電力變壓器故障診斷的紅外圖像處理方法

劉釗

摘 要：利用紅外檢測技術(shù)實現(xiàn)對電力變壓器的在線故障監(jiān)測。對采集到的紅外圖像進行去噪、增強、分割、特征提取等處理，通過均衡化處理實現(xiàn)圖像的增強，通過小波包閾值算法實現(xiàn)圖像的去噪，通過Canny算子邊緣檢測實現(xiàn)圖像的分割，通過基于改進型Hu不變矩的特征提取實現(xiàn)圖像的識別，各步驟所選用的方法及算法對紅外圖像的處理都得到了較好的效果。

關(guān)鍵詞：紅外檢測；電力變壓器；紅外圖像處理

電力變壓器的一些故障是以熱狀態(tài)異常的形式表現(xiàn)，紅外檢測就是通過探測目標電力變壓器的紅外輻射信號，獲取目標變壓器的熱狀態(tài)特征圖，對熱圖像進行處理、分析，從而判斷電力變壓器設(shè)備是否處于正常的運行狀態(tài)。

1 紅外圖像的增強

通過直方圖均衡化算法使圖像的對比度增強，實際上是使灰度概率密度較大的像素向附近灰度級擴展，拉開灰度層次，使圖像充分利用各個灰度級，均勻化，增強圖像對比度。

設(shè)一幅圖像的像素為，共有個灰度級，代表灰度級為的像素的數(shù)目，則第個灰度級出現(xiàn)的概率可表示為：

其中，對其進行均衡化的變換函數(shù)的離散形式可表示為：

式中

均衡后各像素的灰度值，可直接由原圖像的直方圖得到。

對紅外圖像進行均衡化后，與原圖像相比，對比度增強，直方圖中灰度間隔拉大，分布較均勻，顯示更多細節(jié)，更有利于圖像的分析和識別。

2 紅外圖像的去噪

利用小波包閾值方法去噪，小波包分析可以同時對低頻和高頻部分做進一步地細分，具有更精確的局部分析能力。

去噪步驟：（1）圖像的小波包分解；（2）確定最優(yōu)小波包基；（3）小波包分解系數(shù)的閾值量化；（4）小波包重構(gòu)。采用MATLAB進行仿仿真。

小波包閾值算法處理后的圖像既保持了細節(jié)又有較好的去噪效果。

3 基于邊緣的紅外圖像分割

邊緣檢測通過檢測紅外圖像的邊緣來辨認圖像的輪廓，邊緣定位準確、運算速度快。邊緣檢測采用Canny算子對邊緣有白噪聲影響的階躍變化進行檢測最優(yōu)。

Canny算子邊緣檢測步驟：（1）圖像與高斯函數(shù)的標準差做卷積運算；（2）利用

對各個像素進行估計判斷；（3）利用確定邊緣像素的

位置；（4）用求取邊緣強度；（5）對邊緣做滯后閾值處理，是否存在偽響應(yīng)的可能；（6）對于遞增的幾何尺寸，重復步驟1-5；（7）提取圖像最終的邊緣特征信息。

Canny算子分割后的圖像結(jié)果比較理想，可以檢測出較弱的邊緣，但同時也平滑掉部分高頻邊緣，造成丟失。

5 基于改進型Hu不變矩的特征提取

圖像識別是通過采用技術(shù)手段對紅外圖像中感興趣的部分進行檢測，而獲得目標的真實信息。首先提取圖像中的特征，然后分類，完成目標圖像的識別過程。

已知Hu矩，引入比例縮放因子得到：，

既滿足特征不變性也不會影響識別率，得到新的特征向量為：

用MATLAB編程，對分割處理后的圖像采用改進型Hu不變矩進行特征提取。由表1可知，變壓器相同部位的特征向量差別較小，而不同部位的特征向量差別較大，所以可以對變壓器不同部位進一步識別。

6 結(jié)論

本文通過選擇合適的紅外圖像處理方法及算法，優(yōu)化圖像的處理結(jié)果，得到較理想的處理效果圖，更有利于之后的故障診斷，提高可靠性和安全性。

參考文獻

[1] 危正東，試論紅外檢測技術(shù)在電力設(shè)備故障診斷中的應(yīng)用[J].中國電子商務(wù)，2013（20）：220-22.

[2] 戴文遠，基于紅外熱圖像的故障診斷方法綜述[J].紅外，2013，34（2）：16-21.

[3]Bagavathiappan S，Lahiri B B，Saravanam T，et al.Infrared thermography for condition monitoring-a review[J].Infrared Physics & Technology， 2013，60：35-55.