一種基于超像素的輸變電設備紅外故障圖像分割方法技術

本發明專利技術公開了一種基于超像素的輸變電設備紅外故障圖像分割方法，包括圖像預處理，對輸變電設備紅外故障圖像進行預處理；超像素圖像分割，利用故障區域和背景區域的差異性，通過超像素分割方法將紅外故障圖像分割為設定個超像素區域；故障區域提取，對于分割出的多個超像素區域標記為，標記為Ri,i＝1,2,…,n；將得到函數F最大值的區域選擇為提取出的故障區域；故障區域信息整理，輸入紅外圖像對應的溫度界限，最高溫設為tH，最低溫設為tL，結合紅外圖像中的調色板對應得到故障區域的最高溫度值tB；分割得到的區域大小為故障的區域大小。本方法兼顧了算法的快速性和可靠性，提高了紅外故障診斷的效率和準確度。

【技術實現步驟摘要】
一種基于超像素的輸變電設備紅外故障圖像分割方法
本專利技術涉及輸變電設備紅外診斷故障圖像分割方法，具體涉及一種基于超像素的輸變電設備紅外故障圖像分割方法。
技術介紹
在電力系統中，利用紅外成像技術可以快速地診斷出設備的各類外部過熱缺陷，早期的紅外圖像的故障分析以人工分析為主，隨著紅外圖像數量的增加，大量的人工處理無法實現圖像的批量處理，效率較低而且極易出錯。近幾年來，隨著遠程紅外測溫視頻監控系統等類似無人值守變電站服務系統的提出，紅外圖像的故障分析有了新的要求。由此，一些自動檢測電氣設備紅外圖像的方法陸續被提出。文獻1(葉婕,“基于圖像分割的變電站電氣設備故障自動檢測”，碩士學位論文，西安科技大學.2012)采用常見的圖像分割方法進行分割，需要參數調整，適應性較差；文獻2(魏鋼,馮中正等，“輸變電設備紅外故障診斷技術與試驗研究”，電氣技術，2013年06期)中提供了一種簡易的相對溫差分析的溫度檢測工具，對于輸入的故障圖像，首先找出溫度最高點，然后以此點為中心直線掃描遍歷周圍區域溫度，來得到溫度差，該方法只考慮像素級的分析，而沒有結合相鄰像素間區域的性質。上述的大部分方法都停留在簡單的圖像分割的基礎上，沒有對紅外圖像本身的性質做過多分析，由于過熱點的溫度和發散特性，該區域和其背景設備區域有較大差異，利用超像素分割方法考慮區域的整體性，可以更好的適應紅外圖像本身的成像特性，使分割結果更加可靠。
技術實現思路
為解決現有技術存在的不足，本專利技術公開了一種基于超像素的輸變電設備紅外故障圖像分割方法，可以有效地提高紅外檢測的效率和可靠性。為實現上述目的，本專利技術的具體方案如下：一種基于超像素的輸變電設備紅外故障圖像分割方法，包括以下步驟：步驟一：圖像預處理，對輸變電設備紅外故障圖像進行預處理；步驟二：超像素圖像分割，利用故障區域和背景區域的差異性，通過超像素分割方法將紅外故障圖像分割為設定個超像素區域；步驟三：故障區域提取，將分割出來的多個超像素區域標記為Ri,i＝1,2,…,n；使用平均亮度區域凹凸度及區域灰度標準差三個特征來描述每個區域；將三個參數聯合在一起，將得到函數F最大值的區域為提取出的故障區域；步驟四：故障區域信息整理，根據紅外圖像對應的溫度界限，最高溫設為tH，最低溫設為tL，結合紅外圖像中的調色板對應得到故障區域的最高溫度值tB；分割得到的區域大小為故障的區域大小。所述步驟一中對輸變電設備紅外故障圖像進行預處理具體為：對紅外故障圖像進行二維高斯平滑預處理。所述步驟二中超像素分割方法為Turbopixel的超像素分割方法，該方法將整個圖像區域分割為具有相同特性的多個狹小區域。所述步驟二中設定個超像素區域設定數為200。所述區域凹凸度通過該區域面積即像素點個數和該區域的最小凸邊形的面積得到：所述函數F最大值的區域選擇為提取出的故障區域：本專利技術的有益效果：本方法兼顧了算法的快速性和可靠性，利用故障區域和其背景區域的高度差異性以及其本身區域內部的一致性專利技術了利用超像素的分割方法，保證了算法的高度準確性。批量的對紅外故障圖像進行提取，自動將故障區域呈現，極大地簡化了目前紅外實驗過程中專業人員手動查找分析故障區域帶來的重復性工作，為人工分析提供輔助依據，提高了紅外故障診斷的效率和準確度，也可以作為后續的自動故障分析的前期基礎。附圖說明圖1為本專利技術實施例子所要處理的紅外故障圖像原圖；圖2為本專利技術實施例子經過平滑處理后的圖像；圖3為本專利技術實施例子超像素分割結果；圖4為本專利技術實施例子所得到的檢測區域。具體實施方式：下面結合具體實施方式對本專利技術做進一步的描述。輸變電設備紅外故障圖像分割包括以下四個部分：①紅外圖像預處理；②超像素分割：通過故障的區域屬性，將整幅圖像分為多個相對獨立的小區域；③故障區域提取：考慮故障的區域性，通過區域顏色分布均勻程度、區域邊緣均勻程度等方面，驗證得出有效的故障區域；④故障信息提取：通過圖像本身提供的溫度顏色對應調色板和輸入的溫度范圍，得到故障區域的區域大小和溫度情況。1、圖像預處理：如圖1所示，本專利技術實施例子所要處理的紅外故障圖像原圖，受環境和設備影響，采集到的紅外故障圖像有許多噪聲點，如圖2所示，首先需要對圖像進行高斯平滑預處理，來去除噪聲點的影響。這里選擇的最常見的二維高斯平滑濾波，模板尺寸設為3×3，平滑尺度設為1.27；2、超像素圖像分割：通過觀察發現，溫度過高區域通常為偏紅黃色或者接近白色區域，而該區域和周圍區域的差異度較大，因此通過超像素的分割方法可以將整個圖像區域分割為具有相同特性的多個狹小區域。我們此處采用文獻3(AlexLevinshtein,AdrianStere,etc,"TurboPixels:FastSuperpixelsUsingGeometricFlows,"IEEETransactionsonPatternAnalysisandMachineIntelligence,31(12),2290-2297,2009)中的Turbopixel的超像素分割方法，該方法的作者已經提供了開源的算法實現的工具箱。將分割個數設置為200，通過這樣的分割方法，不過多的限制分割區域的屬性和大小，而僅僅考慮提取相鄰像素區域內的相似屬性區域，以及和非相似區域分離，更適用于待檢測設備的溫度分布特性。如圖3所示，為本專利技術實施例子超像素分割結果。3、故障區域提取：通常情況下，由于設備環境的復雜性，我們會得到多個分割區域。由于預處理已經對圖像進行了平滑，所以可以保證有效區域內部的連通性，下面要對這些區域進行進一步的有效性驗證。將彩色圖像轉化為灰度圖像處理，分割出來的多個超像素區域標記為Ri,i＝1,2,…,n。故障區域通常為視場范圍內的溫度最高點，溫度以故障點為中心具有發散性，因此我們要提取的故障區域要滿足：a.平均亮度較高；b.區域輪廓規整；c.顏色分布均勻；這里僅利用灰度圖像描述圖像，利用以下三種參數來描述這些性質：a.平均亮度b.區域凹凸度通過該區域面積(即像素點個數)和該區域的最小凸邊形的面積得到：c.區域灰度標準差將三個參數聯合在一起，將得到函數F最大值的區域選擇為提取出的故障區域：由于灰度的取值范圍為[0,255]，在相除過程中可以認為已經分別對這兩個參數做了歸一化，因此保證了F取值的有效性。4、故障區域信息整理：輸入紅外圖像對應的溫度界限，最高溫設為tH，最低溫設為tL，結合紅外圖像中的調色板對應，得到故障區域的最高溫度值tB；分割得到的區域大小為故障的區域大小。紅外熱像儀輸出的為標準圖像，紅外熱像儀在設置時會有溫度范圍的顯示和對應的圖像調色板。至此為止，紅外圖像故障分割完成。如圖4所示，為本專利技術實施例子所得到的檢測區域。本文檔來自技高網...

【技術保護點】
一種基于超像素的輸變電設備紅外故障圖像分割方法，其特征是，包括以下步驟：步驟一：圖像預處理，對輸變電設備紅外故障圖像進行預處理；步驟二：超像素圖像分割，利用故障區域和背景區域的差異性，通過超像素分割方法將紅外故障圖像分割為設定個超像素區域；步驟三：故障區域提取，對于分割出的多個超像素區域標記為Ri,i＝1,2,…,n；使用平均亮度區域凹凸度及區域灰度標準差三個特征來描述每個區域；將三個參數聯合在一起，將得到函數F最大值的區域選擇為提取出的故障區域；步驟四：故障區域信息整理，輸入紅外圖像對應的溫度界限，最高溫設為tH，最低溫設為tL，結合紅外圖像中的調色板對應得到故障區域的最高溫度值tB；分割得到的區域大小為故障的區域大小。

【技術特征摘要】
1.一種基于超像素的輸變電設備紅外故障圖像分割方法，其特征是，包括以下步驟：步驟一：圖像預處理，對輸變電設備紅外故障圖像進行預處理；步驟二：超像素圖像分割，利用故障區域和背景區域的差異性，通過超像素分割方法將紅外故障圖像分割為設定個超像素區域；步驟三：故障區域提取，對于分割出的多個超像素區域標記為Ri,i＝1,2,…,n；使用平均亮度區域凹凸度及區域灰度標準差三個特征來描述每個區域；將三個參數聯合在一起，將得到函數F最大值的區域選擇為提取出的故障區域，步驟四：故障區域信息整理，輸入紅外圖像對應的溫度界限，最高溫設為tH，最低溫設為tL，結合紅外圖像中的調色板對應得到故障區域的最高溫度值tB；分割得到的區域大小為故障的區域大小...

【專利技術屬性】
技術研發人員：林穎，郭志紅，陳玉峰，杜修明，馬艷，李程啟，楊祎，耿玉杰，
申請(專利權)人：國家電網公司，國網山東省電力公司電力科學研究院，
類型：發明
國別省市：山東;37