基于紅外圖像的絕緣子串鋼帽和盤面區(qū)域自動提取方法

付 強(qiáng)，姚建剛，李唐兵，湯成艷，于浩祺，胡淋波

?

基于紅外圖像的絕緣子串鋼帽和盤面區(qū)域自動提取方法

付 強(qiáng)1，姚建剛1，李唐兵2，湯成艷1，于浩祺1，胡淋波1

（1.湖南大學(xué)電氣與信息工程學(xué)院，湖南 長沙 410082；2.國網(wǎng)江西省電力科學(xué)研究院，江西 南昌 330096）

鋼帽和盤面區(qū)域的自動提取，是絕緣子紅外智能檢測的基礎(chǔ)。針對現(xiàn)有提取方法的不足，提出一種基于紅外圖像的絕緣子串鋼帽和盤面區(qū)域自動提取方法：通過灰度化、雙邊濾波、OTSU二值分割，進(jìn)行紅外圖像預(yù)處理；利用特定算法，實(shí)現(xiàn)絕緣子串自動定位；利用絕緣子串骨架的回歸直線，進(jìn)行圖像角度校正；根據(jù)絕緣子串區(qū)域列寬分布，分割絕緣子串，提取絕緣子片；運(yùn)用傅里葉描述子進(jìn)行驗(yàn)證識別；分離鋼帽和盤面，實(shí)現(xiàn)絕緣子串鋼帽和盤面區(qū)域的提取。實(shí)驗(yàn)結(jié)果表明該方法可以準(zhǔn)確地提取絕緣子串鋼帽和盤面區(qū)域，為后期絕緣子故障智能診斷奠定基礎(chǔ)。

絕緣子串；紅外圖像；雙邊濾波；圖像分割；線性回歸；傅里葉描述子

0 引言

絕緣子是將電位不同的導(dǎo)體，在機(jī)械上相互連接、在電氣上相互絕緣的重要電力設(shè)備，在電網(wǎng)中使用量巨大，其狀態(tài)檢測異常繁重[1]。國內(nèi)外研究者提出多種絕緣子狀態(tài)檢測方法[2-3]，但在電網(wǎng)實(shí)際應(yīng)用中，絕緣子狀態(tài)檢測以火花間隙法、紅外熱像法兩種手段為主[4]。火花間隙法需要人工登桿、逐片測量，檢測效率低、工作強(qiáng)度大、安全性差，易造成誤檢、漏檢[5]；紅外熱像法可實(shí)現(xiàn)遠(yuǎn)程、非接觸檢測，且不受電磁干擾，安全、可靠，結(jié)合圖像處理技術(shù)，自動定位故障，是絕緣子智能檢測的發(fā)展方向[6]。

研究表明：低、零值絕緣子的異常發(fā)熱主要體現(xiàn)在鋼帽區(qū)域，污穢絕緣子的異常發(fā)熱主要體現(xiàn)在盤面區(qū)域[7]。因此，在紅外圖像中，準(zhǔn)確提取鋼帽、盤面區(qū)域，是絕緣子紅外智能檢測的基礎(chǔ)。

文獻(xiàn)[8]采用最小二乘法擬合單個絕緣子盤面邊緣，實(shí)現(xiàn)絕緣子盤面區(qū)域提取，該方法無法提取鋼帽區(qū)域，且要求紅外圖片拍攝必須沿絕緣子串軸線方向，實(shí)用性不強(qiáng)；文獻(xiàn)[9-12]中絕緣子的提取針對的是整串，不能將單個絕緣子區(qū)分開來，其后期狀態(tài)檢測只能以整串的信息為基礎(chǔ)，不能準(zhǔn)確分析、定位故障；文獻(xiàn)[13-14]通過總結(jié)歸納絕緣子紅外圖像的特征規(guī)律，提出以圖像骨架十字交叉點(diǎn)作為特征點(diǎn)、利用Hough變換進(jìn)行角度校正的絕緣子綜合分割提取方法，該方法可有效提取絕緣子的鋼帽和盤面區(qū)域，但有可能受到偽十字交叉點(diǎn)的干擾，造成區(qū)域提取錯誤。

本文提出一種基于紅外圖像的絕緣子串鋼帽和盤面區(qū)域自動提取方法，通過圖像預(yù)處理、絕緣子串定位、角度校正、絕緣子片分割提取、驗(yàn)證識別、鋼帽和盤面區(qū)域提取6個步驟實(shí)現(xiàn)。在圖像預(yù)處理中，采用雙邊濾波，在去噪的同時保留圖像的邊緣和細(xì)節(jié)；在進(jìn)行角度校正時，利用絕緣子結(jié)構(gòu)上的對稱性，對絕緣子串骨架進(jìn)行線性回歸分析；根據(jù)絕緣子串區(qū)域列寬分布特征，進(jìn)行絕緣子串分割、金具濾除、絕緣子片提取、鋼帽和盤面分離；運(yùn)用傅里葉描述子進(jìn)行驗(yàn)證識別，確保提取絕緣子片的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明該方法可以準(zhǔn)確地提取紅外圖像中絕緣子的鋼帽和盤面區(qū)域，為后期絕緣子的故障智能診斷奠定基礎(chǔ)。

1 絕緣子串鋼帽和盤面區(qū)域自動提取方法

盤形懸式瓷絕緣子由鋼帽、鋼腳和瓷件（盤面）三部分組成，絕緣子通過鋼腳與下一片絕緣子的鋼帽連接，形成絕緣子串；同一串的絕緣子，一般型號相同，在紅外圖像中，形狀、尺寸基本一致；紅外圖像中的絕緣子盤面呈現(xiàn)為橢圓形、鋼帽呈現(xiàn)為梨形，在兩片絕緣子連接的位置，鋼帽直徑最??；在絕緣子串紅外圖像的拍攝過程中，不可避免的會受到導(dǎo)線、鋼架等復(fù)雜背景的干擾。本文通過如下6個步驟實(shí)現(xiàn)絕緣子串紅外圖像鋼帽和盤面區(qū)域自動提取。

1.1 紅外圖像預(yù)處理

紅外圖像灰度化是指將格式的圖像，轉(zhuǎn)化為格式，并提取其中的分量。根據(jù)格式與格式的轉(zhuǎn)化關(guān)系，紅外圖像的灰度求取公式為[15]：

＝＝0.299＋0.587＋0.114(1)

紅外圖像存在對比度低、邊緣模糊、噪聲大等缺陷，影響后續(xù)特征信息提取。為提高圖像質(zhì)量，保留圖像的邊緣和細(xì)節(jié)，本文采用雙邊濾波進(jìn)行灰度圖像去噪。雙邊濾波是一種既可有效降低圖像噪聲又可保持圖像邊緣和細(xì)節(jié)的濾波技術(shù)，它能同時利用鄰域內(nèi)像素點(diǎn)的空間鄰近度和灰度相似度信息[16]，其公式為：

式中：表示以(,)為中心點(diǎn)的(2＋1)×(2＋1)鄰域，即濾波窗口；(,)為(,)點(diǎn)的灰度值；(,)為濾波后(,)點(diǎn)的灰度值；(,)為空間域權(quán)值；d是空間方差；(,)為灰度域權(quán)值；r是灰度方差。、d和r一般人工設(shè)定。

最大類間方差法（OTSU）是一種自適應(yīng)的閾值確定的方法，基本思想是使用一個灰度閾值，將整個圖像分成背景和前景兩類，使得兩類之間的方差最大。該方法被認(rèn)為是圖像二值分割中閾值選取的最佳算法[17]。本文運(yùn)用該方法確定閾值，然后對濾波后的灰度圖像進(jìn)行二值化處理：

式中：g(i, j)為濾波后點(diǎn)(i, j)的灰度值；h(i, j)為點(diǎn)(i, j)二值化后的結(jié)果。

1.2 絕緣子串定位

本文通過絕緣子串自動定位算法，濾除導(dǎo)線、鋼架等復(fù)雜背景的干擾，提取絕緣子串區(qū)域。絕緣子串自動定位算法步驟如下：

Step1：獲取圖形邊界及寬度。對二值圖像進(jìn)行逐行、逐列掃描，獲取圖形邊界；將一行或一列中連續(xù)1的區(qū)域作如下處理：首尾置為（為該區(qū)域連續(xù)1的個數(shù)），其余置為0。定義為該部分圖形的寬度。例如對矩陣[0 1 1 0 0 1 1 1]，處理后為[0 2 2 0 0 3 0 3]。

Step2：濾除導(dǎo)線干擾，保留圖形細(xì)節(jié)。導(dǎo)線的寬度一般較小且基本無變化，設(shè)定閾值（本文中取10），提取圖中寬度小于閾值的部分。檢測相鄰行或列（本文中取10），若寬度相差在10%以內(nèi)且無明顯單調(diào)變化趨勢，則認(rèn)為是導(dǎo)線部分，濾除；反之認(rèn)為是圖形的細(xì)節(jié)部分，保留。

Step3：運(yùn)用連通區(qū)域標(biāo)記法進(jìn)行區(qū)域標(biāo)記，分別對各連通區(qū)域進(jìn)行逐列檢測，若一列中1之間包含0，則濾除該列。

Step4：對各連通區(qū)域，濾除最大列寬度的倍的部分，即在細(xì)小連接處斷開。根據(jù)絕緣子鋼帽與盤面的尺寸比率，取值范圍為[0.25 0.33]。選取最大聯(lián)通區(qū)域，即為絕緣子串區(qū)域。

圖2 絕緣子串定位

1.3 角度校正

絕緣子串區(qū)域確定后，進(jìn)行角度校正，使絕緣子串成水平分布，可獲得最佳的分割效果。文獻(xiàn)[18]在確定絕緣子區(qū)域后，通過尋找絕緣子串骨架的十字交叉點(diǎn)，運(yùn)用Hough變換獲取直線，進(jìn)行角度校正。

1.4 提取絕緣子片

實(shí)現(xiàn)絕緣子串定位及角度校正后，本文采用絕緣子片分割提取算法，實(shí)現(xiàn)絕緣子片提取。絕緣子片分割提取算法步驟如下：

Step1：判斷絕緣子串方向。設(shè)絕緣子區(qū)域矩陣為insArea，定義整數(shù)P1＝P2＝0，則各列的圖形寬度colWid＝sum(insArea)。從圖形區(qū)域的第一列開始掃描：若colWid(＋1)－colWid()＞0，則P1＋＋，否則P2＋＋。如果最終P1＞P2，則表示高壓導(dǎo)線在右側(cè)，反之高壓導(dǎo)線在左側(cè)。

Step2：定義列寬比率矩陣ratio。當(dāng)colWid()≠0時，令ratio()＝colWid(＋1)/colWid()；當(dāng)colWid()＝0時，令ratio()＝0。搜索ratio的極大值、極小值所在的列。

Step3：絕緣子串分割。設(shè)絕緣子串包含insN片絕緣子，若P1＞P2，在ratio最小的insN個極小值所在的列，切開絕緣子串；若P1＜P2，在ratio最大的insN個極大值所在的列，切開絕緣子串。

Step4：濾除金具，提取絕緣子片。采用連通區(qū)域標(biāo)記法進(jìn)行區(qū)域標(biāo)記，檢測各區(qū)域列寬分布，若列寬最小值位置在該連通區(qū)域中部，則為金具，濾除。

圖4(a)中包含兩條曲線，其中虛線為絕緣子區(qū)域列寬分布，實(shí)線為放大后的相鄰兩列寬度比值分布，放大倍數(shù)＝max(colWid)/max(ratio)。從圖中可以看出：實(shí)曲線的極小值所在列，對應(yīng)兩片絕緣子的連接處；極大值所在列，對應(yīng)鋼帽和盤面的連接處。因此，文中將ratio的極小值、極大值所在列，作為分割位置。

從絕緣子區(qū)域列寬度分布曲線可以看出：絕緣子區(qū)域最小列寬在兩片絕緣子連接處，即絕緣子片的邊緣位置；金具最小列寬在其的中間位置。根據(jù)這一差別，濾除金具。

圖4 絕緣子片提取

1.5 絕緣子片驗(yàn)證識別

所提取的絕緣子區(qū)域是否準(zhǔn)確，需要進(jìn)一步驗(yàn)證。文獻(xiàn)[19]比較各種典型形狀識別方法的能力，得出基于物體輪廓坐標(biāo)序列的傅里葉描述子，具有最佳的形狀識別性能。傅里葉描述子具有明確的物理幾何意義，直觀性強(qiáng)，計(jì)算原理簡單。歸一化的傅里葉描述子具有平移、旋轉(zhuǎn)、尺度、起點(diǎn)變換的不變性[20]。利用歸一化的傅里葉描述子，可以方便、準(zhǔn)確的比較圖形的相似度。本文采用傅里葉描述子進(jìn)行絕緣子區(qū)域驗(yàn)證識別。

1.5.1 傅里葉描述子識別理論

運(yùn)用傅里葉描述子進(jìn)行形狀識別時，首先提取目標(biāo)區(qū)域的輪廓，獲取邊界坐標(biāo)序列{((),())}，＝0, 1, 2, …,－1，為目標(biāo)輪廓坐標(biāo)點(diǎn)數(shù)。用復(fù)數(shù)的形式將二維坐標(biāo)表示為一維序列：()＝()＋j()，其中j2＝－1。對()進(jìn)行傅里葉變換，得到該目標(biāo)的傅里葉描述子：

然后運(yùn)用如下公式，對傅里葉描述子進(jìn)行歸一化：

根據(jù)傅里葉描述子能量分布的低頻集中性[21]，取歸一化的傅里葉描述子的前維，比較、兩個形狀的相似度，比較公式為：

越大，表示兩個形狀的相似性越低，反之則越高。本文作如下劃分：當(dāng)＝0時，兩形狀完全相同；當(dāng)0＜≤0.25時，兩形狀相似性高；當(dāng)0.25＜≤0.5時，兩形狀相似性較高；當(dāng)＞0.5時，兩形狀相似性較低。

1.5.2 運(yùn)用傅里葉描述子進(jìn)行驗(yàn)證識別

運(yùn)用傅里葉描述子進(jìn)行絕緣子片驗(yàn)證識別的步驟：

Step1：選取樣本絕緣子，提取傅里葉描述子并歸一化；

Step2：采用連通區(qū)域標(biāo)記法，對提取的絕緣子區(qū)域進(jìn)行區(qū)域標(biāo)記；

Step3：依次提取各區(qū)域的圖形邊界，得到歸一化的傅里葉描述子，并與樣本絕緣子比較相似度；

Step4：濾除相似度大于0.25的區(qū)域，即獲得驗(yàn)證識別后的絕緣子區(qū)域。

圖5 樣本絕緣子

絕緣子區(qū)域從左到右，與樣本絕緣子的相似度依次為：0.1756、0.2477、0.2400、0.2172、0.2232、0.2154、0.1965、0.1787、0.1608、0.1298、0.1049、0.1038、0.0819、0.0726。相似度均小于0.25，表明1.4中提取絕緣子片區(qū)域是準(zhǔn)確的。

1.6 鋼帽和盤面區(qū)域的提取

絕緣子區(qū)域確認(rèn)后，提取鋼帽和盤面區(qū)域，具體方法是：

若P1＞P2，則在ratio最大的insN個極大值所在的列，切開絕緣子，采用連通區(qū)域標(biāo)記后，編號為奇數(shù)的區(qū)域?yàn)殇撁眳^(qū)域，編號為偶數(shù)的區(qū)域?yàn)楸P面區(qū)域；若P1＜P2，則在ratio最小的insN個極小值所在的列，切開絕緣子，編號為偶數(shù)的區(qū)域?yàn)殇撁眳^(qū)域，編號為奇數(shù)的區(qū)域?yàn)楸P面區(qū)域。

然后對鋼帽和盤面區(qū)域進(jìn)行角度還原，即圍繞圖像中心點(diǎn)逆時針旋轉(zhuǎn)-角度。在原始圖像上，標(biāo)出相應(yīng)位置，實(shí)現(xiàn)絕緣子鋼帽和盤面區(qū)域提取。

圖6 鋼帽和盤面區(qū)域的提取

2 試驗(yàn)結(jié)果與分析

本文方法與文獻(xiàn)[14]有明顯的不同：文獻(xiàn)[14]在圖像預(yù)處理后，直接提取骨架并尋找骨架的十字交叉點(diǎn)，運(yùn)用Hough變換，進(jìn)行角度校正，可能會受到偽十字交叉點(diǎn)的干擾；根據(jù)絕緣子串區(qū)域?qū)挾阮l率，進(jìn)行絕緣子分割提取，會造成過分割；濾除寬度較小的部分以排除導(dǎo)線干擾，丟失了部分圖像細(xì)節(jié)；多次運(yùn)用腐蝕、膨脹算法，丟失了部分邊界信息。此外，文獻(xiàn)[14]由于缺少驗(yàn)證識別環(huán)節(jié)，容易出現(xiàn)區(qū)域誤提取。

為驗(yàn)證本文提出的基于紅外圖像的絕緣子串鋼帽和盤面區(qū)域自動提取方法的可靠性，將其與文獻(xiàn)[14]的方法進(jìn)行對比。試驗(yàn)選取包含導(dǎo)線、鋼架等復(fù)雜背景且絕緣子面積小于鋼架的變電站現(xiàn)場紅外圖片。在雙邊濾波中，選擇5×5的濾波窗口，取d＝3、r＝0.1；在進(jìn)行驗(yàn)證識別時，運(yùn)用圖5(b)中樣本絕緣子輪廓，取歸一化傅里葉描述子前16維比較相似度。兩種方法提取結(jié)果如圖7所示。

從圖7中可以看出：從提取的準(zhǔn)確性來說，文獻(xiàn)[14]提取的區(qū)域包含金具以及部分導(dǎo)線，屬于誤提?。粡奶崛^(qū)域的完整性來說，文獻(xiàn)[14]對鋼帽和盤面的提取，丟失部分邊界區(qū)域，提取的區(qū)域不夠完整。本文方法不僅準(zhǔn)確提取絕緣子鋼帽和盤面區(qū)域，而且更好的保留鋼帽和盤面區(qū)域的邊緣部分。

為進(jìn)一步對比分析兩種方法的實(shí)用性，隨機(jī)選取江西省某地區(qū)220kV變電站100幅現(xiàn)場拍攝的復(fù)雜背景下絕緣子串紅外圖像，利用兩種方法批量處理，進(jìn)行絕緣子盤面和鋼帽區(qū)域的提取，結(jié)果如表1所示。

表1 兩種方法提取效果對比

由表1可知，相對文獻(xiàn)[14]，本文提出的絕緣子鋼帽和盤面區(qū)域提取方法，較大地提高了目標(biāo)區(qū)域提取的成功率，具備較高的實(shí)用價(jià)值。

3 結(jié)論

本文提出一種基于紅外圖像的絕緣子串鋼帽和盤面區(qū)域自動提取方法，實(shí)現(xiàn)紅外圖像中絕緣子鋼帽和盤面區(qū)域的自動提取，為絕緣子狀態(tài)智能識別奠定基礎(chǔ)。在圖像分割提取過程中，保留圖形的邊緣和細(xì)節(jié)，使得提取的區(qū)域完整性較高；采用簡單實(shí)用的線性回歸分析，實(shí)現(xiàn)絕緣子串區(qū)域角度校正；根據(jù)絕緣子區(qū)域列寬分布，實(shí)現(xiàn)絕緣子串分割、金具濾除、鋼帽和盤面分離；運(yùn)用傅里葉描述子進(jìn)行驗(yàn)證識別，確保提取絕緣子片的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明該方法對紅外圖像中絕緣子鋼帽和盤面區(qū)域提取的準(zhǔn)確率高，具備較高的實(shí)用價(jià)值。

本文不足之處有：雙邊濾波的空間方差d、灰度方差r是多次測試，根據(jù)濾波效果，人工選取的，不一定是最佳的；本文方法注重保留圖形的邊緣和細(xì)節(jié)，導(dǎo)致在圖像處理過程中耗時較多。因此，本文下一步工作是研究實(shí)現(xiàn)自適應(yīng)選取d、r以及優(yōu)化算法、提高圖像處理效率。

[1] 關(guān)志成. 絕緣子及輸變電設(shè)備外絕緣[M]. 北京:清華大學(xué)出版社, 2006.

GUAN Zhicheng.[M]. Beijing: Tsinghua University Press, 2006.

[2] 王雪, 張冠軍, 嚴(yán)璋. 國內(nèi)高壓絕緣子在線檢測方法綜述[J]. 電瓷避雷器, 2002(6): 3-8.

WANG Xue, ZHANG Guanjun, YAN Zhang. Discussion on the methods of on-line insulators monitoring in China[J]., 2002(6): 3-8.

[3] 朱虎, 李衛(wèi)國, 林冶.絕緣子檢測方法的現(xiàn)狀與發(fā)展[J]. 電瓷避雷器, 2006(6): 13-17.

ZHU Hu, LI Weiguo, LIN Ye. Present and future development of detection methods for composite insulator[J]., 2006(6): 13-17.

[4] 李唐兵, 陳國鋒, 饒斌斌, 等. 一種改進(jìn)的劣化盤形懸式絕緣子紅外熱像診斷方法[J]. 電瓷避雷器, 2014(6): 8-13.

LI Tangbing, CHEN Guofeng, RAO Binbin, et al. A improved method of detecting deterioration insulator based on infrared thermal image[J]., 2014(6): 8-13.

[5] 柏克寒. 用火花間隙檢測絕緣子的一些問題[J].高電壓技術(shù), 1993, 19(3): 51-53.

BO Kehan. Discussion on the detection of insulators by spark gaps[J]., 1993, 19(3): 51-53.

[6] 仝衛(wèi)國, 苑津莎, 李寶樹. 圖像處理技術(shù)在直升機(jī)巡檢輸電線路中的應(yīng)用綜述[J]. 電網(wǎng)技術(shù), 2010, 34(12): 204-208.

TONG Weiguo, YUAN Jinsha, LI Baoshu. Application of image processing in patrol inspection of overhead transmission line by helicopter[J]., 2010, 34(12): 204-208.

[7] 胡世征. 劣化絕緣子的發(fā)熱機(jī)理及熱像特征[J]. 電網(wǎng)技術(shù), 1997, 21(10): 44-46.

HU Shizheng. Heating mechanism and thermograph of degradated insulators[J]., 1997, 21(10): 44-46.

[8] 陳芳, 姚建剛, 李佐勝. 絕緣子串紅外圖像中單個絕緣子盤面的提取方法[J]. 電網(wǎng)技術(shù), 2010(5): 220-224.

CHEN Fang, YAO Jiangang, LI Zuosheng, et al. The method to extract shed surface image of a single insulator from infrared image of a insulator string[J] ., 2010(5): 220-224.

[9] 李唐兵, 龔磊, 姚建剛. 基于紅外熱像和權(quán)值直接確定神經(jīng)網(wǎng)絡(luò)的零值絕緣子識別方法[J]. 紅外技術(shù), 2013, 35(11): 707-711.

LI Tangbing, GONG Lei, YAO Jiangang. On-site identification of zero resistance insulator based on infrared thermal image and neural network of one-step weights-determination[J]., 2013, 35(11): 707-711.

[10] 姚建剛, 關(guān)石磊, 陸佳政, 等. 相對溫度分布特征與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的零值絕緣子識別方法[J]. 電網(wǎng)技術(shù), 2012, 36(2): 170-175.

YAO Jiangang, GUAN Shilei, LU Jiazheng, et al. Identification of zero resistance insulators by combining relative temperature distribution characteristics with artificial neural network[J]., 2012, 36(2): 170-175.

[11] 張彥, 姚建剛, 毛田, 等. WebGIS紅外熱像零值絕緣子在線檢測系統(tǒng)[J]. 電力系統(tǒng)及其自動化學(xué)報(bào), 2013, 25(4): 51-57.

ZHANG Yan, YAO Jiangang, MAO Tian, et al. Infrared thermal imaging on-line detection system of zero value insulator based on WebGIS[J]., 2013, 25(4): 51-57.

[12] 徐向軍, 王生鵬, 紀(jì)青春, 等. 基于高斯尺度空間GHT的絕緣子紅外圖像識別方法[J]. 紅外技術(shù), 2014, 36(7): 596-599.

XU Xiangjun，WANG Shengpeng，JI Qingchun，et al. Insulator infrared image recognition method based on Gaussian scale- space and GHT[J]., 2014, 36(7): 596-599.

[13] 姚建剛, 付鵬, 李唐兵, 等. 基于紅外圖像的絕緣子串自動提取和狀態(tài)識別[J]. 湖南大學(xué)學(xué)報(bào): 自然科學(xué)版, 2015, 42(2) : 74-80.

YAO Jiangang, FU Peng, LI Tangbing, et al. Algorithm research of automatically extracting the erea of insulator from infrared image and state identification[J].,2015, 42(2) : 74-80.

[14] 李唐兵, 付鵬, 朱向前, 等. 絕緣子串紅外圖像中絕緣子盤面和鋼帽區(qū)域的自動提取方法[J]. 紅外技術(shù), 2014, 36(8): 644-648.

LI Tangbing, FU Peng, ZHU Xiangqian, et al. Algorithm research on automatically extracting the disks and steel caps area of insulator from infrared image of an insulator string[J].2014, 36(8): 644-648.

[15] 馮玲, 黃新波, 朱永燦. 基于圖像處理的輸電線路覆冰厚度測量[J]. 電力自動化設(shè)備, 2011, 31(10): 76-80.

FENG Ling, HUANG Xinbo, ZHU Yongcan．Transmission line icing thickness measuring based on image processing[J]., 2011, 31(10):76-80.

[16] 張闖, 遲健男, 張朝暉, 等. 基于邊緣檢測與雙邊濾波的彩色圖像去噪[J]. 電子學(xué)報(bào), 2010, 38(8):1777-1783.

ZHANG Chuang, CHI Jiannan, ZHANG Zhaohui, et al. Removing noise of color images based on edge detection and bilateral filter[J]., 2010, 38(8): 1777-1783.

[17] Otsu N. A threshold selection method from gray-level Histograms[J].,, 1979, 9(1): 62-66.

[18] 胡淋波, 姚建剛, 孔維輝, 等. 基于紅外圖像的高壓絕緣子串自動定位方法[J]. 紅外技術(shù), 2015, 37(12): 1047-1051.

HU Linbo, YAO Jiangang, KONG Weihui, et al. High voltage insulator string automatic location method based on infrared image[J]., 2015, 37(12): 1047-1051.

[19] Kauppien H, Sepanen T. An experiment comparison of autoregressive and Fourier-based descriptors in 2D shape classification[J]., 1995, 17(2): 201-207.

[20] 付波, 周建中, 陳文清, 等. 一種基于傅里葉描述子的軸心軌跡自動識別方法[J]. 電力系統(tǒng)自動化, 2004, 28(12): 40-44.

FU Bo, ZHOU Jianzhong, CHEN Wenqing, et al. A method based on FOURIER descriptors to recognize shaft orbit[J]., 2004, 28(12): 40-44.

[21] 萬瑋, 馮學(xué)智, 肖鵬峰, 等. 基于傅里葉描述子的高分辨率遙感圖像地物形狀特征表達(dá)[J]. 遙感學(xué)報(bào), 2011, 15(1): 73-87.

WAN Wei, FENG Xuezhi, XIAO Pengfeng, et al. Shape feature representation of ground objects from high-resolution remotely sensed imagery base on Fourier descriptors[J]., 2011, 15(1): 73-87.

The Automatic Extraction Method of the Insulator String's Steel Capsand Disks Area Based on Infrared Image

FU Qiang1，YAO Jiangang1，LI Tangbing2，TANG Chengyan1，YU Haoqi1，HU Linbo1

(1.,,410082,; 2.,330096,)

The extraction of the steel caps and disks area is the basis of the insulator intelligent detection by infrared technology. Aiming at the shortage of the existing extraction methods, an automatic extraction method of the insulator string's steel caps and disks area is proposed based on infrared images. Through gray processing, bilateral filtering, and OTSU binary segmentation, infrared image preprocessing is made; the specific algorithm is used to realize the automatic location of insulator string; the linear regression of the insulator string’s skeleton is used to correct the image angle; according to the distribution of insulator string's columns width, insulator string is segmented and insulator areas are extracted; the Fourier Descriptor is used for insulator areas identification; the steel cap and disk are separated to realize the extraction of the steel caps and disks area. The experimental results show that the method can accurately extract the steel caps and disks area of the insulator and provide the basis for the intelligent fault diagnosis of insulator.

insulator string，infrared image，bilateral filtering，image segmentation，linear regression，F(xiàn)ourier Descriptor

TN219

A

1001-8891(2016)04-0969-07

2016-03-03；

2016-04-20.

付強(qiáng)（1988-），男，碩士研究生，主要研究方向：高電壓外絕緣、電氣設(shè)備智能檢測與圖像處理。

國網(wǎng)江西省電力公司科技項(xiàng)目（52182015000P）。