基于非下采樣剪切波變換的元素分布與形貌信息融合方法在觸頭表面微觀分析上的應(yīng)用

李文華 趙培董 趙正元 潘如政 胡康生

基于非下采樣剪切波變換的元素分布與形貌信息融合方法在觸頭表面微觀分析上的應(yīng)用

李文華1趙培董1趙正元2潘如政1胡康生1

（1.省部共建電工裝備可靠性與智能化國(guó)家重點(diǎn)實(shí)驗(yàn)室（河北工業(yè)大學(xué)） 天津 300130 2. 沈陽(yáng)鐵路信號(hào)有限責(zé)任公司 沈陽(yáng) 110000）

針對(duì)觀察單模態(tài)圖像難以對(duì)觸頭表面進(jìn)行完整評(píng)價(jià)的問(wèn)題，為將所有相關(guān)信息從多種模式有效部署到單個(gè)圖像中，該文提出一種基于非下采樣剪切波變換（NSST）的元素分布與形貌信息融合方法。對(duì)于掃描電子顯微鏡&X-射線能譜儀（SEM&EDS）記錄的觸頭表面的元素分布與三維非接觸式分析系統(tǒng)記錄的表面微觀形貌信息，首先在鯨魚優(yōu)化算法（WOA）的幫助下，采用基于B樣條配準(zhǔn)方法；其次應(yīng)用一種新的加權(quán)能量融合規(guī)則，實(shí)現(xiàn)了具有不同分辨率的多模圖像的融合；最后從融合觸頭圖像中圈定出不同元素分布。通過(guò)融合結(jié)果，該文分析了觸頭材料轉(zhuǎn)移和微觀形貌，研究了觸頭表面元素分布，為分析觸頭表面結(jié)構(gòu)變化、分析并定位表面聚集膜以及準(zhǔn)確地計(jì)算接觸電阻奠定了基礎(chǔ)。

繼電器觸頭 圖像融合 非下采樣剪切波變換 掃描電子顯微鏡和X-射線能譜儀 表面形貌

0 引言

在電氣工業(yè)中，電觸頭是重要的電氣元件，用于連接或斷開電氣設(shè)備之間的電路。觸頭接觸表面的燒蝕和磨損會(huì)導(dǎo)致設(shè)備過(guò)早失效，影響整個(gè)運(yùn)行系統(tǒng)，因此在運(yùn)行過(guò)程中有必要保證接觸的可靠性。在熱膨脹作用下，燒蝕物質(zhì)會(huì)在燒蝕區(qū)邊緣沉積，導(dǎo)致燒蝕面積增加[1]。同時(shí)，隨著燒蝕損傷程度的增加，表面成分在不同的接觸區(qū)也有不同的分布[2]。為了更準(zhǔn)確地定位表面成分，真實(shí)地還原電接觸的接觸形式，有必要在圖像中圈定元素分布區(qū)域。

在對(duì)觸頭材料電性能的研究中，人們大多通過(guò)對(duì)觸頭在電弧侵蝕的過(guò)程中所塑造出來(lái)的觸頭材料表面形態(tài)﹑發(fā)生改變的觸頭成分和組織結(jié)構(gòu)[3-6]，或者是通過(guò)研究電接觸過(guò)程中造成的觸頭質(zhì)量損失[7-8]、溫升等[9]，來(lái)深入地探討可以影響接觸電阻﹑抗電弧侵蝕、抵抗熔焊等觸頭接觸性能的影響因素，而極少有人關(guān)注電弧及其侵蝕產(chǎn)物對(duì)觸頭材料的影響。事實(shí)上，在對(duì)材料磨損機(jī)理的研究中，磨損產(chǎn)物如磨屑是揭示磨損機(jī)理的一種重要手段[10-11]。

隨著成像設(shè)備的發(fā)展和進(jìn)步，對(duì)于繼電器觸頭，可以采集含有準(zhǔn)確觸頭表面三維形貌的信息；同時(shí)，也有可以采集到含有觸頭表面元素分布信息的方法，諸如掃描電子顯微鏡&X-射線能譜儀（Scanning Electron Microscopy and X-Ray Energy Dispersive Spectrometer, SEM&EDS）。由于不同的成像機(jī)制以及觸頭表面結(jié)構(gòu)與成分的復(fù)雜性，不同的模態(tài)觸頭圖像可以提供非重疊的補(bǔ)充信息。然而，通過(guò)觀察單模態(tài)圖像對(duì)觸頭進(jìn)行評(píng)價(jià)需要憑借空間想象和主觀經(jīng)驗(yàn)，所以圖像融合可以確保將所有相關(guān)信息從多種模式有效部署到單個(gè)圖像中。圖像融合在計(jì)算機(jī)視覺、醫(yī)學(xué)研究、材料力學(xué)、遙感等領(lǐng)域有廣泛應(yīng)用[12]。采用正確的圖像融合方法則可以將多種多樣的信息準(zhǔn)確地融合到同一模態(tài)中，更方便、更精確地觀察觸頭結(jié)構(gòu)和元素分布。后續(xù)，通過(guò)觸頭多模態(tài)信息的融合，可以分析觸頭表面結(jié)構(gòu)變化與聚集膜分布。

本文提出了一種基于非下采樣剪切波變換（Non-Subsampled Shearwave Transform, NSST）的表面元素分布與形貌信息融合方法。以繼電器觸頭表面SEM&EDS掃描圖像和表面微觀形貌圖像為研究對(duì)象，融合兩種不同模態(tài)的信息以便可以獲得更加全面的觸頭表面信息。表面微觀形貌圖像反映觸頭表面燒蝕輪廓、基底暴露等特征形貌。掃描電鏡（SEM）圖像提供觸頭表面的立體結(jié)構(gòu)信息，結(jié)合能譜儀（EDS）可以獲得觸頭表面元素分布信息。為了提高融合精度，使用基于B樣條的配準(zhǔn)方法，在鯨魚優(yōu)化算法（Whale Optimization Algorithm, WOA）的幫助下進(jìn)行預(yù)配準(zhǔn)。應(yīng)用新的加權(quán)能量融合規(guī)則，保留更多的邊緣細(xì)節(jié)。通過(guò)對(duì)融合系數(shù)進(jìn)行逆變換獲得最終的融合圖像，提供了更多的細(xì)節(jié)和更好的可視化效果。最后在融合觸頭圖像中圈定出不同元素分布區(qū)域，分析了觸頭材料轉(zhuǎn)移和表面元素分布。

1 實(shí)驗(yàn)簡(jiǎn)介

本文實(shí)驗(yàn)樣本為恒定溫度應(yīng)力實(shí)驗(yàn)后的某型號(hào)繼電器。繼電器的動(dòng)作頻率定為20次/min，采用調(diào)溫調(diào)濕箱控制恒定的實(shí)驗(yàn)環(huán)境，具體實(shí)驗(yàn)條件見表1。

表1 實(shí)驗(yàn)條件

觸頭表面微觀形貌特征直接影響其接觸性能，為對(duì)繼電器觸頭的形貌特征變化進(jìn)行深入的研究，需要精準(zhǔn)地對(duì)觸頭形貌進(jìn)行采集。本實(shí)驗(yàn)采用三維非接觸式分析系統(tǒng)，在同一分辨率下掃描實(shí)驗(yàn)后的觸頭表面記錄觸頭表面微觀形貌信息。同時(shí)利用掃描電子顯微鏡&X-射線能譜儀（SEM&EDS）記錄觸頭表面的元素組成和微觀形貌信息。

2 基于NSST的元素分布與形貌信息融合方法

2.1 圖像預(yù)處理

為了對(duì)觸頭表面成分進(jìn)行精準(zhǔn)定位與分析，數(shù)據(jù)的準(zhǔn)確性非常重要，因此需要對(duì)圖像進(jìn)行預(yù)處理。在預(yù)處理階段，采用不同的處理方法，例如高斯平滑、邊緣銳化和以圖像為中心的縮放技術(shù)。預(yù)處理后，以最佳B樣條配準(zhǔn)方法進(jìn)行配準(zhǔn)。本文方法的整個(gè)工作流程包括預(yù)處理、最佳配準(zhǔn)、圖像融合以及從融合圖像中進(jìn)行元素聚集檢測(cè)，如圖1所示。

圖1 基于NSST的元素分布與形貌信息融合方法

2.2 最佳B樣條配準(zhǔn)

配準(zhǔn)的最終目的是有效部署各種圖像模態(tài)的匹配數(shù)據(jù)，以創(chuàng)建幾何對(duì)齊的圖像。近年來(lái)，已經(jīng)提出了許多圖像配準(zhǔn)方法[13-17]。B樣條配準(zhǔn)技術(shù)因其良好的彈性和魯棒性而具有更大的相關(guān)性[18-19]。圖2為圖像融合方法流程。作為第一步，配準(zhǔn)源圖像以獲得配準(zhǔn)圖像1，然后交換源圖像以獲得配準(zhǔn)圖像2。通過(guò)各源圖像像素之間的互信息值適當(dāng)?shù)剡x擇變形系數(shù)的集合來(lái)最優(yōu)地配準(zhǔn)移動(dòng)圖像像素。

圖2 圖像融合方法流程

該目標(biāo)還根據(jù)方程式（2）進(jìn)行計(jì)算。

提出了一種新的優(yōu)化配準(zhǔn)技術(shù)，采用自然啟發(fā)的元啟發(fā)式優(yōu)化算法，即WOA[20]，結(jié)合B樣條配準(zhǔn)方法來(lái)優(yōu)化變換系數(shù)。WOA的優(yōu)點(diǎn)之一是設(shè)置了數(shù)量不多的約束，且便于進(jìn)行局部?jī)?yōu)化捕獲。因此，利用WOA算法可以有效地選擇基于B樣條配準(zhǔn)技術(shù)的最優(yōu)變換系數(shù)。在每次迭代過(guò)程中，選擇可能的變換系數(shù)集，配準(zhǔn)的輸出圖像最大限度地反映了互信息。在識(shí)別出最佳變換系數(shù)之后，圖像得到了有效的配準(zhǔn)，并為融合步驟做好準(zhǔn)備。

2.3 圖像融合方法

為了獲得高精度的數(shù)據(jù)并快速地評(píng)價(jià)觸頭，必須從采集到的不同圖像中提取出完整的信息。融合方法需要有效地顯示多尺度、全方位的細(xì)節(jié)幫助增強(qiáng)融合性能。因此，本文采用基于NSST的圖像融合技術(shù)。

2.3.1 非下采樣剪切波變換

剪切波變換（Shearlet Transform, ST）[21]已成為多尺度幾何分析（Multiscale Geometric Analysis, MGA）的主要工具。NSST[22-23]空間定位良好，且具有多尺度、多方向、多分辨率、位移不變性等優(yōu)點(diǎn)。二維仿射系統(tǒng)的復(fù)合擴(kuò)張為

Shearlet尺度由各向異性矩陣控制，方向由剪切矩陣控制。尺度、平移和位移參數(shù)由、和表示。

Shearlet函數(shù)為

由式（7）、式（8）總結(jié)可得

從上述方程獲得離散NSST。

2.3.2 基于加權(quán)能量的融合規(guī)則

當(dāng)存在噪聲時(shí)，對(duì)單個(gè)系數(shù)的依賴可能會(huì)導(dǎo)致錯(cuò)誤的結(jié)果，因?yàn)榕c噪聲相關(guān)的變換系數(shù)通常會(huì)保留原始值。

圖4 加權(quán)能量融合流程

由式（14）、式（15）計(jì)算融合移動(dòng)和固定系數(shù)的權(quán)重。

融合像素根據(jù)式（16）計(jì)算。

找出其余的融合像素以獲得融合的輸出。在融合輸出上應(yīng)用逆NSST，以獲得最終的融合圖像。

2.4 使用主動(dòng)輪廓模型進(jìn)行聚集檢測(cè)

主動(dòng)輪廓模型（Active Contour Model, ACM）[24]檢測(cè)了連續(xù)曲線模型在一些控制力的作用下來(lái)定位圖像邊緣?？刂屏梢苑譃閮?nèi)部和外部?jī)蓚€(gè)不同的類別。內(nèi)力主要作用是保持輪廓曲線平滑，而外力能夠?qū)⑶€推向圖像邊緣。水平集在醫(yī)學(xué)圖像計(jì)算領(lǐng)域被廣泛接受，并被用于有效識(shí)別圖像邊界。 ACM與基于水平集[25]的分割相結(jié)合，用于識(shí)別聚集部位。水平集算法是一種隱式的表示曲線的方法，即把低維目標(biāo)用比他高一維的水平集函數(shù)的零水平集來(lái)表示，使曲線變化平滑自然，可以有效地表示輪廓的運(yùn)動(dòng)。

以下是修改的“水平集”分割算法中涉及的各個(gè)步驟。

（1）首先，考慮圖像熵來(lái)估計(jì)圖像傳遞的數(shù)據(jù)量。隨后，通過(guò)式（17）對(duì)熵進(jìn)行評(píng)估。

（2）然后，平滑圖像，并用式（18）和式（19）表示。

（3）平滑完成后，將通過(guò)式（20）估算圖像梯度大小。

（4）根據(jù)篩選輪廓運(yùn)動(dòng)和圖像梯度大小的參數(shù)設(shè)計(jì)自定義速度函數(shù)，即

式中，c為調(diào)節(jié)輪廓運(yùn)動(dòng)的參數(shù)。

（5）在評(píng)估速度函數(shù)期間，將有效處理每個(gè)圖像中每個(gè)像素位置的直方圖。對(duì)于整個(gè)圖像，峰值強(qiáng)度像素被認(rèn)為是初始輪廓。

（6）為了得出結(jié)論，從輪廓演變中定位新輪廓。

（7）新輪廓的結(jié)論一直持續(xù)到其收斂或達(dá)到最大迭代為止。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 融合結(jié)果

為了避免物理探針造成表面的聚集和損壞，本文利用三維非接觸式分析系統(tǒng)進(jìn)行觸頭表面微觀形貌采集。同時(shí)對(duì)實(shí)驗(yàn)后的觸頭進(jìn)行掃描電子顯微鏡&X-射線能譜儀（SEM&EDS）分析，可以研究觸頭接觸表面存在的元素種類及其分布。

本文對(duì)測(cè)量得到的同一觸頭的SEM&EDS掃描結(jié)果與表面微觀形貌信息進(jìn)行融合實(shí)驗(yàn)，對(duì)兩幅圖像進(jìn)行平移、旋轉(zhuǎn)等一系列幾何變換，最佳B樣條插值計(jì)算完成配準(zhǔn)，并根據(jù)局部能量融合規(guī)則進(jìn)行融合，得到的融合效果如圖5和圖6所示。

圖5 SEM圖像與表面微觀形貌圖像融合

圖6 表面元素分布圖像與SEM圖像融合

圖5a是作為浮動(dòng)圖像的SEM掃描圖像，圖5b是作為參考圖像的表面微觀形貌圖像，圖5c是未經(jīng)配準(zhǔn)與融合，直接進(jìn)行疊加后的圖像，可以直接、明顯地觀察出兩幅圖像在空間位置上的差距，有明顯位移與比例尺上的差異。圖5 d為經(jīng)過(guò)配準(zhǔn)之后，SEM掃描圖像與參考的表面微觀形貌圖像達(dá)到的融合效果。相比圖5c，SEM掃描圖像在內(nèi)部細(xì)小邊緣輪廓上已與表面微觀形貌圖像中細(xì)小邊緣輪廓相對(duì)應(yīng)。圖6展示了觸頭表面O元素分布圖像與SEM掃描圖像的融合過(guò)程及結(jié)果。

根據(jù)圖5、圖6可以發(fā)現(xiàn)，經(jīng)過(guò)融合的SEM掃描圖像與表面元素分布圖像和表面微觀形貌圖像在局部和整體上均達(dá)到融合效果。提出的融合算法都能夠有效提取SEM&EDS掃描結(jié)果和表面微觀形貌中的信息，一些表面微觀形貌圖像中沒(méi)有的，諸如表面高度和表面元素分布等信息，在融合圖像中都有體現(xiàn)。同時(shí)也加入了表面微觀形貌的彩色細(xì)節(jié)信息，能夠顯著提高目標(biāo)定位的準(zhǔn)確度，各部分輪廓清晰，主觀視覺效果良好，對(duì)圖像邊緣細(xì)節(jié)特征的捕捉全面。從圖7不同方法融合的結(jié)果看出，對(duì)于非下采樣輪廓波變換（Non-Subsampled Contourlet Transform, NSCT）、拉普拉斯金字塔變換（Laplacian Pyramid, LP）、離散小波變換（Discrete Wavelet Transformation, DWT），本文方法得到的融合結(jié)果無(wú)論在燒蝕邊緣還是在細(xì)節(jié)清晰度上都好于上述方法。

圖7 各種方法融合的結(jié)果

除了主觀視覺評(píng)價(jià)外，對(duì)融合結(jié)果也有一些常用的客觀評(píng)價(jià)指標(biāo)。為了對(duì)本文算法進(jìn)行客觀評(píng)價(jià)，分別引入平均梯度（Average Gradient, AG）、標(biāo)準(zhǔn)差（Standard Deviation, SD）、互信息（Mutual Information, MI）與結(jié)構(gòu)相似度（Structural Similarity Index Measure, SSIM）作為融合圖像的評(píng)價(jià)指標(biāo)[26]。圖7是多種傳統(tǒng)融合方法與本文方法的結(jié)果圖，表2列出多種方法融合結(jié)果的客觀評(píng)價(jià)指標(biāo)。

表2 各種融合結(jié)果的客觀評(píng)價(jià)指標(biāo)

從表2中也可以看出，本文方法融合結(jié)果AG、SD和MI明顯優(yōu)于其他算法，除了NSCT外，客觀評(píng)價(jià)指標(biāo)SSIM也明顯高于其他算法。通過(guò)客觀評(píng)價(jià)指標(biāo)分析，說(shuō)明所提出的方法主觀視覺效果上的觸頭燒蝕輪廓、邊緣明顯，清晰度良好，可以很好地保留原始源圖像中的原始信息，且圖像失真較小，這也從客觀上驗(yàn)證了本文算法好于其他算法。

3.2 材料轉(zhuǎn)移與元素分布

3.2.1 觸頭材料轉(zhuǎn)移

繼電器在動(dòng)作過(guò)程中產(chǎn)生電弧現(xiàn)象，盡管電弧持續(xù)時(shí)間非常短，也會(huì)造成觸頭表面材料熔化、氣化、飛濺導(dǎo)致接觸面損壞，使觸頭的接觸性能劣化。圖8是實(shí)驗(yàn)前繼電器動(dòng)、靜觸頭SEM掃描圖像與表面微觀形貌融合圖像。圖9是實(shí)驗(yàn)后繼電器動(dòng)、靜觸頭SEM掃描圖像與表面微觀形貌融合圖像。

圖8 實(shí)驗(yàn)前SEM掃描圖像與表面微觀形貌的融合圖像

由圖8和圖9可知，實(shí)驗(yàn)后的動(dòng)、靜觸頭接觸表面發(fā)生非常明顯的變化，直觀上表現(xiàn)為靜觸頭表面形成凹坑狀的形貌、動(dòng)觸頭表面形成明顯的凸起特征，且凹坑與凸起表面與基底相近，侵蝕形貌的輪廓周圍呈類似積炭的黑色。繼電器的靜觸頭所接極性為正極，是陽(yáng)極；動(dòng)觸頭是陰極。觸頭表面材料轉(zhuǎn)移方向?yàn)殛?yáng)極轉(zhuǎn)移到陰極，即從靜觸頭向動(dòng)觸頭轉(zhuǎn)移。

圖9 實(shí)驗(yàn)后SEM掃描圖像與表面微觀形貌融合圖像

3.2.2 觸頭元素分布

當(dāng)觸頭工作在非密封環(huán)境時(shí)，外露的金屬外表在空氣中不同污染物質(zhì)的作用下，必然會(huì)受到不同程度的聚集。工作在密封環(huán)境中的觸頭，來(lái)自于制造、封裝工藝過(guò)程中引入的殘余碳?xì)浠衔镆矔?huì)分化釋放出不同性質(zhì)和含量的有機(jī)氣體，導(dǎo)致觸頭外表面受到不同程度的污染。

通過(guò)主動(dòng)輪廓模型進(jìn)行觸頭元素聚集檢測(cè)與定位，有助于從融合圖像中識(shí)別元素聚集邊界，可以更方便、更精確地觀察觸頭結(jié)構(gòu)和元素分布，以便后續(xù)精確定位觸頭表面污染膜的分布。以120萬(wàn)次動(dòng)作后一個(gè)觸頭組為例，圖10a～圖10d分別為動(dòng)觸頭表面C元素與O元素聚集輪廓識(shí)別結(jié)果、靜觸頭表面C元素與O元素聚集輪廓識(shí)別結(jié)果。

如圖10所示，實(shí)驗(yàn)后的C元素重點(diǎn)分布在接觸表面輪廓周圍，可以判斷觸頭侵蝕輪廓周圍侵蝕產(chǎn)物呈現(xiàn)的黑色是由炭黑所致。除了外界引物的C聚集外，觸頭開斷瞬間產(chǎn)生的電弧在放電過(guò)程中與觸頭表面以及空氣中的有機(jī)物發(fā)生反應(yīng)，生成粉末狀的黑色灰燼，附著在觸頭接觸表面。由于材料轉(zhuǎn)移靜觸頭表面形成凹坑，暴露出觸頭的基底銀材料，在接觸表面上檢測(cè)到大量的氧含量，且O元素主要分布在接觸表面的深坑部位。銀的熔點(diǎn)（961℃）較低，在電弧侵蝕過(guò)程中易熔化蒸發(fā)，增加了氧氣在銀中的溶解度，導(dǎo)致接觸表面氧含量增加。

圖10 C、O元素聚集識(shí)別結(jié)果

繼電器觸頭表面存在聚集、接觸表面粗糙等原因，觸頭實(shí)際上可以看作是無(wú)數(shù)微接觸頭并聯(lián)組成的接觸區(qū)。接觸電阻即使在接觸區(qū)域內(nèi)，接觸表面通常覆蓋著一層污染膜，包括金屬氧化物、硫化物、灰塵或者夾在接觸面之間的水膜等，膜的存在會(huì)改變觸頭的形變方式和接觸電阻。膜電阻的大小與污染膜的種類、膜的面積和膜層的厚度密切相關(guān)[27]。研究觸頭表面形貌與其對(duì)應(yīng)接觸區(qū)域的表面元素分布，對(duì)分析觸頭表面污染膜成分組成、準(zhǔn)確計(jì)算膜電阻具有參考價(jià)值。

4 結(jié)論

本文提出了一種基于NSST的繼電器觸頭表面元素分布與表面微觀形貌信息融合方法，對(duì)實(shí)驗(yàn)后采集的繼電器觸頭表面元素分布和表面微觀形貌信息進(jìn)行了融合實(shí)驗(yàn)，利用活動(dòng)輪廓模型進(jìn)行聚集檢測(cè)。并得出以下結(jié)論：

1）為了提高融合質(zhì)量，提出了一種新型的加權(quán)能量融合規(guī)則，保留了兩個(gè)模態(tài)信息的顯著特征。在實(shí)際信息融合之前，遵循兩層預(yù)處理步驟，在加權(quán)能量融合規(guī)則下實(shí)現(xiàn)圖像融合，在融合的最后階段，使用主動(dòng)輪廓模型對(duì)融合的圖像進(jìn)行聚集檢測(cè)。

2）從實(shí)驗(yàn)結(jié)果可以看出，該融合算法適用于灰度和彩色圖像，能夠很好地提取源圖像中的有效信息，與傳統(tǒng)融合算法相比所提方法主觀視覺效果上的觸頭燒蝕輪廓、邊緣明顯，清晰度良好，可以很好地保留原始源圖像中的原始信息，且圖像失真較小。

3）觸頭表面出現(xiàn)了從陽(yáng)極到陰極的材料轉(zhuǎn)移，凹坑與凸起形貌的輪廓周圍出現(xiàn)由炭黑所致的黑色沉積。實(shí)驗(yàn)后的C元素重點(diǎn)分布在接觸表面輪廓周圍，O元素主要分布在接觸表面的深坑部位。

4）本文方法具有一定的實(shí)用價(jià)值，為精確地定位觸頭表面的成分分布、分析表面結(jié)構(gòu)與成分分布的關(guān)系奠定了基礎(chǔ)。在后續(xù)的工作中，將利用本文融合后的圖像結(jié)合XPS與XRD分析觸頭表面聚集膜成分及其分布，建立計(jì)算觸頭膜電阻與接觸電阻模型。

[1] 傅中, 陳維江, 李志兵, 等. 大容量電容器組用斷路器弧觸頭侵蝕狀態(tài)的評(píng)價(jià)方法[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2016, 36(36): 5668-5677.

Fu Zhong, Chen Weijiang, Li Zhibing, et al. Assessment method of arcing contacts erosion condition of circuit breakers used for large capacity capacitor banks[J]. Proceedings of the CSEE, 2016, 36(36): 5668-5677.

[2] 翟國(guó)富, 薄凱, 周學(xué), 等. 直流大功率繼電器電弧研究綜述[J]. 電工技術(shù)學(xué)報(bào), 2017, 32(22): 251-263. Zhai Guofu, Bo Kai, Zhou Xue, et al.Investigation on breaking arc in DC high-power relays: a review[J]. Transactions of China Electrotechnical Society, 2017, 32(22): 251-263.

[3] Angadi S V, Jackson R L, Pujar V, et al. A comprehensive review of the finite element modeling of electrical connectors including their contacts[J]. IEEE Transactions on Components, Packaging and Manufacturing Technology, 2020, 10(5): 836-844.

[4] Wu Qiong, Xu Guofu, Yuan Meng, et al. Influence of operation numbers on arc erosion of Ag/CdO electrical contact materials[J]. IEEE Transactions on Components, Packaging, and Manufacturing Technology, 2020, 10(5): 845-857.

[5] 張穎, 王景芹, 康慧玲, 等. 金屬摻雜AgSnO2觸頭材料的仿真與實(shí)驗(yàn)[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(8): 1587-1595.

Zhang Yin, Wang Jingqin, Kang Huiling, et al. Simulation and experiment of metal-doped AgSnO2contact material[J]. Transactions of China Electrotechnical Society, 2021, 36(8): 1587-1595.

[6] 付思, 曹云東, 李靜, 等. 觸頭分離瞬間真空金屬蒸氣電弧形成過(guò)程的仿真[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(13): 2922-2931.

Fu Si, Cao Yundong, Li Jing, et al. Simulation researches on vacuum metal vapor arc formation at the initial moment of contact parting[J]. Transactions of China Electrotechnical Society, 2020, 35(13): 2922-2931.

[7] 于杰, 陳敬超, 周曉龍, 等. AgSnO2觸頭材料電弧侵蝕特征的分子動(dòng)力學(xué)模擬[J]. 材料工程, 2010(3): 8-12.

Yu Jie, Chen Jingchao, Zhou Xiaolong, et al. Molecular dynamics simulation for arc erosion morphology of AgSnO2materials[J]. Journal of Materials Engineering, 2010 (3): 8-12.

[8] Akbi M. Effects of arcing in air on the microstructure and morphology of silver-based contact materials in correlation with their electron emission properties[J]. IEEE Transactions on Plasma Science, 2016, 44(9): 1847-1857.

[9] 王振宇, 劉晗, 黃錫文, 等. 鎢和氧化鎢對(duì)銀鎳觸頭材料性能的影響[J]. 電工材料, 2015, 137(2): 3-6.

Wang Zhenyu, Liu Han, Huang Xiwen, et al.Effects of tungsten and tungsten oxide particles on contact performance for silver-nickel contacts[J]. Electrical Materials, 2015, 137(2): 3-6.

[10] 陳強(qiáng), 李慶民, 叢浩熹,等. 引入多重邊界條件的GIS母線溫度分布多場(chǎng)耦合計(jì)算及影響因素分析[J]. 電工技術(shù)學(xué)報(bào), 2016, 31(17): 187-195.

Chen Qian, Li Qingmin, Cong Haoxi, et al. Numerical calculation and correlative factors analysis on temperature distribution of GIS bus bar based on coupled multi-physics methodology combined with multiple boundary condition[J]. Transactions of China Electrotechnical Society, 2016, 31(17): 187-195.

[11] 馬光磊. 電弧侵蝕下 Ag/SnO2電接觸復(fù)合材料的失效機(jī)理研究[D]. 杭州: 浙江大學(xué), 2020.

[12] 劉育林, 朱圣宇, 于源, 等. 鋁摻雜WC-Co基硬質(zhì)合金的高溫摩擦學(xué)性能,磨損機(jī)理及抗氧化性能研[J]. 摩擦學(xué)學(xué)報(bào), 2019, 193(5): 45-56.

Liu Yulin, Zhu Shengyu, Yu Yuan, et al. Wear mechanism, tribological and anti-oxidation properties of Al doped WC-Co hardmetals under high temperature[J]. Journal of Tribology, 2019, 193(5): 45-56.

[13] 覃亞麗, 梅濟(jì)才, 任宏亮, 等. 基于高斯平滑壓縮感知分?jǐn)?shù)階全變分算法的圖像重構(gòu)[J]. 電子與信息學(xué)報(bào), 2021, 43(7): 2105-2112.

Qin Yali, Mei Jicai, Ren Hongliang, et al. Image reconstruction based on gaussian smooth compressed sensing fractional order total variation algorithm[J]. Journal of Electronics and Information Technology , 2021, 43(7): 2105-2112.

[14] Boveiri H R, Khayami R, Javidan R, et al. Medical image registration using deep neural networks: a comprehensive review[J]. Computers & Electrical Engineering, 2020, 87: 106767.

[15] Du Jiao, Li Weisheng, Tan Heliang. Intrinsic image decomposition-based grey and pseudo-color medical image fusion[J]. IEEE Access, 2019, 7: 56443-56456.

[16] 盧振泰, 張娟, 馮前進(jìn), 等. 基于局部方差與殘差復(fù)雜性的醫(yī)學(xué)圖像配準(zhǔn)[J]. 計(jì)算機(jī)學(xué)報(bào), 2015, 38(12): 2400-2411.

Lu Zhentai, Zhang Juan, Feng Qianjin, et al. Medical image registration based on local variance and residual complexity[J]. Chinese Journal of Computers, 2015, 38(12): 2400-2411.

[17] 趙莉華, 徐立, 劉艷, 等. 基于點(diǎn)對(duì)稱變換與圖像匹配的變壓器機(jī)械故障診斷方法[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(17): 3614-3626.

Zhao Lihua, Xu Li, Liu Yan, et al. Transformer mechanical fault diagnosis method based on symmetrized dot patter and image matching[J]. Transactions of China Electrotechnical Society, 2021, 36(17): 3614-3626.

[18] 伍龍華, 黃惠. 點(diǎn)云驅(qū)動(dòng)的計(jì)算機(jī)圖形學(xué)綜述[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào), 2015, 27(8): 1341-1353.

Wu Longhua, Huang Hui. Survey on points-driven computer graphics[J]. Journal of Computer-Aided Design & Computer Graphics, 2015, 27(8): 1341-1353.

[19] 梁有騰, 余輝, 張書旭. 基于3種配準(zhǔn)方法的宮頸癌外照射放療累積劑量研究[J]. 中國(guó)醫(yī)學(xué)物理學(xué)雜志, 2018, 35(2): 151-155.

Liang Youteng, Yu Hui, Zhang Shuxu. Accumulated dose in external radiation for cervical cancer based on three registration methods[J]. Chinese Journal of Medical Physics, 2018, 35(2): 151-155

[20] Chen Xuan. Research on new adaptive whale algorithm[J]. IEEE Access, 2020, 8: 90165-90201.

[21] Di Gai, Shen Xuanjing, Hang Cheng, et al. Medical image fusion via PCNN based on edge preservation and improved sparse representation in NSST domain[J]. IEEE Access, 2019, 7: 85413-85429.

[22] 江平, 張強(qiáng), 李靜, 等. 基于NSST和自適應(yīng)PCNN的圖像融合算法[J]. 激光與紅外, 2014, 44(1): 108-113.

Jiang Ping, Zhang Qiang, Li Jing, et al.Fusion algorithm for infrared and visible image based on NSST and adaptive PCNN[J]. Laser & Infrared, 2014, 44(1):108-113.

[23] Ganasala P, Prasad A D. Contrast enhanced multi sensor image fusion based on guided image filter and NSST[J]. IEEE Sensors Journal, 2019, 20(2): 939-946.

[24] 鄭強(qiáng), 董恩清. 窄帶主動(dòng)輪廓模型及在醫(yī)學(xué)和紋理圖像局部分割中的應(yīng)用[J]. 自動(dòng)化學(xué)報(bào), 2013, 39(1): 23-32.

Zheng Qiang, Dong Enqing. Nnarrow band active contour model and its application in local segmentation of medical and texture images[J]. Acta Automatica Sinica, 2013, 39(1): 23-32.

[25] Iqbal E, Niaz A, Memon A A, et al. Saliency-driven active contour model for image segmentation[J]. IEEE Access, 2020, 8: 208978-208991.

[26] 陳立偉, 蔣勇. 圖像融合算法的綜合性能評(píng)價(jià)指標(biāo)[J]. 計(jì)算機(jī)工程, 2015, 41(2): 219-223.

Chen Liwei, Jiang Yong. Comprehensive performance evaluation index of image fusion algorithm[J]. Computer Engineering, 2015, 41(2): 219-223.

[27] 謝博華, 鞠鵬飛, 吉利, 等. 電接觸材料摩擦學(xué)研究進(jìn)展[J]. 摩擦學(xué)學(xué)報(bào), 2019, 193(5): 136-148.

Xie Bohua, Ju Pengfei, Ji Li, et al. Research progress on tribology of electrical contact materials[J]. Tribological Review, 2019, 193(5): 136-148.

Application of Element Distribution and Topography Information Fusion Method Based on NSST in Contact Surface Microscopic Analysis

Li Wenhua1Zhao Peidong1Zhao Zhengyuan2Pan Ruzheng1Hu Kangsheng1

（1. State Key Laboratory of Reliability and Intelligence of Electrical Equipment Jointly Constructed by Hebei University of Technology Tianjin 300130 China 2. Shenyang Railway Signal Co. Ltd Shenyang 110000 China）

Aiming at the problem that it is difficult to evaluate the contact surface completely when observing a single-modal image, in order to effectively deploy all relevant information from multiple modalities into a single-modal image, the paper proposes a non-subsampled shearlet transform (NSST) fusion method of element distribution and topography information. For the analysis of the element distribution on the contact surface recorded by scanning electron microscope & X-ray energy dispersive spectrometer (SEM&EDS) and the surface microtopography information recorded by 3D non-contact analysis system. First, with the help of whale optimization algorithm (WOA), the registration method based on B-spline is adopted. Next, a new weighted energy fusion rule is applied to achieve the fusion of multi-mode images with different resolutions. Finally, different element distributions are delineated from the fused contact images. Through the fusion results, the material transfer and microstructure of the contact were analyzed, and the element distribution on the contact surface was studied. It lays a foundation for analyzing the structure change of contact surface, analyzing and locating the surface fouling film and calculating the contact resistance accurately.

Relay contact, image fusion, non-subsampled shearlet transform (NSST), scanning electron microscopy and X-ray energy spectrometer (SEM&EDS), surface morphology

10.19595/j.cnki.1000-6753.tces.210780

TM581

河北省自然科學(xué)基金（E2020202221）和河北省自然科學(xué)基金創(chuàng)新群體項(xiàng)目（E2020202142）資助。

2021-05-30

2021-09-20

李文華 男，1973年生，教授，研究方向?yàn)殡娖骺煽啃约捌錂z測(cè)技術(shù)、智能電器及其通信技術(shù)等。E-mail：liwenhua@hebut.edu.cn

潘如政 男，1977年生，副教授，研究方向?yàn)楦唠妷杭夹g(shù)、放電等離子體應(yīng)用、電器可靠性等。E-mail：prz368@126.com（通信作者）

（編輯 郭麗軍）