（电力系统及其自动化专业论文）图像识别技术在电力设备在线监测中的应用.pdf

a b s 嗽c t a b s t r a c t ：w i t ht h es c a l eo fc h i n a se l e c t r i cp o w e rn e t w o r kc o n t i n u e st oe x p a n d , i t se s s e n t i a lt h a tt h es u b s t a t i o n so p e r a t es e c u r e l ya n dr e l i a b l y , a n dt h eo p e r a t i o no f e l e c t r i c a le q u i p m e n t si so n eo ft h ek e yf a c t o r st h a td e t e r m i n ei t ss t a b l ea n ds e c u r e o p e r a t i o n t r a d i t i o n a la r t i f i c i a lp e r i o d i ci n s p e c t i o nc a nn ol o n g e rm e e tt h en e e d so ft h e s a f eo p e r a t i o no fe q u i p m e n t s ，a n do n l i n em o n i t o r i n gs y s t e mi sa p p l i e dm o r ew i d e l y w i t ht h er a p i dd e v e l o p m e n to fr e m o t eh i g h - s p e e di n f o r m a t i o nt r a n s m i s s i o nt e c h n o l o g y h o w e v e r , t h ee q u i p m e n to p e r a t i o ni nt h em a j o r i t yo fs u c has y s t e mr e m a i n si nt h e r u n n i n go fa r t i f i c i a ls u r v e i l l a n c e , w h i c hr e l yo no p e r a t o rt oo b s e r v ea n da n a l y z et h e a c q u i s i t i o ni m a g e so nd u t y , a n dn of u n c t i o n so fc o m p u t e ra u t o m a t i cr e c o g n i t i o na n d a n a l y s i s t h e r e f o r e ，t h er e s e a r c ho ni m a g er e c o g n i t i o nt e c h n o l o g ya p p l i e di ne l e c t r i c a l e q u i p m e n to n - l i n em o n i t o r i n gc o n t r i b u t e st ot h ea c h i e v e m e n to fu n m a n n e ds u b s t a t i o n s ， a n dh a sa ni m p o r t a n tm e a n i n gt om e e tt h er e a l - t i m em o n i t o r i n ga n df a u l td i a g n o s i s t h et h e s i sf o c u so na n a l y z i n gt h ea p p l i c a t i o no fi m a g er e c o g n i t i o nt e c h n o l o g yi n t h ee l e c t r i c a le q u i p m e n t ，m a i ni n c l u d e s ： 1 ) b a s e do no r i g i n a l s u b s t a t i o nv i d e os u r v e i l l a n c es y s t e m ，c o m b i n e dw i t h c o m p u t e rv i s i o nt e c h n o l o g ya n di m a g ep r o c e s s i n g r e c o g n i t i o nf u n c t i o nt or e a l i z e i n t e l l i g e n tm o n i t o r i n g ( 2 ) f o re l e c t r i c a le q u i p m e n ti m a g e ，t h et h e s i sg e tt h eb e s tp r e - p r o c e s s i n gp r o g r a m b a s e do ne x p e r i m e n t a lr e s u l t sb yu s i n gav a r i e t yo fd e - n o i s i n g 、s h a r p e n i n ga l g o r i t h m r e s p e c t i v e l y ( 3 ) t h e r ea r ec l e a rc h a r a c t e r i s t i c sa b o u tt h em a i ne l e c t r i c a le q u i p m e n t ，s od oi m a g e r e c o g n i t i o ne x p e r i m e n tt h r o u g hc o l o r , t e x t u r e , t e m p l a t em a t c h i n gr e s p e c t i v e l ya n dm a k e a c o m p a r a t i v ea n a l y s i so fa l g o r i t h mf o rt e m p l a t em a t c h i n g 4 ) m a k eas t a t i s t i c sa b o u tt h ee l e c t r i c a le q u i p m e n ta r e aw h e r ep r o n et ob ef a i l u r e t og e tt h ee l e c t r i c a le q u i p m e n tk e ya r e a t h e nm a k ec u m u l a t i v e & d i f f e r e n t i a li m a g e p r o c e s s i n ga f t e rb i n a r i z a t i o nt r a n s f o r m a t i o no fe q u i p m e n ti m a g ei no r d e rt od e t e r m i n e w h e t h e rt h ed e v i c ei sn o r m a lo rn o t k e y w o r d s ：e l e c t r i c a le q u i p m e n t ；i m a g ep r e - p r o c e s s i n g ；i m a g e r e c o g n i t i o n ； t e m p l a t em a t c h i n g c i 。a s s n o ：t m 7 1 1 学位论文版权使用授权书 本学位论文作者完全了解北京交通大学有关保管、使用学位论文的规定。特 授权北京交通大学可以将学位论文的全部或酃分内容编入有关数据库进行检索， 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向圜 家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用奉授权说明) 学位论文作者签名：张浴 签字醐：1 引膊闩j 签：袁缸日 磐醐1 彩私日 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研 究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或 撰写过的研究成果，也不包含为获得北京交通大学或其他教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作 了明确的说明并表示了谢意。 学位论文作者签名： 结浩 签字1 1 期： 7 l 妒j ： 年易月沙同 致谢 本论文的工作是在我的导师王玮教授的悉心指导下完成的，王玮教授严谨的 治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢两年来王玮 老师对我的关心和指导。 王玮教授悉心指导我们完成了实验室的科研工作，在学习上和生活上都给予 了我很大的关心和帮助，在此向口b 老师表示衷心的谢意。 吴振升老师和倪平浩老师对于我的科研工作和论文都提出了许多的宝贵意 见，在此表示衷心的感谢。 在实验室工作及撰写论文 1 i ij j ，周东朋、龚廷志、刘崇伟、周兴韬、周矗等 同学对我论文研究工作给予了热情帮助，在此向他们表达我的感激之情。 另外也感谢我的父母，他f l j 的理解和支持使我能够在学校专心完成我的学业。 l 。l 研究背景及意义 第1 章引言 随着我国国民经济的快速增长，全社会：【、农鲎用电量需求的增长迅猛，电 力供应呈总体偏紧，部分地区电力短缺严重的现象，对运行中的电力设备带来了 严重的考验。高压电气设备作为电网中的重要组成部分，它的正常工作与否壹接 影响着电网的安全稳定运行。因此，对高压电气设备的监控以保证其安全、可靠 的运行是非常的重要。 我国放上世纪5 0 年代歼始，几十年以米一直根掘f 赶力设备预防性试验规程的 规定，对电力设备进行定期的停电试验、检修和维护。定期试验不能及时发现设备 内部的故障隐患，丽且停电试验施加低于运行电压麴试验电压，对某些缺陷反映 也不够灵敏。随着电力系统朝着高电压、大容量的方向发展，保证电力设备的安 全运行越来越重要，停电事故给生产和生活带来的影响及损失也越来越大。因此 迫切需要对电力设备运行状态进行实时或定时的在线监测，及时反映绝缘的劣化 程度，以便采取预防措旋，避免停电事故发生。 近些年来，随着快速发展的远程高速信息传输技术，在线监测系统可以很方 便的对监测终端进行视频监控，视频监控虽然具有图像直观、易于处理等特点， 但采用人力二十四小时连续薹鑫视既不科学也不实用，既浪费了入力资源，也增加 了误报漏报异常情况的发生几率，而应用图像识别技术，根据具体的应用环境， 建立相应的判决准则，捕捉异常现象，最后发潞报警信号，这样不仅仅节省了人 力，也为及时的发现设备运行过程中的故障和存在的故障隐患打下基础。 图像分析与识别技术可从根本上解决目前电力设备在线监测中存在的一些问 题：重要设备的运行参数需要实时监测，采用人工巡视难以满足实时性要求，而 且巡视员的责任心、工作态度和精神状况严重影响了检测的结果；很多高压设备 的运行状态难以转换成电信号，在信号转换和传输过程中易受强电磁场的影响； 另外，人眼难以分辨细微图像的灰度变化，难以客观判断电力设备表面缺陷的程 度。因此，图像分析与识别技术的运臻可促进在线监测系统的智能化、自动化， 提高变电站工作人员的工作效率，取得更高的经济效益，将具有较大的实用价值 和应用前景。 1 2 课题研究发展现状 随着计算机科学的发展，图像处理与识别在理论研究和实际应用中都取得了 飞速的发展，县前已进入全面应用的新时代，形成了- f 综合性学科。随着计算 机视觉理论和模式识别研究的不断发展，图像识别技术已广泛的应用于遥感图像分 析，文字识别，医学图像处理，多媒体技术，图像数据库，视觉监控，智能交通，工业 检测和军事方蟊等等，r 益影响着我们的生产和生活瓣1 。 基予图像处理的检测系统已经在很多领域取得了一定成果，如文字识别、指 纹识别、入脸识鬟、产品检测、军事偾察等。曩前，公路交遴中广泛使雳的汽车 牌照自动识别系统，显示出了强大的优势，节省了很多人力、物力，并显著的提 高了交通秩序给人们的生活和工作带来了极大的方便和安全。医学上，各种图像， 如x 光照片、b 超c t 与核磁共振图片( m r i ) 各种内窥镜图片等长期以来已成为医 疗诊断的重要手段，人们还应用了图像处理与识别的技术分析癌细胞等。在工业 生产中，很多自动化程度高的企业单位都应用了一些自动识别监测系统，保证生 产线更好的运行，在线监测设备的运行状况和检测设备的状况，比如钢厂的炉膛 火焰监测系统、基于图像处理的设备本身断裂的检测系统等等强1 。一些国家还利雳 卫星遥感技术，摸清了本国的土地资源，如土壤类型，多种地貌的分析细节，多 种自然条件，如土、水、林、草的分匆和他们的关系，对于农业区域的规划、开 发、利用发挥了很重要的作用。 在电力系统中，也已经实现了采用数字图像处理技术实现电厂锅炉火焰图像 检测、利用红外热像仪实现电气设备的故障诊断等。但涉及到复杂图像分析和状 态识别问题，仍处于实验研究阶段晦1 。山东大学机器人研究中心自行研制的1 1 0 k v 高压输电线路巡线机器入，可以对杆塔、导线及避雷器、绝缘子、线路金具、线 路周围环境进行巡视。机器人配备的高分辨率c c d 摄像机摄取目标图像，实时传 输到地箍基站，由基站操作人员根据图像中导线、绝缘子等设施的外观确定是否 损坏。人工复查需对图像逐帧观察，效率低但较可靠。高压输电线路巡线机器人 一般能发现架空线大部分表露故障。但不能满足整个输电线路故障检测的需要n 3 。 目前有些电厂和变电站已经安装了视频监控系统，可实现现场设备监视、控 制远程摄像机运动、数字视频录像等功能。但这些视频监控系统只有视频监视功 能没有视频图像识别功能。 在近几年，对于图像处理与识别技术在电力系统中的应用，已经进行了一些 有益的探索，并且取得了些可喜的成就，如基于图像识别酌锅炉炉膛燃烧状况 监测系统、无人值班变电站的遥视系统等等。但是，目前的遥视系统需要依靠值 班人员亲鲁去观察和分析所采集到的图像，从丽判断电力设备的运行状态，缺乏 对变电站电力设备的自动识别与分析功能。这种情况之所以与其它行业相比显得 滞后，是因为对背景复杂的变电站图像的分析和电力设备运行故障的判别方法的 2 研究还不够成熟。本文借鉴了图像处理与识别技术在其它领域内成功应用的经验， 耨图像处理和模式识别的算法进行比较分析，选_ 出最合适的算法运用到电力设餐 的识别中去。识别出电力设备的类型是下一步判断电力设备运行状态的基础。 1 3 本文所做的主要工作 为了解决变f 乜站在线监测中存在的某些难题，经过调查研究和充分论证，本 文在变电站视频监测硬件系统的基础上，紧密围绕图像处理与识别技术，同时充 分利用计算机技术、数学理论、信息论等多学科的知识，重点研究变电站电力设 备的图像采集、图像处理与电力设备的识别与分析方法，为最终实现变电站图像 的智能识别和自动分析打下基础。本文以电力变压器，通过待算机视觉技术对其 进行了处理与识别分析，同时讨论了变电站电力设备的异常榆测问题。主要从以 下几个方露展开研究工作： ( 1 ) 变电站图像处理与分析的总体方案 从计算机视觉替代人来监测变电站电力设备运行状态出发，由工业摄像头、 图像采集设备和计算机识别系统构建了一个变电站设备自动识捌分折方案，该方 案设计的系统通过对电力设备图像进行采集、识别与分析，判断出电力设备的运 行情况，进而发现设备存在的故障及其故障隐患，该方案与韦鹏师兄一起完成。 ( 2 ) 电力设备图像的预处理 由于图像采集设备本身的缺陷和环境等因素的影响，输入到计算机审麴电力 设备图像中不可避免的会含有畸变和噪声，这会对后面的图像处理、特征提取以 及识别分橱带来严重的于扰，并且影响着处理结果的正确性。因此，首先要对采 集到的变电站电力设备图像进行必要的预处理：灰度化、图像去嗓、图像锐化、 图像分割等。为以后的特征提取和识别处理做好必要的准备工作，以保证电力设 备及其运行状态识剐和分析的准确性。 ( 3 ) 电力设备图像特征的提取与识别方法 变电站图像中包含着电力设备运行情况的重要信息，对变毫站中电力设备图 像进行识别的关键在于分析电力设备的各种特征，如颜色、纹理、形状等特征。 经过预处理后，选取能够区分电力设备类别的图像特征，作为识别电力设备时的 输入向量，本文主要采用模板匹配的方法对变电站电力设备进行定位识别，并对 识别实验的结果进行总结和分析。 ( 4 ) 变电站电力设备异常的检测 从采集到的变电站图像中识别出电力设备类型后，电力设备所在的图像区域 就是进行检测的重点区域( 感兴趣的嚣域) 。遥过对此区域进行差分和累积图像 3 处理，最后与电力设备运行正常时的图像进行比较，即可判断出变电站场景图像 是否发生了变化，由此褥出变电站或电力设备的运行状态是否出现了异常。 利用图像处理与分析技术判别电力设备运行情况是一种新方法，本文主要研 究电力设备图像预处理、特征提取与识别的算法，尤其是模板匹配部分。在分枷 过程中，以c i f i 6 语言和n e t 平台为开发工具编程。针对目前电力系统状态监测中的。 些实际问题，本文提出将计算机视觉应用于电力系统中，运用图像处理的方法t 叮 以识别出变电站图像中的特定电力设备， 必将引起电力系统监测的一次技术革新， 的应用前景。 并且可能发现电力设备的故障隐恣，这 其后续研究成果在电力系统中有着广阔 4 第2 章图像处理技术购理论知识 随着社会戆发蓑，图像楚理按寒与诗算裰巍觉在各个领域熬盛震越来越广泛。 从计算机视觉与图像处理技术这个名词的提出到被人们广泛熟悉，褥到今天很多 行鼗成熟熟应用到了生产孛，都见证了它的强大豹优越性岛。本章介绍匿像处理技 术的鏊本知谈，戮及它的发展，并且讨论计算枫视觉在毫力系统中酶应餍。 2 1 数字图像的基本翔识 数字篷豫楚理援寒掰涉及辫翔谈葵零广泛，篡髂鲮方法释类繁多。转统熬溪 像处理技术主要集中在图像的获取、变换、增强、恢复( 复原) 、压缩编码、分 裁与边缘提玫等方瑟，募量嚣着薪王翼、薪方法蕊不赣出现，这些豳豫处理技术 也一蠢在更新与发展榭。 避十多年来，隧着信息技术的发展，图像特徭分析、图像配准、避像融合、 蚕豫分类、蕊豫识别、基于瘸容镌雷像检索与瑟豫数字求簿等领域取褥长跫瓣遘 展1 。这些图像处理技术反映了人类的智力活动，它在计算机上模仿、延伸和扩展 了天的智麓，具有餐籍纯楚瑾功麓，黧露稼之舞餐耱鎏豫赴理接术。 智能图像处理技术是在传统的图像处理技术基础上发展起来的，并以传统的 餮豫处理技术作为颈处理按零。智巍鬻豫处毽技术是嚣豫处理彝智能纯方翔发震 的必然结采，它能够更好的满足入类的信息处理要求。 2 1 1 数字图像 般静蓬像莓慧蒺攘圈豫，群蚕豫上酶信意是连续变拖静摸拟量。舞一糕黑 白灰度照片上的物体是通过照片上各点的光的强度不同而体现的，丽照片上的光 强是个连续交健羲量，逸裁是遵，京一定熬蒸窭蠹，巍强靛经舞值蒸霹麓赶壤。 对于这种模拟图像只能采用模拟处理方法进行处理( 例如按光学原理用透镜将照 片放大 。计纂巍不戆接受帮处理模拟信号，只有将连续既模撂信号变换爻离教 的数字信号，藏者说将模攒鬻像交换为数字餮豫餍才麓接受。 数字图像处理，即用计算机对图像进行处理。与人类对视觉机理着迷的历史 穗毙，它是- - | l 福对军轻赫学科。毽在蒸短簸熬历史孛，它帮鞋不同程囊韵成功 被应用于几乎所有与成像有关的领域。e l l 于其表现方式( 用图像显示) 所固有的魅 力，它儆警爱萼l 了簌科学家剿平民雷蹩太多躲注意。在冀爨然蕊形式下，蚕像荠 不能直接由计算机分析。因为计算机只能处理数字而不是图片，所以一幅图像在 用计算机进行图像处理前必须先转化为数字形式，一般我们用一个数字阵列来表 示一个物理图像。物理图像被划分为称作图像元素的小区域，图像元素简称为像 素( p i x d ) 。最常见的划分方案是用方形采样网络，图像被分割成由相邻像素组 成的许多水平线，赋予每个像素位置的数值反应了物理例豫l ：对应点的亮度澜。 当用数学方法描述图像信息时，通常着重于考虑它的点的性质。例如一幅图 像可以被看成是空间各个坐标点上强度的集合，图豫最普通的数学表达式为： i = g ，y ，g ，a ，t )( 2 1 ) 式( 2 1 ) 中取，y ，z 是空闻坐标，灭是波长， 是时间，l 是图像的强度。这样 一个表达式可以代表一幅活动的、彩色的、立体图像。当我们研究的是静止图像 ( s t i l li m a g e ) 时，则上式与时间t 无关，当研究的是单色图像时，显然与波长天无关， 对于平面图像来说则与坐标z 无关。因此，对予静止的，j f 面的、单色的图像来说 其数学表达式可以简化为i = f ( x ，y ) 。模拟图像是不能直接用数字计算机来处理的。 为使图像能在数字计算机内进行处理，首先必须将各类图像( 照片、图形、x 光照 片等) 转化为数字图像旧1 。 客观世界在空潮上是三维的( 3 一d ) 鲶，但一般飙客琨景物得到的图像是二 维的( 2 一d ) 的。一幅图像可以用一个( 2 一d ) 数组f ( x ，y ) 来表示，这里x 和y 表 示( 2 一d ) 空闯x y 中一个坐标点的位置，面镄代表图像在点( x ，y ) 的某种性质的 数值，它反应了图像中的某种信息( 比如亮度、温度、海拔等) 。常用的图像一 般是灰度图，这时，穰示灰度值，它常对应客观景物被观察到的亮度。 2 1 2 图像的颜色模型 图像，从广义上说，是自然界景物的客观反映，是人类认识世界和人类本身 的重要源泉。图像对我们来说并不陌生，它是用各种观测系统以不圆形式和手段 观测客观世界而获得的，可以直接或者间接作用于人眼并进而产生视知觉的实体。 人的视觉就是一个双测系统，通过它德到的图像就是客溉景物在人心目中形成的 影像。 根据人眼结构，自然界中的所有颜色都可以由红绿蓝( r 、g 、b ) 三原色组合而 成，也就是通常所指的r g b 模型。实际应用中，有时会用到其他一些颜色模型， 如c m y 颜色模型、y i q 颜色模型、y u v 颜色模型及y c b c r 颜色模型等【l o j 。 ( 圭) r 潞和c 斟颜色模型 c m y ( c y a n 、m a g e n t a 、y e l l o w ) 颜色模型是一种常用的表示颜色的方式。计 算机屏幕的显示通常用r g b 颜色模型，它是通过颜色的相加来产生其他颜色，这 6 种做法通常称为加色合成法( a d d i t i v ec o l o rs y n t h e s i s ) 。而在印刷工业上则通常 焉g f f 颜色模型( 一般所称游西煎露嚣| jc m y k 别是掇上黑色) ，它是透过颜色箨 减来产生其它颜色的，所以通常称这种方式为减色合成法( s u b t r a c t i v ec o l o r s y n t h e s i s ) 。 1 l 1 ， ， ) l ，0 ) f y1f 0 2 9 9 0 5 8 7 o 1 1 4 p 1 防陆也-05227340211 砘0 3 3 2 12 2 j i 刮bj 。国 l q jl o 5 2 3 囝 i 燕二黝 圆3 ， l ；1 = l 黑地0 5 2 8 7 0 叫1 1 4 - | r 0 1 4 8 0 4 6 7g l 刚，l l = l 一 一o 2 8 9 一 4i(2-4) l 矿j10 6 1 5 - 0 。5 | 5 一o 。i o o j l b j 7 刚强0 主一铘 ， ( 4 ) y c b c r 颜色模型 y c b c r 颜色模型也是一种常见的色彩系统，j p e 6 采用的颜色模型正是该模型。 它是从y u v 颜色模型衍生出柬的( 大l 此通常还蠢人称j p e g 采用的色彩系统是y u v 系统，其实是错误的) 。其t ；y 还足指明税度，而c b 和c r 则是将u 和v 做少量调 整而得到的。r g b 颜色模型和y c b c r 颜色模型之间的对应关系如下： y c l 刚i 篡一o m 划 ， ( 匐h s i 颜色空闻 h s i 颜色空间是一种均匀的颜色空间，色彩之间感觉上的距离与坐标上点的欧 凡墨德距离成正比h s i 颜色空闻具有以下的优点：当采用r g b ( 或者c m y ) 颜色空 间时，改变某一颜色的属性，比如改变色度就必须同时改变r 、g 、b ( 或者c 、m 、 ￥) 3 个坐标，丽采黑h s i 颜色空间时只需改变鞭坐标也就是说，h s i 颜色空间中 的3 个坐标是独立的。 图2 2h s i 空间模型 f i g 2 2h s is p a c em o d e l h s i 颜色空间如图2 - 2 所示，图中每一条向量对应一种颜色。向量s 沿着逆时 针方向，相对于0 。轴的角度，就是该颜色的色度( h u e ) ；向量s 的长度代表颜色的 饱和度( s a t u r a t i o n ) ，饱和度经归一化处理后，值域范围为 0 ，1 】；强度( i n t e n s i t y ) 8 e勰勰， o 0 略弧 l o x o川觚腿。 瓴叭卸 姗椰量|o 瞧却卸 嬲一姗。 馥卸筑 是s 的向量平面与强度轴的垂直交点的值，值域范围 0 ，1 。可以使用如下公式实 现从r g b 到髂王的转换： h ：o ，艿g 1 2 z 一织b g s 湍1 - 3 m i n ( r ，g ，b ) ( r + g + b ) ( 2 8 ) ， 尺+ g + 召 ，慧一 3 式( 2 - 8 ) 中 护= a r c 咖不丽2 r - 鬲g - 研b ( 2 - 9 ) 2 1 3 彩色图像的灰度化 b m p 真彩色位图文件格式的图像的数据量大，在对目标进行颜色特征提取完毕 矗( 仅对高压断路器基标进行了颜色特征提取，颜色模型采用了r b g 模型) ，为了 后期其他特征量的提取方便快捷，需瑟对图像进行灰度化处理n 们。 灰度图( g r a y s c a l e ) 是只含亮度信息，不含色彩信息的图像，就像我们平时 看到亮度由暗到明的黑白照片，变化是连续的。因此，要表示灰度图，就需要把 亮度值进行量化。通常划分成0 到2 5 5 共2 5 6 个级别，0 最暗( 全黑) 2 5 5 最亮 ( 全自) 。 从彩色图像到为灰度图的转变可幽公式得到： y = o 。2 9 9 r + 0 5 8 7 g + 0 。l1 4 b ( 2 1 0 ) 2 2 数字图像处理的内容与发展变化 数字图像处理的应用越来越广泛，与人类生活的关系日益密切。从数字图像 的发展过程来说，可以把它分成传统图像处理技术和现代图像处理技术两种。 2 2 。l 传统图像处理技术 1 ) 图像数字化 由于计算机只接收和处理数字信号，因此需要将一幅模拟图像进行采样与量 化处理，转化为数字图像，然屠交由计算机进行处理。图像采集是数字图像处理 9 的基础，其目的是将模拟形式的图像通过数字化设备转换为数字计算机可处理的 离散的图像数据。 ( 2 ) 图像变换 图像变换就是把图像从空间域转换到变换域( 如频率域) 的过程。图像变换 可以使人们从另一个角度来分析图像信号的特性，利用变换域中特有的性质，使 图像处理过氍更加简单、有效。图像变化是许多图像处理与分析技术的基础，它 广泛的羽j ： 麓豫增强、编码、融合、数字水印和特征提取等领域。 ( 3 ) 图像增强 图像增强就是增强图像中用户感兴趣的信息，它的露的主要有两今：一是改 善图像的视觉效果，提高图像成分的清晰度；二是使图像变得更有利于计算机的 处理。图像增强的方法一般分力空闽域和变化域两大类。空闻域方法直接对图像 像素的灰度进行处理。变换域方法在图像的某个变换域中对变换系数进行处理， 然后通过逆变换获得增强图像。 ( 4 ) 图像恢复 图像恢复也称为图像还原，就是尽可能的减少或者去除数字图像在获取过程 中的降质，恢复被退化图像的本来面貌，从而改善图像质量。图像恢复的方法可 以分为两类：一类适用于对于图像缺乏先验知识的情况；另一类是事先已经知道 是那些因素孳| 起的豳像降质，并对原始图像有比较足够的了解，此时可对泵始图 像的退化过程建立一个数学模型，并对图像退化的影响进行拟合。 ( 5 ) 图像数据压缩 图像数据量非常大，无论传输或存储都需要对图像数据进行有效的压缩。数 据压缩就是减少表示信号所需的数码，从而减少容纳给定消息集合或数据采样集 合的物理存储空间，进而减少数据传输所需要的时闻、区闯及电磁频谱区域。 ( 6 ) 图像边缘检测 图像边缘是指图像灰度( 亮度) 发生空间突变或者在梯度方淘上发生突变的 像素的集合。图像边缘使图像的基本特征之一，蕴含了图像丰富的内在信息( 如 方向、阶跃性质与形状等) ，它广泛应用于图像分割、图像分类、图像配准和模 式识别中。 ( 7 ) 图像分割 图像分割就是将图像表示为物理上有意义的连通区域的集合。人们一般是通 过对图像的不同特征如边缘、纹理、颜色、亮度等的分析达到图像分割的目的。 图像分害l 通常是为了迸一步薅霉像进行分析、识别、跟踪、理解、压缩编码等， 分割的准确性直接影响后续任务的有效性，因此具有十分重要的意义。 1 0 2 2 2 现代图像处理技术 ( 1 ) 图像特征分析 图像特征分析与提取是智能图像处理的基础，常用的图像特征有颜色、纹理 与形状等。目前，陶像内容的描述主要采用图像的特征及其组合。 ( 2 ) 图像配准 图像配准是指酗一目标的两幅( 或者两幅以上) 豳像在空闻位霞上的对准。 图像配准的技术过程，称为图像匹配，或者图像相关。图像配准应用十分广泛， 例如，航空航天技术、地理信息系统、图像镶嵌、蓬像融合、鼗标识别、医学銎 像分析、机器人视馓、虚拟现实等领域。 ( 3 ) 图像融合 十几年来，多传感器信息融合技术获得了普遍的关注和广泛应用。对传感器 信息融合是人类或其他逻辑系统中常见的基本功能。入非常自然的运用这一能力 把来自人体各个传感器( 眼、耳、鼻、四肢) 的信息( 景物、声音、气味、触觉) 组合起来，并使用先验知识去估计、理解周围环境和正在发生的事件。信息融合 模仿了入脑综合处理复杂闻题的思维方式珏”。 图像融合就是将不同类型传感器获取的同一对象的图像数据进行空间配准， 然后采溺一定的算法将各图像数据中所含的信息优势或互孝 性有机的集会起来产 生新图像数据的技术。这种新数据具有描述解释中可能存在的多义性、不完全性、 不确定性和误差，最大限度的利用各种信息源提供的信息。 ( 4 ) 图像分类 图像分类就是利用计算机对图像进行定量分析，把图像中的每个像元或区域 划归为若干个类别中的一种，以代替入的视觉判读。图像分类的过程就题模式识 别过程，是目视判读的延续和发展。图像分类的特点是速度快、计算精度高，图 像测量( 如面积计算) 比霉褫估计要准确得多。圈像分类主要耀于遥感、医学与 军事等领域。以遥感图像分类为例，遥感技术是通过对遥感传感器接收到的电磁 波辐射信息特征的分析来识别地物类型的，这可以通过人工墨褫解释实现，或是 用计算机进行分类处理，也可以用人工目视解释与计算机自动分类处理相结合来 实现。用计算机对遥感图像进行地物类型识别是遥感图像数字处理的一个重要内 容，也是模式识别技术在遥感技术领域中的具体应用。 ( 5 ) 图像识别 图像识别就是利用计算机识别出图像中的疆标并分类，焉机器智能代替人的 智能。它所研究的领域十分广泛，例如，机械加工种零部件的识别、分类；从遥 感图片中分辨农作物、森林、湖泊和军事设施；从气象观测数据或气象卫星照片 准确预报天气；从x 光照片判断是否发生癌肿；从心电图的波形判断被检查者是 否患有心脏病；在交通中心实现交通篱制、识别违章行驶的汽车牌照等等娃砖。 图像处理和计算机视觉密切相关，图像是表达视觉信息的一种物理形式。图 像处理，尤其是图像处理的离层( 图像理解) 必须借助计算机，基于对视觉信息 的处理和分析来进行，事实上图像处理和计算机视觉在很多情况下的内容是交叉 重合的。 2 3 计算机视觉简介 随着科学技术的同新月异，信息时代已经来临，计算机将越来越广泛的进入 凡乎所有的领域。这样一个突出的矛盾产生了，即人类思维的灵活性与计算机死 板的固定运行模式之间的矛盾。人可以通过视觉、听觉和语言与外界交换信息， 并且可以以不同的方式表示相同的含义，丽目前计算机只能通过严格的语言编写 程序才能够运行。那么，如何让计算机具有良好完备的视觉、听觉以及其他感知 能力就成了一个亟待解决的问题，视觉是其中一个重要的方面n 引。 计算机视觉就是运用各种成像系统代替视觉器官作为输入的敏感手段，出计 算机来代替人脑完成对事物的处理和解释，计算机视觉的最终因的是使计算机能 够象人一样通过视觉来观察和理解世赛，具有皇主适应环境的能力，这是要经过 人们的长期努力才能够达成的最终目标。在实现最终目标之前，人们努力的中期 冒标是建立一种视觉系统，这个系统能依据视觉敏感和反馈以某种程度的智能完 成一定的任务h 引。 有不少学科的研究与计算机视觉相近或者相关。这些学科包括图像处理、模 式识别( 或图像识别) 、景物分析图像理解等秘翻。由于历史发展或领域本身的特点， 这些学科各有差别，但又在某种程度上相互重叠，我们可以将它们简单归纳如下： ( 量) 图像处理：把输入图像改变戚具有希望特性的另一幄图像。 ( 2 ) 模式识别( 图像识别) ：根据从图像抽取的统计特性或者结构信息，把图 像分成预定的类别。 ( 3 ) 图像理解( 景物分析) ：给定一幅图像，图像理解程序不仅描述图像本身， 而且描述和解释图像所代表的事物。 随着计算机视觉技术的进步，图像处理和理解在很多行业中得到了成功应用。 在建立和开发计算机视觉系统时需要用到以上学科的相关技术，但是计算机视觉 所研究的内容要比这些学科更隽广泛。针对其在电力行业应用相对滞后的现状， 借鉴其它行业中成功应用的经验，可以将图像处理和模式识别技术应用到变电站 电力设备识别与分析中，进一步判别出萁运行状态。在本文研究的课题中，对隔 1 2 离开关、电力变压器等图像的处理分析，运用最多的是图像处理与模式识别技术。 这必将推动图像技术在电力系统中的应用，对电力系统的发展产生巨大的影响。 2 。4 电力设备监测与分析总体方案 随着图像处理和计算机视觉技术的进步和r 趋成熟，计算机视觉识别电力设 备、分析电力设备的运行状态在电力系统监测中发挥着越来越重要的作用。电力 设备的状态是电网安全可靠运行的关键因素，所以实时监测电力设备的运行状态 对变电站安全可靠运行至关重要。 目前，电网调度自动化系统( s c a d a ) 、高压设备绝缘监测、继电保护等装臀 在交电站的安全可靠运行中超到了重要终焉。楣对来说，电力设备运行状态监测 系统还不够完善，其中许多难题源于高电压和强电磁场的存在，众多关键参数的 获取受被测量、环境和测量方法的限制，需过多地考虑系统安全、绝缘和弱信号 的传输等因素。此外，有些运行参数和故障征兆信号很难通过接触测量转换成电 信号，甚至无法利用微机监测获取。如变压器漏油、而某些重要的非电信号利用图 像监测获取更加真实。目前各级电网已经建立了多套变电站遥视系统，对电力系 统的运行发挥了重要作用n 引。由于电网中的变电站众多，每个变电站需要监测的 图像不止一个，霞此许多学者集中研究了远程图像的采集、数据的压缩和快速传 输问题n 钉。如何减轻调度员同时监测多个变电站及多个图像画面的负担，并准确 快速地确定变电站所处豹运行状态是一个值 ! 孽砑究的重要课题。 为了提高变电站电力设备的自动监测水平，本文提出了基于图像识别的实时 监测分析方案，在现有的视频监测系统基础上，增加图像的分析和识别功能，藤 监测系统、c c d 摄像机和g p r s 模块等硬件设备基本上不需要改变。基于图像分析 的电力设备自动监测系统的总体结构如图2 - 3 所示。 图2 3 监测与分析系统的总体结构图 f i g 。2 0t o t a ls t r u c t u r ed r a w i n go f m o n i t o ra n da n a l y s i ss y s t e m 1 3 一 l + 一 电荷耦合器件( c h a r g ec o u p l e dd e v i c e ，c c d ) 作为图像监测系统的传感器，安 装在电力设备附近合适的位置，它把电力设备的运行状态转换成光信号，经过数 字摄像机将其静态图像输入到监控计算机。当监控计算机发现监测的电力设备图 像发生了异常变化时，需要对该电力设备图像进行进一步的分析，这时通过下发 召唤图像指令实现图像的连续采集，然后通过g p r s 无线网络向主站计算机报警并 传输刚采集的图像。监控计算机作为整个系统的核心，完成控制图像的采集、预 处理、识剔、分析和传输的整个过程。当电力设备运行委常时，不传输图像，只 有判断出异常时，才上传图像。该方案整体结构中除了图像采集部分和计算机处 理部分，还包括一些必要的外设，如打印机，显示器，报警装置等。 计算机处理过程主要由下面几个部分构成：图像预处理，特征分析，电力设 备识别和故障诊断，如图2 - 4 所示。 豳2 - 4 计算机处理豳像的过秘框图 f i g 2 - 4h o wd i a v a mo f c o m p u t e ri m a g ep r o c e s s i n g 图2 - 4 中所示是监测与分| 斤方案的核心处理过程，通过对采集到豹图像进行 预处理，提高图像的质量，分析电力设备的图像特征，提取出特征向量，对电力 设备进行识别。在识别与分孝厅过程中计算机不断地与数据库进行信惠交换，通过 与数据库中的基准图像和存储的历史图像比较，确定设备图像的畸变程度，判断 出当蔫嗽力设备的运行状态。当电力设备正常运行时，计算机下发云台控制指令 切换所要监控的电力设备、识别和分析各种电力设备的图像。如果发现电力设备 运行中的故障隐患，则发出报警信号，并自动切换到发生故障的设备图像，存储 发生故障电力设备的实时图像，不断更新典型的设备的故障图像数据库，便予日 后工作人员的查看和分析。 借助子图像与计算机视觉技术分析电力设备的运行状态，是电力设备在线监 测的一种新方法。在变电站实时采集电力设备运行时的图像，由计算机自动分析 判断电力设备的运行状态。当电力设备运行正常时，计算机每隔3 小时定期召唤 图像，这样就避免了传输通道的拥挤；只有出现异常时，发出告警信号并上传分 析结果，此时才需要调度端操作员根据自动分析结果，进一步判断电力设备的运 行情况。这种新方法不仅可有效的提高监测系统的实时性和准确性，而且可部分 或完全替代人工巡视，同时解决调度员工作负担重、分析结果受人为因素影响等 诸多难题。 1 4 箍2 童图速处理丝理避缸迟 2 5 本章小结 本章介绍了图像的基本概念，阐述了图像处理技术包含的内容，图像处理与 计算机视觉的关系，提出了基于图像处理的电力设备监测和分析的总体方案，分 析了方案的实现过程，与当前视频监测系统相比得出了该方案的优点，利用图像 识别技术自动判断电力设备运行状态，能有效地提高变电站监测的自动化程度。 1 5 第3 章电力设备图像的预处理 通过工业摄像桃、光电转换设备以及匿像采集卡采集到计算机中的图像，由 于硬件设备本身的缺陷和外界环境因素的干扰，图像往往会包含一些随机噪声和 畸变，降低了图像的质量，这对人的视觉和计算机的识别分析带来严重的影响。 为了减小图像的降质，就要对采集到的图像进行必要的预处理，去除图像噪声， 增强图像的细节，提高图像的信噪比n 引。图像预处理主要包括：直方图增强、图 像去噪、图像锐化、图像边缘检测、图像分割等繇引。 3 1 直方图增强 图像的直方圈是图像的重要统计特征，它可以议必是图像荻度密度滋数的近 似。直方图虽然不能直接反映出图像内容，但它反映的是图像坎度分布统计特征。 对予数字图像，它可以反映数字图像的概貌性描述，例如图像的欢度范豳、灰度 的分布、整幅图像的平均亮度和明暗对比度等，并可以由此得出进一步的重要依 据。 当图像对比度较小时，它的灰度童方图只在灰度轴上较小的一段区阆上非零， 较暗的图像由于较多的像素灰度值低，因此它的直方图的主体出现在低值灰度区 闻上，其在高值灰度区闻上的幅度较小或为零，丽较亮的图像情况正好相反。递 常一幅均匀量化的自然图像的灰度直方图在低值灰度区间上频率较大，这样的图 像较暗区域中的细节常常看不清楚。为使图像变清晰，可以通过变换使圈像的坎 度动态范围变大，并且让灰度频率较小的灰度级经变换后，其频率变得大一些， 使变换后的图像灰度直方图在较大的动态范围内趋于均化。事实证明，通过图像 直方图修改进行图像增强是一种有效的方法。 一幅均匀量化的自然图像的灰度直方图通常在低值灰度区间上频率较大，使 得图像中较暗区域中的细节常常看不清楚。为了使銎像清晰，可将图像的荻度闯 距拉开，或者使灰度分布均匀，即让灰度直方图在较大的动态范围内趋于一致。 铁两增大了反差，使图像细节清晰，达到图像增强的爱的。 对于数字图像胀，y ) ，以r 表示正规化了的原图像灰度，以s 表示经过直方图 修正后的图像灰度，即0 9 ，s 中，窗翻大小决定了被检测的纹理尺度，( i0 ) 反映了纹理的强度。此 外，该方法也可以按方向进行。 ( 2 ) 方差法 方差法就是以像素( ij ) 为中心的窗i s l ( 2 k + 1 ) ( 2 k + 1 ) 内的灰度方麓作为窗l z t 中 惑戆纹理特薤统计毽，瓣 ：( f ，) 。i + k 鬟驴g ，j ，) 一雒】2 ( 4 - 2 ) x = i 一= 一 式( 4 - 2 ) 中，u 为窗瞬内灰度平均值；o r 2 ( f 反映了纹理强度信息。 3 ) 绝怼差法 绝对差法就是瑷豫素( ij ) 为审心酶窗l l ( 2 k + i )