定义域,(x,y)和(s,t)表示图像中的像素点坐标,则用b(x,y)对函数f(x,y)进行的灰度膨胀表示为定义为:
灰度腐蚀表达式为:fΘb,其定义如下:
(fΘb)(s,t)=min{f(s+x,t+y)-b(x,y)|(s+x),(t+y)∈Df;(x,y)∈Db}
开运算和闭运算的定义分别为:
经过开运算的图像含有更少的细节,轮廓变得光滑,细长的部分和小的孤岛被去除,目标像素变成背景,图像整体来说变得更规则化。再使用闭运算消除图像区域内的一些空洞,与原图相比,含有较少的细节,狭窄的尖端被填充,背景像素变成目标像素。图1展示了灰度图开运算和闭运算的效果,选取的结构元素尺寸为5*5,形状为正方形的扁平结构元素。(b)开运算的结果表明:开运算有去除尺寸小于结构元素明亮细节的作用,相当于去除图像信号中的尖峰(白色明亮部分,尺寸小且灰度值为255)。比如原图中摄影机支架的白色部分,经过开运算后消失了。图(c)闭运算的结果表明:闭运算有去除尺寸小于结构元素的灰暗细节的作用,相当于填平图像信号的低谷部分(黑色部分尺寸且灰度值为0),比如图片中人的眼睛,经过闭运算处理后消失了。
经过膨胀腐蚀的开闭运算后,图像中还存在少量的随机噪声,为进一步改善图像质量,本发明对形态学算子滤波后的图像采用中值滤波算法进行去噪,主要针对由图像传感器,传输信道产生的椒盐噪声,且在滤除噪声的同时又不会对边缘信息造成破坏。其基本思想如图2所示,即:假设选取的模板尺寸为3*3,中值滤波就是将图像在某一点的邻域(模板中心对应该点,邻域即为模板窗口的内部)中的像素按照灰度级大小排列,取其中值代替中心点的像素值,逐行依次对图像中的每个像素点执行该操作,即可完成图像的中值滤波。
所述的图像分割部分,紫外成像系统分别得到可见光图像和紫外图像,其中紫外图像的特点为:吸收电晕辐射的紫外光强的区域,表现为紫外图中高灰度值,即白色或灰色;吸收紫外光弱的区域,表现为低灰度值,即黑色。根据紫外图的这一特点,本发明对滤波后的紫外图像采用自适应的阈值分割,灰度值大于阈值的像素点赋1,即白色;小于阈值的像素点赋0,即黑色。这样就得到放电区域和背景的二值图。传统的阈值分割是人为地选取一个固定的灰度值作为阈值,而对于不同的采集系统选取的阈值应不同,因此本发明选择了一种自适应的阈值分割方法,具体选取公式为:
T(n)=m(n)+α×SNR×σ(n)
其中,m(n)表示获取到的第n帧图像的灰度均值,σ(n)为第n帧图像的灰度标准差,SNR为图像信噪比,α为加权系数,一般选择能取得较好的结果,fmax(n)为第n帧图像的最大灰度值,,T(n)为第n帧图像所选取的阈值,定义输出图像如下:
其中,当滤波后紫外图像在点(x,y)处的灰度值f(x,y,n)大于阈值T(n)时,该点的输出像素值g(x,y,n)为1,否则为0。
所述的图像边缘检测部分,经过阈值分割以后的紫外图是一个二值图,其中的白色区域即可认为是放电区域,黑色区域为不相关的背景。采用Canny算子对二值图像进行边缘检测,同时记录边缘点的坐标。根据边缘检测结果,求得每个闭合区域的面积,确定故障区域。可以选取一个阈值,当闭合区域的面积超过该阈值时才被认为是故障区域,当面积很小时,可以忽略。面积大小可表示故障程度。根据边缘检测得到的边缘点坐标,就可以在紫外成像仪最后输出的双光谱图像中对故障区域进行定位。
下面结合具体实例,对本发明进行详细说明:
图3为紫外成像仪的构成原理图。信号源被背景光照射后产生的混合光进入到成像设备,通过紫外光束分离器分成两部分:一部分经过信号增强放大后进入到可见光镜头,在可见光相机中形成可见光图像;另一部分则通过“日盲”滤镜,过滤掉日盲区以外的光线,进入紫外镜头,并在紫外相机中形成紫外图像。最后采用特定的图像预处理和融合方法,形成最终输出影像。
图4为本电晕放电检测方法的流程图,其中图像融合部分不属于检测电晕放电技术的范畴,因此不作解释,可参考图像处理技术中的融合技术(如小波变换)。首先通过紫外成像仪获取得到可见光图像和紫外图像,这两个图像均为RGB类型,需要转换成灰度图,然后分别对可见光图像和紫外图像的灰度图先经过数学形态学滤波,再进行中值滤波,之后采用合适的图像融合技术将二者融合为一张双光谱图像。紫外成像技术电晕放电检测的部分,是基于经过滤波的紫外图像的,先对其进行自适应的阈值分割,再使用Canny算子实现二值图像的边缘检测,获取到边缘点坐标,进而可以计算出故障面积,判断故障程度,并在融合后的双光谱图像中对故障区域进行精确定位。
图5展示了形态学滤波与中值滤波结合的滤波效果图,(b)是形态学滤波后的图像,一些面积很小的噪声已经被滤除,(c)是再经过中值滤波的图像,可以看出噪声更少,效果更佳。图6是仅使用中值滤波的效果图,可以看出中值滤波后的图像中虽然已经去除了大部分的随机噪声,但图片中仍然存在面积很小的离散放电区域,这些放电区域对故障区域的判断没有太大作用,反而会使canny算子边缘检测效率更低。因此,本发明在中值滤波的基础上添加了形态学滤波,其效果就是在阈值分割和边缘检测之前就将大部分的随机噪声和面积很小的不重要的离散放电区域去除,减少了后续工作的计算量和复杂度,同时对于有缺口的目标区域会有补齐作用,使目标区域更清晰,提高检测效率。另外,形态学滤波通常用于二值图像中,本发明将其应用在了灰度图中,可在提高紫外图放电区域检测精度的同时,实现对可见光图像噪声的滤除。
图7是固定阈值的图像分割效果图,可以看出原图中属于目标区域,但灰度值比其他目标区域稍低的区域,在经过阈值分割后,被判断为背景区域。这是因为在阈值固定的情况下,没有顾及到灰度值稍低的情形。本发明采用了一种基于图像均值、方差和信噪比的自适应阈值分割方法,可以有针对性地对某一幅特定图像选择特定的阈值,使得分割更加智能化,对于灰度值稍低但也属于目标区域的像素点,这种方法的准确度更高。图8是采用自适应阈值分割方法的效果图,可以看出图(b)中灰度值稍低的目标区域,在自适应阈值分割后的图(c)中仍然被保留了下来,证明其分割效果能够更好地区分目标和背景。
Claims (6)
1.一种利用紫外成像仪监测电晕放电的方法,其特征在于,包括以下步骤:
步骤一:采用紫外成像仪获取GIS电气设备的可见光图像和紫外图像,并对紫外成像仪所拍摄的可见光图像和紫外图像进行滤波去噪,然后对滤去噪后的可见光图像和紫外图像进行融合得到双光谱图像;
步骤二:对步骤一滤波后的紫外图像进行自适应阈值分割,分割出图像的目标和背景;
步骤三:对步骤二分割后的二值图像进行边缘检测,根据边缘点坐标在双光谱图像中标注出放电区域,计算放电区域面积,以衡量故障的严重程度。
2.根据权利要求1所述的一种利用紫外成像仪监测电晕放电的方法,其特征在于,步骤一中首先将紫外成像仪所拍摄的紫外图和可见光图转换为灰度图,然后依次采用形态学算子和中值滤波算法对灰度图进行滤波。
3.根据权利要求2所述的一种利用紫外成像仪监测电晕放电的方法,其特征在于,采用形态学算子分别对紫外成像仪所拍摄的紫外图和可见光图的灰度图进行滤波具体为:采用腐蚀和膨胀综合组成的开启和闭合运算对灰度图进行处理,具体为:
<mrow>
<mi>f</mi>
<mo>&CenterDot;</mo>
<mi>b</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>&CirclePlus;</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mi>&Theta;</mi>
<mi>b</mi>
</mrow>
其中,表示开运算,f·b表示闭运算;
表示b(x,y)对f(x,y)进行的灰度膨胀,fΘb表示b(x,y)对f(x,y)进行的灰度腐蚀,且和fΘb分别定义为:
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>&CirclePlus;</mo>
<mi>b</mi>
<mo>)</mo>
<mo>(</mo>
<mi>s</mi>
<mo>,</mo>
<mi>t</mi>
<mo>)</mo>
<mo>=</mo>
<mi>max</mi>
<mo>{</mo>
<mi>f</mi>
<mo>(</mo>
<mi>s</mi>
<mo>-</mo>
<mi>x</mi>
<mo>,</mo>
<mi>t</mi>
<mo>-</mo>
<mi>y</mi>
<mo>)</mo>
<mo>+</mo>
<mi>b</mi>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
<mo>|</mo>
<mo>(</mo>
<mi>s</mi>
<mo>-</mo>
<mi>x</mi>
<mo>)</mo>
<mo>,</mo>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mi>y</mi>
<mo>)</mo>
<mo>&Element;</mo>
<msub>
<mi>D</mi>
<mi>f</mi>
</msub>
<mo>;</mo>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
<mo>&Element;</mo>
<msub>
<mi>D</mi>
<mi>b</mi>
</msub>
<mo>}</mo>
</mrow>
(fΘb)(s,t)=min{f(s+x,t+y)-b(x,y)|(s+x),(t+y)∈Df;(x,y)∈Db}
其中,f(x,y)是输入的灰度图,b(x,y)是结构元素,Df和Db分别是输入的灰度图f(x,y)和结构元素b(x,y)的定义域,(x,y)和(s,t)表示图像中的像素点坐标。
4.根据权利要求2所述的一种利用紫外成像仪监测电晕放电的方法,其特征在于,步骤一中对形态学算子滤波后的图像采用中值滤波算法进行滤波具体为:将形态学算子滤波后的图像在某一点的邻域中的像素按照灰度级大小排列,取其中值代替中心点的像素值,逐行依次对图像中的每个像素点执行该操作,即完成图像的中值滤波。
5.根据权利要求1所述的一种利用紫外成像仪监测电晕放电的方法,其特征在于,步骤二具体为:对滤波后的紫外图像采用自适应的阈值分割,灰度值大于阈值的像素点赋1,即白色,白色区域即为目标区域;小于阈值的像素点赋0,即黑色,黑色区域为不相关的背景区域;
自适应的阈值分割公式为:
T(n)=m(n)+α×SNR×σ(n)
<mrow>
<mi>S</mi>
<mi>N</mi>
<mi>R</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>f</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>m</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>&sigma;</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中,m(n)表示获取到的第n帧图像的灰度均值,σ(n)为第n帧图像的灰度标准差,SNR为图像信噪比,α为加权系数,fmax(n)为第n帧图像的最大灰度值,T(n)为第n帧图像所选取的阈值;
定义输出图像如下:
<mrow>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>,</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo><</mo>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,当滤波后紫外图像在点(x,y)处的灰度值f(x,y,n)大于阈值T(n)时,该点的输出像素值g(x,y,n)为1,否则为0。
6.根据权利要求1所述的一种利用紫外成像仪监测电晕放电的方法,其特征在于,步骤三中采用Canny算子对二值图像进行边缘检测,同时记录边缘点的坐标,根据边缘检测结果,求得每个闭合区域的面积,确定放电区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710743904.7A CN107505546A (zh) | 2017-08-25 | 2017-08-25 | 一种利用紫外成像仪监测电晕放电的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710743904.7A CN107505546A (zh) | 2017-08-25 | 2017-08-25 | 一种利用紫外成像仪监测电晕放电的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107505546A true CN107505546A (zh) | 2017-12-22 |
Family
ID=60693742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710743904.7A Pending CN107505546A (zh) | 2017-08-25 | 2017-08-25 | 一种利用紫外成像仪监测电晕放电的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107505546A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108169642A (zh) * | 2018-01-15 | 2018-06-15 | 国网山东省电力公司潍坊供电公司 | 基于磁场突变的输电线路放电性故障定位方法及监测装置 |
CN108670409A (zh) * | 2018-06-04 | 2018-10-19 | 江苏铂影数据科技有限公司 | 用于手术规划的肺部组织三维重建与可视化装置 |
CN109375068A (zh) * | 2018-09-26 | 2019-02-22 | 北京环境特性研究所 | 一种基于紫外成像电晕检测的目标识别方法及装置 |
CN109544497A (zh) * | 2018-11-21 | 2019-03-29 | 国网江苏省电力有限公司扬州供电分公司 | 用于输电线路检测的图像融合方法及电子设备 |
CN109584222A (zh) * | 2018-11-19 | 2019-04-05 | 国网江西省电力有限公司电力科学研究院 | 一种基于无人机的光伏组件图像的故障分类及辨识方法 |
CN109712158A (zh) * | 2018-11-23 | 2019-05-03 | 山东航天电子技术研究所 | 一种基于目标背景像元统计约束的红外小目标捕获方法 |
CN110146791A (zh) * | 2019-05-07 | 2019-08-20 | 国网山东省电力公司电力科学研究院 | 一种基于图像处理的电晕检测方法 |
CN111289860A (zh) * | 2020-03-23 | 2020-06-16 | 云南电网有限责任公司电力科学研究院 | 一种电气设备局部放电位置的检测方法 |
CN111443264A (zh) * | 2020-04-30 | 2020-07-24 | 国网江苏省电力有限公司电力科学研究院 | 一种基于电晕紫外成像设备的电晕放电强度识别方法、系统及存储介质 |
CN111833312A (zh) * | 2020-06-22 | 2020-10-27 | 国网江苏省电力有限公司电力科学研究院 | 一种检测故障绝缘子放电的紫外图像诊断方法及系统 |
CN112801949A (zh) * | 2021-01-15 | 2021-05-14 | 国网江苏省电力有限公司电力科学研究院 | 一种紫外成像检测技术中放电区域的确定方法及装置 |
CN113112440A (zh) * | 2021-04-23 | 2021-07-13 | 华北电力大学 | 一种基于fpga的紫外与可见光图像融合系统及方法 |
CN113191313A (zh) * | 2021-05-20 | 2021-07-30 | 国能大渡河沙坪发电有限公司 | 基于水电厂的视频流放电识别方法、装置及计算机设备 |
CN113340352A (zh) * | 2021-06-08 | 2021-09-03 | 国网浙江省电力有限公司 | 阀厅的监测方法、装置及系统 |
CN113361631A (zh) * | 2021-06-25 | 2021-09-07 | 海南电网有限责任公司电力科学研究院 | 基于迁移学习的绝缘子老化光谱分类方法 |
CN113450373A (zh) * | 2020-08-18 | 2021-09-28 | 中国人民解放军63729部队 | 一种基于光学实况图像的运载火箭飞行过程特征事件实时判别方法 |
CN113640445A (zh) * | 2021-08-11 | 2021-11-12 | 贵州中烟工业有限责任公司 | 基于图像处理的特征峰识别方法及计算设备、存储介质 |
CN113808060A (zh) * | 2021-09-17 | 2021-12-17 | 贵州电网有限责任公司 | 一种GaN红紫外传感器紫外可见光融合方法 |
CN113808109A (zh) * | 2021-09-17 | 2021-12-17 | 贵州电网有限责任公司 | 一种采用GaN红紫外传感器检测零值绝缘子放电分布的方法 |
CN114002566A (zh) * | 2021-11-09 | 2022-02-01 | 国网山东省电力公司电力科学研究院 | 一种基于多光融合的局部放电检测装置及方法 |
CN114018982A (zh) * | 2021-10-14 | 2022-02-08 | 国网江西省电力有限公司电力科学研究院 | 一种空预器积灰可视化监测方法 |
CN115049650A (zh) * | 2022-08-12 | 2022-09-13 | 深圳凯升联合科技有限公司 | 一种基于图像处理的电气设备漏电检测方法 |
CN115205246A (zh) * | 2022-07-14 | 2022-10-18 | 中国南方电网有限责任公司超高压输电公司广州局 | 换流阀电晕放电紫外图像特征提取方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202676860U (zh) * | 2012-07-05 | 2013-01-16 | 浙江红相科技股份有限公司 | 一种紫外成像仪 |
CN103018640A (zh) * | 2012-11-27 | 2013-04-03 | 华北电力大学(保定) | 高压绝缘子表面电晕放电强度测试方法 |
CN103954897A (zh) * | 2014-05-20 | 2014-07-30 | 电子科技大学 | 基于紫外成像的智能电网高压绝缘损坏监控系统及方法 |
CN104297645A (zh) * | 2014-09-30 | 2015-01-21 | 国家电网公司 | 电气设备外部放电紫外检测分析方法及装置 |
-
2017
- 2017-08-25 CN CN201710743904.7A patent/CN107505546A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202676860U (zh) * | 2012-07-05 | 2013-01-16 | 浙江红相科技股份有限公司 | 一种紫外成像仪 |
CN103018640A (zh) * | 2012-11-27 | 2013-04-03 | 华北电力大学(保定) | 高压绝缘子表面电晕放电强度测试方法 |
CN103954897A (zh) * | 2014-05-20 | 2014-07-30 | 电子科技大学 | 基于紫外成像的智能电网高压绝缘损坏监控系统及方法 |
CN104297645A (zh) * | 2014-09-30 | 2015-01-21 | 国家电网公司 | 电气设备外部放电紫外检测分析方法及装置 |
Non-Patent Citations (3)
Title |
---|
姜珊 等: "基于中值滤波和形态学的去噪算法", 《仪器仪表用户》 * |
李军雨: "高空高速运动目标紫外成像探测信号处理及其设计", 《信息科技辑》 * |
蔡利梅 等: "《数字图像处理》", 31 August 2014, 《中国矿业大学出版社》 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108169642A (zh) * | 2018-01-15 | 2018-06-15 | 国网山东省电力公司潍坊供电公司 | 基于磁场突变的输电线路放电性故障定位方法及监测装置 |
CN108670409A (zh) * | 2018-06-04 | 2018-10-19 | 江苏铂影数据科技有限公司 | 用于手术规划的肺部组织三维重建与可视化装置 |
CN109375068B (zh) * | 2018-09-26 | 2021-02-05 | 北京环境特性研究所 | 一种基于紫外成像电晕检测的目标识别方法及装置 |
CN109375068A (zh) * | 2018-09-26 | 2019-02-22 | 北京环境特性研究所 | 一种基于紫外成像电晕检测的目标识别方法及装置 |
CN109584222A (zh) * | 2018-11-19 | 2019-04-05 | 国网江西省电力有限公司电力科学研究院 | 一种基于无人机的光伏组件图像的故障分类及辨识方法 |
CN109584222B (zh) * | 2018-11-19 | 2023-05-16 | 国网江西省电力有限公司电力科学研究院 | 一种基于无人机的光伏组件图像的故障分类及辨识方法 |
CN109544497A (zh) * | 2018-11-21 | 2019-03-29 | 国网江苏省电力有限公司扬州供电分公司 | 用于输电线路检测的图像融合方法及电子设备 |
CN109712158A (zh) * | 2018-11-23 | 2019-05-03 | 山东航天电子技术研究所 | 一种基于目标背景像元统计约束的红外小目标捕获方法 |
CN110146791A (zh) * | 2019-05-07 | 2019-08-20 | 国网山东省电力公司电力科学研究院 | 一种基于图像处理的电晕检测方法 |
CN111289860A (zh) * | 2020-03-23 | 2020-06-16 | 云南电网有限责任公司电力科学研究院 | 一种电气设备局部放电位置的检测方法 |
CN111443264A (zh) * | 2020-04-30 | 2020-07-24 | 国网江苏省电力有限公司电力科学研究院 | 一种基于电晕紫外成像设备的电晕放电强度识别方法、系统及存储介质 |
CN111833312A (zh) * | 2020-06-22 | 2020-10-27 | 国网江苏省电力有限公司电力科学研究院 | 一种检测故障绝缘子放电的紫外图像诊断方法及系统 |
CN111833312B (zh) * | 2020-06-22 | 2022-09-09 | 国网江苏省电力有限公司电力科学研究院 | 一种检测故障绝缘子放电的紫外图像诊断方法及系统 |
CN113450373A (zh) * | 2020-08-18 | 2021-09-28 | 中国人民解放军63729部队 | 一种基于光学实况图像的运载火箭飞行过程特征事件实时判别方法 |
CN112801949A (zh) * | 2021-01-15 | 2021-05-14 | 国网江苏省电力有限公司电力科学研究院 | 一种紫外成像检测技术中放电区域的确定方法及装置 |
CN113112440A (zh) * | 2021-04-23 | 2021-07-13 | 华北电力大学 | 一种基于fpga的紫外与可见光图像融合系统及方法 |
CN113191313A (zh) * | 2021-05-20 | 2021-07-30 | 国能大渡河沙坪发电有限公司 | 基于水电厂的视频流放电识别方法、装置及计算机设备 |
CN113340352A (zh) * | 2021-06-08 | 2021-09-03 | 国网浙江省电力有限公司 | 阀厅的监测方法、装置及系统 |
CN113361631A (zh) * | 2021-06-25 | 2021-09-07 | 海南电网有限责任公司电力科学研究院 | 基于迁移学习的绝缘子老化光谱分类方法 |
CN113640445A (zh) * | 2021-08-11 | 2021-11-12 | 贵州中烟工业有限责任公司 | 基于图像处理的特征峰识别方法及计算设备、存储介质 |
CN113640445B (zh) * | 2021-08-11 | 2024-06-11 | 贵州中烟工业有限责任公司 | 基于图像处理的特征峰识别方法及计算设备、存储介质 |
CN113808060A (zh) * | 2021-09-17 | 2021-12-17 | 贵州电网有限责任公司 | 一种GaN红紫外传感器紫外可见光融合方法 |
CN113808109A (zh) * | 2021-09-17 | 2021-12-17 | 贵州电网有限责任公司 | 一种采用GaN红紫外传感器检测零值绝缘子放电分布的方法 |
CN114018982A (zh) * | 2021-10-14 | 2022-02-08 | 国网江西省电力有限公司电力科学研究院 | 一种空预器积灰可视化监测方法 |
CN114018982B (zh) * | 2021-10-14 | 2023-11-07 | 国网江西省电力有限公司电力科学研究院 | 一种空预器积灰可视化监测方法 |
CN114002566A (zh) * | 2021-11-09 | 2022-02-01 | 国网山东省电力公司电力科学研究院 | 一种基于多光融合的局部放电检测装置及方法 |
CN115205246A (zh) * | 2022-07-14 | 2022-10-18 | 中国南方电网有限责任公司超高压输电公司广州局 | 换流阀电晕放电紫外图像特征提取方法和装置 |
CN115205246B (zh) * | 2022-07-14 | 2024-04-09 | 中国南方电网有限责任公司超高压输电公司广州局 | 换流阀电晕放电紫外图像特征提取方法和装置 |
CN115049650A (zh) * | 2022-08-12 | 2022-09-13 | 深圳凯升联合科技有限公司 | 一种基于图像处理的电气设备漏电检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107505546A (zh) | 一种利用紫外成像仪监测电晕放电的方法 | |
CN110261436B (zh) | 基于红外热成像和计算机视觉的轨道故障检测方法及系统 | |
CN112967243B (zh) | 一种基于yolo的深度学习芯片封装裂纹缺陷检测方法 | |
CN111079747B (zh) | 铁路货车转向架侧架断裂故障图像识别方法 | |
CN110246108B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
CN110232380B (zh) | 基于Mask R-CNN神经网络的火灾夜间场景复原方法 | |
CN103955905B (zh) | 基于快速小波变换和加权图像融合的单幅图像去雾方法 | |
CN105374013B (zh) | 基于双暗通道先验的图像能见度修复方法及图像处理装置 | |
CN102831591B (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
CN103442209A (zh) | 一种输电线路的视频监控方法 | |
CN112733950A (zh) | 一种基于图像融合与目标检测结合的电力设备故障诊断方法 | |
CN102855617B (zh) | 自适应图像处理方法及系统 | |
CN101527043B (zh) | 基于运动目标轮廓信息的视频对象分割方法 | |
CN105446333B (zh) | 视觉agv导航系统 | |
CN106815583A (zh) | 一种基于mser和swt相结合的夜间车辆车牌定位方法 | |
CN104616258A (zh) | 一种针对道路图像的快速去雾方法 | |
CN110473194A (zh) | 基于多图像块阈值分割算法的水果表面缺陷检测方法 | |
CN110310238A (zh) | 一种基于重用原始信息的压缩奖惩神经网络的单幅图像去雨方法 | |
CN104182983B (zh) | 基于角点特征的高速公路监控视频清晰度的检测方法 | |
CN108335294A (zh) | 复杂条件下的配电房异常状态图像识别方法 | |
CN106373096A (zh) | 一种多特征权值自适应的阴影消除方法 | |
CN111047598B (zh) | 基于深度学习的输变电设备紫外放电光斑分割方法及装置 | |
CN105631825B (zh) | 基于滚动导向的图像去雾方法 | |
CN111598814A (zh) | 基于极端散射通道的单图像去雾方法 | |
CN114708532A (zh) | 一种监控视频质量评估方法、系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171222 |