CN111915509B - 基于图像处理去阴影优化的保护压板状态辨识方法 - Google Patents

Abstract

基于图像处理去阴影优化的保护压板状态辨识方法，包括将保护压板彩色图像进行灰度化，转化为灰度图像，然后对灰度图像进行增强对比度和二值化图像，消除阴影区域。通过Graham算法原理得到每一个保护压板开关的凸包，然后由最小外接矩形原理将凸包连接成矩形，得到矩形面积。对矩形面积设定阈值，矩形面积大于阈值则判定为投出，否则为投入。该方法能够有效有效减少阴影干扰的影响，且对采集的图像质量要求不高、鲁棒性强；能够有效减少阴影干扰的影响，准确辨识图像中压板的运行状态。

Description

基于图像处理去阴影优化的保护压板状态辨识方法

技术领域

本发明涉及电网智能巡检技术领域，具体涉及一种基于图像处理去阴影优化的保护压板状态辨识方法。

背景技术

随着我国经济社会高速发展，电力系统的运维模式正逐步向自动化和智能化转变。继电保护设备是电力系统的重要组成部分，其运行状态与一次设备的运行方式需要相互匹配。因此，实时校核保护装置的运行状态一直都是保障电网安全稳定运行的重点关注技术。随着自动化与智能化技术在变电站中的推广应用，为智能巡检奠定了基础，但是目前二次设备的保护硬压板仍然大多采用人工现场核对的方式，存在核对频次低、校对过程溯源性不足的问题。

近几年，随着计算机图像处理技术的发展，计算机图像识别技术在电力巡检中有着很大范围的应用。例如：运用边缘检测技术检测电力设备是否有破损、输电线路中绝缘子是否破裂、输电线路覆冰厚度等。基于此，近几年许多学者开始利用图像识别技术对继电保护压板投入状态展开了研究。其中主要方法有：①、分析压板背景和压板接头颜色形状的特征，对压板图像进行阈值分割得到二值化图像，通过比较压板接头之间的距离从而判断压板的投入状态。但是当压板接头的并非垂直状态或者采集的压板图像质量不佳，那辨识效果不佳。②、通过对压板图像进行二值化分离压板区域和背景区域，然后将二值化图像进行形态学特征分析提取有效压板区域，通过判断压板开关的倾斜角度来识别压板的投退状态。这种方法辨识效果较好，但是若拍摄压板图像时拍摄角度发生偏差，那么会发生误判。

由此可见，目前大多数对压板状态研究的方法都有着各自的适用性，但是变电站中控室的光源环境变化较大，自然光照和多点照明的情况下对运行状态的辨识都会造成影响，这些环境因素将对辨识结果造成影响。

发明内容

本发明提出了一种基于图像处理去阴影优化的保护压板状态辨识方法，首先采用基于空间领域信息的OTSU算法，进行阈值分割消除光照不均阴影区域的影响，在此基础上基于Graham的最小外接矩形算法检测压板开关的最小矩形面积，通过识别最小矩形面积大小来判断压板是否投入。该方法能够有效有效减少阴影干扰的影响，且对采集的图像质量要求不高、鲁棒性强；能够有效减少阴影干扰的影响，准确辨识图像中压板的运行状态。

本发明采取的技术方案为：

基于图像处理去阴影优化的保护压板状态辨识方法，包括以下步骤：

步骤1、对保护压板图像的预处理：

将保护压板彩色图像进行灰度化，转化为灰度图像，转化为灰度图像的信息量少，减少计算机处理图像的时间；然后对灰度图像进行增强对比度和二值化图像，消除阴影区域；

步骤2：计算保护压板开关最小外接矩形面积：

通过Graham算法原理得到每一个保护压板开关的凸包，然后由最小外接矩形原理将凸包连接成矩形，得到矩形面积；

步骤3：通过最小外接矩形面积，辨识压板状态：

对矩形面积设定阈值，矩形面积大于阈值则判定为投出，否则为投入。

本发明一种基于图像处理去阴影优化的保护压板状态辨识方法，技术效果如下：

1)本发明立足于电力系统中大量的继电保护压板，以图像处理技术为基础，通过分析含有阴影区域的压板图像特征，提出了采用基于空间领域信息的OTSU阈值分割法对阴影区域的压板图像进行阈值分割预处理，能够有效消除阴影部分的影响，且采用最小外接矩形算法提取压板开关的矩形面积，通过矩形面积大小判断压板是否投入，这一方法对不含阴影区域的压板图像同样适用。

2)本发明所提出的改进的OTSU算法和通过判断最小外接矩形面积大小相结合的方法来辨识压板状态，其对所需要的压板图像质量的要求较低，且通过改进的二值化算法能够消除压板背景中的阴影区域，提升图像质量；而采用最小外接矩形面积来辨识压板状态这种方法能够直接用于初始图像，且辨识效果相较与其他辨识方法的精确度较高，鲁棒性更强。

3)相比于现有对变电站中的压板开关辨识的方法，本发明提出的检测算法具有一定优势，能够快速、准确的辨识压板状态。

附图说明

图1为本发明压板图像预处理流程图。

图2为本发明压板状态辨识流程图。

具体实施方式

基于图像处理去阴影优化的保护压板状态辨识方法，包括以下步骤：

步骤1、对保护压板图像的预处理：

将保护压板彩色图像进行灰度化，转化为灰度图像，然后对灰度图像进行增强对比度和二值化图像，消除阴影区域。

所述步骤1包括以下步骤：

1.1、灰度化处理：将采集的原始压板图像以数值形式描述在RGB颜色空间中，然后通过灰度化转换公式完成对图像的灰度处理，这里采用的是平均值法灰度化，公式如下：

Gray(i.j)＝(R(i,j)+G(i,j)+B(i,j))/3 (1)；

其中：Gray(i,j)表示在在灰度图像中点(i,j)的灰度值；R(i,j)、G(i,j)、B(i.j)分别表示在RGB颜色空间中红色绿色蓝色三个特征量的像素值。

1.2、图像增强：增强压板灰度图像对比度。采用线性函数对压板灰度图像做线性扩展，扩大像素进行灰度拉伸。其数学公式如下：

g(i,j)＝a×f(i,j)+b (2)；

g(i,j)表示灰度增强后某一像素点的灰度值；f(i.j)为原始图像某一点像素值；a、b为常数。

1.3、基于OTSU算法的邻域均值分割去除光照不均匀处理：通过对OTSU算法进行改进，对采集到的图像灰度值进行分析，采用基于OTSU算法的邻域均值分割二值化处理。

通过分析图像的灰度特性，将图像分为背景和目标两个部分，计算背景和目标的类间方差，若方差越大，则表示图像中背景部分和目标区域之间的差别越大，若当目标区域被错分为背景或者是背景部分错分为目标，那么两部分的类间方差会变小。因此,使类间方差最大的分割意味着错分概率最小。其具体算法如下：

假设一副图像f(x,y)的大小为M×N，整幅图像的灰度级为L，分割图像的阈值为T，那么图像的灰度范围为[0,L-1]灰度值为i的像素数为n_i，那么i的概率为：

把图像中的像素按灰度值用阈值T分成两类C₀和C₁，C₀对应于灰度值在[0,T-1]之间的像素，C₁对应于灰度值在[T,L-1]之间的像素，则C₀和C₁的概率分别为：

其平均灰度值分别为：

整个图像的平均灰度值为：

u＝ω₀u₀+ω₁u₁ (8)；

根据最大类间方差法的分割原理，可得最优阈值T^*的公式为：

T^*＝arg max[ω₀(u₀-u)²+ω₁(u₁-u)²] (9)。

最大类间方差法是建立在图像的灰度直方图基础上，该方法是对图像进行全局的一种自动阈值分割方法。本发明中要辨识玻璃屏柜中压板二次设备的运行状态，受厂房中光照不均匀的影响，采集的压板图像中可能会有部分压板因光照影响在压板背景区域形成阴影，这对后续对压板状态进行辨识造成了很大影响。通过分析压板图像灰度分布情况，本发明采用基于OTSU算法的邻域均值分割法，结合图像像素局部空间信息进行改进的一种全局阈值分割算法。

本发明采用的改进OTSU算法的基本思想是：因为继电保护压板图像其压板开关和背景板这两部分在光照的情况下的明暗程度有很大区别，所以对这类图像首先考虑将图像中最亮和最暗的部分提取出来，这两部分是包含目标信息最丰富的的部分，而目标和背景可能在剩下的待分割区域中仍然存再，此时对剩下的这部分进行局部空间信息的处理。最后，对处理过的图像采用OTSU法二值化。具体算法步骤如下：

1)获取原图像f(i,j)的直方图；

2)对获取的灰度直方图上找到第一个峰和最后一个峰，两个峰值灰度值分别记为T₀和T₁。记G_min、G_max分别为图像的最小、最大灰度；

3)设f(i,j)为原图像像素点的灰度值，即f(i-1,j-1)、f(i,j-1)、f(i+1,j-1)、f(i-1,j)、f(i+1,j)、f(i-1,j+1)、f(i,j+1)、f(i+1,j+1)是其8个邻域像素的灰度值，若f(i,j)>T₀且f(i,j)<T₁,则用：

按照这种方法更新像素点灰度值，否则该像素灰度值不变；

4)对上述经过灰度值更新的图像再采用OTSU法进行阈值分割，得到二值化图像。

步骤2：计算保护压板开关最小外接矩形面积：

通过Graham算法原理得到每一个保护压板开关的凸包，然后由最小外接矩形原理将凸包连接成矩形，得到矩形面积。

所述步骤2包括以下步骤：

2.1、通过Graham算法计算出压板开关轮廓的所有凸包点集。其具体实现原理如下：

(1)在有n个点平面点集中，从点集中找到最左下方的点，如点P1；

(2)以P1为极点，将P1点与点集中的所有点连接，对这些线段与水平线的夹角角度进行由小到大的排序，可以知道当有相等的角度和与P1在同一直线上的点，那么删除离P1最近的点保留距P1最远的点；

(3)先将极点和极角最小的P1、P2压入栈中；

(4)然后将栈顶的两个点按照排序扫描点集中的每一个点，将栈顶的两个点连成一条直线L，观察点Pi(i>＝3)是在直线L的左侧还是右侧，如果是在直线的右边，则执行步骤(5)，如果是在直线上或者是直线左侧，则执行步骤(6)；

(5)在直线L的右边，那么栈顶元素不是凸包上的点，将栈顶元素出栈，回到步骤(4)；

(6)若是在直线左侧，则点Pi是凸包上的点，压入栈中；

(7)遍历所有点集直至Pn，若没有到Pn，那么继续执行步骤(4)。

2.2、基于Graham的最小外接矩形的方法来检测对比压板开关运行时的最小外接矩形。图形的外接矩形在指对整个图形都能完整的包围起来的且这个外接矩形的四条边都与图形相接触。而最小外接矩形(MER)是指这个图形的所有外接矩形中面积最小的一个矩形，所以这个最小外接矩形对于某个图形来说是唯一的，通过某个物体的最小外接矩形能够知道物体长宽高等轮廓信息。本发明对压板图像中的压板开关的投入状态进行辨识，通过对压板开关的投入投出状态进行分析，通过基于Graham的最小外接矩形的方法来检测对比压板开关运行时的最小外接矩形面积来判断压板的运行状态。其具体实现步骤如下：

步骤2.2.1：经预处理的二值化压板图像边缘轮廓点存入二维点集q中。

步骤2.2.2：选取二维点集中任意一个没有被选取的边缘点集S_l(l＝1，2，...p)，选取点集S_l在图像坐标系Y坐标最小的一点压入栈中，通过Graham算法原理求出点集S_l的凸包。

步骤2.2.3：选取凸包任意一边作为与最小外接矩形边重合的边，即起始边。找出在这条边的直线投影的正、负方向上最远的和到直线距离最远的三点，从而确定和计算出矩形的面积、周长和中心坐标。

步骤2.2.4:开关投入时的最小外接矩形面积阈值为S，判断此时外接矩形面积是否大于S，若面积大于S则代表其压板为投出状态，若面积小于或者等于S，则表明其压板投入。

步骤2.2.5:上所有边是否都被计算，是则执行下一步，否则选择下一条边，转到步骤2.2.3。

步骤2.2.6:记录的矩形的面积，转到步骤2.2.2选取下一个未被选取过的边缘点集，直到所有边缘点集被选取。

步骤3：通过最小外接矩形面积，辨识压板状态：对矩形面积设定阈值，矩形面积大于阈值则判定为投出，否则为投入。

所述步骤3括以下步骤：

3.1、对计算得到的所有压板开关最小外接矩形进行由小到大的序号排列，找到压板开关为投入状态且最小外接矩形面积相比较于其他投入状态的压板面积最大的最小外接矩形的面积S。

3.2、设定阈值S，若压板开关的最小外接矩形面积大于S，则判定为投出状态，否则为投入状态。

实施例：

参见图1，为对采集到的压板图像进行预处理，以便于后续辨识压板状态，其具体内容包括：

步骤一：灰度化处理。将采集的原始压板图像以数值形式描述在RGB颜色空间中，然后通过灰度化转换公式完成对图像的灰度处理，这里采用的是平均值法灰度化，其灰度化处理公式如式(1)；

步骤二：对比度增强。增强压板灰度图像对比度。采用线性函数对压板灰度图像做线性扩展，扩大像素进行灰度拉伸。其数学公式如式(2)；

步骤三：基于OTSU算法的邻域均值分割去除光照不均匀处理。通过对OTSU算法进行改进，对采集到的图像灰度值进行分析，结合像素空间领域信息，采用基于OTSU算法的邻域均值分割二值化处理。其像素处理关系式如式(10)。

参见图2，为对压板状态进行辨识的过程，通过提取压板开关的凸包点集得到最小外接矩形，判断矩形面积辨识压板状态。其具体内容包括：

步骤(一)：对预处理的图像采用凸包算法计算压板开关的凸包点集；

步骤(二)：选取凸包任意一边作为与最小外接矩形边重合的边，即起始边。找出在这条边的直线投影的正、负方向上最远的和到直线距离最远的三点，从而确定和计算出矩形的面积、周长和中心坐标，得到最小外接矩形；

步骤(三)：设定压板开关投入时的最小外接矩形最大面积阈值为S，判断此时外接矩形面积是否大于S，若面积大于S则代表其压板为投出状态，若面积小于或者等于S，则表明其压板投入。

Claims (4)

1.基于图像处理去阴影优化的保护压板状态辨识方法，其特征在于包括以下步骤：

步骤1、对保护压板图像的预处理：

将保护压板彩色图像进行灰度化，转化为灰度图像，然后对灰度图像进行增强对比度和二值化图像，消除阴影区域；

步骤2：计算保护压板开关最小外接矩形面积：

通过Graham算法原理得到每一个保护压板开关的凸包，然后由最小外接矩形原理将凸包连接成矩形，得到矩形面积；

所述步骤2包括以下步骤：

步骤2.1、通过Graham算法计算出压板开关轮廓的所有凸包点集，其具体实现如下：

步骤(1)、在有n个点平面点集中，从点集中找到最左下方的点，如点P1；

步骤(2)、以P1为极点，将P1点与点集中的所有点连接，对这些线段与水平线的夹角角度进行由小到大的排序，可以知道当有相等的角度和与P1在同一直线上的点，那么删除离P1最近的点保留距P1最远的点；

步骤(3)、先将极点和极角最小的P1、P2压入栈中；

步骤(4)、然后将栈顶的两个点按照排序扫描点集中的每一个点，将栈顶的两个点连成一条直线L，观察点Pi(i>＝3)是在直线L的左侧还是右侧，如果是在直线的右边，则执行步骤(5)，如果是在直线上或者是直线左侧，则执行步骤(6)；

步骤(5)、在直线L的右边，那么栈顶元素不是凸包上的点，将栈顶元素出栈，回到步骤(4)；

步骤(6)、若是在直线左侧，则点Pi是凸包上的点，压入栈中；

步骤(7)、遍历所有点集直至Pn，若没有到Pn，那么继续执行步骤(4)；

步骤2.2、对压板图像中的压板开关的投入状态进行辨识，通过对压板开关的投入投出状态进行分析，通过基于Graham的最小外接矩形的方法来检测对比压板开关运行时的最小外接矩形面积来判断压板的运行状态，其具体实现步骤如下：

步骤2.2.1：经预处理的二值化压板图像边缘轮廓点存入二维点集q中；

步骤2.2.2：选取二维点集中任意一个没有被选取的边缘点集S_l(l＝1，2，...p)，选取点集S_l在图像坐标系Y坐标最小的一点压入栈中，通过Graham算法原理求出点集S_l的凸包；

步骤2.2.3：选取凸包任意一边作为与最小外接矩形边重合的边，即起始边；找出在这条边的直线投影的正、负方向上最远的和到直线距离最远的三点，从而确定和计算出矩形的面积、周长和中心坐标；

步骤2.2.4:开关投入时的最小外接矩形面积阈值为S，判断此时外接矩形面积是否大于S，若面积大于S则代表其压板为投出状态，若面积小于或者等于S，则表明其压板投入；

步骤2.2.5:上所有边是否都被计算，是则执行下一步，否则选择下一条边，转到步骤2.2.3；

步骤2.2.6:记录的矩形的面积，转到步骤2.2.2选取下一个未被选取过的边缘点集，直到所有边缘点集被选取；

步骤3：通过最小外接矩形面积，辨识压板状态：

对矩形面积设定阈值，矩形面积大于阈值则判定为投出，否则为投入。

2.根据权利要求1所述基于图像处理去阴影优化的保护压板状态辨识方法，其特征在于：

所述步骤1包括以下步骤：

步骤1.1、灰度化处理：

将采集的原始压板图像以数值形式描述在RGB颜色空间中，然后通过灰度化转换公式完成对图像的灰度处理，这里采用的是平均值法灰度化，公式如下：

Gray(i.j)＝(R(i,j)+G(i,j)+B(i,j))/3 (1)；

步骤1.2、图像增强：

增强压板灰度图像对比度；采用线性函数对压板灰度图像做线性扩展，扩大像素进行灰度拉伸；其数学公式如下：

g(i,j)＝a×f(i,j)+b (2)；

步骤1.3、基于OTSU算法的邻域均值分割去除光照不均匀处理：

通过对OTSU算法进行改进，对采集到的图像灰度值进行分析，采用基于OTSU算法的邻域均值分割二值化处理。

3.根据权利要求1所述基于图像处理去阴影优化的保护压板状态辨识方法，其特征在于：

所述步骤3括以下步骤：

步骤3.1：对计算得到的所有压板开关最小外接矩形进行由小到大的序号排列，找到压板开关为投入状态、且最小外接矩形面积相比较于其他投入状态的压板面积最大的最小外接矩形的面积S；

步骤3.2：设定阈值S，若压板开关的最小外接矩形面积大于S，则判定为投出状态，否则为投入状态。

4.根据权利要求1所述基于图像处理去阴影优化的保护压板状态辨识方法，其特征在于包括以下步骤：

对采集到的压板图像进行预处理，以便于后续辨识压板状态，其具体包括：

步骤一：灰度化处理：将采集的原始压板图像以数值形式描述在RGB颜色空间中，然后通过灰度化转换公式完成对图像的灰度处理，这里采用的是平均值法灰度化；

步骤二：对比度增强：增强压板灰度图像对比度；采用线性函数对压板灰度图像做线性扩展，扩大像素进行灰度拉伸；

步骤三：基于OTSU算法的邻域均值分割去除光照不均匀处理：通过对OTSU算法进行改进，对采集到的图像灰度值进行分析，结合像素空间领域信息，采用基于OTSU算法的邻域均值分割二值化处理；

为对压板状态进行辨识的过程，通过提取压板开关的凸包点集得到最小外接矩形，判断矩形面积辨识压板状态，其具体包括：

步骤(一)：对预处理的图像采用凸包算法计算压板开关的凸包点集；

步骤(二)：选取凸包任意一边作为与最小外接矩形边重合的边，即起始边；找出在这条边的直线投影的正、负方向上最远的和到直线距离最远的三点，从而确定和计算出矩形的面积、周长和中心坐标，得到最小外接矩形；

步骤(三)：设定压板开关投入时的最小外接矩形最大面积阈值为S，判断此时外接矩形面积是否大于S，若面积大于S则代表其压板为投出状态，若面积小于或者等于S，则表明其压板投入。