[发明专利]基于GLOH描述子和GVF-Snake模型的绝缘子覆冰检测方法

说明书

本发明公开了一种基于GLOH描述子和GVF‑Snake的绝缘子覆冰检测方法，包括：1对输入图像进行预处理；2提取感兴趣的目标区域，该区域内应包含绝缘子信息；3利用GLOH描述子来定位绝缘子；4利用GVF‑Snake模型来精确检测绝缘子轮廓；5对绝缘子轮廓进行分析，通过计算最大径向距离来确定绝缘子是否存在覆冰情况，并在覆冰情况下计算覆冰的厚度。本发明能够克服传统的方法难以完整地将绝缘子与复杂背景分离的缺陷，能够有效提高绝缘子覆冰情况判断的准确性。

技术领域

本发明涉及电力系统、模式识别及分类领域，尤其是特定目标的分类与检测。

背景技术

在电力系统中，绝缘子覆冰对于电网安全一直是一个很大的威胁。特别是在寒冷的冬天，绝缘子覆冰情况时常发生，而覆冰闪络是一种输电线路中时常发生较大的危害，对线路的绝缘性以及系统的安全运行有着很大的安全隐患，因而对绝缘子覆冰进行检测具有重要的意义。随着机器视觉技术和图像处理技术的发展，利用视觉和图像处理技术对绝缘子状态的进行检测，自动识别绝缘子覆冰情况，在保障电力系统的安全运行方面具有非常重要的作用。

近期，研究者们提出了许多识别检测绝缘子覆冰情况的算法。文献(“张成,盛戈皞,江秀臣等.基于图像处理技术的绝缘子覆冰自动识别[J],华东电力，2009,37(1):146-149.”)分析了绝缘子覆冰特征,利用图像处理技术对绝缘子覆冰的情况以及绝缘子图形特征量进行分析和识别，应用图像平滑处理和阈值变换等方法获取绝缘子轮廓图像，并计算了覆冰厚度等参数，但所使用的阈值变换方法难以完全排除背景因素的干扰，影响着绝缘子轮廓的提取；文献(“张烨，冯玲，穆靖宇等.输电线路绝缘子覆冰厚度图像识别算法[J],电力系统自动化，2016,40(21):195-202.”)通过模板匹配技术在图像中实现绝缘子的定位，然后通过图像预处理、图像分割、边缘提取等技术，提取出图像中覆冰前后绝缘子边缘，然后对比区域像素个数来判断有无覆冰，但在覆冰情况下绝缘子形状多变，所使用的模板匹配难以给出准确的模板，会降低绝缘子定位的精度；文献(“Lin Yang,Xiaolan Jiang,Yanpeng Hao etc.Recognition of natural ice types on in-service glassinsulators based on texture feature descriptor[J],IEEE Transactions onDielectrics and Electrical Insulation,2017,24(1):535-542.”)基于纹理特征描述算子建立玻璃绝缘子的冰类型识别方法，该方法利用一致局部二值模式和改进的一致局部二值模式用于提取六种类型覆冰图像的纹理特征，通过纹理直方图的相关系数计算来识别覆冰类型，但该方法只能够识别六种类型覆冰，并未实现绝缘子自动定位；文献(“王小朋，胡建林，孙才新等.应用图像边缘检测方法在线监测输电线路覆冰厚度研究[J].高压电器，2009，45(6):69-74.”)基于小波的图像边缘检测方法来提取轮廓进行覆冰厚度的测量，并在模拟人工气候实验室中进行了实验验证，但该方法通过安装在杆塔上的一台工业级摄像机采集图像，无法对任意输入图像进行覆冰判断，普适性较差；文献(“杨浩，无畏.基于三维重建的绝缘子覆冰图像监测[J].电力自动化设备，2013，33(2):92-98.”)通过图像的三维重建来进行绝缘子覆冰在线监测，利用计算机双目视觉技术，采用两台放置在不同位置的摄像机采集绝缘子图像，通过图像间的视差进行绝缘子的三维点云模型重建，从而计算得到覆冰的厚度，但该方法要求所安装的摄像机对准绝缘子，并且需要进行摄像机的标定。

现有图像监测法中，大多需要预先设定好绝缘子的位置，或者只是对在实验室这种理想环境下的绝缘子覆冰情况进行识别，在距离实际应用还存在着一定的差距。由于图像获取的复杂性，绝缘子与背景常常融为一体，传统的方法很难将其完整分离。

发明内容

本发明为克服传统的方法难以完整地将绝缘子与复杂背景分离的缺陷，提供一种基于GLOH描述子和GVF-Snake模型的绝缘子覆冰检测算法，以期能够准确自动定位绝缘子，从而能有效提高绝缘子覆冰情况判断的准确性。