[发明专利]基于红外图像处理的导线散股检测方法

权利要求书

1.一种基于红外图像处理的导线散股检测方法，其特征在于，具体按照以下步骤实施：

步骤1，输入输电导线的红外图像，提取RGB三个通道，转换至CIE XYZ空间后变换转换到L通道；

步骤2，对步骤1得到的L通道的图像H进行高斯滤波和Laplace滤波得到结果图像，当Laplace滤波后得到的灰度值大于所设阈值，确定其为潜在直线像素，具体按照以下步骤实施：

步骤2.1，对步骤1中得到的L通道的图像H进行高斯滤波，具体过程如下：

创建一个3*3的高斯平均模板：

并将模板在图像H中游走，并将模板中心与图像H中的每个像素(x,y)重合，然后将图像中与模板中心对应的任意像素点(x,y)都由该像素点本身和其邻域内的其他像素点的像素值经过加权平均，遍历整个图像H后，得到的结果为滤波后的图像h，具体的计算公式如下：

其中，H是L通道提取的图像，即滤波处理前的图像，H(x,y)表示L通道提取的图像的(x,y)点处的像素值，h表示经过高斯滤波处理后的图像，h(x,y)表示经过高斯滤波处理后的图像中(x,y)处的像素值；

步骤2.2，对经过步骤2.1进行高斯滤波后的图像h进行Laplace滤波，并获取其中的潜在直线像素点，从而得到潜在直线区域，具体按照以下步骤实施：

步骤2.2.1，对步骤2.1中滤波后得到的图像h的函数h(x,y)求二阶偏导：

步骤2.2.2，构建Laplacian算子

步骤2.2.3，滤波后的图像g表示为，

即，经原图像h像素点的灰度值加上的结果作为该像素点的灰度值，其中，g为滤波后的图像；

步骤2.2.4，对Laplace滤波后的图像g中的每个像素点的灰度值进行判断，寻找潜在直线像素点，得到潜在直线图像P；

具体步骤为，设定阈值T₁，将图像g中的每个像素点的灰度值g(x,y)均与阈值T₁进行对比，若点(x,y)对应的灰度值g(x,y)小于T₁，则判定它为图像P的背景点，该点对应的灰度值P(x,y)＝0，图像表达式赋值0；若点(x,y)对应的灰度值g(x,y)大于T₁时，则判定这个像素是潜在直线像素；此时P(x,y)＝g(x,y)；

即，得到处理后的图像为潜在直线图像P的数学表达式为：

其中，阈值T₁为2h(x,y)；

步骤3，计算图像P的潜在直线像素的主曲率和主方向，具体按照以下步骤实施：

步骤3.1，先计算潜在直线图像P中每一个潜在直线像素点的Hessian矩阵的特征值和特征向量，P(x,y)为直线图像中的(x,y)处的像素值，具体的步骤为：

步骤3.1.1，计算图像P各位置像素值的二阶偏导：

步骤3.1.2，构建Hessian矩阵：

步骤3.1.3，得到特征值λ₁、λ₂和特征向量α₁、α₂，令

|A-λE|＝0 (3-3)

其中E为单位矩阵，λ为一常数，|A-λE|是矩阵(A-λE)的行列式；

得到特征值λ₁、λ₂，再分别把λ＝λ₁和λ＝λ₂代入Aα＝λα，计算出对应的特征向量α₁、α₂，计算公式如下：

α_k＝(A-λ_kE)^-1 (3-4)

其中，k为常数，k＝1或k＝2，(A-λ_kE)^-1是矩阵A-λ_kE的逆矩阵；

步骤3.2，对比计算出的两个特征值λ₁、λ₂，选择其中较小的一个作为直线的曲率，该直线曲率对应的特征向量的方向作为这个像素的主方向β_xy；

步骤4，直线提取，将步骤3中得到的特征向量的主方向矢量归一化，创建矩阵U，当归一化的图像P的灰度值不为0时，在矩阵U对应位置的值为1；遍历矩阵U，当两个像素点间的点乘大于设定阈值时，提取提起后一个点作为直线上的点，具体按照以下步骤实施：

步骤4.1，遍历图像P中所有点，将像素点对应位置的主方向矢量归一化，即，

其中为主方向矢量的模，为矢量的单位向量；

使用矩阵U来记录潜在直线像素，矩阵对应(x,y)的位置取值为1，否则为0，即

步骤4.2，从矩阵U中第一个非空像素点开始提取，

如果一个像素点满足下列条件视为起始点：

a)该像素点的前向像素点的归一化主方向和该像素点归一化主方向相同；

b)该像素点的主曲率比其相邻像素的主曲率大；

如果后继点的方向矢量和起始点的方向矢量的点乘大于一个给定阈值T₂，即：

其中是起点的方向矢量，是后继点的方向矢量，是和之间的夹角；

当越接近于1，两像素点间的方向差越小，它们的主方向越接近；

当认为后继点和起始点在在同一直线上，T₂＝0.96；

步骤4.3，第一个后继点和起始点的方向差小于其他后继点与起始点的方向差；为了保证起始点的方向的准确性，从第三个像素开始，除了该像素与前一像素的方向差，还需要考虑该像素与起始点像素的方向差，只有两个方向差都满足要求时，才接受这个像素在直线上，且要求满足相邻点条件的两个点之间的距离不超过20个像素点；

即第i个非空像素点的判定如下，其中i2：

其中，是第i个非空像素点与前一个非空像素的点乘，是第i个非空像素点与起点像素的点乘，T₃是用于判断非空像素点与起始像素点之间平行关系的阈值，取0.90；

再创建一个与图像同维数的矩阵U'，满足阈值条件的点保留原值，不满足条件的令矩阵中对应为的值为0，更新矩阵，即，

步骤4.4，将矩阵U遍历过的像素点设置为0，以避免后续重复遍历；如果后续的像素点方向与该直线开始点的方向差不超过T₃或后继像素点不属于潜在直线像素，需要先对该像素点的左右像素点进行判断，然后选取左右像素点中主方向和起始点的主方向差值较近的点作为新的起始点；

步骤4.5，从图像P中提取出矩阵U'中满足直线方向角条件的像素点，得到提取后的直线图像ω；

步骤5，对步骤4中提取的直线图像ω进行形态学处理，选用矩形结构元素，先进行膨胀处理，然后再对膨胀后的图像进行腐蚀处理，膨胀时选用的矩形结构元素的两边长都设为c个像素，腐蚀时选用的矩形结构元素的两边长都设为d个像素，达到检测到的导线断裂部分被连接起来的效果以为拍摄距离和导线类型的选择，选择的结构元素的像素点不同；具体按照以下步骤实施：

步骤5.1，选用矩形结构元素b₁(x,y)作为膨胀的结构元素,边长为c个像素，ω(x,y)为步骤4.5得到的图像，膨胀后得到图像J：

步骤5.2，选用矩形结构元素c₁(x,y)作为腐蚀的结构元素,边长为d个像素，对膨胀后得到的图像J(x,y)进行腐蚀处理，腐蚀后得到的导线区域图像为I：

I＝(J⊙b)(s，t)＝max{J(s-t，t-y)+c₁(x，y)|(s-t，t-y)∈D_J，(x，y)∈D_c} (5-2)；

步骤6，将导线区域中的像素点灰度值转换为温度值，得到导线区域每个像素点对应的温度值，具体按照以下步骤实施：

步骤6.1，将提取完成的导线图像中的导线区域图像I从红外图像转换成的灰度图gray中截取出来，根据灰度值与温度之间的关系，将导线区域中的像素点灰度值转换为温度值，得到导线区域每个像素点对应的温度值；

对其进行长度选择，仅返回长度满足ρ₁≥T₄的线条，其中ρ₁为检测到的直线的长度，T₄＝40，去除干扰的影响；

步骤6.2，由以下公式得到原红外图像对应的像素灰度值，实现图像灰度化，灰度化图像：

gray(x,y)＝0.299×R+0.587×G+0.114×B (6-1)

gray代表从红外图像转换成的灰度图像；

从灰度图中截取出导线区域I对应的灰度区域的导线区域P₁，即

I是经过提取完成并经过形态学处理后的最终直线区域；

步骤6.3，将导线区域中的像素点的灰度值转换为温度值，具体步骤如下：

步骤6.3.1，红外热像仪的测温原理以普朗克定律为理论依据，它拍摄到的图像实际就是物体表面温度场的分布，因此灰度图像的灰度值就与实际温度值成正比关系，即灰度值越高，温度越高，灰度值与温度值存在一一对应的关系；

遍历P₁(x,y)的所有像素点，将每个点的灰度值带入灰度值与温度值的转换模型，其主要借助于热值这个中间参量，灰度值与热值满足以下关系式：

式中：q为红外图像的热值；P₁(x,y)为图像P₁在(x,y)处的灰度值；r为热像仪的热范围；l为热像仪的热平；

步骤6.3.2，利用红外图像的热值与绝对温度的关系，就可以计算出图像导线各像素点的温度，具体的计算关系式如下：

式中：q₀(x,y)为(x,y)处实际的热值；τ为透射率；ξ为物体发射率；t(x,y)为图像中像素点(x,y)处对应的导线温度；a、e为热像仪标定曲线常数，对于短波系统，其频率为3～30MHz，c₂＝1；

经过灰度值与温度的关系，得到灰度图像中的温度信息，将上述步骤中计算得到的t(x,y)计入矩阵中，得到导线温度值矩阵F；

步骤7，建立导线交流电阻温升模型，具体按照以下步骤实施：

由于交流电阻与运行温度和电流有关，在此处就将交流电阻视作导线温度t和电流W的二元多项式函数，即，

式中：α为拍摄时的环境温度，为20°；a_ij为各项系数，m为温度t的阶数、n为电流W的阶数，m+n的值不超过二元多项式的项数加1，综合各项条件，此处选用二元三阶多项式，即m+n≤4，i、j分别为1到m和1到n的任意值；模型表达式表示为：

有p组实验数据，设第k组实验温度t_ψ、电流W_ψ及对应的电阻值为R_acψ,ψ表示1到n之间的某个数，则有：

N＝Mγ (7-3)

N＝[R_ac1 R_ac2 … R_acψ … R_acp]^T (7-4)

γ＝[a₁₁ a₂₁ a₁₂ a₂₂ a₃₁ a₁₃ a₃₂ a₂₃ a₄₁ a₁₄]^T (7-5)

设是γ的最小二乘估计，则有：

向量是多元函数的最小值点，用数学分析求解则有，

需要满足：

从方程(7-8)中求得10个模型参数a₁₁、a₁₂、a₁₃、a₁₄、a₂₁、a₂₂、a₂₃、a₃₁、a₃₂和a₄₁，

求出模型参数后，温度与阻值的转换模型建立完毕，即，

步骤8，计算出完好导线的交流电阻均值R_ac，具体按照以下步骤实施：

采集一个完好的导线的图像数据，对其通过步骤1～6进行处理，得到导线温度值矩阵F后，利用步骤7中得到的模型进行计算，即通过公式(7-9)计算得到完好导线的交流电阻均值R_ac；

步骤9，对待检测图片进行步骤1～6的处理后，计算待测对应的交流电阻R_t，并判定是否出现散股，具体按照以下步骤实施：对待检测的导线拍摄的图像通过步骤1～步骤6的处理，得到温度图像后，将步骤6得到的温度值矩阵F中的每个素点对应的导线温度值t(x,y)均代入模型(7-9)中，计算待测对应的交流电阻R_t，然后与完好导线运行得到的交流电阻均值R_ac进行比较，即：

当Δ＞10％时，判定为散股，将出现散股的坐标点在灰度图中标注出来；

将整个F矩阵中的所有温度值均进行一次计算，即遍历温度矩阵的每一个点对应的温度值，代入公式(7-9)中计算得到点的交流电阻，找出所有的出现散股的点，进行标记，帮助后续的维修人员找到散股点进行维护。

2.根据权利要求1所述的基于红外图像处理的导线散股检测方法，其特征在于，所述的步骤1具体按照以下步骤实施：

步骤1.1，输入输电导线的红外图像，提取图像RGB三个通道数据，

步骤1.2，进行颜色空间转换，即，将红外图像分解到RGB三个通道后，再利用公式(1-1)将图像转换至CIE XYZ空间中，

其中，R、G、B代表红外图像中每个像素点中的红、绿、蓝分量的值；XYZ表示CIE XYZ空间中的三色刺激值，

其中，Y是颜色的明度或亮度，其转换公式具体为：

Y＝0.212671R+0.715160G+0.072169B (1-2)

在图像中存在两种特殊点，分别为：黑点(Rb,Gb,Bb)＝(0,0,0)，白点W'＝(R_w,G_w,B_w)＝(255,255,255)；这两种点转换的具体公式为：

Y_w＝0.212671R_w+0.715160G_w+0.072169B_w (1-3)

X_w、Y_w、Z_w分别是CIE XYZ空间白点的三色刺激值，代表基准白色，是R_w、G_w、B_w三个通道的转换结果；

而黑点(Rb,Gb,Bb)＝(0,0,0)转化后，其对应的Y值的结果仍然为0；

步骤1.3，将步骤1.2中得到的该图像的CIE XYZ空间的结果进行转换，转换至LUV颜色空间的L通道，即得到拉伸后的图像；具体按照公式(1-4)进行

其中，