[发明专利]一种基于图像处理的高铁接触网绝缘子异常检测方法

摘要

本发明公开了一种基于图像处理的高铁接触网绝缘子异常检测方法，以接触网高清灰度图像为研究对象，在利用深度学习技术实现对绝缘子区域的检测和分类的基础上，对截取的绝缘子图片进行处理和分析，判断绝缘子是否异常。所述的方法主要包括：对待处理的图像进行预处理；绝缘子边缘检测；通过检测绝缘子区域和边缘的形状特征判定故障。本发明能够有效的对接触网绝缘子进行故障检测，算法的计算量小，由于在图像预处理过程中针对实例中存在的干扰加入了相应的图像处理算法，从而保障了故障检测的准确率。漏检率在1％以下，故障检测准确率在97％以上，均符合实际工程需要。本发明尤其对负样本不足的基于图像处理的故障检测提供了一个可行的方案。

主权项

1.一种基于图像处理的高铁接触网绝缘子异常检测方法，其特征在于包括以下步骤：步骤(1)：通过接触网悬挂状态检测装置拍摄接触网区域，得到接触网支撑装置的图像，筛选出图像中有绝缘子的作为研究样本，并把这些图像制作成带有标签的数据；步骤(2)：根据各张图像制作绝缘子检测训练样本，再把这些样本放到深度卷积网络中训练得到绝缘子目标检测模型；步骤(3)：通过目标检测网络模型检测待处理的测试图像，得到绝缘子区域并截取该区域；步骤(4)：对截取的绝缘子区域进行滤波预处理；考虑到研究图像存在噪声的情况，首先对图像进行中值滤波，中值滤波就是基于排序统计理论的一种能有效抑制噪声的非线性信号处理方法；预先对绝缘子图像进行方向校正，并得到绝缘子的尺寸，具体的步骤如下：对绝缘子进行Otsu阈值分割，Otsu方法是使阈值被选择出来的可能性最大，把图像分割成目标和背景；分别计算二值图像在0°、45°、90°、135°方向上的投影宽度，再用二分法查找得到最小的投影宽度，并得到校正角度，其算法流程如下：1)设三个变量a，mid，b分别指向角度值的左端点，中间，右端点，在其角度方向上的投影宽度分别表示为f(a)，f(mid)，f(b)；2)计算二值图像在0°、45°、90°、135°方向上的投影宽度，选择其中投影宽度最小时的角度为mid，则(mid‑45°)、(mid+45°)分别为a、b，角度取值在0°～180°，若计算过程中不在此范围内，通过加减180°将角度值调整到该范围；3)判断|f(a)‑f(b)|<d和f((a+b)/2)>Max(f(a)、f(b))，d是小于10^‑3的常数值，若两式至少有一式成立，则停止流程，mid为校正角度；若两式均不成立，则继续运行；4)比较f(a)和f(b)的大小，若f(a)<f(b)，表明需在左半段查找校正角度，将b值更新为mid，若f(a)>f(b)，表明需在右半段查找校正角度，将a值更新为mid；返回上一步，直至流程结束；由于绝缘子的中间区域受光照影响比较大，采取基于主干区域灰度值的反光区域消除补偿的办法，消除光照对边缘提取的影响，具体的步骤如下：对绝缘子进行阈值分割，标记二值图像中的白色区域，并对白色区域在原图中的位置的像素点求灰度平均值X，再对原图中灰度值在区间(αX，1)的像素点进行平滑插补；步骤(5)：对经过预处理的区域其进行特征提取，包括绝缘子两侧区域的提取和边缘检测提取:定义一个表面的斜率和方向，数学上是通过梯度来实现的，式中I(x)表示原图像，J(x)表示局部梯度方向，指向亮度函数的极速上升的方向；考虑到求取图像的导数强调了高频率的部分而放大了噪声，在计算梯度之前将图像用一个低通滤波器进行平滑，选用高斯函数作为圆对称滤波器，平滑后的梯度图形写为：其中二维高斯函数的一般形式为：式中，参数σ反映了高斯函数的带宽；再将边界基元连成链状，以提取特征，具体的处理步骤为：1)对边缘检测得到的曲线进行8‑连接规范化处理，即使得线条中的任意像素点最多只能有两个线上的点与之相邻；2)消除分支点；3)若任意两曲线端点距离小于3个像素点，且端点处的斜率与端点连接线的斜率相近，则将此两条曲线为相连；为了提取完整的绝缘子两侧边缘，且避免边缘不规则纹理对边缘提取的影响，采用区域分割算法主要为以背景点为起点的区域生长算法，区域生长是根据事先定义的准则将像素或者子区域聚合成更大区域的过程，其基本思想是从一组生长点开始，生长点是单个像素，或者是某个小区域，将与该生长点性质相似的相邻像素或者区域与生长点合并，形成新的生长点，重复此过程直到不能生长为止，然后进行特征提取：需要提取的轮廓形状特征有：a)边界长度边界长度L是边界基本的属性，垂直和水平的步幅为单位长度，在8连通下的对角步幅的长度为b)边界曲率遍历一条平面曲线，假设A是曲线上点B领域内的一个点、δ是这两个点的正向切线所形成的交角，AB表示点A和点B的距离，AB定义连续的边界曲率k为：在二值图像中，利用曲线上某点A_i与其前驱点A_i‑bp和后继点A_i+bs的位置关系，近似为曲线上距离该点某一棋盘距离的两点，通过A_i‑bp,A_i,A_i+bs这三个点确定的前驱数字直线分割计算边界曲率，算法如下：1)计算l_p＝‖A_i‑bp,A_i‖,l_s＝‖A_i,A_i+bz‖,δ_p＝|Θ_p‑Θ|,δ_s＝|Θ_s‑Θ|其中l_p，l_s分别为点A_i与其前驱点和后继点的距离，Θ_p，Θ_s分别为前驱倾斜角和后继倾斜角，δ_p，δ_s分别为前驱偏转角和后继偏转角；x_i+bs，y_i+bs分别为后继点A_i+bs的横坐标和纵坐标，x_i‑bp，y_i‑bp分别为前驱点A_i‑bp的横坐标和纵坐标，x_i，y_i分别为点A_i的横坐标和纵坐标；2)在A_i点的边界曲率k(A_i)为各个像素点处于一个离散的空间中，切线的倾斜角近似为曲线上距离该点一定棋盘距离的两点的倾斜角；c)弯曲能量边界的弯曲能量BE是把一个横杆弯曲成所要求的形状所需要的能量，计算公式是边界曲率k(A_i)的平方和除以边界像素点个数N：需要提取的区域形状特征有：a)面积区域的面积指闭合区域内包含的像素个数；b)投影分别定义水平和垂直的区域投影g_h(i)和g_v(j)为I(i,j)为图像函数；c)离心率离心率e特征是区域最长弦Q和垂直于Q的最长弦P的长度比；d)中心矩区域的矩表示把一个归一化的灰度级图像函数当作为一个二维随机变量的概率密度，中心矩表示为其中p、q表示矩的阶，x_c，y_c是区域重心的坐标；步骤(6)：进行特征检测与匹配，完成目标的故障检测；故障可分为两个部分：1)两侧边缘异常检测，根据步骤(5)提取绝缘子两侧边缘区域图像特征面积、投影、离心率、中心矩，用支持向量机实现异常的识别；2)中间边缘异常检测，正常的绝缘子中间边缘是平滑的，即曲线上点的切线斜率应该是单调变化的，由于二值图像中曲线不是严格的曲线，而是一条8连接的像素点组成的，导致像素点上的切线的倾斜角变化是震荡的，为此将绝缘子中间边缘曲线上各个像素点切线的倾斜角绘制在直角坐标系上，并对该序列图像进行平滑处理，即：将曲线上除端点外每一像素点灰度值迭代为该点和与之相邻两点的平均灰度，迭代的次数为曲线的长度，观察平滑图像的单调性，作为边缘是否异常的判定依据，该算法的具体步骤如下：遍历一条平面曲线l，曲线的长度，即像素点个数为n，则曲线上的点用p₁,p₂…p_i…p_n来表示；对于曲线l上的任意一个点p_i，2<i<n‑1，该点的坐标为该点的切线的斜率定义为：点p_i的切线倾斜角表示为：将曲线上点切线的倾斜角绘制直角坐标系上，横坐标为点序列，纵坐标为点切线倾斜角，将的值进行m次平滑迭代处理：j为当前迭代次数，m＝INT(βn)，INT是取整函数，β取值范围是0～1的常数，表明迭代次数与像素点个数是正相关关系；将更新的倾斜角绘制直角坐标系上，若得到图像为非单调变化的曲线，表明边缘故障。