基于相位特征的保護壓板狀態(tài)的準確識別方法

許根養(yǎng)，翁士狀，孫長翔，李 宇，曹成功

(1.國網(wǎng)安徽省電力有限公司 銅陵供電公司，安徽 銅陵 244099;2.安徽大學 電子信息工程學院，安徽 合肥 230601;3.安徽南瑞繼遠電網(wǎng)技術(shù)有限公司，安徽 合肥 230088)

保護壓板(下文簡稱壓板)裝配在用電裝置與外部供電設(shè)備之間，它的投退決定開關(guān)是否動作[1-3].為保障電力系統(tǒng)安全運行，大型電力裝置的跳閘回路均加裝壓板.壓板狀態(tài)識別是電力巡檢中的常規(guī)工作，具有對象多、工作量大、識別周期短等特點[4-5].常規(guī)壓板識別通過周期性人工巡檢完成，易造成誤檢或漏檢,同時這種重復(fù)工作的人力成本投入較大.鑒于此，研究人員在普通壓板上加裝感知單元，實現(xiàn)壓板狀態(tài)的智能識別[6-8].文獻[6]利用反射式光纖傳感器實現(xiàn)了壓板狀態(tài)的識別，操作效率和準確性得到提升.文獻[7]構(gòu)建了一種新型保護壓板，可完成狀態(tài)識別和投退遠程控制.上述文獻的智能壓板狀態(tài)識別較準確，但壓板的加裝增加了設(shè)備的復(fù)雜度和運維成本，不適合大范圍推廣.

隨著電網(wǎng)規(guī)模的擴大和調(diào)控一體化的深入，電力企業(yè)已經(jīng)或正在建設(shè)集中式遠程圖像監(jiān)控系統(tǒng).依托此系統(tǒng)，基于圖像的壓板識別尤其方便、快捷[9-10].文獻[9]經(jīng)去噪、邊緣檢測、布局排列及狀態(tài)判別等步驟，實現(xiàn)了壓板狀態(tài)的識別.文獻[10]使用Meanshift算法對采集的壓板圖像進行分割，輔以決策分類器實現(xiàn)了狀態(tài)的識別.這些文獻研究存在如下問題：(1)識別過程中，易受光照影響造成誤檢；(2)監(jiān)督識別模型的環(huán)境擴展性不好、魯棒性不高.針對以上不足，筆者構(gòu)建基于色度畸變的改進型雙邊濾波器，以避免復(fù)雜背景的干擾，進而基于相位競爭編碼實現(xiàn)壓板狀態(tài)的準確識別.

1 基于相位特征的壓板狀態(tài)識別

1.1 基于色度畸變的改進型雙邊濾波器

1.1.1 色度畸變模型

為抑制光照對圖像的影響，引入色度畸變模型[11].考慮壓板上的標簽具備顏色特征，基于顏色提取壓板區(qū)域，可避免復(fù)雜背景干擾.在壓板整體圖像中，令Vn(1.0,1.0,1.0)為圖像像素的參考向量，Vp(R,G,B)為圖像像素的顏色向量，目標色度畸變的計算公式為

(1)

通過色度畸變分析，可避免不均勻的光照強度和不規(guī)則的細小噪聲對邊緣信息的沖擊，獲得目標區(qū)域完整邊緣特征，為壓板關(guān)鍵區(qū)域提取做準備.

1.1.2 基于色度畸變的改進型雙邊濾波器

為剔除背景噪聲干擾，提升前景目標的邊緣強度，構(gòu)建保邊抑噪的空域濾波器.在圖像空域中，對鄰點進行加權(quán)平均，加權(quán)系數(shù)與距離成反比.色度畸變?yōu)V波器模型對色度數(shù)值相近的像素點加權(quán)平均，加權(quán)系數(shù)與色度數(shù)值差成反比，其模型如下

(2)

其中：f(ξ)為輸入圖像；h(x)為輸出圖像；c(ξ,x)為鄰近點ξ與鄰域中心x的幾何距離；kd為歸一化參數(shù).色度畸變響應(yīng)值域濾波器模型為

(3)

其中：f(ξ)為輸入圖像，h(x)為輸出圖像，S(f(x))為鄰域中心點x處色度畸變響應(yīng)的強度值，kr為歸一化參數(shù).

改進型雙邊濾波器有更強的抗噪性能，能增加目標邊緣信息的對比度，其模型為

(4)

其中：c(ξ)為像素點與鄰域中心的幾何距離.基于色度畸變的改進型雙邊濾波器在保留邊緣特性的同時，能平滑圖像的細小變化，可去除噪聲邊緣信息.由圖1可知，基于色度畸變的改進型雙邊濾波器具有良好的濾波效果.

圖1 基于色度畸變的改進型雙邊濾波器的原始目標(a)、色度畸變響應(yīng)(b)及濾波結(jié)果(c)

1.2 基于相位競爭編碼的壓板狀態(tài)識別

基于方向編碼[12-14]對光照等環(huán)境變異的不敏感，筆者構(gòu)建探測壓板邊緣及響應(yīng)強度的方向濾波器，實現(xiàn)基于相位競爭編碼的壓板狀態(tài)識別.圓形鄰域模板下的方向濾波器具有中心對稱性，根據(jù)高斯分布預(yù)設(shè)的各方向濾波權(quán)重(見圖2(a))，提取得到各方向像素尺寸相同的方向濾波器(見圖2(b)～(g)).

圖2 濾波權(quán)重(a)及6個方向(b, c, d, e, f, g)的濾波器

設(shè)w為濾波器半邊長，x為圖像中心的坐標，ζ為濾波范圍內(nèi)的點離圖像中心的距離，則濾波函數(shù)的表達式為

(5)

其中：I(ζ,x)為與x的距離為ζ的點的像素值；F(ζ,x,l,θ)為方向為θ、寬度為l的濾波器對應(yīng)的區(qū)域；G(ζ,x)為高斯函數(shù)，其表達式為

(6)

其中

d(ζ,x)=d(ζ-x)=||ζ-x||.

(7)

利用方向濾波器，對邊緣增強后的圖像進行方向濾波增強，可得到各個方向的編碼結(jié)果.通過解析編碼，可實現(xiàn)壓板狀態(tài)的檢測，即完成基于相位競爭編碼的壓板狀態(tài)識別.

2 實 驗

2.1 相關(guān)設(shè)置

為證明該文構(gòu)建的濾波器對噪聲的抑制能力和對相位的增強能力，通過1 000幅帶有隨機噪聲的壓板案例，對濾波器進行性能實驗.此外，利用合肥市肥西縣變電站監(jiān)控系統(tǒng)，獲得壓板圖像284張，其中投入狀態(tài)104張、退出狀態(tài)180張.實驗運行環(huán)境為Matlab R2016，硬件平臺為Windows 10系統(tǒng)，CPU為Intel Core i7-6700(主頻為3.40 GHz), 內(nèi)存為16 GB.

2.2 改進型雙邊濾波器的有效性驗證

對實際采集的像元響應(yīng)峰值為160的壓板圖像，隨機添加亮度峰值為100～250的隨機噪聲點10 000個，通過檢測壓板矩形區(qū)域相對于背景和噪聲的顯著度，評價濾波器的濾波效果.圖3為覆蓋隨機噪聲的壓板俯視圖及側(cè)視圖.

圖3 覆蓋隨機噪聲的壓板俯視圖(a)及側(cè)視圖(b)

利用該文改進型雙邊濾波器對圖3中的壓板圖像進行處理，得到的結(jié)果如圖4所示.

圖4 濾波處理后壓板俯視圖(a)及側(cè)視圖(b)

從圖4可知，改進型雙邊濾波器可有效抑制背景的隨機噪聲，非壓板區(qū)域的響應(yīng)被有效地拉低了，背景噪聲的整體響應(yīng)強度趨于120.形成鮮明對比的目標區(qū)域，由于受濾波器形狀選擇的影響，目標的線性特征被有效保留，前景區(qū)域的信號響應(yīng)仍然維持在160.由此可見，該改進型雙邊濾波器具有很好的噪聲抑制能力，能夠有效提取相位信息.

2.3 壓板狀態(tài)識別

通過壓板的實際旋轉(zhuǎn)角度可判斷壓板當前的工作狀態(tài).將該文方法的壓板狀態(tài)識別結(jié)果與基于Hough變換[15-16]和Radon變換[17]方法進行對比，結(jié)果如表1所示.

表1 多種方法的壓板狀態(tài)識別結(jié)果對比

由表1可知，該文方法能克服復(fù)雜背景干擾、準確辨識壓板狀態(tài)，其魯棒性和準確性明顯優(yōu)于Hough，Radon變換方法.該文方法對壓板狀態(tài)的識別率可達到100%，為壓板狀態(tài)識別提供了一種便捷、準確的新方法.

3 結(jié)束語

依托電力系統(tǒng)集中式遠程圖像監(jiān)控系統(tǒng)，該文提出基于相位特征的保護壓板狀態(tài)的準確識別方法.實驗結(jié)果表明，該文方法相比于傳統(tǒng)基于直線響應(yīng)原理的識別方法，能克服復(fù)雜背景干擾，能準確辨識壓板狀態(tài)，在實際應(yīng)用中具有更好的魯棒性和準確性，具有良好的工程應(yīng)用價值.