CN107862317B - 一种日光环境下输电设备电晕的可见光图像rgb识别方法 - Google Patents
一种日光环境下输电设备电晕的可见光图像rgb识别方法 Download PDFInfo
- Publication number
- CN107862317B CN107862317B CN201710994649.3A CN201710994649A CN107862317B CN 107862317 B CN107862317 B CN 107862317B CN 201710994649 A CN201710994649 A CN 201710994649A CN 107862317 B CN107862317 B CN 107862317B
- Authority
- CN
- China
- Prior art keywords
- average gray
- gray value
- component
- power transmission
- ratio
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种日光环境下输电设备电晕的可见光图像RGB识别方法,包括,在日光环境下拍摄输电设备真彩色图像;选取仅含输电线路或设备的区域分析,将分析区域划分为有限个微元;计算各微元RGB分量平均灰度占比以及蓝色分量与绿色分量平均灰度值比。根据整个分析区域中RGB占比中B分量占比的突变跃升以及B/G比值的突变跃升,或根据RGB占比空间分布图以及B/G比值空间分布图与基准数据库中的基准值对比的结果识别输电设备电晕状态。本发明技术方案还公开了日光环境下输电设备电晕的可见光图像RGB识别方法的应用,只要获取日光环境下的输电设备的图片,进行RGB分量占比分析,即可为输电设备电晕检测技术提供了一种简便且低廉的解决方案。
Description
技术领域
本发明属于高电压绝缘技术领域,具体涉及一种日光环境下输电设备电晕的可见光图像RGB识别方法。
背景技术
在高压绝缘领域,输电线路上的电晕放电会增加功率损耗和引起电磁波干扰,高压电器设备上的电晕放电则会加速设备的老化和劣化速度。对输电设备电晕进行准确的识别,有助于电晕的发现和定位,进而提前做出预警。电晕放电是气体介质在不均匀电场中的局部自持放电,是最常见的一种放电形式。在曲率半径很小的尖端电极附近,由于局部电场强度超过气体电离场强,使气体发生电离和激励,因而出现电晕。
能够检测和分析电晕及其状态的物理量,主要集中在电信号、光强信号、光谱信号、电磁波、超声波、气体成分等方面。例如传统局部放电检测的方法是基于IEC60270标准的脉冲电流法和特高频监测方法。近年来,电晕放电光学信号检测技术得到了较快的发展,有紫外、红外和可见光。紫外成像技术虽然能够在日光环境下定位放电位置,判断放电状况,但其得到的有用放电信息只是黑白图像,因此放电信息含量有限,另外图像分辨率很低,设备造价也比较昂贵。红外热成像技术虽然也可以工作在日光环境,但除了电弧以外,对电晕一类的放电无法检测,并且也存在分辨率低,设备造价昂贵等问题。传统的可见光成像技术虽然分辨高,但目前不能工作在日光环境(只能在暗室操作),且已有的研究大多停留在实验室理想放电模型的分析,集中于击穿放电形式。
具体来说,现有技术中,CN101726693B公开了一种在紫外图像上寻找电力设备放电区域的方法,其利用紫外图像与可见光图像进行叠加处理,从而检测出紫外图像上的电晕区域;CN203587742U公开了一种利用电磁波对变压器的放电状态进行检测的方法及设备;CN103969557A公开了一种利用气体组分进行化学分析的方法来检测线路的绝缘状态;CN201410379544.3公开了一种基于脉冲序列分析的局部放电发展过程诊断方法;CN201410519572.0公开了一种特高压电晕放电早期诊断的激光共振拉曼方法。以上技术方案,都需要在较为严格的测量条件下进行,测量设备多为昂贵的高精度测量设备,但是获得的测量结果相抵分辨率较低,测量结果存在较大的误差。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种日光环境下输电设备电晕的可见光图像RGB识别方法。本发明技术方案的方法,针对现有技术中输电设备电晕的识别方法中检测条件苛刻、检测设备造价高昂、检测精度低的情况,通过对日光下输电设备的真彩色图片进行RGB三基色灰度分析,可以实现利用普通数码相机在日光环境下即可对输电设备电晕进行评估,其成本低廉、适用范围广,且具有较高的准确度。
为实现上述目的,按照本发明的一个方面,提供了一种日光环境下输电设备电晕的可见光图像RGB识别方法,其特征在于,包括,
S1 获取输电设备在日光环境下的真彩色图像作为分析图像;
S2 选取每个分析图像中包含输电设备的区域作为分析区域,将所述分析区域划分为若干微元;
S3 将每个真彩色图像微元分解为RGB基色分量图,计算各微元的RGB基色分量平均灰度值占比,以及蓝色分量与绿色分量平均灰度值比值;
S4 根据各微元的RGB基色分量平均灰度值占比以及蓝色分量与绿色分量平均灰度值比值,绘制分析区域的RGB基色分量平均灰度值占比空间分布图以及蓝色分量与绿色分量平均灰度值比值空间分布图,作为识别图像;
S5 根据每个分析图像的RGB基色分量平均灰度值占比空间分布图获取蓝色分量平均灰度值占比的曲线变化,根据蓝色分量与绿色分量平均灰度值比值空间分布图获取蓝色分量与绿色分量平均灰度值比值的曲线变化,利用蓝色分量平均灰度值占比的变化或蓝色分量与绿色分量平均灰度值比值的变化对输电设备电晕情况进行识别;
或
将RGB基色分量平均灰度值占比空间分布图以及蓝色分量与绿色分量平均灰度值比值空间分布图与基准数据库中的标准图像比对,实现在日光环境下对输电设备电晕进行识别;其中,所述基准数据库由输电设备正常运行的多个真彩色图像分析所得RGB基色分量平均灰度值占比空间分布图以及蓝色分量与绿色分量平均灰度值比值空间分布图组成。
作为本发明技术方案的一个优选,步骤S3包括,
S31 将每个微元分解为RGB基色分量图,每个分量图由多个像素点组成,统计每个像素点的灰度值,求出RGB基色分量的平均灰度值;
S32 根据微元内RGB基色分量的平均灰度值,获得每个微元RGB基色分量的平均灰度值占比;
S33 根据微元内RGB基色分量的平均灰度值,获得每个微元蓝色分量与绿色分量的平均灰度值比值。
作为本发明技术方案的一个优选,将RGB基色分量平均灰度值占比空间分布图以及蓝色分量与绿色分量平均灰度值比值空间分布图与基准数据库中的标准图像比对,利用识别图像与标准图像之间蓝色分量平均灰度值占比曲线的差异,或识别图像与标准图像之间蓝色分量与绿色分量平均灰度值比值曲线的差异,实现在日光环境下对输电设备电晕进行识别。
作为本发明技术方案的一个优选,电晕放电区域的蓝色分量平均灰度值占比在RGB基色分量平均灰度值占比空间分布图上明显大于非电晕放电区域的蓝色分量平均灰度值占比;电晕放电区域的蓝色分量与绿色分量平均灰度值比值在RGB基色分量平均灰度值占比空间分布图上明显大于非电晕放电区域的蓝色分量与绿色分量平均灰度值比值。
作为本发明技术方案的一个优选,识别图像上电晕放电区域的蓝色分量平均灰度值占比明显大于基准图像上对应区域的蓝色分量平均灰度值占比;识别图像上电晕放电区域的蓝色分量与绿色分量平均灰度值比值明显大于基准图像上对应区域的蓝色分量与绿色分量平均灰度值比值。
作为本发明技术方案的一个优选,将纵向像素点数为M、横向像素点数为N的分析区域划分为大小相同的k个纵向像素点数为m、横向像素点数为n的微元,其中,
M大于或等于N时,
m=(M-1)/k
n=N;
M小于N时,
m=N
n=(N-1)/k;
上式中,k为有限微元的个数,且m、n、k均为整数。
作为本发明技术方案的一个优选,每个像素点优选具有0~225级灰度表示。
作为本发明技术方案的一个优选,步骤S2中优选将分析区域划分为大小相同的有限个微元。
作为本发明技术方案的一个优选,步骤S1所述真彩色图像优选在sRGB颜色模式下获取。
本发明技术方案的方法,通过拍摄输电设备在日光环境下的真彩色图像,并对图像进行RGB基色占比分析,获取RGB基色每个颜色的平均灰度值占比的空间分布图以及蓝色分量与绿色分量平均灰度值比值的空间分布图,根据上述空间分布图,可以对输电设备电晕进行识别。其中,真彩色是指图像中的每个像素值都分成红、绿、蓝三个基色分量,每个基色分量直接决定其基色的强度,这样产生的色彩称为真彩色。
对于输电设备的真彩色图像,对其进行电晕识别只需要对图像中包含有输电设备的区域进行分析。由于真彩色图像的像素值由红、绿、蓝三种基色分量组成,可以分别分解为红、绿、蓝三种颜色的分量图。上述图像中,每种基色的灰度优选包含有0~255个级别,即0~255代表着不同的灰度值,因此可以计算出分析区域中RGB基色的平均灰度值。具体来说,要计算分析区域的三基色平均灰度值,需要采集获得每种颜色在每个像素点的灰度值,然后求出每个微元上每种基色的灰度平均值。因此,为了计算方便,本发明技术方案中,优选将分析区域划分为若干个微元,先统计获得每种颜色在每个像素点的三基色分量的灰度值,然后计算每个微元上每种基色的灰度平均值,获取每种基色的灰度平均值所占比例,然后将整个分析区域的三基色分量的平均灰度值占比汇总形成分析区域的RGB基色分量平均灰度值占比空间分布图,以及B分量和G分量比值的空间分布图。即,计算每个微元的RGB基色分量平均灰度值,以及每个微元中B分量与G分量的比值,然后根据微元的空间排列顺序,绘制RGB每个基色分量的平均灰度值空间占比图,以及B分量与G分量比值的空间占比图。
本发明技术方案中,根据分析区域不同,微元的划分也有所差异。具体来说,对于一个具体的分析区域,优选将其较长边分为若干等分,沿较短边方向将其划分为若干条状区域,计算每个微元上的三基色分量的平均灰度值,然后分别计算每种颜色的占比,即一种颜色在所有灰度值之和中所占比例。然后依据微元的顺序,绘制整个分析区域的RGB基色分量平均灰度值占比空间分布图,以及整个分析区域的蓝色分量与绿色分量平均灰度值比值空间分布图。
根据RGB基色分量平均灰度值占比空间分布图或者蓝色分量与绿色分量平均灰度值比值空间分布图上曲线的变化趋势,可以观察出三基色每个分量的平均灰度值的变化趋势,根据上述变化趋势,可以对输电设备电晕进行识别。或者,拍摄获得多种环境条件下同一输电设备或同型号的输电设备正常运行的真彩色图像,对这些图像进行分析,获得对应的RGB基色分量平均灰度值占比空间分布图以及蓝色分量与绿色分量平均灰度值比值空间分布图,利用这些图像组建起一个基准数据库。通过将待识别输电设备的RGB基色分量平均灰度值占比空间分布图以及蓝色分量与绿色分量平均灰度值比值空间分布图与基准数据库内的图像进行对比,从而作出判断。
需要特别说明的是,本发明技术方案中的输电设备,包括输电线路以及在输电过程中配合使用的各类输电器件等,对参与输电过程的输电器件采用上述方法进行电晕识别均属于本发明技术方案的保护范围。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
1)本发明技术方案的方法,利用普通数码相机色度信息识别日光下输电设备电晕,相比紫外相机,设备造价低,定位更准确;相比红外相机,适用范围更广;相比传统可见光检测技术,工业应用性更好。
2)本发明技术方案的方法,由于采用了可见光相机成像,其图像分辨率高,可获得更多空间分布信息,且不需电接触,不需要采集电磁波信号,能够取得下列成本低廉,适用性广泛、抗干扰能力强、定位准确等有益效果。
附图说明
图1是本发明技术方案的实施例中使用数码相机拍摄的日光下均压环真彩色图像;
图2是本发明技术方案的实施例中含均压环的分析区域;
图3是本发明技术方案的实施例中分析区域RGB占比空间分布图;
图4是本发明技术方案的实施例中分析区域B/G比值空间分布图;
图5是本发明技术方案的实施例中日光环境下输电设备电晕的一种识别流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。下面结合具体实施方式对本发明进一步详细说明。
本发明技术方案的实施例中提供了一种日光环境下输电设备电晕识别的技术,其通过对输电电路及设别的可见光图像进行RGB真彩色分析,实现对输电设备的电晕识别。具体来说,本实施例中,通过普通数码相机在日光环境下拍摄输电设备真彩色图像;从拍摄照片中选取仅含输电线路或设备的区域分析,将分析区域划分为大小相同的有限个微元;计算各微元RGB分量(即红绿蓝三个颜色分量)的平均灰度占比(简称RGB占比)以及蓝色分量与绿色分量平均灰度值比值(简称B/G比值);汇总各微元数据并得到整个分析区域的RGB占比空间分布图和B/G比值空间分布图。也可在此基础上,积累各种气候条件下正常运行的输电设备RGB占比空间分布图以及B/G比值空间分布图,并建立基准数据库。根据RGB占比中B分量占比的突变跃升以及B/G比值的突变跃升,或根据RGB占比空间分布图以及B/G比值空间分布图与正常运行数据库中的基准值对比的结果识别输电设备电晕状态。
本发明技术方案的实施例利用造价相对低廉的数码相机,通过提取日光下输电设备可见光数字图像的色度特征,识别户外输电设备电晕,为输电设备电晕检测技术提供了一种新的简便且低成本的解决方案。如图5所示是本发明技术方案的实施例中输电设备电晕的一种识别流程图。具体来说,本实施例的上述目的优选通过如下技术方案来实现:
1)拍摄日光环境下输电设备的真彩色图像。真彩色是指图像中的每个像素值都分成红、绿、蓝三个基色分量,每个基色分量直接决定其基色的强度,这样产生的色彩称为真彩色。具体来说,本实施例中,选择任意一款数码相机进行图像拍摄,设置数码相机在一般日光环境下拍照所需要的光圈F、曝光时间T、感光度为ISO和测光模式等主要参数,以得到适当的曝光值,同时设定颜色模式为sRGB模式。然后在日光环境下拍摄输电设备的真彩色图像。本实施案例中,拍摄的输电设备对象为500kV变电站均压环;使用普通数码相机,相机参数设置为:光圈值为F/11,曝光时间为1/250秒,感光度(ISO)为100,测光模式为图案,颜色模式为sRGB;测量环境天气:晴,温度:34.3℃,湿度:61.6%,风速≤2m/s。选定数码相机,设置在一般日光环境下使用数码相机照相所需要参数,得到高压输电设备的放电真彩色图像。图1是本发明使用数码相机拍摄的日光下均压环真彩色图像。
2)从所拍摄的照片中选取仅含输电线路或设备的区域进行分析,将分析区域划分为大小相同的有限个微元。具体来说,从拍摄照片中选取仅含输电线路或设备的区域进行分析,记录分析区域纵向像素点数为M,横向像素点数为N;将分析区域划分为大小相同的有限个微元,微元纵向像素点数为m,横向像素点数为n,m和n满足下式:
其中,k为有限微元的个数,其中m、n、k均为整数。图2是本发明实施案例中均压环分析区域,图内网格为微元划分示意图;进一步的,可以获取分析区域真彩图分解后的三个基色分量图。本实施例中,优选从均压环图片上截取局部分析区域,进一步地,优选利用MATLAB软件读取该区域,并将该区域划分为k个m×n大小的微元,再将其分解为R、G、B三个基色分量图。
3)将每个微元真彩色图像分解为三个基色分量(简称RGB分量)图,计算各微元的RGB分量平均灰度值占比(简称RGB占比)以及蓝色分量与绿色分量平均灰度值比值(简称B/G比值)。计算每个微元各色度分量的平均值,汇总得到分析区域内的空间RGB占比和B/G比值。本实施例中,优选利用MATLAB软件绘制RGB占比空间分布图和B/G比值空间分布图。具体来说,首先将放电图像真彩图分解为R、G、B三个基色分量图。每个基色分量图是由m×n个像素点组成,每个像素点有0-255级灰度表示,其中0代表纯黑,255代表纯白,计算得到微元R、G、B分量平均灰度值。本实施例中,优选R、G、B分量平均灰度值的计算公式如下:
根据微元内R、G、B分量的平均灰度值,可以计算得到各微元的RGB占比;
进一步地,根据微元内R、G、B分量的平均灰度值,可以计算得到各微元B/G比值;
4)汇总各微元并得到整个分析区域的RGB占比空间分布图以及B/G比值空间分布图。具体来说,其过程包括:汇总各微元得到整个分析区域的空间RGB占比以及B/G比值;绘制RGB占比空间分布图和B/G比值空间分布图,其中横坐标为空间位置,纵坐标为数值。图3和图4分别为分RGB占比空间分布图和B/G空间分布图。分布图的水平横坐标为空间位置,单位为像素点(pixels)。
5)积累在各气候条件下正常运行的输电设备RGB占比空间分布图以及B/G比值空间分布图,并建立基准数据库。即,积累在各种气象、季节和日时间段等条件下输电设备正常运行时的RGB占比空间分布图和B/G比值空间分布图;建立正常运行条件下RGB占比空间分布图和B/G比值空间分布图的数据库,并以此作为输电设备电晕识别的基准资料。基准数据库的建立过程包括,将多张日光环境下拍摄得到的输电设备正常运行的照片经过上述分析处理,获得多个输电设备正常运行情况下的分析区域的RGB基色分量平均灰度值占比空间分布图以及蓝色分量与绿色分量平均灰度值比值空间分布图,以这些图像为输电设备电晕识别的基准资料,即识别标准,建立基准数据库。针对一个具体的输电设备进行电晕识别的时候,优选采用相同或者相似的输电设备正常运行的基准资料进行比对,不同输电设备正常运行的基准资料也可以作为输电设备电晕识别的参考。
6)根据测量得到的RGB占比空间分布图中B分量占比的突变跃升以及B/G空间分布图中B/G比值的突变跃升,或根据RGB占比空间分布图以及B/G比值空间分布图与正常运行数据库中基准值对比的结果识别输电设备电晕。对任意一个输电设备在日光环境下的照片来说,其中RGB三种颜色的占比会发生变化。具体来说,在无电晕情况下,RGB三分量的占比大致不变,但是设备发生电晕后,会使得输电设备在日光环境下的照片中的G分量和B分量的占比发生明显的变化,如图3所示。G分量在电晕区域的占比明显低于正常区域,而B分量在电晕区域的占比明显高于正常区域。此消彼长,因而B分量和G分量的比值在电晕区域也会明显高于正常区域,如图4所示。
针对一个具体的实施例,RGB占比中B分量的突变跃升以及B/G比值的突变跃升都可以作为输电设备电晕的识别指标,同时,通过将待测输电设备的RGB占比空间分布图以及B/G比值空间分布图也可以作为识别指标。
根据RGB占比中B分量占比的突变跃升,可以对输电设备电晕情况进行识别。正常情况下,日光直射下的输电设备RGB占比为G>R>B;在存在电晕放电的输电设备中,其RGB占比为R>B>G。即,RGB占比在电晕放电区域会突变,其中B分量占比会迅速上升使得R>B>G;在非电晕放电区域则恢复正常,其中B分量占比迅速降低使得G>R>B。
根据B/G比值的突变跃升也可以对输电设备电晕情况进行识别。具体来说,对于不存在电晕放电的输电设备,B/G比值较小;对于存在电晕放电的输电设备,B/G比值较大;在电晕放电区域,B/G比值会迅速上升;在非电晕放电区域B/G比值会迅速下降。
还可以通过将测量计算所得的RGB占比以及B/G比值与基准数据库进行对比,从而实现对输电设备的电晕结果进行识别。即,如果输电设备中不存在电晕放电的区域,RGB占比B分量和B/G比值较小;如果输电设备中存在电晕放电的区域,RGB占比中B分量和B/G比值较大,且上升迅速。上述结果均可以通过将待测输电设备的RGB占比空间分布图以及B/G比值空间分布图与基准数据库的内容进行比对得出。即,如果针对待测输电设备测量计算所得的RGB占比以及B/G比值在某一区域与基准数据库的标准差异较大,那么就可以认为该区域发生了电晕。在没有预先知道电晕区域的B分量占比和G分量占比在日光环境下的真彩色图片中发生较大的变化时,或者需要更加准确的识别效果时,都可以采用基准数据库对其进行识别。需要指出的是,本实施例中列举的使用条件,不构成对本发明技术方案的限制。
在一个优选实施例中,根据RGB占比中B分量占比的突变跃升对均压环的电晕进行识别的结果如下:
均压环分析区域受太阳照射,在0-100像素点区域内和200-370像素点区域内,RGB占比大小为:G>R>B;在150-190像素点区域内,RGB占比迅速变化为R>B>G。据此,根据色度分量占比的大小,实现了日光下输电设备电晕的识别。
以及根据B/G比值的突变跃升对均压环的电晕进行识别的结果如下:
均压环分析区域受太阳照射,在0-150和180-370像素点区域内B/G比值小于1;在150-180像素点区域内,B/G比值迅速上升,其值大于1,随后迅速下降。据此,根据B/G比值的大小,实现了日光下输电设备电晕的识别。
本实施例中的日光环境下输电设备电晕的可见光图像RGB识别方法,根据“可见光图像色度学信息”在日光下识别输电设备电晕的方法成本更低,成像分辨率更高,适用范围更广,工业应用性更好。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种日光环境下输电设备电晕的可见光图像RGB识别方法,其特征在于,包括,
S1获取输电设备在日光环境下的真彩色图像作为分析图像;
S2选取每个分析图像中包含输电设备的区域作为分析区域,沿一个方向将所述分析区域划分为若干微元;
S3将每个真彩色图像微元分解为RGB基色分量图,计算各微元的RGB基色分量平均灰度值占比,以及蓝色分量与绿色分量平均灰度值比值;
S4根据各微元的RGB基色分量平均灰度值占比以及蓝色分量与绿色分量平均灰度值比值,绘制分析区域的RGB基色分量平均灰度值占比空间分布图以及蓝色分量与绿色分量平均灰度值比值空间分布图,作为识别图像;
S5根据每个分析图像的RGB基色分量平均灰度值占比空间分布图获取蓝色分量平均灰度值占比的曲线变化,根据蓝色分量与绿色分量平均灰度值比值空间分布图获取蓝色分量与绿色分量平均灰度值比值的曲线变化,利用蓝色分量平均灰度值占比的变化或蓝色分量与绿色分量平均灰度值比值的变化对输电设备电晕情况进行识别;
或
将RGB基色分量平均灰度值占比空间分布图以及蓝色分量与绿色分量平均灰度值比值空间分布图与基准数据库中的标准图像比对,实现在日光环境下对输电设备电晕进行识别;其中,所述基准数据库由输电设备正常运行的多个真彩色图像分析所得RGB基色分量平均灰度值占比空间分布图以及蓝色分量与绿色分量平均灰度值比值空间分布图组成。
2.根据权利要求1所述的日光环境下输电设备电晕的可见光图像RGB识别方法,其中,步骤S3包括,
S31将每个微元分解为RGB基色分量图,每个分量图由多个像素点组成,统计每个像素点的灰度值,求出RGB基色分量的平均灰度值;
S32根据微元内RGB基色分量的平均灰度值,获得每个微元RGB基色分量的平均灰度值占比;
S33根据微元内RGB基色分量的平均灰度值,获得每个微元蓝色分量与绿色分量的平均灰度值比值。
3.根据权利要求1或2所述的日光环境下输电设备电晕的可见光图像RGB识别方法,其中,将RGB基色分量平均灰度值占比空间分布图以及蓝色分量与绿色分量平均灰度值比值空间分布图与基准数据库中的标准图像比对,利用识别图像与标准图像之间蓝色分量平均灰度值占比曲线的差异,或识别图像与标准图像之间蓝色分量与绿色分量平均灰度值比值曲线的差异,实现在日光环境下对输电设备电晕进行识别。
4.根据权利要求1或2所述的日光环境下输电设备电晕的可见光图像RGB识别方法,其中,电晕放电区域的蓝色分量平均灰度值占比在RGB基色分量平均灰度值占比空间分布图上明显大于非电晕放电区域的蓝色分量平均灰度值占比;电晕放电区域的蓝色分量与绿色分量平均灰度值比值在RGB基色分量平均灰度值占比空间分布图上明显大于非电晕放电区域的蓝色分量与绿色分量平均灰度值比值。
5.根据权利要求1或2所述的日光环境下输电设备电晕的可见光图像RGB识别方法,其中,识别图像上电晕放电区域的蓝色分量平均灰度值占比明显大于基准图像上对应区域的蓝色分量平均灰度值占比;识别图像上电晕放电区域的蓝色分量与绿色分量平均灰度值比值明显大于基准图像上对应区域的蓝色分量与绿色分量平均灰度值比值。
6.根据权利要求1或2所述的日光环境下输电设备电晕的可见光图像RGB识别方法,其中,将纵向像素点数为M、横向像素点数为N的分析区域划分为大小相同的k个纵向像素点数为m、横向像素点数为n的微元,其中,
M大于或等于N时,
m=(M-1)/k
n=N;
M小于N时,
m=N
n=(N-1)/k;
上式中,k为有限微元的个数,且m、n、k均为整数。
7.根据权利要求1或2所述的日光环境下输电设备电晕的可见光图像RGB识别方法,其中,每个像素点具有0~225级灰度表示。
8.根据权利要求1或2所述的日光环境下输电设备电晕的可见光图像RGB识别方法,其中,步骤S2中将分析区域划分为大小相同的有限个微元。
9.根据权利要求1或2所述的日光环境下输电设备电晕的可见光图像RGB识别方法,其中,步骤S1所述真彩色图像在sRGB颜色模式下获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710994649.3A CN107862317B (zh) | 2017-10-23 | 2017-10-23 | 一种日光环境下输电设备电晕的可见光图像rgb识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710994649.3A CN107862317B (zh) | 2017-10-23 | 2017-10-23 | 一种日光环境下输电设备电晕的可见光图像rgb识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107862317A CN107862317A (zh) | 2018-03-30 |
CN107862317B true CN107862317B (zh) | 2020-07-07 |
Family
ID=61696202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710994649.3A Active CN107862317B (zh) | 2017-10-23 | 2017-10-23 | 一种日光环境下输电设备电晕的可见光图像rgb识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107862317B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109283439B (zh) * | 2018-08-29 | 2020-05-19 | 华中科技大学 | 一种基于三基色色度信息和机器学习的放电状态识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP2016194505A (ja) * | 2015-03-31 | 2016-11-17 | 日鉄鉱業株式会社 | 砕石中の異物を検出する方法 |
CN106778855B (zh) * | 2016-12-08 | 2019-05-10 | 华中科技大学 | 一种利用可见光图像色度处理划分电晕放电阶段的方法 |
-
2017
- 2017-10-23 CN CN201710994649.3A patent/CN107862317B/zh active Active
Non-Patent Citations (1)
Title |
---|
电晕放电的数字图像处理技术研究;胡昱;《万方学位论文数据库》;20170517;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107862317A (zh) | 2018-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105445607B (zh) | 一种基于等温线绘制的电力设备故障检测方法 | |
CN110487737B (zh) | 用于智能手机光谱检测的图像信息提取与计算方法及系统 | |
US9194747B2 (en) | Apparatus, system, and method of estimating spectrum of object | |
CN106596073A (zh) | 一种检测光学系统像质的方法和系统及一种测试标板 | |
CN107464233B (zh) | 基于Lab颜色模式的复合绝缘子的图像检测方法及系统 | |
CN104113744A (zh) | 全天候彩色摄像机白平衡处理方法及装置 | |
CN109283439B (zh) | 一种基于三基色色度信息和机器学习的放电状态识别方法 | |
CN105182275B (zh) | 室外电能表故障自动检验方法 | |
CN103412246B (zh) | 基于紫外视频的电力设备异常放电自动检测方法 | |
US7616314B2 (en) | Methods and apparatuses for determining a color calibration for different spectral light inputs in an imaging apparatus measurement | |
Zhang et al. | Application research of YOLO v2 combined with color identification | |
CN104517126A (zh) | 一种基于图像分析的空气质量评估方法 | |
CN109788205A (zh) | 图像调整方法、装置及电子设备 | |
Li et al. | Identifying photorealistic computer graphics using second-order difference statistics | |
CN109766909A (zh) | 基于谱图融合的海岸环境微塑料老化行为解析方法 | |
KR101874968B1 (ko) | 이미지 정보 기반의 시정거리 측정 시스템 및 이를 이용한 시정거리 측정 방법 | |
CN106951863A (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 | |
CN107862317B (zh) | 一种日光环境下输电设备电晕的可见光图像rgb识别方法 | |
CN114494185A (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 | |
CN103200349B (zh) | 一种扫描图像色偏自动检测方法 | |
CN111750994A (zh) | 一种基于数码相机成像模型的光谱测量方法 | |
CN107977959B (zh) | 一种适用于电力作业机器人的呼吸器状态识别方法 | |
CN113884492A (zh) | 一种用于机动车尾气的林格曼黑度校准和检测方法及装置 | |
CN106556579A (zh) | 基于激光的团雾图像全天候自适应检测方法 | |
CN109389132A (zh) | 一种基于图像的雾浓度检测预警方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |