基于改进Canny算子的绝缘子裂纹检测研究

为解决绝缘子图像中由于背景的复杂性 导致边缘检测 存在噪声及伪目标问题,提出了基于二维阈值分割的Canny算子边缘优化法。首先,在HSI颜色空间通过对S分量进行强化,有效弱化背景,突出绝缘子目标;其次,针对传统canny算子在提取绝缘子边缘时由于部分噪点突出导致检测裂纹的精度较低,提出对Canny算子中的阈值选取进行改进,采用二维直方图灰度-局部方差法对经预处理的图像进行阈值处理。所提改进算法能够有效优化绝缘子航拍图像处理结果,提高检测绝缘子裂纹准确率。     

可见光图像颜色特征与支持向量机相结合的绝缘子污秽状态识别方法

绝缘子污闪事故严重威胁着电力系统的安全运行,高压绝缘子污秽等级的准确识别是防污闪的重要研究内容。笔者提出了一种基于绝缘子可见光图像颜色特征和支持向量机技术,通过建立污秽等级与可见光图像颜色特征值的映射关系,实现绝缘子污秽状态识别的方法。以深圳供电局多个变电站不同污秽度红色陶瓷绝缘子数据为基础,采用改进种子区域生长法分割得到绝缘子盘面区域,提取RGB和HSV颜色空间36种特征,依据Fisher判据,筛选得到能表征绝缘子盘面污秽程度的S均值和S中值;设计支持向量机多值分类器,进行污秽等级划分。实验结果表明,该方法的绝缘子污秽等级准确率达96.67%,实现污秽状态的准确监测,为绝缘子污秽等级识别提供新思路。     

直升机巡检航拍图像中绝缘子图像的提取算法

提出了一种新的绝缘子图像提取算法,可用于直升机智能巡检图像中绝缘子图像的提取。该算法首先将航拍得到的高分辨率玻璃绝缘子彩色图像进行RGB到HSI彩色空间的转换;然后对HSI空间的S分量,采用基于遗传算法的最大熵阈值的方法进行图像分割;接着对分割后的图像用双结构级联滤波器滤除噪声;最后用连通区域方法将分割出的绝缘子串轮廓标识出来。算例结果表明:该算法能够从背景复杂的航拍图像中完整地提取绝缘子图像,有较高的工程应用价值。     

基于图像处理技术的复合绝缘子表面污秽识别*

针对人工染污的悬式复合绝缘子,获取不同污秽度下的复合绝缘子表面污秽图像,提出识别表面污秽度的图像处理技术流程。首先将图像灰度化,再进行滤波处理,采用最大类间方差法(Otsu)进行分割得到伞裙间积污区域。接着提取积污区域的RGB、HSV颜色空间的36种特征量,筛选得到与绝缘子盘面污秽程度相关性较高的特征量S均值和S中值。最后利用这两种特征量作为联合判据建立复合绝缘子污秽度识别模型。对40张不同污秽度下的图像样品进行识别,结果表明所提方法的正确识别率高达97.5%,可有效识别复合绝缘子的表面污秽度。     

基于改进 PCM 聚类方法的绝缘子图像分割

针对绝缘子图像背景复杂多样而导致提取绝缘子区域困难的问题,提出了一种改进的可能性 C-均值聚类方法(PCM) 对绝缘子图像进行分割。 方法主要基于两个方面进行改进,一方面通过定义局部相关因子、引入图像的空间局部信息以增强对 噪声的抗干扰能力、提高分割精度;另一方面通过在损失函数中加入类中心相斥项缓解传统 PCM 聚类中心点重合问题。 实验 利用人工合成数据和复杂背景的绝缘子图像对比该算法与 FCM、PCM、K-means、KFCM 和 IFCM 算法的聚类分割性能。 结果表 明改进 PCM 对噪声抗干扰能力更强、聚类精度更高,且对绝缘子图像的平均分割误差为 0. 153,相比其他对比方法对复杂环境 下的绝缘子图片有更好的分割性能。     

基于改进色差法的复合绝缘子图像分割技术

针对自然光照条件下复合绝缘子表面存在阴影或暗区域不能准确分割的情况,提出一种基于改进色差法的复合绝缘子图像分割方法。首先,将采集的图像中复合绝缘子所在区域划分为亮、正常、暗三个部分,分别对亮、暗区域进行光照补偿后,重新合成绝缘子图像;其次,对该合成图像进行颜色分量提取和分析,提出一种改进的色差方法获取最优色差灰度图像;最后,采用Otsu自适应阈值算法结合区域标记和几何形状分析进行分割,从而实现输电线路光照不均复合绝缘子目标的准确识别。实验结果表明:该改进方法可以比较完整且准确分割出绝缘子,为后续绝缘子特征提取、故障分析提供了有利参考;将该改进方法分别与传统阈值分割方法、2R-G-B(红色分量Red、绿色分量Green、蓝色分量Blue)色差法进行比较,三者平均分割误差分别为8.18%,36.12%、27.88%,降低了27.94%和19.70%,尤其对弱光、强光下绝缘子分割效率平均提高30%以上。     

基于联合分量灰度化算法和深度学习的玻璃绝缘子目标识别算法

针对相近色干扰、不同光照条件下玻璃绝缘子颜色特征不明显而无法准确识别的问题,提出一种基于联合分量灰度化算法和深度学习的玻璃绝缘子目标识别算法。首先,提出一种联合分量灰度化算法,通过补偿玻璃绝缘子目标区域的颜色特征实现目标增强;然后,在均匀分块的基础上,采用动态分块阈值进行玻璃绝缘子图像粗分割,并结合玻璃绝缘子的颜色和空间信息等多尺度高维特征,提出一种双尺度分类卷积神经网络算法实现玻璃绝缘子图像细分割;最后,将细分割得到的所有子图像进行合并,实现复杂背景下玻璃绝缘子目标的准确识别。实验结果表明,所提算法能对图像中存在相近色干扰、光照变化影响的玻璃绝缘子目标进行精准识别,且其在Dice参数、杰卡德系数2项识别指标上均达到90%以上,平均识别准确率高达92%。     

绝缘子污秽等级红外热像检测的视角影响分析

为了提高绝缘子污秽等级红外热像检测的准确性,提出利用绝缘子红外热像污秽等级分类特征的对比分析确定最佳成像角度的方法。该法采用直方图均衡化增强原始红外热像对比度,人工截取绝缘子盘面图像区域;基于盘面图像直方图包络线提取分割阈值,对阈值分割后的二值图像进行形态学滤波,得到绝缘子盘面图像;应用统计理论从绝缘子盘面图像提取最高温度、最低温度、平均温度、温度分布方差等10个红外热像污秽等级分类特征;运用Fisher准则对特征进行对比分析。瓷绝缘子人工污秽试验红外图像分析结果表明:成像角度变化显著的改变所得绝缘子表面热场;下盘面特征比上盘面特征有更好的分类性能。推荐绝缘子污秽等级红外成像检测应以下盘面为准。     

基于红外图像分割与SSA-SVM的复合绝缘子缺陷检测方法

为了准确快速地识别出交直流复合绝缘子的缺陷类型,本文提出一种基于红外图像分割和麻雀搜索算法(SSA)优化支持向量机(SVM)的交直流复合绝缘子缺陷检测方法.首先,制作复合绝缘子短样,并设置四种不同类型的模拟缺陷,分别施加交流电压和直流电压,采用红外热像仪测量得到正常和缺陷复合绝缘子的红外图像样本;然后,利用最大类间方差法对图像进行阈值分割得到绝缘子区域,由此计算红外特征量,并使用Fisher准则进行特征选择;最后,采用SSA优化的SVM模型实现对绝缘子缺陷类型的识别.结果表明,实验室条件下该方法对交直流复合绝缘子的缺陷类型识别正确率达87％以上,且对现场交流复合绝缘子缺陷的初步识别效果良好.     

基于Lab和YUV颜色空间的农田图像分割方法

针对农田这种非结构环境下的图像分割问题,提出了一种基于Lab和YUV颜色空间的农田图像分割方法。该方法首先将获得的原始农田彩色图像分别转换到Lab颜色空间和YUV颜色空间,然后分别对Lab颜色空间进行Otsu阈值分割,对YUV颜色空间进行加权模糊熵分割,最后将2种分割方法得到的二值图像进行合并、滤波,以得到最终的分割图像。结果表明,该方法能够有效地实现农田图像的精准分割,并滤除噪声及抑制光照不均匀等复杂环境带来的影响,获得令人满意的结果。     

基于方差分析的绝缘子红外热像特征选择方法

利用红外成像技术检测绝缘子污秽等级的关键在于获取分类性能优异的红外热像特征,文章提出了基于方差分析的红外热像特征选择方法。利用直方图均衡化增强原始热像图对比度,人工截取绝缘子盘面图像区域;通过平滑后的图像直方图包络线提取分割阈值,对阈值分割后的二值图像进行形态学滤波,得到绝缘子盘面图像和背景图像,提取2者的最高温度、最低温度、平均温度、温度分布方差以及盘面相对于背景的最大温升和平均温升共10个红外热像特征;应用单因素方差分析甄别特征优劣,实现特征选择。瓷绝缘子人工污秽试验结果表明：文中提出的红外热像特征选择方法和图像分割算法简单有效。     

基于改进MPEG-7纹理特征的绝缘子图像识别

绝缘子的良好状态保障着电力系统的安全运行,绝缘子的状态监控也是未来电力系统智能监控中的一个重要问题,因此开发无人飞行器的输电线路巡视系统具有重要的意义。笔者首先在分析数字图像预处理方法的基础上,采用图像灰度化、对比度增强和图像去噪三个步骤对绝缘子图像进行预处理;随后利用MPEG-7边缘直方图法对绝缘子纹理特征提取与识别,并在此基础上对原始的MPEG-7边缘直方图进行优化和改进,很大程度上提高了识别的准确性。大量实验结果表明,该方法能在稍复杂背景下有效的识别出图片中绝缘子。     

基于最大熵和Hough变换的绝缘子图像提取算法

提出了一种新的绝缘子图像提取算法,可用于直升机巡线时获取的航拍图像。介绍了对绝缘子图像特征的分析,说明了绝缘子图像的提取方法。算例结果表明:该算法能够从背景复杂的航拍图像中提取出玻璃绝缘子或陶瓷绝缘子的图像。     

基于Cycle-GAN的绝缘子图像生成方法

深度学习模型应用于输电线路绝缘子目标检测时,在训练样本方面存在公开样本集缺乏和优质样本不足的问题,为此提出一种基于循环一致性生成对抗网络(cycle-generative adversarial networks,Cycle-GAN)的绝缘子图像生成方法。首先分析绝缘子样本集,对绝缘子图像基于背景色彩特征进行风格域划分;之后在划分好的绝缘子风格域样本集基础上,采用Cycle-GAN生成绝缘子图像样本;最后,搭建分类网络验证生成图像用于扩充的有效性,并进一步探究了生成图像不同扩增比例对分类性能的影响。结果表明:绝缘子生成样本可一定程度上替代真实样本;生成图像不同扩充比例对网络性能影响不同,当扩充比例在40%~50%时,分类网络性能提升效果最佳。     

棒形复合绝缘子爬电距离图像测量方法研究

棒形复合绝缘子的爬电距离是其质量管控中的重要关注点。 针对现有测量方法依赖人工,效率较低且误差大,提出了 一种基于机器视觉的复合棒形绝缘子爬电距离测量方法。 首先,设计了棒形复合绝缘子图像采集平台,获得了其轴向连续图 像。 采用 SIFT 算法对获取到的连续图像进行拼接,通过 Canny 边缘检测算法构建识别模型,实现了棒形悬式复合绝缘子的爬 电距离的自动测量。 试验表明,图像测量方法的重复测量标准差约为传统方法的 5% ~ 12%,且其测量效率较传统方法提高 6 倍以上,实现了棒形复合绝缘子爬电距离准确高效的测量。     

局部自适应复合绝缘子检测与憎水性分类网络

憎水性等级(Hydrophobicity Class,HC)是衡量绝缘子性能的重要指标之一。在实际环境的多种因素作用下绝缘子伞裙表面存在局部憎水性差异,为了准确识别绝缘子的性能,本文提出了一种基于深度学习的局部自适应绝缘子检测与憎水性分类模型。首先,通过绝缘子分割模块分离绝缘子与背景区域,为后续针对绝缘子区域的操作提供分割信息;然后将绝缘子区域划分为固定大小的图像块,在缩小分辨率减小运算难度的同时保留了绝缘子表面的细节信息;最后通过憎水性分类模块分析图像块内绝缘子的憎水性。实验使用巡检维护现场的绝缘子图片作为样本集,分阶段构建模型,分别对分割阶段和憎水性分类阶段的准确性进行评估。实验结果显示分割阶段模块能有效识别绝缘子和背景区域,交叉验证的测试集准确率均大于97.21%,并且憎水性分类阶段模块能准确分析绝缘子憎水性,对140幅测试图片的识别准确率达到98.65%。经过实验证明本文提出的模型在复杂自然环境中检测绝缘子性能是一种有效的解决方案。     

数学形态学在绝缘子图像边缘检测中的应用

在智能变电站系统的建设中,对远程监控提供的图像质量提出了更高的要求,需要有更清晰的图像及其边缘。笔者以绝缘子图像为例,提出了基于数学形态学的电力系统图像边缘检测方法,既能有效地滤除噪声,又可保留图像中的原有细节信息,并与其余几种常用的边缘检测算子的检测结果进行了比较,说明在电力系统中应用图像边缘检测时,要根据电力设备图像的特征合理地选择最适合的方法。