一種用於電氣設備在線檢測的可見光和紅外圖像重構方法與流程
2023-11-11 22:19:52 1
本發明涉及電氣設備故障檢測與診斷，尤其是涉及一種用於電氣設備在線檢測的可見光和紅外圖像重構方法。
背景技術：
隨著我國電網規模不斷擴大，對電網運行的安全性和可靠性要求也越來越高，而電網電氣設備長期運行會出現磨損、氧化、腐蝕、老化、汙穢以及外力導致的缺陷，所以對電氣設備進行狀態檢修，及時排查故障隱患，對維護電網安全穩定運行極為重要。
在電氣設備故障檢測與診斷領域，可見光圖像檢測、紅外圖像檢測等非接觸式檢測方法憑藉著成本低、速度快、不停電檢修等特點，得到了越來越廣泛地應用。運用可見光圖像的輪廓、紋理、色彩等特徵可識別電氣設備的機械故障，如電力線異物、導線斷股、絕緣子掉片、防震錘移位、間隔棒斷裂等；運用紅外圖像可檢測電氣設備異常溫升故障，如金具接觸不良、接線端過熱、外絕緣表面放電發熱等。電網設備雖種類繁多，但大多數電氣設備都存在輪廓紋理不全、色彩變化明顯、溫升較高等缺陷特徵，這些缺陷在巡線過程中分別被可見光和紅外成像設備捕捉，但由於單一檢測系統僅根據片面參數信息作出推斷，常常造成電氣設備故障的誤診及漏診。為此，進行電氣設備的可見光與紅外圖像進行融合重構，將兩類圖像的有效特徵集成於一張圖像，不僅能降低信息冗餘度，也有利於對電氣設備故障的全面準確判斷。
技術實現要素：
本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種用於電氣設備在線檢測的可見光和紅外圖像重構方法。通過對同一電氣設備的可見光圖像和紅外圖像進行基於輪廓信息的圖像配準，將兩種圖像的有效特徵進行結合，重構為一張包含可見光和紅外兩方面圖像信息的二維圖像。
本發明的目的可以通過以下技術方案來實現：
一種用於電氣設備在線檢測的可見光和紅外圖像重構方法，該方法包括以下步驟：
s1、對紅外圖像和可見光圖像分別進行有效特徵分析；
s2、進行基於輪廓信息的圖像配準；
s3、利用圖像配準結果，根據有效特徵分析結果對圖像配準後的紅外圖像和可見光圖像進行有效特徵提取，並進行圖像疊加，完成可見光圖像與紅外圖像重構。
步驟s2基於輪廓信息的圖像配準包括以下步驟：
s201、對紅外圖像和可見光圖像分別進行圖像預處理後得到紅外圖像輪廓圖和可見光圖像輪廓圖；
s202、對紅外圖像輪廓圖和可見光圖像輪廓圖進行最佳仿射變換搜索，並進行最佳仿射變換；
s203、對紅外圖像原圖進行最佳仿射變換，完成圖像配準。
所述的有效特徵分析具體為通過圖像處理、特徵處理和特徵選擇步驟選取體現電氣設備缺陷或故障的特徵。
所述的最佳仿射變換搜索採用紅外圖像輪廓圖和可見光圖像輪廓圖的平均最近距離進行圖像配準度衡量，平均最近距離d(a,b)計算公式函數為：
d(a,b)＝min(d(a,b),d(b,a))
其中，a,b分別為電氣設備的可見光輪廓圖像和紅外輪廓圖像，ai、bi分別為圖像a中第i個輪廓點、b中第j個輪廓點，aj、bi分別為圖像a中第j個輪廓點、b中第i個輪廓點，na、nb分別為圖像a、b中的輪廓點個數，d(a,b)、d(b,a)分別為圖像a上的點到圖像b的平均最近距離、圖像b上的點到圖像a的平均最近距離。
s3中的可見光圖像與紅外圖像重構過程如下：
其中，iinf和ivis分別為紅外圖像和可見光圖像的rgb像素值，i1(x,y)為重構後的rgb像素值，t(x,y)為紅外圖像上坐標為(x,y)的像素點溫度值，tthresh為紅外圖像的溫度閾值。
所述的最佳仿射變換搜索具體為尋找進行仿射變換的最優參數組合。
與現有技術相比，本發明具有以下優點：
1.本發明將電氣設備的可見光與紅外圖像進行融合重構，將兩類圖像的有效特徵集成於一張圖像，大幅地降低信息冗餘度，也有利於對電氣設備缺陷的全面準確判斷；
2.本發明將電氣設備紅外圖像的異常溫升區域反映到可見光圖像上，非常直觀地反應電氣設備缺陷特徵，同時也精確地對電氣設備缺陷位置進行定位；
3.本發明算法穩定，信息保留度高，可靠性強，對於拍攝角度和圖像大小相差不大的可見光和紅外圖像都能進行準確的重構；
4.本發明適用性強，不僅適用於絕緣子、杆塔、金具等電氣設備故障檢測，還能運用於遙感、安檢、機械磨損檢測等需要結合紅外圖像和可見光圖像信息的領域。
附圖說明
圖1為本發明方法的可見光和紅外圖像重構流程圖；
圖2為本發明方法的粒子群算法流程圖；
圖3為本發明舉例的電力杆塔的可見光圖像；
圖4為本發明舉例的電力杆塔的紅外圖像；
圖5為本發明舉例的電力杆塔的可見光輪廓圖；
圖6為本發明舉例的電力杆塔的紅外圖像輪廓圖；
圖7為本發明舉例的電力杆塔的可見光和紅外圖像輪廓圖配準後效果；
圖8為本發明舉例的電力杆塔的可見光和紅外圖像重構效果圖。
圖中：1、可見光圖像，2、紅外圖像，3、有效特徵分析，4、基於輪廓信息的圖像配準，5、灰度化、閾值分割、邊緣提取，6、可見光和紅外圖像輪廓圖，7、最佳仿射變換搜索，8、紅外圖像原圖進行最佳仿射變換，9、有效特徵提取與圖像疊加，10、可見光和紅外圖像重構。
具體實施方式
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明的一部分實施例，而不是全部實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動的前提下所獲得的所有其他實施例，都應屬於本發明保護的範圍。
實施例
如圖1所示，適用於電氣設備在線檢測的可見光和紅外圖像重構方法，通過對同一電氣設備的可見光圖像1和紅外圖像2進行基於輪廓信息的圖像配準4，將兩種圖像的有效特徵進行結合，重構為一張包含可見光和紅外兩方面圖像信息的二維圖像。
所述的有效特徵可通過有效特徵分析後選擇，有效特徵分析是指通過圖像處理、特徵提取和特徵選擇後選取能最好的表現電氣設備缺陷或故障的特徵，通過比較多種正常和存在缺陷的電氣設備的可見光和紅外圖像，選取的紅外圖像的有效特徵為高溫升區域，可見光圖像的有效特徵為電氣設備的輪廓、色彩和紋理，此外，可見光圖像的背景對於電氣設備的故障定位也十分重要。
所述的基於輪廓信息的圖像配準通過對紅外圖像和可見光圖像進行灰度化、閾值分割、邊緣提取等圖像預處理後獲取可見光和紅外圖像輪廓圖，所述的閾值分割中的閾值是指自適應灰度閾值，一般採用最大類間方差法確定灰度閾值，所述的邊緣提取採用canny邊緣檢測算子進行。通過最佳仿射變換搜索使目標對象的可見光和紅外圖像輪廓圖重合，最後通過紅外圖像原圖進行最佳仿射變換實現圖像配準過程，所述的最佳仿射變換搜索可通過粒子群搜索算法實現。
所述的仿射變換包括平移變換，伸縮變換和旋轉變換，平移變換矩陣為：
tx、ty分別為圖像橫向平移量和縱向平移量，伸縮變換的矩陣為：
cx、cy分別為圖像橫向伸縮量和縱向伸縮量，旋轉變換的矩陣為：
θ為圖像旋轉角度。所述的最佳仿射變換搜索過程即為尋找最優仿射變換參數組合(tx0，ty0，cx0，cy0，θ0)，使紅外輪廓圖經過這一仿射變化後，紅外圖像輪廓和可見光圖像輪廓重合效果最佳。
所述粒子群算法中，設第i個粒子位置為xi＝(xi1,xi2,...,xi5)，它經歷過的最好位置記為pi＝(pi1,pi2,...,pi5)。粒子i的速度用vi＝(vi1,vi2,...,vi5)表示。對每一代粒子，粒子採用下式來更新自己的速度和位置：
vk+1id＝vkid+c1*rand1*(pkid-xkid)+c2*rand2*(pkgd-xkid)(1)
xk+1id＝xkid+vk+1id(2)
k為迭代次數，xkid是當前粒子的位置，c1，c2是學習因子，rand1和rand2為[0,1]區間內的隨機數。pg為所有粒子中的最佳位置，記為pg＝(pg1,pg2,...,pg5)。
所述用粒子群算法進行最佳仿射變換搜索過程中的圖像配準度(適應度)由可見光和紅外輪廓圖像的平均最近距離來衡量，平均最近距離d(a,b)計算公式即適應度函數為：
d(a,b)＝min(d(a,b),d(b,a))(3)
其中，a,b分別為電氣設備的可見光輪廓圖像和紅外輪廓圖像，ai、bi分別為圖像a中第i個輪廓點、b中第j個輪廓點，aj、bi分別為圖像a中第j個輪廓點、b中第i個輪廓點，na、nb分別為圖像a、b中的輪廓點個數，d(a,b)、d(b,a)分別為圖像a上的點到圖像b的平均最近距離、圖像b上的點到圖像a的平均最近距離。
所述的可見光與紅外圖像重構是在紅外圖像原圖進行最佳仿射變換後，根據有效特徵分析的結果對可見光圖像和紅外圖像進行有效特徵提取與圖像疊加實現，所述的圖像疊加將紅外圖像的高溫升區域覆蓋在可見光圖像上。重構過程如下：
iinf和ivis分別為紅外圖像和可見光圖像的rgb像素值，i為重構後的rgb像素值。tthresh紅外圖像的溫度閾值，用於區分高溫升區域，同樣可以採用最大類間方差法進行計算。
如圖3電氣設備的可見光圖像通過可見光相機拍攝，如圖4紅外圖像通過紅外熱像儀拍攝。在進行電氣設備的可見光和紅外圖像拍攝時，應儘量保持可見光和紅外的拍攝角度一致，拍攝距離可有所差異，但目標在兩者圖像中大小差別不宜過大。
對拍攝好的可見光圖像1和紅外圖像2進行有效特徵分析3，通過比較多種正常工作和故障的電氣設備的可見光和紅外圖像，並對其進行灰度化、閾值分割等圖像預處理，計算其特徵量並採用fisher準則選擇其有效特徵，得到的需要保留的有效特徵為可見光圖像中的電氣設備輪廓、紋理、色彩特徵和紅外圖像中的高溫升區域的面積和最值。
對圖3和圖4所示的現場拍攝的電力杆塔的可見光圖像和紅外圖像進行基於輪廓信息的圖像配準4，通過灰度化、閾值分割、邊緣提取5獲取可見光和紅外圖像輪廓圖6，運用最大類間方差法確定的圖3和圖4的可見光圖像的灰度閾值為100，紅外圖像的灰度閾值為25，運用canny算子對可見光和紅外圖像進行邊緣提取時敏感度閾值均為0.2，圖像處理後的電力鐵塔的可見光和紅外輪廓圖如圖5和圖6所示。
採用粒子群算法對圖5和圖6所示的電力鐵塔的可見光和紅外輪廓圖進行最佳仿射變換搜索7，首先需通過計算閾值分割後的可見光和紅外圖像的二值圖像重心和面積確定尋優搜索範圍。設可見光和紅外圖像的二值圖像重心坐標差為(x0，y0)，面積比為r0，則紅外圖像橫向平移量和縱向平移量tx、ty的搜索區間分別為[x0-100,x0+100]和[y0-100,y0+100]，紅外圖像橫向伸縮量和縱向伸縮量cx、cy的搜索區間均為[r0-0.5,r0+0.5]，紅外圖像θ旋轉角度的搜索區間默認為[-0.5,0.5]。電力鐵塔的可見光和紅外圖像的二值圖像重心坐標差為(73，22)，面積比為0.7439。然後進行粒子群算法搜索最佳仿射變換，搜索流程如圖2所示。將仿射變換參數搜索區間全歸一化為[0,1]，限定粒子搜索的最大速度為0.1，進行粒子群速度和位置的初始化，計算圖像匹配度，即適應度，記錄適應度最小的粒子位置。不斷地對粒子群進行迭代更新計算適應度，直至達到最大迭代次數或適應度達到要求，此時記錄的適應度最小的粒子位置所代表的參數即為最佳仿射變換參數。最大迭代次數一般設定為50次，指定適應度一般設為0.1。
如圖7所示，紅外圖像輪廓圖進行最佳仿射變換後，紅外圖像輪廓和可見光圖像輪廓基本重疊，此時的適應度為1.3。將紅外圖像原圖進行最佳仿射變換8，紅外圖像的rgb三個分量的圖像均按照最佳仿射變換參數進行變換，完成基於輪廓信息的圖像配準4過程。
完成圖像配準後的可見光和紅外圖像，進行有效特徵提取和圖像疊加9。將紅外圖像的溫升高於溫度閾值的區域從紅外原圖像中提取出來，並以覆蓋的方式疊加在可見光圖像上，即將可見光圖像rgb分量的對應位置的像素值被紅外圖像rgb分量取代，完成可見光與紅外圖像重構10。經最大類間方差算法確定的圖4中電力鐵塔的紅外圖像溫度閾值為28℃，圖像疊加重構後的效果如圖8所示。
以上所述，僅為本發明的具體實施方式，但本發明的保護範圍並不局限於此，任何熟悉本技術領域的技術人員在本發明揭露的技術範圍內，可輕易想到各種等效的修改或替換，這些修改或替換都應涵蓋在本發明的保護範圍之內。因此，本發明的保護範圍應以權利要求的保護範圍為準。