本發(fā)明涉及電氣設(shè)備故障檢測與診斷，尤其是涉及一種用于電氣設(shè)備在線檢測的可見光和紅外圖像重構(gòu)方法。

背景技術(shù)：

隨著我國電網(wǎng)規(guī)模不斷擴(kuò)大，對電網(wǎng)運行的安全性和可靠性要求也越來越高，而電網(wǎng)電氣設(shè)備長期運行會出現(xiàn)磨損、氧化、腐蝕、老化、污穢以及外力導(dǎo)致的缺陷，所以對電氣設(shè)備進(jìn)行狀態(tài)檢修，及時排查故障隱患，對維護(hù)電網(wǎng)安全穩(wěn)定運行極為重要。

在電氣設(shè)備故障檢測與診斷領(lǐng)域，可見光圖像檢測、紅外圖像檢測等非接觸式檢測方法憑借著成本低、速度快、不停電檢修等特點，得到了越來越廣泛地應(yīng)用。運用可見光圖像的輪廓、紋理、色彩等特征可識別電氣設(shè)備的機械故障，如電力線異物、導(dǎo)線斷股、絕緣子掉片、防震錘移位、間隔棒斷裂等；運用紅外圖像可檢測電氣設(shè)備異常溫升故障，如金具接觸不良、接線端過熱、外絕緣表面放電發(fā)熱等。電網(wǎng)設(shè)備雖種類繁多，但大多數(shù)電氣設(shè)備都存在輪廓紋理不全、色彩變化明顯、溫升較高等缺陷特征，這些缺陷在巡線過程中分別被可見光和紅外成像設(shè)備捕捉，但由于單一檢測系統(tǒng)僅根據(jù)片面參數(shù)信息作出推斷，常常造成電氣設(shè)備故障的誤診及漏診。為此，進(jìn)行電氣設(shè)備的可見光與紅外圖像進(jìn)行融合重構(gòu)，將兩類圖像的有效特征集成于一張圖像，不僅能降低信息冗余度，也有利于對電氣設(shè)備故障的全面準(zhǔn)確判斷。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種用于電氣設(shè)備在線檢測的可見光和紅外圖像重構(gòu)方法。通過對同一電氣設(shè)備的可見光圖像和紅外圖像進(jìn)行基于輪廓信息的圖像配準(zhǔn)，將兩種圖像的有效特征進(jìn)行結(jié)合，重構(gòu)為一張包含可見光和紅外兩方面圖像信息的二維圖像。

本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：

一種用于電氣設(shè)備在線檢測的可見光和紅外圖像重構(gòu)方法，該方法包括以下步驟：

s1、對紅外圖像和可見光圖像分別進(jìn)行有效特征分析；

s2、進(jìn)行基于輪廓信息的圖像配準(zhǔn)；

s3、利用圖像配準(zhǔn)結(jié)果，根據(jù)有效特征分析結(jié)果對圖像配準(zhǔn)后的紅外圖像和可見光圖像進(jìn)行有效特征提取，并進(jìn)行圖像疊加，完成可見光圖像與紅外圖像重構(gòu)。

步驟s2基于輪廓信息的圖像配準(zhǔn)包括以下步驟：

s201、對紅外圖像和可見光圖像分別進(jìn)行圖像預(yù)處理后得到紅外圖像輪廓圖和可見光圖像輪廓圖；

s202、對紅外圖像輪廓圖和可見光圖像輪廓圖進(jìn)行最佳仿射變換搜索，并進(jìn)行最佳仿射變換；

s203、對紅外圖像原圖進(jìn)行最佳仿射變換，完成圖像配準(zhǔn)。

所述的有效特征分析具體為通過圖像處理、特征處理和特征選擇步驟選取體現(xiàn)電氣設(shè)備缺陷或故障的特征。

所述的最佳仿射變換搜索采用紅外圖像輪廓圖和可見光圖像輪廓圖的平均最近距離進(jìn)行圖像配準(zhǔn)度衡量，平均最近距離d(a,b)計算公式函數(shù)為：

d(a,b)＝min(d(a,b),d(b,a))

其中，a,b分別為電氣設(shè)備的可見光輪廓圖像和紅外輪廓圖像，ai、bi分別為圖像a中第i個輪廓點、b中第j個輪廓點，aj、bi分別為圖像a中第j個輪廓點、b中第i個輪廓點，na、nb分別為圖像a、b中的輪廓點個數(shù)，d(a,b)、d(b,a)分別為圖像a上的點到圖像b的平均最近距離、圖像b上的點到圖像a的平均最近距離。

s3中的可見光圖像與紅外圖像重構(gòu)過程如下：

其中，iinf和ivis分別為紅外圖像和可見光圖像的rgb像素值，i1(x,y)為重構(gòu)后的rgb像素值，t(x,y)為紅外圖像上坐標(biāo)為(x,y)的像素點溫度值，tthresh為紅外圖像的溫度閾值。

所述的最佳仿射變換搜索具體為尋找進(jìn)行仿射變換的最優(yōu)參數(shù)組合。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：

1.本發(fā)明將電氣設(shè)備的可見光與紅外圖像進(jìn)行融合重構(gòu)，將兩類圖像的有效特征集成于一張圖像，大幅地降低信息冗余度，也有利于對電氣設(shè)備缺陷的全面準(zhǔn)確判斷；

2.本發(fā)明將電氣設(shè)備紅外圖像的異常溫升區(qū)域反映到可見光圖像上，非常直觀地反應(yīng)電氣設(shè)備缺陷特征，同時也精確地對電氣設(shè)備缺陷位置進(jìn)行定位；

3.本發(fā)明算法穩(wěn)定，信息保留度高，可靠性強，對于拍攝角度和圖像大小相差不大的可見光和紅外圖像都能進(jìn)行準(zhǔn)確的重構(gòu)；

4.本發(fā)明適用性強，不僅適用于絕緣子、桿塔、金具等電氣設(shè)備故障檢測，還能運用于遙感、安檢、機械磨損檢測等需要結(jié)合紅外圖像和可見光圖像信息的領(lǐng)域。

附圖說明

圖1為本發(fā)明方法的可見光和紅外圖像重構(gòu)流程圖；

圖2為本發(fā)明方法的粒子群算法流程圖；

圖3為本發(fā)明舉例的電力桿塔的可見光圖像；

圖4為本發(fā)明舉例的電力桿塔的紅外圖像；

圖5為本發(fā)明舉例的電力桿塔的可見光輪廓圖；

圖6為本發(fā)明舉例的電力桿塔的紅外圖像輪廓圖；

圖7為本發(fā)明舉例的電力桿塔的可見光和紅外圖像輪廓圖配準(zhǔn)后效果；

圖8為本發(fā)明舉例的電力桿塔的可見光和紅外圖像重構(gòu)效果圖。

圖中：1、可見光圖像，2、紅外圖像，3、有效特征分析，4、基于輪廓信息的圖像配準(zhǔn)，5、灰度化、閾值分割、邊緣提取，6、可見光和紅外圖像輪廓圖，7、最佳仿射變換搜索，8、紅外圖像原圖進(jìn)行最佳仿射變換，9、有效特征提取與圖像疊加，10、可見光和紅外圖像重構(gòu)。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明的一部分實施例，而不是全部實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都應(yīng)屬于本發(fā)明保護(hù)的范圍。

實施例

如圖1所示，適用于電氣設(shè)備在線檢測的可見光和紅外圖像重構(gòu)方法，通過對同一電氣設(shè)備的可見光圖像1和紅外圖像2進(jìn)行基于輪廓信息的圖像配準(zhǔn)4，將兩種圖像的有效特征進(jìn)行結(jié)合，重構(gòu)為一張包含可見光和紅外兩方面圖像信息的二維圖像。

所述的有效特征可通過有效特征分析后選擇，有效特征分析是指通過圖像處理、特征提取和特征選擇后選取能最好的表現(xiàn)電氣設(shè)備缺陷或故障的特征，通過比較多種正常和存在缺陷的電氣設(shè)備的可見光和紅外圖像，選取的紅外圖像的有效特征為高溫升區(qū)域，可見光圖像的有效特征為電氣設(shè)備的輪廓、色彩和紋理，此外，可見光圖像的背景對于電氣設(shè)備的故障定位也十分重要。

所述的基于輪廓信息的圖像配準(zhǔn)通過對紅外圖像和可見光圖像進(jìn)行灰度化、閾值分割、邊緣提取等圖像預(yù)處理后獲取可見光和紅外圖像輪廓圖，所述的閾值分割中的閾值是指自適應(yīng)灰度閾值，一般采用最大類間方差法確定灰度閾值，所述的邊緣提取采用canny邊緣檢測算子進(jìn)行。通過最佳仿射變換搜索使目標(biāo)對象的可見光和紅外圖像輪廓圖重合，最后通過紅外圖像原圖進(jìn)行最佳仿射變換實現(xiàn)圖像配準(zhǔn)過程，所述的最佳仿射變換搜索可通過粒子群搜索算法實現(xiàn)。

所述的仿射變換包括平移變換，伸縮變換和旋轉(zhuǎn)變換，平移變換矩陣為：

tx、ty分別為圖像橫向平移量和縱向平移量，伸縮變換的矩陣為：

cx、cy分別為圖像橫向伸縮量和縱向伸縮量，旋轉(zhuǎn)變換的矩陣為：

θ為圖像旋轉(zhuǎn)角度。所述的最佳仿射變換搜索過程即為尋找最優(yōu)仿射變換參數(shù)組合(tx0，ty0，cx0，cy0，θ0)，使紅外輪廓圖經(jīng)過這一仿射變化后，紅外圖像輪廓和可見光圖像輪廓重合效果最佳。

所述粒子群算法中，設(shè)第i個粒子位置為xi＝(xi1,xi2,...,xi5)，它經(jīng)歷過的最好位置記為pi＝(pi1,pi2,...,pi5)。粒子i的速度用vi＝(vi1,vi2,...,vi5)表示。對每一代粒子，粒子采用下式來更新自己的速度和位置：

v^k+1id＝v^kid+c1*rand1*(p^kid-x^kid)+c2*rand2*(p^kgd-x^kid)(1)

x^k+1id＝x^kid+v^k+1id(2)

k為迭代次數(shù)，x^kid是當(dāng)前粒子的位置，c1，c2是學(xué)習(xí)因子，rand1和rand2為[0,1]區(qū)間內(nèi)的隨機數(shù)。pg為所有粒子中的最佳位置，記為pg＝(pg1,pg2,...,pg5)。

所述用粒子群算法進(jìn)行最佳仿射變換搜索過程中的圖像配準(zhǔn)度(適應(yīng)度)由可見光和紅外輪廓圖像的平均最近距離來衡量，平均最近距離d(a,b)計算公式即適應(yīng)度函數(shù)為：

d(a,b)＝min(d(a,b),d(b,a))(3)

其中，a,b分別為電氣設(shè)備的可見光輪廓圖像和紅外輪廓圖像，ai、bi分別為圖像a中第i個輪廓點、b中第j個輪廓點，aj、bi分別為圖像a中第j個輪廓點、b中第i個輪廓點，na、nb分別為圖像a、b中的輪廓點個數(shù)，d(a,b)、d(b,a)分別為圖像a上的點到圖像b的平均最近距離、圖像b上的點到圖像a的平均最近距離。

所述的可見光與紅外圖像重構(gòu)是在紅外圖像原圖進(jìn)行最佳仿射變換后，根據(jù)有效特征分析的結(jié)果對可見光圖像和紅外圖像進(jìn)行有效特征提取與圖像疊加實現(xiàn)，所述的圖像疊加將紅外圖像的高溫升區(qū)域覆蓋在可見光圖像上。重構(gòu)過程如下：

iinf和ivis分別為紅外圖像和可見光圖像的rgb像素值，i為重構(gòu)后的rgb像素值。tthresh紅外圖像的溫度閾值，用于區(qū)分高溫升區(qū)域，同樣可以采用最大類間方差法進(jìn)行計算。

如圖3電氣設(shè)備的可見光圖像通過可見光相機拍攝，如圖4紅外圖像通過紅外熱像儀拍攝。在進(jìn)行電氣設(shè)備的可見光和紅外圖像拍攝時，應(yīng)盡量保持可見光和紅外的拍攝角度一致，拍攝距離可有所差異，但目標(biāo)在兩者圖像中大小差別不宜過大。

對拍攝好的可見光圖像1和紅外圖像2進(jìn)行有效特征分析3，通過比較多種正常工作和故障的電氣設(shè)備的可見光和紅外圖像，并對其進(jìn)行灰度化、閾值分割等圖像預(yù)處理，計算其特征量并采用fisher準(zhǔn)則選擇其有效特征，得到的需要保留的有效特征為可見光圖像中的電氣設(shè)備輪廓、紋理、色彩特征和紅外圖像中的高溫升區(qū)域的面積和最值。

對圖3和圖4所示的現(xiàn)場拍攝的電力桿塔的可見光圖像和紅外圖像進(jìn)行基于輪廓信息的圖像配準(zhǔn)4，通過灰度化、閾值分割、邊緣提取5獲取可見光和紅外圖像輪廓圖6，運用最大類間方差法確定的圖3和圖4的可見光圖像的灰度閾值為100，紅外圖像的灰度閾值為25，運用canny算子對可見光和紅外圖像進(jìn)行邊緣提取時敏感度閾值均為0.2，圖像處理后的電力鐵塔的可見光和紅外輪廓圖如圖5和圖6所示。

采用粒子群算法對圖5和圖6所示的電力鐵塔的可見光和紅外輪廓圖進(jìn)行最佳仿射變換搜索7，首先需通過計算閾值分割后的可見光和紅外圖像的二值圖像重心和面積確定尋優(yōu)搜索范圍。設(shè)可見光和紅外圖像的二值圖像重心坐標(biāo)差為(x0，y0)，面積比為r0，則紅外圖像橫向平移量和縱向平移量tx、ty的搜索區(qū)間分別為[x0-100,x0+100]和[y0-100,y0+100]，紅外圖像橫向伸縮量和縱向伸縮量cx、cy的搜索區(qū)間均為[r0-0.5,r0+0.5]，紅外圖像θ旋轉(zhuǎn)角度的搜索區(qū)間默認(rèn)為[-0.5,0.5]。電力鐵塔的可見光和紅外圖像的二值圖像重心坐標(biāo)差為(73，22)，面積比為0.7439。然后進(jìn)行粒子群算法搜索最佳仿射變換，搜索流程如圖2所示。將仿射變換參數(shù)搜索區(qū)間全歸一化為[0,1]，限定粒子搜索的最大速度為0.1，進(jìn)行粒子群速度和位置的初始化，計算圖像匹配度，即適應(yīng)度，記錄適應(yīng)度最小的粒子位置。不斷地對粒子群進(jìn)行迭代更新計算適應(yīng)度，直至達(dá)到最大迭代次數(shù)或適應(yīng)度達(dá)到要求，此時記錄的適應(yīng)度最小的粒子位置所代表的參數(shù)即為最佳仿射變換參數(shù)。最大迭代次數(shù)一般設(shè)定為50次，指定適應(yīng)度一般設(shè)為0.1。

如圖7所示，紅外圖像輪廓圖進(jìn)行最佳仿射變換后，紅外圖像輪廓和可見光圖像輪廓基本重疊，此時的適應(yīng)度為1.3。將紅外圖像原圖進(jìn)行最佳仿射變換8，紅外圖像的rgb三個分量的圖像均按照最佳仿射變換參數(shù)進(jìn)行變換，完成基于輪廓信息的圖像配準(zhǔn)4過程。

完成圖像配準(zhǔn)后的可見光和紅外圖像，進(jìn)行有效特征提取和圖像疊加9。將紅外圖像的溫升高于溫度閾值的區(qū)域從紅外原圖像中提取出來，并以覆蓋的方式疊加在可見光圖像上，即將可見光圖像rgb分量的對應(yīng)位置的像素值被紅外圖像rgb分量取代，完成可見光與紅外圖像重構(gòu)10。經(jīng)最大類間方差算法確定的圖4中電力鐵塔的紅外圖像溫度閾值為28℃，圖像疊加重構(gòu)后的效果如圖8所示。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到各種等效的修改或替換，這些修改或替換都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)以權(quán)利要求的保護(hù)范圍為準(zhǔn)。