基于红外图像识别的输电线路故障诊断

【摘 要】输电线路在长期运行中由于表面老化、自然灾害及人为损伤等因素，会导致断股以至于断线故障，此类故障的前期常伴随有局部放电、局部温升增高等现象。红外热成像技术可检测输电线路温升变化，能提前预知线路将会出现的故障，为电网诊断提供依据。

【关键词】红外图像识别;输电线路;故障诊断

1图像高温区域提取原理

获取红外图像过程中，由于受到电子热噪声的影响和信道传输的错误，图像中会出现椒盐噪声、脉冲噪声及其它类型的噪声。高压输电线路红外图像有边缘模糊、空间域上受背景噪声污染大等特点。采用正确的滤波方法可以有效降低图像空间域背景对目标的干扰，梯度法就能比较直观地反映图像的颜色变化。本文基于MATLAB平台，采用改进的中值滤波和梯度法提取图像的高温区域。本文选用FLIR的A40-M拍摄了大量的模拟输电线路故障红外图像，其中包含断股、连接处故障等，并选择断股为研究对象验证本文方法。

1.1HSI颜色空间变换

本文在提取图像目标时，先将输电线路红外图像转换到HSI颜色空间（H：色调;S：饱和度;I：亮度）进行处理。以红外图像中的温度最高区域为目标，其反映在HSI颜色空间S分量上为一块黑色区域，与周围的颜色差别比较大，有利于后期基于梯度法的目标区域识别。由于HSI色彩空间和RGB色彩空间只是同一物理量的不同表示法，所以可以通过RGB空间分量获取HSI空间分量的值，其转换公式為

式中：H、S、I分别为HSI3种分量，根据公式（1）、（2）、（3）可以将红外图像的RGB颜色空间转换到HSI空间，转换后红外图像的最亮点在HSI空间分量中的S图中表现为黑色。

1.2图像噪声处理

针对红外图像高背景、低反差的特点和HSI空间颜色的特征，在对其进行噪声处理时，先保证图像尖锐的边缘，然后祛除背景噪声对目标提取的影响。为了避免一般的中值滤波可能因排序取中值而破坏结构和空间的领域信息，本文提出了改进型的中值滤波方法：

①假设输入图像矩阵为P，大小为m×n，在P中取出一个任意正方形矩阵（大小为I×I，），I∈[1，2，…，mIn（m，n）]，此处I不宜取得过大或者过小，I取小了滤除噪声效果不明显，过大虽然会更好地滤除噪声，但会使边界模糊。将大小为I×I的矩阵定义为C。

②取出C矩阵的第一行组成新的行向量e，将C内除e以外的其它行与行向量e组成一个新的行向量b，并求出b向量的中值f。

③将中值f赋给模板中心元素，未被赋值的元素则取原值。

1.3梯度法高温区域定位

梯度是一种行之有效的边缘检测方法。图像中不同区域灰度会发生变化，特别是边缘区域变化明显，这种变化可以通过灰度梯度表示。梯度的正负反映其边缘的走势，相当于方向。因上面得到的图像有可能背景有很多弱的干扰，其对图像目标识别没有影响，但是影响整个梯度图的美观，所以本文采用简单的直方图增强，对预处理后的图像进行简单的图像增强，即可得到背景简单的灰度图，从而有利于后期目标的提取。对处理后的灰度图求梯度，可获取图像灰度值显著变化的地方即目标的边缘。图像梯度可以把图像看成二维离散函数，梯度其实就是这个二维离散函数的求导，在标量场f中的一点处存在一个矢量G，该矢量方向为f在该点处变化率最大的方向，其模也等于这个最大变化率的数值，则矢量G称为标量场f的梯度。二维图像f（x，y）的梯度为

对于离散的图像信息，

利用上述的梯度法对红外图像中的高温区域进行有效定位，实现输电线路高温故障点的诊断。

2高温区域提取流程图

本文对红外图像处理的流程如下：①将红外图像从RGB颜色空间转变成HSI颜色空间;②对转换后的图像采用改进的中值滤波，去除噪声;③对滤波处理后的图像求梯度，并对不连续的梯度图进行简单的后期处理，即可得到温度最高区域的边缘。

3结果分析

从图2中可看出，待分解的目标区域边缘比背景干扰区域边缘处的颜色反差明显。通过本文提出的算法，对图像进行预处理去除噪声，再利用梯度法获取图像温度变化的边缘区域，其高温区域平面视角图见图3。

从图3中可见，梯度法可以提取目标区域边缘，即目标区域。上述实验可得，基于梯度法对处理后的红外输电线图像进行高温区域定位，可以直观地反映出目标边缘信息，有利于后期的目标提取。通过与原图对比可知，梯度图中提取出来的目标区域即为原图中温度最高的区域。本文对多个样本进行反复测试，验证了本方法用于输电线红外图高温区域识别的可行性。

4结语

本文以模拟输电线路的红外图像为对象，通过在HSI颜色空间中对红外图像分析，进行去噪等预处理，采用改进的中值滤波在空间域有效地降低了图像的高频噪声，同时有效提高了图像的边缘对比度，在此基础上基于梯度法获取红外图像温度最高区域的边缘信息，为高压输电线路的红外图像目标识别以及输电线路的红外故障诊断提供了条件和技术基础。

参考文献：

[1]张文峰，彭向阳，陈锐民，等.基于无人机红外视频的输电线路发热缺陷智能诊断技术[J].电网技术，2014.

[2]井金剑，翟春艳，李书臣，等.基于红外图像识别的电气设备故障诊断[J].电子设计工程，2014.

作者简介：

赵海龙（1987.08-），男，宁夏吴忠人，西北政法大学，法律专业，本科，工程师，技师，单位：国网宁夏电力有限公司吴忠供电公司，研究方向：输电线路运行维护及检修。

（作者单位：国网宁夏电力有限公司吴忠供电公司）