CN109801283A - 一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法 - Google Patents

Abstract

本发明公开了一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法，首先获取有水珠的硅橡胶绝缘子原始彩色图像；对获得的彩色图像进行灰度化处理、图像滤波处理，以提高图像的对比度，去除图像干扰噪声；然后通过建立基于统计间隙隶属度函数和关联嫡系数分类判定的图像模糊边缘检测模型，获取水珠或水迹的轮廓；最后对得到的水滴轮廓区域进行圆形拟合及目标二值图像进行处理，得到各水珠位置信息，获取伞裙偏移前后水滴的移动距离，进而判断硅橡胶复合绝缘子的憎水性等级，当偏移距离越小表示硅橡胶复合绝缘子憎水性越好，偏移距离越大表示硅橡胶复合绝缘子憎水性越差。本发明大大提高了硅橡胶绝缘子憎水性等级识别的准确性。

Description

一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法

技术领域

本发明属于图像处理技术领域，具体涉及一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法。

背景技术

硅橡胶复合绝缘子以其重量轻、强度高、不易破碎、耐污性能好等特点，目前已被广泛地应用于电力系统中。然而在使用过程中，由于高压电场、高温日照、恶劣气候环境以及酸雨等诸多因素的共同作用，随着时间的推移，复合绝缘子的伞裙逐渐老化，呈现憎水性退化的现象。憎水性能的退化将严重影响复合绝缘子的绝缘性能，增加闪络现象发生的概率。为了防止污闪事故的发生，需要定期对绝缘子憎水性进行检测。因此，对硅橡胶复合绝缘子的憎水性能进行检测是判断硅橡胶绝缘子抗污闪性能的重要手段，也是确保硅橡胶绝缘子安全运行的重要保证，开展硅橡胶绝缘子憎水性检测技术的研究至关重要。

发明内容

本发明的目的是提供一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法，大大提高了硅橡胶绝缘子憎水性等级识别的准确性。

本发明所采用的技术方案是，一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法，具体按照以下步骤实施：

步骤1、获取有水珠的硅橡胶绝缘子原始彩色图像；

步骤2、对步骤1获得的彩色图像进行灰度化处理、图像滤波处理，以提高图像的对比度，去除图像干扰噪声；

步骤3、通过建立基于统计间隙隶属度函数和关联嫡系数分类判定的图像模糊边缘检测模型，对步骤2获得的图像采用Gap模型进行憎水性图像边缘检测，获取水珠或水迹的轮廓；

步骤4、对步骤3得到的水滴轮廓区域进行圆形拟合，然后采用Blob分析方法对水珠目标二值图像进行处理，得到各水珠位置信息，获取伞裙偏移前后水滴的移动距离，进而判断硅橡胶复合绝缘子的憎水性等级，当偏移距离越小表示硅橡胶复合绝缘子憎水性越好，偏移距离越大表示硅橡胶复合绝缘子憎水性越差。

本发明的特点还在于，

步骤2具体如下：

步骤2.1、图像灰度化处理，灰度化公式为：

Y＝0.299R+0.587G+0.114B (1)

其中，Y是根据R、G、B颜色分量以及颜色编码方法YUV中亮度信号Y之间的关系算出的亮度，R、G、B分别表示红色、绿色、蓝色分量；

步骤2.2、采用高斯滤波器对经步骤2.1进行灰度化处理后的图像消除噪声的干扰，通过求取模板内每个像素的高斯函数值，利用每个像素的高斯函数值作为每个灰度值的权值，进行加权平均；

高斯函数定义公式具体如下：

式中，(i,j)表示步骤2.1得到图像的某个像素的位置，用参数σ的系统默认值表示高斯滤波器的宽度，g(i,j)表示某个像素滤波之后的高斯函数值。

步骤3具体如下：

Gap模型如下：

设G＝[Gap(X,Y)]_M×N表示大小为M×N的Gap平面，Gap值变化范围为0到L-1，其一维直方图h_g(i)表示平面上Gap值的分布情况，其中，i＝1,2,...,L-1；

假设以t为界限，将步骤2得到的图像划分为边缘与平滑区域两类像素，且均符合正态分布，采用高斯分布函数进行描述，设图像的边缘为E＝{1,2,...,t}，图像的平滑区域为B＝{t+1,t+2,...,L-1}，则图像的边缘类概率分布p_i和平滑类概率分布q_i各自均值和方差分别为：

式(3)和(4)中，μ_E(t)表示步骤2得到的图像边缘处的均值，μ_B(t)表示步骤2得到的图像平滑区域的均值，σ_E ²(t)表示步骤2得到的图像边缘处的方差，σ_B ²(t)表示步骤2得到的图像平滑区域的方差；

假设边缘类和平滑类均符合正态分布，可以采用高斯分布函数来描述：

而边缘和平滑区域两个概率分布的关联熵系数r_g(E；B)为：

式中，H(E)表示步骤2得到的图像边缘E处的熵，H_B(E)表示概率p_i本身定义的熵；

由信息论中的香农辅助定理知：0＜r_g(E；B)＜1；

步骤2得到的图像f(x,y)的边缘点即图像G＝[Gap(X,Y)]_M×N在关联熵系数上取得极值的点，故由关联熵系数确定边缘隶属度分类，边缘隶属度函数μ(x,y)大于图像最大关联熵系数的象素点，被认定为图像的边缘；

通过上述分析，基于统计间隙隶属度函数和关联熵系数判别的图像模糊边缘检测模型：

Medge(x,y)＝{(x,y)|μ(x,y)≥λ} (7)

其中，

由式(7)可见关联熵系数给出了边缘区域与平滑区域分类的范围，利用最大隶属度原则判断，如果统计间隙边缘隶属度大于关联熵系数判别值，则被认为是边界；反之将认为是平滑区域。

步骤4具体如下：

步骤4.1：对于步骤3得到的水滴轮廓区域进行圆形拟合，获得未倾斜绝缘子伞裙之前拟合圆形的圆心坐标o₁(x₁,y₁)；

步骤4.2：倾斜绝缘子伞裙表面水滴使得水滴沿着某方向进行移动，重新对倾斜后伞裙表面水滴轮廓区域进行圆形拟合，再次获得倾斜绝缘子伞裙之后拟合圆形的圆心坐标o₂(x₂,y₂)；

步骤4.3：计算未倾斜绝缘子伞裙之前拟合圆形的圆心坐标o₁(x₁,y₁)到倾斜绝缘子伞裙之后拟合圆形的圆心坐标o₂(x₂,y₂)的偏移距离d：

当偏移距离为0，表明硅橡胶绝缘子的憎水性最优，偏移距离越小表示硅橡胶复合绝缘子憎水性越好，偏移距离越大表示硅橡胶复合绝缘子憎水性越差。

步骤4.1圆形拟合具体如下：

最小二乘拟合圆曲线表达式：

R²＝(x-A)²+(y-B)² (9)

式(9)中，R表示拟合圆的半径大小，(A,B)表示拟合圆的圆心坐标，(x,y)表示平面内任一点的位置

由(9)式可得：

R²＝x²-2Ax+A²+y²-2By+B² (10)

令:

因此可得圆曲线方程的另一个形式：

x²+y²+ax+by+c＝0 (12)

只要求出参数a，b，c就可以求得圆心半径的参数：

样本集(X_i,Y_i)，i∈(1,2,3,...N)中点到圆心的距离为d_i：

d_i ²＝(X_i-A)²+(Y_i-B)² (14)

点(X_i,Y_i)到圆边缘的距离的平方与半径平方的差δ_i为：

δ_i ²＝d_i ²-R²＝(X_i-A)²+(Y_i-B)²-R²＝X_i ²+Y_i ²+aX_i+bY_i+c (15)

令Q(a,b,c)为δ_i的平方和：

Q(a,b,c)＝∑δ_i ²＝∑[(X_i ²+Y_i ²+aX_i+bY_i+c)]² (16)

求参数a，b，c使得Q(a,b,c)取最小值；

解得平方差Q(a,b,c)大于0，因此函数存在大于或等于0的极小值，极大值为无穷大；

Q(a,b,c)对a，b，c求偏导，令偏导等于0，得到极值点，比较所有极值点的函数即可得到最小值：

由式(17)可解得：a，b，c，因此得A,B,R的估计拟合值。

本发明的有益效果是,一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法，在判断硅橡胶绝缘子憎水性等级的时候，采用Gap模型进行憎水性图像边缘检测，该方法解决了水珠图像的阴影对面一侧由于水珠透明性造成的边界部分缺失问题，因此精确检测到水珠的轮廓边缘，然后对水珠的轮廓边缘进行圆形拟合，利用Blob分析得到圆形的圆心特征量，获取伞裙偏移前后水滴的移动距离，根据移动距离的大小进而判定硅橡胶绝缘子的憎水性等级。

附图说明

图1是本发明一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法流程图；

图2是本发明一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法原始图像；

图3是采用Gap边缘检测模型检测到的水滴轮廓的图像；

图4是最小二乘法拟合的样本集图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法，如图1所示，具体按照以下步骤实施：

步骤1、获取有水珠的硅橡胶绝缘子原始彩色图像如图2所示；

步骤2、对步骤1获得的彩色图像进行灰度化处理、图像滤波处理，以提高图像的对比度，去除图像干扰噪声，具体如下：

步骤2.1、图像灰度化处理，灰度化公式为：

Y＝0.299R+0.587G+0.114B (1)

其中，Y是根据R、G、B颜色分量以及颜色编码方法YUV中亮度信号Y之间的关系算出的亮度，R、G、B分别表示红色、绿色、蓝色分量；

步骤2.2、采用高斯滤波器对经步骤2.1进行灰度化处理后的图像消除噪声的干扰，通过求取模板内每个像素的高斯函数值，利用每个像素的高斯函数值作为每个灰度值的权值，进行加权平均；

高斯函数定义公式具体如下：

式中，(i,j)表示步骤2.1得到图像的某个像素的位置，用参数σ的系统默认值表示高斯滤波器的宽度，g(i,j)表示某个像素滤波之后的高斯函数值；

步骤3、通过建立基于统计间隙隶属度函数和关联嫡系数分类判定的图像模糊边缘检测模型，对步骤2获得的图像采用Gap模型进行憎水性图像边缘检测，获取水珠或水迹的轮廓如图3所示，Gap方法将灰度图象进行特征变换得到新的特征图像，该特征变换时的平滑区域像素的特征值小于边缘像素的特征值，由于方法是无序的数据,需要进一步判断像素的边缘分类是否为最佳分类，将整体图像特征因素引入边缘判定中。利用随机变量概率分布之间的墒关联系数分类法,在特征图像内设定合适的特征值隶属度分类标准,将特征值大于该标准的像素提取出来得到边缘，具体如下：

Gap模型如下：

设G＝[Gap(X,Y)]_M×N表示大小为M×N的Gap平面，Gap值变化范围为0到L-1，其一维直方图h_g(i)表示平面上Gap值的分布情况，其中，i＝1,2,...,L-1；

假设以t为界限，将步骤2得到的图像划分为边缘与平滑区域两类像素，且均符合正态分布，采用高斯分布函数进行描述，设图像的边缘为E＝{1,2,...,t}，图像的平滑区域为B＝{t+1,t+2,...,L-1}，则图像的边缘类概率分布p_i和平滑类概率分布q_i各自均值和方差分别为：

式(3)和(4)中，μ_E(t)表示步骤2得到的图像边缘处的均值，μ_B(t)表示步骤2得到的图像平滑区域的均值，σ_E ²(t)表示步骤2得到的图像边缘处的方差，σ_B ²(t)表示步骤2得到的图像平滑区域的方差；

假设边缘类和平滑类均符合正态分布，可以采用高斯分布函数来描述：

而边缘和平滑区域两个概率分布的关联熵系数r_g(E；B)为：

式中，H(E)表示步骤2得到的图像边缘E处的熵，H_B(E)表示概率p_i本身定义的熵；

由信息论中的香农辅助定理知：0＜r_g(E；B)＜1；

步骤2得到的图像f(x,y)的边缘点即图像G＝[Gap(X,Y)]_M×N在关联熵系数上取得极值的点，故由关联熵系数确定边缘隶属度分类，边缘隶属度函数μ(x,y)大于图像最大关联熵系数的象素点，被认定为图像的边缘；

通过上述分析，基于统计间隙隶属度函数和关联熵系数判别的图像模糊边缘检测模型：

Medge(x,y)＝{(x,y)|μ(x,y)≥λ} (7)

其中，

由式(7)可见关联熵系数给出了边缘区域与平滑区域分类的范围，利用最大隶属度原则判断，如果统计间隙边缘隶属度大于关联熵系数判别值，则被认为是边界；反之将认为是平滑区域。

步骤4、对步骤3得到的水滴轮廓区域进行圆形拟合，然后采用Blob分析方法对水珠目标二值图像进行处理，得到各水珠位置信息，获取伞裙偏移前后水滴的移动距离，进而判断硅橡胶复合绝缘子的憎水性等级，当偏移距离越小表示硅橡胶复合绝缘子憎水性越好，偏移距离越大表示硅橡胶复合绝缘子憎水性越差，其中，Blob分析是对图像进行二值化，分割得到前景图像和背景图像，然后进行连通区域检测，从而得到Blob块；将前景图像根据区域连通性分割为离散的连通区域，并统计各连通区域的信息，汇集成一个包含了多维信息的数据集合；数据集合中每一元素代表一滴水珠图像，水珠图像表征了多维信息数据存储，多维信息包含了水珠的位置、像素面积、边缘、外接矩形、形心和重心的几何参数，具体如下：

步骤4.1：对于步骤3得到的水滴轮廓区域进行圆形拟合，获得未倾斜绝缘子伞裙之前拟合圆形的圆心坐标o₁(x₁,y₁)；

步骤4.2：倾斜绝缘子伞裙表面水滴使得水滴沿着某方向进行移动，重新对倾斜后伞裙表面水滴轮廓区域进行圆形拟合，再次获得倾斜绝缘子伞裙之后拟合圆形的圆心坐标o₂(x₂,y₂)；

步骤4.3：计算未倾斜绝缘子伞裙之前拟合圆形的圆心坐标o₁(x₁,y₁)到倾斜绝缘子伞裙之后拟合圆形的圆心坐标o₂(x₂,y₂)的偏移距离d：

当偏移距离为0，表明硅橡胶绝缘子的憎水性最优，偏移距离越小表示硅橡胶复合绝缘子憎水性越好，偏移距离越大表示硅橡胶复合绝缘子憎水性越差。

步骤4.1圆形拟合具体如下：

最小二乘拟合圆曲线表达式：

R²＝(x-A)²+(y-B)² (9)

式(9)中，R表示拟合圆的半径大小，(A,B)表示拟合圆的圆心坐标，(x,y)表示平面内任一点的位置

由(9)式可得：

R²＝x²-2Ax+A²+y²-2By+B² (10)

令:

因此可得圆曲线方程的另一个形式：

x²+y²+ax+by+c＝0 (12)

只要求出参数a，b，c就可以求得圆心半径的参数：

如图4所示，样本集(X_i,Y_i)，i∈(1,2,3,...N)中点到圆心的距离为d_i：

d_i ²＝(X_i-A)²+(Y_i-B)² (14)

点(X_i,Y_i)到圆边缘的距离的平方与半径平方的差δ_i为：

δ_i ²＝d_i ²-R²＝(X_i-A)²+(Y_i-B)²-R²＝X_i ²+Y_i ²+aX_i+bY_i+c (15)

令Q(a,b,c)为δ_i的平方和：

Q(a,b,c)＝∑δ_i ²＝∑[(X_i ²+Y_i ²+aX_i+bY_i+c)]² (16)

求参数a，b，c使得Q(a,b,c)取最小值；

解得平方差Q(a,b,c)大于0，因此函数存在大于或等于0的极小值，极大值为无穷大；

Q(a,b,c)对a，b，c求偏导，令偏导等于0，得到极值点，比较所有极值点的函数即可得到最小值：

由式(17)可解得：a，b，c，因此得A,B,R的估计拟合值。

Claims (5)

1.一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法，其特征在于，具体按照以下步骤实施：

步骤1、获取有水珠的硅橡胶绝缘子原始彩色图像；

步骤2、对步骤1获得的彩色图像进行灰度化处理、图像滤波处理，以提高图像的对比度，去除图像干扰噪声；

步骤3、通过建立基于统计间隙隶属度函数和关联嫡系数分类判定的图像模糊边缘检测模型，对步骤2获得的图像采用Gap模型进行憎水性图像边缘检测，获取水珠或水迹的轮廓；

步骤4、对步骤3得到的水滴轮廓区域进行圆形拟合，然后采用Blob分析方法对水珠目标二值图像进行处理，得到各水珠位置信息，获取伞裙偏移前后水滴的移动距离，进而判断硅橡胶复合绝缘子的憎水性等级，当偏移距离越小表示硅橡胶复合绝缘子憎水性越好，偏移距离越大表示硅橡胶复合绝缘子憎水性越差。

2.根据权利要求1所述的一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法，其特征在于，所述步骤2具体如下：

步骤2.1、图像灰度化处理，灰度化公式为：

Y＝0.299R+0.587G+0.114B (1)

其中，Y是根据R、G、B颜色分量以及颜色编码方法YUV中亮度信号Y之间的关系算出的亮度，R、G、B分别表示红色、绿色、蓝色分量；

步骤2.2、采用高斯滤波器对经步骤2.1进行灰度化处理后的图像消除噪声的干扰，通过求取模板内每个像素的高斯函数值，利用每个像素的高斯函数值作为每个灰度值的权值，进行加权平均；

高斯函数定义公式具体如下：

式中，(i,j)表示步骤2.1得到图像的某个像素的位置，用参数σ的系统默认值表示高斯滤波器的宽度，g(i,j)表示某个像素滤波之后的高斯函数值。

3.根据权利要求2所述的一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法，其特征在于，所述步骤3具体如下：

Gap模型如下：

设G＝[Gap(X,Y)]_M×N表示大小为M×N的Gap平面，Gap值变化范围为0到L-1，其一维直方图h_g(i)表示平面上Gap值的分布情况，其中，i＝1,2,...,L-1；

假设以t为界限，将步骤2得到的图像划分为边缘与平滑区域两类像素，且均符合正态分布，采用高斯分布函数进行描述，设图像的边缘为E＝{1,2,...,t}，图像的平滑区域为B＝{t+1,t+2,...,L-1}，则图像的边缘类概率分布p_i和平滑类概率分布q_i各自均值和方差分别为：

式(3)和(4)中，μ_E(t)表示步骤2得到的图像边缘处的均值，μ_B(t)表示步骤2得到的图像平滑区域的均值，σ_E ²(t)表示步骤2得到的图像边缘处的方差，σ_B ²(t)表示步骤2得到的图像平滑区域的方差；

假设边缘类和平滑类均符合正态分布，可以采用高斯分布函数来描述：

而边缘和平滑区域两个概率分布的关联熵系数r_g(E；B)为：

式中，H(E)表示步骤2得到的图像边缘E处的熵，H_B(E)表示概率p_i本身定义的熵；

由信息论中的香农辅助定理知：0＜r_g(E；B)＜1；

步骤2得到的图像f(x,y)的边缘点即图像G＝[Gap(X,Y)]_M×N在关联熵系数上取得极值的点，故由关联熵系数确定边缘隶属度分类，边缘隶属度函数μ(x,y)大于图像最大关联熵系数的象素点，被认定为图像的边缘；

通过上述分析，基于统计间隙隶属度函数和关联熵系数判别的图像模糊边缘检测模型：

Medge(x,y)＝{(x,y)|μ(x,y)≥λ} (7)

其中，

由式(7)可见关联熵系数给出了边缘区域与平滑区域分类的范围，利用最大隶属度原则判断，如果统计间隙边缘隶属度大于关联熵系数判别值，则被认为是边界；反之将认为是平滑区域。

4.根据权利要求3所述的一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法，其特征在于，所述步骤4具体如下：

步骤4.1：对于步骤3得到的水滴轮廓区域进行圆形拟合，获得未倾斜绝缘子伞裙之前拟合圆形的圆心坐标o₁(x₁,y₁)；

步骤4.2：倾斜绝缘子伞裙表面水滴使得水滴沿着某方向进行移动，重新对倾斜后伞裙表面水滴轮廓区域进行圆形拟合，再次获得倾斜绝缘子伞裙之后拟合圆形的圆心坐标o₂(x₂,y₂)；

步骤4.3：计算未倾斜绝缘子伞裙之前拟合圆形的圆心坐标o₁(x₁,y₁)到倾斜绝缘子伞裙之后拟合圆形的圆心坐标o₂(x₂,y₂)的偏移距离d：

当偏移距离为0，表明硅橡胶绝缘子的憎水性最优，偏移距离越小表示硅橡胶复合绝缘子憎水性越好，偏移距离越大表示硅橡胶复合绝缘子憎水性越差。

5.根据权利要求4所述的一种基于水滴偏移距离的复合绝缘子憎水性等级判定方法，其特征在于，所述步骤4.1圆形拟合具体如下：

最小二乘拟合圆曲线表达式：

R²＝(x-A)²+(y-B)² (9)

式(9)中，R表示拟合圆的半径大小，(A,B)表示拟合圆的圆心坐标，(x,y)表示平面内任一点的位置

由(9)式可得：

R²＝x²-2Ax+A²+y²-2By+B² (10)

令:

因此可得圆曲线方程的另一个形式：

x²+y²+ax+by+c＝0 (12)

只要求出参数a，b，c就可以求得圆心半径的参数：

样本集(X_i,Y_i)，i∈(1,2,3,...N)中点到圆心的距离为d_i：

d_i ²＝(X_i-A)²+(Y_i-B)² (14)

点(X_i,Y_i)到圆边缘的距离的平方与半径平方的差δ_i为：

δ_i ²＝d_i ²-R²＝(X_i-A)²+(Y_i-B)²-R²＝X_i ²+Y_i ²+aX_i+bY_i+c (15)

令Q(a,b,c)为δ_i的平方和：

Q(a,b,c)＝∑δ_i ²＝∑[(X_i ²+Y_i ²+aX_i+bY_i+c)]² (16)

求参数a，b，c使得Q(a,b,c)取最小值；

解得平方差Q(a,b,c)大于0，因此函数存在大于或等于0的极小值，极大值为无穷大；

Q(a,b,c)对a，b，c求偏导，令偏导等于0，得到极值点，比较所有极值点的函数即可得到最小值：

由式(17)可解得：a，b，c，因此得A,B,R的估计拟合值。