基于自適應(yīng)閾值分割的電力變壓器呼吸器變色檢測(cè)方法

施潤(rùn)杰

（濟(jì)寧學(xué)院產(chǎn)業(yè)學(xué)院，山東 濟(jì)寧 273199）

0 引言

電力變壓器作為變電站的重要設(shè)備，一旦發(fā)生故障將會(huì)對(duì)電力系統(tǒng)的正常運(yùn)行產(chǎn)生非常嚴(yán)重的影響[1]。呼吸器作為凈化變壓器吸入空氣的重要設(shè)備，可以有效過(guò)濾空氣中的水分來(lái)達(dá)到減少變壓器油的受潮和氧化的效果。如果呼吸器因吸附水分飽和而變色失效，極易造成變壓器油受潮，導(dǎo)致變壓器油的絕緣強(qiáng)度下降，存在引發(fā)變壓器內(nèi)部故障的風(fēng)險(xiǎn)。因此，及時(shí)發(fā)現(xiàn)和更換失效的呼吸器硅膠，對(duì)保證變壓器正常運(yùn)行至關(guān)重要[2]。

針對(duì)呼吸器變色失效問(wèn)題，目前主要依賴于人工巡視[3]。但由于操作員的疲勞、疏忽等主觀因素，該方式會(huì)導(dǎo)致維護(hù)效率低下及效果不佳，同時(shí)該方式無(wú)法與智能巡視機(jī)器人等自動(dòng)化設(shè)備對(duì)接以實(shí)現(xiàn)智能巡檢[4]。目前的解決方案存在成本高等問(wèn)題，無(wú)法在短期內(nèi)大量部署。因此，當(dāng)前呼吸器變色檢測(cè)技術(shù)急需通過(guò)一種低成本、高效率的算法解決上述問(wèn)題。

目前變壓器呼吸器變色檢測(cè)研究大多都是基于計(jì)算機(jī)視覺(jué)的方式進(jìn)行，該檢測(cè)方法具有避免破壞現(xiàn)場(chǎng)生產(chǎn)環(huán)境、降低投入成本，便于智能巡視等優(yōu)勢(shì)。例如，文獻(xiàn)[5]使用同態(tài)濾波對(duì)待檢測(cè)圖片進(jìn)行預(yù)處理，之后在HSV（Hue-Saturation-Value）顏色空間使用顏色直方圖的方式對(duì)H、S兩分量進(jìn)行顏色統(tǒng)計(jì)，并以此為根據(jù)進(jìn)行決策判斷。由于變壓器呼吸器一般存在于室外且外側(cè)為透明玻璃材質(zhì)，受拍攝角度和環(huán)境光照等因素影響，圖像會(huì)產(chǎn)生不同程度的高反射區(qū)域，導(dǎo)致同態(tài)濾波和直方圖統(tǒng)計(jì)法失效，檢測(cè)效果差，因此該方法只能針對(duì)特定的使用場(chǎng)景；文獻(xiàn)[6]通過(guò)采集不同時(shí)段的樣本，人工總結(jié)出HSV先驗(yàn)閾值，之后利用這些先驗(yàn)閾值對(duì)顏色進(jìn)行提取，根據(jù)顏色占比對(duì)該呼吸器變色程度進(jìn)行判斷。該算法在實(shí)際使用由于存在人工影響，因此閾值不具有自適應(yīng)性；同時(shí)，現(xiàn)有檢測(cè)方式都是通過(guò)對(duì)硅膠顆粒像素點(diǎn)的統(tǒng)計(jì)來(lái)計(jì)算呼吸器變色程度的，不符合呼吸器的變色規(guī)律。

為解決上述問(wèn)題，文中提出了一種基于多尺度Retinex和自適應(yīng)閾值分割的呼吸器變色檢測(cè)方法。通過(guò)多尺度Retinex算法，使原始圖像色彩對(duì)比度增加，抑制高反射區(qū)域的影響；通過(guò)提出自適應(yīng)閾值分割算法，使得顏色分割閾值不依賴于先驗(yàn)知識(shí)，增強(qiáng)算法的適用性和魯棒性；通過(guò)對(duì)硅膠顆粒區(qū)域的分割，基于變色面積對(duì)呼吸器變色程度進(jìn)行判斷。

1 呼吸器變色檢測(cè)算法流程

文中所提出的呼吸器變色檢測(cè)算法的流程圖如圖1所示，具體步驟如下。

圖1 呼吸器變色檢測(cè)算法的流程圖

1）輸入圖像。

輸入巡檢機(jī)器人現(xiàn)場(chǎng)拍攝并傳回的呼吸器圖片。

2）圖像預(yù)處理。

使用多尺度Retinex算法對(duì)待檢測(cè)圖像進(jìn)行預(yù)處理。消除高反射對(duì)圖像的影響，增強(qiáng)色彩之間的對(duì)比度。

3）硅膠顆粒區(qū)域提取。

a）將預(yù)處理后的圖像轉(zhuǎn)換至HSV顏色空間；

b）將H通道作為主色彩通道進(jìn)行中值濾波處理，消除椒鹽噪點(diǎn)；

c）使用HSV三通道信息對(duì)H通道進(jìn)行二值化處理，得到硅膠顆粒區(qū)域的大概位置；

d）通過(guò)開(kāi)運(yùn)算去除較小非目標(biāo)區(qū)域，并圓滑目標(biāo)區(qū)域邊緣；

e）使用最大連通域搜索算法，消除較大非目標(biāo)區(qū)域，得到硅膠顆粒區(qū)域的最終位置；

f）通過(guò)與運(yùn)算，得到硅膠顆粒區(qū)域?qū)?yīng)的H通道數(shù)據(jù)。

4）硅膠顆粒區(qū)域分割。

a）對(duì)步驟2中提取到的硅膠顆粒區(qū)域?qū)?yīng)的H通道數(shù)據(jù)，分別計(jì)算其每列的閾值；

b）對(duì)每列H通道的閾值進(jìn)行擬合，得到兩色分割線。

5）變色決策判斷。

使用分割線將硅膠顆粒區(qū)域分割為兩部分，分別判斷兩部分顏色及兩部分面積，繼而判斷呼吸器變色程度。

2 圖像預(yù)處理

Retinex理論即視網(wǎng)膜大腦皮層理論，由Land等人于20世紀(jì)60年代提出，是一種基于人類視覺(jué)感知的色彩理論[7]。該理論包括以下兩方面內(nèi)容：1）物體表現(xiàn)出的顏色主要由物體的反射性質(zhì)決定，不受光照的影響；2）自然界中所有物體的顏色具有恒常性，不受光照非均勻性的影響，光照不均不會(huì)影響物體顏色的一致性[8]。Retinex理論的思想是減少甚至消除光照?qǐng)D像對(duì)視覺(jué)效果的影響，保留反映圖像本質(zhì)屬性的反射圖像，從而達(dá)到圖像增強(qiáng)的目的。

根據(jù)Retinex理論，一幅圖像I（x，y）可以由光照分量L（x，y）和反射分量R（x，y）乘積得到，其數(shù)學(xué)表達(dá)式如下所示：

其中：光照分量L（x，y）起著決定圖像動(dòng)態(tài)范圍的作用；反射分量R（x，y）則對(duì)應(yīng)圖像細(xì)節(jié)紋理信息。

在處理時(shí)，為了方便對(duì)光照分量和反射分量的分離，以及更符合人的視覺(jué)系統(tǒng)以及相機(jī)對(duì)光的感知[9]，通常將式（1）轉(zhuǎn)至對(duì)數(shù)域，把乘積的關(guān)系轉(zhuǎn)化成為和的關(guān)系，即：

當(dāng)光照分量可以表示為圖像與高斯濾波函數(shù)的卷積時(shí)，反射分量可表示為：

其中：*表示卷積運(yùn)算；G（x，y）為高斯濾波函數(shù)；λ為滿足時(shí)的歸一化常數(shù)；δ為環(huán)繞參數(shù)，一般也稱為尺度參數(shù)。

式（3）又被 稱 為單尺 度Retinex算 法（Single Scale Retinex，SSR）[10]。由于SSR只有單一的參數(shù)δ，該算法不能同時(shí)兼顧動(dòng)態(tài)范圍壓縮和色感一致性[11]。為解決這一問(wèn)題，Rahman等人提出了多尺度Retinex算法（Multi-Scale Retinex，MSR）[12]，其主要思想是對(duì)多個(gè)具有不同方差的高斯濾波函數(shù)的SSR結(jié)果進(jìn)行加權(quán)平均，即：

其中：N是環(huán)繞尺度數(shù)量；ωi是不同尺度的權(quán)值，且滿足通常情況下，N=3，即MSR算法對(duì)圖像采用大、中、小3個(gè)尺度進(jìn)行加權(quán)平均。

3 硅膠顆粒區(qū)域提取

3.1 HSV顏色空間

HSV顏色模型是指用顏色的基本屬性色調(diào)（Hue，H）、飽和度（Saturation，S）和明亮度（Value V）來(lái)表示色彩。與面向顯示設(shè)備的加色混色（Red-Green-Blue，RGB）模型相比，HSV顏色模型能更好地反映人對(duì)色彩的感知，適用于面向視覺(jué)的分析處理[13-14]。HSV顏色模型與RGB顏色模型的轉(zhuǎn)化關(guān)系如式（6）、式（7）和式（8）所示：

其中：H、S、V分別表征顏色的色調(diào)、飽和度和明亮度；R、G、B分別為RGB空間中像素通道值；H′為轉(zhuǎn)換過(guò)程中色調(diào)的中間值；Tmax、Tmin分別為R、G、B中的最大值和最小值。

3.2 中值濾波

在獲取圖像的過(guò)程中，由于環(huán)境、成像設(shè)備、人為等因素的影響導(dǎo)致較易于產(chǎn)生噪聲。根據(jù)概率密度函數(shù)分類，圖像噪聲可以分成伽馬噪聲、高斯噪聲、椒鹽噪聲等，其中椒鹽噪聲和高斯噪聲是圖像處理中最常遇到的兩種噪聲[15]。因此在圖像處理過(guò)程中，需要對(duì)圖像進(jìn)行濾波去噪。常用濾波算法有均值濾波[16]，高斯濾波[17]和中值濾波算法[18-19]。均值濾波器原理簡(jiǎn)單，運(yùn)行速度快，但是對(duì)椒鹽噪聲效果較差，并且在去噪的同時(shí)破壞了圖像細(xì)節(jié)；高斯濾波器是一種線性非平均濾波器，其對(duì)于高頻噪聲的抑制效果較為明顯，但同時(shí)細(xì)節(jié)紋理部分也被模糊了，并且不能有效消除椒鹽噪聲；中值濾波器可以有效的消除圖像中的椒鹽噪聲，并且保證圖像細(xì)節(jié)不被破壞，缺點(diǎn)是不能有效抑制高斯噪聲，且如果椒鹽噪聲過(guò)多圖像會(huì)產(chǎn)生孔洞。通過(guò)測(cè)試發(fā)現(xiàn)，圖像H通道存在的噪聲多數(shù)為椒鹽噪聲，且噪聲程度偏低，因此文中使用中值濾波器進(jìn)行圖像去噪。其基本原理如式（9）所示：

其中：H（x，y）表示圖像H通道在像素點(diǎn)（x，y）處的H值；window（x，y）表示以像素點(diǎn)（x，y）為中心的窗口函數(shù)，窗口大小N=2*k+1，K=1，2，3…；；median（.）表示取中值函數(shù)。

3.3 硅膠顆粒區(qū)域預(yù)提取

由于已知HSV三通道數(shù)值與標(biāo)準(zhǔn)色彩之間的對(duì)應(yīng)關(guān)系，如表1所示，以及硅膠顆粒顏色變化范圍為紅色、藍(lán)色和紫色，并且H通道中圖片背景區(qū)域數(shù)值與硅膠顆粒區(qū)域數(shù)值差異較大。因此文中利用HSV三通道的信息對(duì)H通道進(jìn)行二值化處理，并使用紅色、藍(lán)色和紫色對(duì)應(yīng)的HSV三通道數(shù)值范圍作為閾值，實(shí)現(xiàn)對(duì)硅膠顆粒區(qū)域的預(yù)提取。計(jì)算公式如下式所示：

表1 HSV顏色對(duì)照表

其中：H(x，y)、S(x，y)、V(x，y)分別表示HSV圖像在像素點(diǎn)(x，y)處的色調(diào)、飽和度和明亮度；Hr1max表示紅色H通道的最大值（第一部分）；Hbmin表示藍(lán)色H通道的最小值（第二部分）；Sbmin、Sbmax分別表示藍(lán)色S通道的最小值和最大值；Vbmin、Vbmax分別表示藍(lán)色V通道的最小值和最大值。

3.4 形態(tài)學(xué)開(kāi)運(yùn)算

開(kāi)運(yùn)算由腐蝕運(yùn)算和膨脹運(yùn)算構(gòu)成，計(jì)算公式如式（12）所示[20]。

其中：?表示開(kāi)運(yùn)算；Θ表示腐蝕運(yùn)算；⊕表示膨脹運(yùn)算；A、B為兩幅圖像，A為被處理對(duì)象，B為結(jié)構(gòu)元素。

4 硅膠顆粒區(qū)域分割

4.1 H通道自適應(yīng)閾值計(jì)算

由于硅膠顆粒的變色過(guò)程是一個(gè)漸變過(guò)程，總是從上至下或者是從下至上，兩種顏色分界線并不是那么明顯，同時(shí)由于不同人對(duì)顏色的認(rèn)知會(huì)有些許差別，每個(gè)人有不同的標(biāo)準(zhǔn)，這就會(huì)引入觀測(cè)誤差。因此文中提出了一種自適應(yīng)劃定兩種顏色分界線的算法。該算法基于以下兩點(diǎn)假設(shè)：

1）待識(shí)別呼吸器變色過(guò)程的發(fā)生方向總是沿豎直方向或接近豎直方向。

2）呼吸器中硅膠顆?？偸翘幱趫A柱形容器中，且變色平面與圓柱形容器上下底面平行或接近平行。

只有假設(shè)1成立的前提下我們才能判斷呼吸器變色發(fā)生是自上而下還是自下而上，進(jìn)而判斷呼吸器變色發(fā)生的原因。假設(shè)2指出硅膠顆粒的變色過(guò)程是連續(xù)的，均勻的，保證兩顏色之間的分界線是可導(dǎo)的，分界線可用一般初等函數(shù)合成表示。

給定=[x1，x2，x3，…，xn]為待分類一維向量，將x→分為兩部分構(gòu)造fscore（i）函數(shù)，分子使用 的兩部分均值的二范式平方表示類間距離，分母使用的兩部分分別與各部分的均值的二范式平方和表示兩部分的類內(nèi)距離。通過(guò)最大化類間距離和最小化類內(nèi)距離來(lái)實(shí)現(xiàn)最優(yōu)分割位置的自動(dòng)獲取[21-22]。H通道自適應(yīng)閾值計(jì)算算法原理如式（13）、式（14）：

其中：i表示的索引位置；i*表示最優(yōu)分割位置；Si表示的前i個(gè)元素組成的子向量；Sn-i表示的后n－1個(gè)元素組成的子向量分別表示Si和Sn-i的平均值。

4.2 H通道自適應(yīng)閾值擬合

未處理的自適應(yīng)閾值會(huì)帶有毛刺，還無(wú)法直接進(jìn)行硅膠顆粒面積計(jì)算。基于上節(jié)中的假設(shè)2，我們對(duì)分割結(jié)果進(jìn)行擬合，通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)分割點(diǎn)分布基本服從二次函數(shù)f(x)=θ0+θ1x+θ2x2。利用最小二乘法對(duì)該函數(shù)進(jìn)行擬合[23]，即：

其中：

5 呼吸器變色決策判斷

由于呼吸器變色存在兩種狀態(tài)，一是自上而下的變色，即呼吸器密封不嚴(yán)導(dǎo)致變色，往往需要重新安裝；另一種是自下而上的變色，即正常變色，變色程度達(dá)到一定值時(shí)需要安裝更換。因此該算法分別計(jì)算兩部分的代表顏色：

其中：ROIi表示第i個(gè)感興趣區(qū)域（RoI，Region of interest），i取0或1；Mode(.)表示取眾數(shù)的算子；Hbmin、Hbmax分別表示藍(lán)色對(duì)應(yīng)的H通道最低數(shù)值和最高數(shù)值。

如果判斷變色方向是自上而下，需要立刻通知工作人員更換呼吸器；若不是，還需通過(guò)ROI0和ROI1的面積判斷是否更換呼吸器。根據(jù)《Q/GDW 1906-2013輸變電一次設(shè)備缺陷分類標(biāo)準(zhǔn)》，硅膠潮解變色部分超過(guò)總量的2/3時(shí)，就可以認(rèn)為該變壓器存在著一般缺陷。因此，當(dāng)紅色硅膠顆粒面積占總硅膠顆粒區(qū)域面積達(dá)到2/3時(shí)需要更換呼吸器。

6 實(shí)驗(yàn)結(jié)果

圖2為待處理原圖，使用MSR算法對(duì)輸入圖像處理后的結(jié)果如圖3所示?？梢钥闯霎?dāng)MSR尺度取0.5、1.0、1.5時(shí)最加合適。在此尺度組合下，高光反射區(qū)域得到了一定程度上的抑制，同時(shí)，硅膠顆粒區(qū)域的顏色變得更加鮮艷，邊界更加清晰，這有利于我們后續(xù)對(duì)該區(qū)域進(jìn)行分割。使用同態(tài)濾波對(duì)輸入圖像進(jìn)行處理后結(jié)果如圖4所示，相較原圖顏色鮮艷程度略有提高，但是硅膠顆粒區(qū)域產(chǎn)生大量噪聲，圖像質(zhì)量變得粗糙，嚴(yán)重影響后續(xù)處理。同時(shí)由于同態(tài)濾波參數(shù)較多，不同光照條件下的參數(shù)差異較大，因此，MSR算法相較于同態(tài)濾波更具有實(shí)用性，且適應(yīng)性更廣。

圖2 待處理原圖

圖3 不同尺度MSR效果圖

圖4 不同參數(shù)的同態(tài)濾波效果圖

將MSR增強(qiáng)后的圖像轉(zhuǎn)換至HSV顏色空間，對(duì)其H通道執(zhí)行濾波和二值化，結(jié)果如圖5所示。經(jīng)過(guò)二值化的H通道已經(jīng)基本提取出了硅膠顆粒區(qū)域，但是還存在一些干擾區(qū)域，例如左上角背景，這些位置不屬于硅膠顆粒區(qū)域，應(yīng)該予以去除。另外，二值化后的H通道中硅膠顆粒區(qū)域的邊緣過(guò)于鋒利，存在許多毛刺，與實(shí)際情況不符且不利于后續(xù)處理。因此文中采用開(kāi)運(yùn)算將這類干擾區(qū)域中的較小獨(dú)立區(qū)域消除，并圓滑硅膠顆粒區(qū)域的邊角，消除毛刺，并使用最大連通域搜索算法排除較大非目標(biāo)區(qū)域。對(duì)H通道執(zhí)行開(kāi)運(yùn)算后結(jié)果如圖6（a）所示，明顯較小獨(dú)立的非目標(biāo)區(qū)域被消除，目標(biāo)邊界也圓滑許多。之后對(duì)H通道中剩余被選中區(qū)域進(jìn)行面積統(tǒng)計(jì)，以面積為尺度對(duì)考察區(qū)域進(jìn)行排序，最大面積對(duì)應(yīng)的區(qū)域即為硅膠顆粒區(qū)域。結(jié)果如圖6（b）所示。按照提取出的RoI區(qū)域?qū)D5（b）的H通道進(jìn)行數(shù)據(jù)提取，結(jié)果如圖6（c）所示。

圖5 H通道處理結(jié)果圖

圖6 H通道RoI提取結(jié)果圖

將圖6（c）的每一列視為一個(gè)單獨(dú)的一維數(shù)據(jù)，通過(guò)對(duì)其進(jìn)行H通道自適應(yīng)閾值計(jì)算，分別得到每一列的分割位置。分割結(jié)果如圖7中紅色點(diǎn)所示。再對(duì)分割點(diǎn)集進(jìn)行擬合，結(jié)果如圖7中藍(lán)色線所示，分界線符合直觀感受和物理規(guī)律。按照文中算法紅色RoI的面積與總RoI面積的比值為51.4%，而按照傳統(tǒng)像素統(tǒng)計(jì)的方式計(jì)算，紅色像素與紅藍(lán)色像素之和的比值約為59.6%。經(jīng)過(guò)人工現(xiàn)場(chǎng)比對(duì)，該呼吸器變色比例為51%左右，顯然所述方法效果更佳。

圖7 分割結(jié)果圖

所述算法應(yīng)用于不同的呼吸器圖像，結(jié)果如圖8所示。

圖8 所述算法分割結(jié)果圖

7 結(jié)語(yǔ)

文中提出一種基于Retinex算法和自適應(yīng)H通道閾值分割的變壓器呼吸器變色自動(dòng)檢測(cè)方法，借助于智能巡檢機(jī)器人現(xiàn)場(chǎng)拍攝并傳回的變壓器呼吸器裝置圖像，利用數(shù)字圖像處理技術(shù)對(duì)該圖像進(jìn)行分析，并進(jìn)行決策分析是否需要更換變色硅膠。實(shí)現(xiàn)了低成本、高效率、高準(zhǔn)確度的識(shí)別檢測(cè)，具有廣闊的應(yīng)用和研究前景。

1）通過(guò)使用Retinex算法并調(diào)整尺度參數(shù)來(lái)處理圖像，有效增強(qiáng)了原始圖像，同時(shí)抑制了反射光的干擾。

2）自適應(yīng)H通道的閾值分割不依賴于先驗(yàn)知識(shí)，可以實(shí)現(xiàn)自適應(yīng)的對(duì)兩區(qū)域進(jìn)行分割，魯棒性明顯優(yōu)于其他算法，可以適應(yīng)不同的現(xiàn)場(chǎng)環(huán)境。

3）對(duì)分割線進(jìn)行擬合，不僅更加符合人工巡檢方式，而且通過(guò)劃定分界面，抑制了一些由于拍攝角度極端造成圖像存在高反射區(qū)域的現(xiàn)象對(duì)判定結(jié)果產(chǎn)生影響。