【技術實現步驟摘要】
本專利技術屬于數字圖像處理，具體涉及顧及反卷積去模糊算法的cps系統下絕緣子憎水性圖像邊緣檢測算法。
技術介紹
1、隨著信息化建設的成熟發展和電網規模的擴大，電力系統不斷完善。絕緣子作為系統線路絕緣的重要設備之一，其質量和安全性能受到越來越多的關注。但是，隨著運行時間的推移，絕緣子在外部環境因素的影響下會發生不同程度的老化，不僅嚴重影響其應用價值，而且容易造成事故。因此，必須定期測試其疏水性。然而，由于傳統的疏水圖像邊緣檢測算法存在對比度差、陰影差、光照不均勻等問題，在圖像處理中難以獲得良好的效果。因此，迫切需要建立一套有效的圖像邊緣檢測算法來保護電網線路的安全。反褶積去模糊算法是圖像恢復技術算法之一，不僅能在圖像中獲得最大數量的寶貴信息，而且具有良好的圖像處理效果，在科學和工程領域得到了廣泛的應用。將其應用于絕緣子檢測中，可以提高疏水性測量的精度，對提高絕緣子疏水圖像邊緣檢測算法的性能具有實用價值。
2、絕緣子作為架空配電線路和機車頂部絕緣的一般檢查和控制，是保證整個配電線路系統和機車動力系統正常運行的重要手段。其優異的電學性能表現為疏水性，但絕緣體的疏水性不是恒定的。隨著絕緣子工作時間的延長，其表面的疏水性也會越來越差。
3、一般來說，絕緣子疏水性下降的原因有五個方面，1、潮濕：表面電阻的急劇下降會導致泄漏電流的急劇增加；2、污染物組成和積累水平：由于污垢積累而導致的疏水性降低；3、低溫：低溫降低了lmw分子的布朗運動；4、質量：質量影響了疏水性；5、老化：老化會使絕緣子的成分惡化；進而能夠看出隨著運
4、由于受不同外部因素的影響，疏水圖像往往存在一定的缺陷，使得圖像中水滴的提取效果不明顯。鑒于這一特性，邊緣檢測算法需要進行一定的預處理，以獲得準確的圖像，用于后續的分類。一般來說，疏水圖像邊緣檢測方法中的圖像處理分為三個步驟，即增強對比度，消除水滴的反射，分割附著水滴的部分。
5、增強對比度：在絕緣體疏水圖像中，水滴與絕緣體背景之間的對比度很低，這給后續提取水滴帶來了很大的困難。在進行圖像處理時，算法通常首先將每個顏色的圖形轉換為一個灰度的圖形，即提取亮度分量用于后續工作，如圖4所示。將真實彩色圖形轉換為灰度圖形的過程是將真實彩色圖形中每個像素的r、g和b組成部分按比例加權，并將它們加在一起，得到二維圖像。這種轉換方法可以滿足大多數圖像處理的需要，但不能滿足提高疏水圖像的低對比度的要求。
6、通過相關統計發現，在絕緣體疏水圖像中，無論是水滴還是水膜，除了反射點或反射區域外，r組成值與周圍背景幾乎相同。但是，g組的值比背景像素值低30，b組的值比背景像素值低40，反射點的r、g、b分量幾乎接近240。無論是水滴還是背景像素，r分量的值都是最大的，而b分量總是最小的。但是，當真實的顏色圖轉換為灰度圖時，差異最大的b成分被賦值最小，因此最終的灰度圖像對比度很小，如圖5所示；圖5中用數字標記的位置代表疏水圖像中5個不同像素特征的區域，1代表水膜面積，2代表反射區域，3代表水滴面積，4代表背景區域，5代表反射點區域。表2列出了圖2中的10個像素。
7、表1：水滴像素與背景像素之間的對比度
8、
9、最后，消除水滴的反射在絕緣體疏水圖像邊緣檢測中，水滴和膜的光學特性具有不同的。當絕緣子的防水水平較低時，防水效果越好，水滴越多，水滴與絕緣子的接觸角越大。此時，水滴就像一個凸面透鏡，在強光的照射下，會有明顯的反射點。這個亮點或明亮區域比周圍的水滴更亮，其像素值分量比水滴的其他部分要大得多，這影響了后續對水滴的提取。當絕緣子的拒水水平較高時，水跡逐漸變成整個水膜。此時，將水膜與絕緣體之間的接觸角很小，所以很少或沒有反射點。在正常情況下，水滴的反射點或反射區域被視為不均勻的照明。圖像邊緣檢測算法通常采用直方圖均衡化來消除水滴反射的影響。當反射點或反射區域的亮度差異與周圍像素值之間較小時，可以發揮一定的作用，但當差異較大時，基本不起作用。
10、劃分附著的水滴；水滴的粘附是指兩個水滴邊緣之間的輕微接觸，在二值圖像中表現為兩個白色區域由一個或兩個像素連接。在判斷絕緣子的疏水性水平的過程中，圖像邊緣檢測方法一般是根據圖中最大的水滴或水膜的特征值來判斷其疏水性。如果圖中兩個粘附的水滴的面積之和大于單個最大水滴的面積，則將兩個粘附的水滴視為一個水滴，提取其特征參數。然而，真正最大的水滴被忽略了，此時就會出現誤差。對于二值圖像，兩個原語之間的狹窄連接通常通過形態學開放操作來消除，如圖6所示；對于水滴面積較大、附著部位較少的水滴圖像，該算法可以滿足要求。但是，對于水滴面積較小、粘附部分較多的水滴圖像，該算法不能滿足要求，水滴的形狀將不夠準確，甚至部分水滴可能無法被提取出來。
11、綜上，本專利技術提出一種顧及反卷積去模糊算法的cps系統下絕緣子憎水性圖像邊緣檢測算法針對傳統邊緣檢測算法的缺陷，對疏水圖像的特征進行了重新分析，并采用反褶積去模糊算法進行了計算。通過模糊核估計和銳邊恢復，我們有效地改進了這一問題，也解決了cps下的清晰疏水圖像。通過實驗，驗證了該反褶積去模糊算法的實用性和有效性。實驗數據表明，與傳統的邊緣檢測算法相比，基于反褶積和去模糊算法的絕緣子疏水圖像邊緣檢測算法的綜合psnr值為27.02，改進范圍約為0.3db～1.9db。在運行時間方面，該算法的平均運行時間減少了約三分之二。
技術實現思路
1、本專利技術的目的是提供顧及反卷積去模糊算法的cps系統下絕緣子憎水性圖像邊緣檢測算法，對絕緣子性能的保證與電網建設的安全發展是分不開的。疏水性作為檢測絕緣子性能的一個重要參數，對其圖像邊緣檢測算法尤為重要。本專利技術結合反褶積去模糊算法相結合，改進了傳統的邊緣檢測方法。針對原算法中邊緣檢測效果差、圖像恢復不理想的問題，采用自適應權值增強了疏水圖像模糊核心估計的魯棒性。此外，提高了算法的收斂性，控制了運行時間，進一步實現了算法的實用性和可行性。
2、本專利技術采取的技術方案具體如下：
3、顧及反卷積去模糊算法的cps系統下絕緣子憎水性圖像邊緣檢測算法，包括以下步驟：
4、步驟1：對絕緣體疏水性圖像的形成進行建模：建模過程表示為：
5、b＝i*k+ε??(1)
6、式中：k是模糊核，i是潛在圖，*是特許權操作，ε是圖中的隨機噪聲，b是成像系統采集到的疏水圖像；也就是說，疏水圖像可以看作是一個模糊的核心，將一個清晰的潛在圖形卷積起來，然后添加隨機噪聲來得到它；
7、步驟2：大多數疏水圖像的反褶積和去模糊算法主要利用了疏水圖像的銳利邊緣在估計模糊核時有助于核估計的特性；對高頻圖像進行了模糊核估計，恢復絕緣子疏水本文檔來自技高網...
【技術保護點】
1.顧及反卷積去模糊算法的CPS系統下絕緣子憎水性圖像邊緣檢測算法，其特征在于：包括以下步驟：
2.根據權利要求1所述的顧及反卷積去模糊算法的CPS系統下絕緣子憎水性圖像邊緣檢測算法，其特征在于：所述步驟2中，公式(2)包含三項；第一項是似然項，即恢復的清晰疏水圖像x和模糊核k的卷積與觀測到的疏水圖y相似；第二項是施加在模糊核上的l2-范數正則化項，它用于穩定模糊核的估計；第三個項是l0-范數正則化項。
3.根據權利要求1所述的顧及反卷積去模糊算法的CPS系統下絕緣子憎水性圖像邊緣檢測算法，其特征在于：所述步驟2中，使用快速傅里葉變換利用將公式中的卷積運算變換為頻域中對應點的乘法，并求k的導數，求解公式(5)得到k的最小值。
4.根據權利要求1所述的顧及反卷積去模糊算法的CPS系統下絕緣子憎水性圖像邊緣檢測算法，其特征在于：公式(7)是一個具有不可微點的非凸問題，采用交替方向的方法來解決公式(7)中的問題。
5.根據權利要求1所述的顧及反卷積去模糊算法的CPS系統下絕緣子憎水性圖像邊緣檢測算法，其特征在于：所述步驟4中，在去卷積圖像
...【技術特征摘要】
1.顧及反卷積去模糊算法的cps系統下絕緣子憎水性圖像邊緣檢測算法，其特征在于：包括以下步驟：
2.根據權利要求1所述的顧及反卷積去模糊算法的cps系統下絕緣子憎水性圖像邊緣檢測算法，其特征在于：所述步驟2中，公式(2)包含三項；第一項是似然項，即恢復的清晰疏水圖像x和模糊核k的卷積與觀測到的疏水圖y相似；第二項是施加在模糊核上的l2-范數正則化項，它用于穩定模糊核的估計；第三個項是l0-范數正則化項。
3.根據權利要求1所述的顧及反卷積去模糊算法的cps系統下絕緣子憎水性圖像邊緣檢測算法，其特征在于：所述步驟2中，...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。