CN103063166A - 悬式复合绝缘子串风偏角的检测方法及装置 - Google Patents

Abstract

本发明公开了一种悬式复合绝缘子串风偏角的检测方法及装置。本发明通过对悬式复合绝缘子串的图像进行分析跟踪，得出风偏角，解决了现有悬式复合绝缘子串风偏角计算准确度低、易受外界环境参数影响的问题。同时，该技术原理简单、直观易行、检测可靠，从特征匹配上测量绝缘子串风偏角做了有益的尝试，为输电线路的安全稳定运行提供了一种新的检测技术。

Description

悬式复合绝缘子串风偏角的检测方法及装置

技术领域

本发明涉及电力传输领域，尤其涉及一种悬式复合绝缘子串风偏角的检测方法及装置。

背景技术

一年四季，绝缘子串都暴露于空气之中，直接受到强风、覆冰、骤冷骤热等天气变化，还受到强机械力、强电磁场等恶劣环境条件的影响，一旦有大风天气轻则造成导线电弧烧伤、相间闪络、金属夹具损坏，重则造成线路风偏跳闸停电、拉倒杆塔、断股、断线等严重事故，给***的安全稳定运行带来严重影响。尽管风偏跳闸的发生频率不是很高,但与雷击、操作冲击跳闸相比,大多数风偏跳闸都发生在工作电压下，重合闸率低（25%左右）,这将造成大面积停电事故，严重影响供电稳定性和可靠性，给电网的运行造成了较大的危害，同时也造成了重大的经济损失。发生风偏跳闸时，常常伴有大风和雷雨天气，很难及时判断和查找故障点，给线路的检修带来一定难度。因此，对输电线路风偏的监测显得尤为重要。

目前，对绝缘子串风偏角的检测一般采用两种方法，一种是通过在悬式复合绝缘子串上安装倾角传感器来进行测量，该方法在安装传感器时只能将传感器安装在绝缘子串上部不带电部位，当只是最下端的绝缘子偏移量很大时，而此时绝缘子串并没有接近杆塔（及并没有发生风偏放电），就会造成误报，难以准确预警；另一种是通过测量绝缘子串附近的风速、风向、温度、湿度等参数，利用风偏角计算公式计算风偏角，该方法受传感器精度及所选数学模型的制约，且数学模型不能够完全将各种影响风偏的参数都考虑详尽，存在一定误差。

发明内容

针对上述现有技术，本发明的目的在于提供一种悬式复合绝缘子串风偏角的检测技术，从而准确地确定风偏角，解决现有悬式复合绝缘子串风偏角计算准确度低、易受外界环境参数影响的问题。

根据本发明的一个方面，提供一种悬式复合绝缘子串风偏角的检测方法，所述方法包括以下步骤：

滤波步骤，对所采集的绝缘子串的彩色图像进行自适应中值滤波处理，以滤除噪声；

灰度化步骤，对所述滤波步骤处理后的彩色图像进行灰度化，以将彩色图像转化为灰度图像；

帧间差分步骤，对灰度图像中连续的三帧图像进行帧间差分并进行二值化处理，以提取绝缘子串的边缘特征；以及

边缘特征匹配步骤，根据绝缘子串的边缘特征的模型，通过不变性广义霍夫变换来匹配上述绝缘子串的边缘特征，以确定绝缘子串的两端端点的坐标，进而计算出绝缘子串的风偏角大小。

优选地，在所述滤波步骤中，使用能够根据被滤波区域的图像特性改变窗口尺寸的自适应中值滤波器来对所采集的绝缘子串的彩色图像进行滤波处理。

优选地，在所述灰度化步骤中，根据公式(1)将RGB图像的每个像素按下式转化，从而形成灰度图像：

Y=0.299*R+0.587*G+0.114*B  (1)

其中，Y为亮度，即灰度图像中像素点的灰度值，R、G、B分别为彩色图像中像素点的红色、绿色和蓝色分量。

优选地，在所述帧间差分步骤中，首先采用帧间差分法来提取绝缘子串的边缘特征相关信息，采用连续的三帧图像作为一组，进行对称差分，具体方式为：

选取连续的三帧图像f_k-1(x,y)、f_k(x,y)、f_k+1(x,y)，其中f_k(x,y)表示第k帧图像，令D_k(x,y)表示第k-1、k、k+1三帧图像的差分结果，如以下公式（2）：

D_k(x,y)=f_k-1(x,y)-f_k(x,y)+f_k+1(x,y)-f_k(x,y)

即D_k(x,y)＝f_k-1(x,y)+f_k+1(x,y)-2f_k(x,y)  (2)

优选地，在所述帧间差分步骤中，进一步采用图像分割中的最大类间方差法来自适应获取分割阈值，从而对帧间差分后的图像进行二值化，该最大类间方差法自动计算出最佳分割阈值，图像灰度值大于该最佳分割阈值的像素点为白色，否则为黑色，则将图像转换为二值图像，得到绝缘子串的边缘特征。

优选地，在所述边缘特征匹配步骤中，通过不变性广义霍夫变换法来实现对绝缘子串的边缘特征的匹配，该方法具体包括如下步骤：

步骤1：构建绝缘子串的模型的不变性R-表，进一步包括：

步骤11：确定边缘点ω_i的索引角β及ω_j

假设点ω_i和一个固定的特征角α，那么可以决定点ω_j，进而确定ω_i处的切线与连接点ω_ij切线之间的角度β，其中α为π/4；

步骤12：选择边缘点ω_i的特征值

为了定位中心点b=(x₀,y₀)，计算ω_i到中心点b的距离d，并定义角度k为点ω_i的角度φ_i与边缘点ω_i与b点构成直线的斜率φ_i之间的差值，即k=φ′_i-φ″_i，它是独立于旋转的，其中φ″_i表示为公式（3）代表的直线的斜率：

y₀＝φ″_i(x₀-ω_xi)+ω_yi  (3)；

步骤13：存储特征值

重复步骤11和步骤12逐个确定每个边缘点ω_i的特征值（β,k,d）并存储，从而构建出绝缘子串的模型的不变性R-表；以及

步骤2：投票阶段

对于在所述帧间差分步骤中处理后的图像中的每一个边缘点ω_i′，按照给定的特征角α＝π/4得到对应的边缘角ω_j′，进而计算出对应的索引角β′，然后依照该索引角在不变性R-表中索引出对应的特征值k、d,然后根据这些特征值的定义根据上述公式（3）定义的直线收集证据，计算出边缘点ω_i′在二维累计空间中的投票点，这样循环下去直至所有的边缘点都完成投票，最后在投票完的霍夫空间中找出那些投票数超过阈值的局部极值点，局部极值点的个数和位置代表图像中存在着目标匹配的个数及位置，

由于在要检测的绝缘子串图像中有两个匹配点，确定了两个匹配点(x₁,y₁)、(x₂,y₂)的坐标后，即绝缘子串两端的像素位置坐标，根据下面公式（4）计算出绝缘子串的风偏角：

$\mathrm{\θ}=\arctan \left(\frac{(x_1-x_2)}{(y_1-y_2)}\right)---\left(4\right)$

其中，d为绝缘子串的偏移量。

根据本发明的另一个方面，还提供一种悬式复合绝缘子串风偏角的检测装置，其特征在于，所述装置包括以下模块：

滤波模块，用于对所采集的绝缘子串的彩色图像进行自适应中值滤波处理，以滤除噪声；

灰度化模块，用于对所述滤波步骤处理后的彩色图像进行灰度化，以将彩色图像转化为灰度图像；

帧间差分模块，用于对灰度图像中连续的三帧图像进行帧间差分并进行二值化处理，以提取绝缘子串的边缘特征；以及

边缘特征匹配模块，用于根据绝缘子串的边缘特征的模型，通过不变性广义霍夫变换来匹配上述绝缘子串的边缘特征，以确定绝缘子串的两端端点的坐标，进而计算出绝缘子串的风偏角大小。

优选地，所述灰度化模块具体根据公式(1)将RGB图像的每个像素按下式转化，从而形成灰度图像：

Y=0.299*R+0.587*G+0.114*B  (1)

其中，Y为亮度，即灰度图像中像素点的灰度值，R、G、B分别为彩色图像中像素点的红色、绿色和蓝色分量。

优选地，所述帧间差分模块首先采用帧间差分法来提取绝缘子串的边缘特征相关信息，采用连续的三帧图像作为一组，进行对称差分，具体方式为：

选取连续的三帧图像f_k-1(x,y)、f_k(x,y)、f_k+1(x,y)，其中f_k(x,y)表示第k帧图像，令D_k(x,y)表示第k1、k、k+1三帧图像的差分结果，如以下公式（2）：

D_k(x,y)=f_k-1(x,y)-f_k(x,y)+f_k+1(x,y)-f_k(x,y)

即D_k(x,y)＝f_k-1(x,y)+f_k+1(x,y)-2f_k(x,y)  (2)

之后，所述帧间差分模块进一步采用图像分割中的最大类间方差法来自适应获取分割阈值，从而对帧间差分后的图像进行二值化，该最大类间方差法自动计算出最佳分割阈值，图像灰度值大于该最佳分割阈值的像素点为白色，否则为黑色，则将图像转换为二值图像，得到绝缘子串的边缘特征。

优选地，所述边缘特征匹配模块通过不变性广义霍夫变换法来实现对绝缘子串的边缘特征的匹配，具体以如下方式进行：

首先所述边缘特征匹配模块构建绝缘子串的模型的不变性R-表：

第一操作：确定边缘点ω_i的索引角β及ω_j

假设点ω_i和一个固定的特征角α，那么可以决定点ω_ij，进而确定ω_i处的切线与连接点ω_ij切线之间的角度β，其中α为π/4；

第二操作：选择边缘点ω_i的特征值

为了定位中心点b=(x₀,y₀)，计算ω_i到中心点b的距离d，并定义角度k为点ω_i的角度φ′_i与边缘点ω_i与b点构成直线的斜率φ_i之间的差值，即k=φ_i′-φ_i″，它是独立于旋转的，其中φ″_i表示为公式（3）代表的直线的斜率：

y₀＝φ″_i(x₀-ω_xi)+ω_yi  (3)；

第三操作：存储特征值

重复第一操作和第二操作逐个确定每个边缘点ω_i的特征值（β,k,d）并存储，从而构建出绝缘子串的模型的不变性R-表；以及

然后，所述边缘特征匹配模块执行投票阶段：

对于在所述帧间差分步骤中处理后的图像中的每一个边缘点ω_i′，按照给定的特征角α＝π/4得到对应的边缘角ω_j′，进而计算出对应的索引角β′，然后依照该索引角在不变性R-表中索引出对应的特征值k、d,然后根据这些特征值的定义根据上述公式（3）定义的直线收集证据，计算出边缘点ω_i′在二维累计空间中的投票点，这样循环下去直至所有的边缘点都完成投票，最后在投票完的霍夫空间中找出那些投票数超过阈值的局部极值点，局部极值点的个数和位置代表图像中存在着目标匹配的个数及位置，

由于在要检测的绝缘子串图像中有两个匹配点，所述边缘特征匹配模块确定了两个匹配点(x₁,y₁)、(x₂,y₂)的坐标后，即绝缘子串两端的像素位置坐标，根据下面公式（4）计算出绝缘子串的风偏角：

$\mathrm{\θ}=\arctan \left(\frac{(x_1-x_2)}{(y_1-y_2)}\right)---\left(4\right)$

其中，d为绝缘子串的偏移量。

根据上述技术方案，本发明通过对悬式复合绝缘子串的图像进行分析跟踪，得出风偏角，解决了现有悬式复合绝缘子串风偏角计算准确度低、易受外界环境参数影响的问题。同时，该技术原理简单、直观易行、检测可靠，从特征匹配上测量绝缘子串风偏角做了有益的尝试，为输电线路的安全稳定运行提供了一种新的检测技术。

附图说明

图1是本发明中悬式复合绝缘子串风偏角的检测方法的步骤流程图；

图2是本发明中不变性广义霍夫变换的位移矢量图；

图3是本发明中不变性广义霍夫变换的角度定义图；

图4是本发明中绝缘子串的局部特征示意图；

图5是本发明中风偏角计算几何分析示意图；

图6是本发明一个具体实施方式中的原始图像；

图7是本发明一个具体实施方式中的自适应中值滤波器处理结果图像；

图8是本发明一个具体实施方式中的图像灰度化结果图图像；

图9是本发明一个具体实施方式中的帧间差分法结果图像；

图10是本发明一个具体实施方式中的定位结果图像；

图11是本发明中悬式复合绝缘子串风偏角的检测装置的结构图。

具体实施方式

在运用本发明中的检测技术之前，首先要进行悬式复合绝缘子串的视频图像的采集。具体地，通过杆塔上的数据采集模块实时采集绝缘子串的数字视频图像，数据处理模块将采集到的该视频图像数据进行压缩打包，从而大大减少了数据量，数据传输模块将压缩打包好的数据通过无线通信网络，例如3G网络传送到Internet网络，然后后台控制***通过Internet网络接收传送回来的视频数据，并对该视频数据执行下面介绍的本发明中的悬式复合绝缘子串风偏角的检测方法，从而计算出绝缘子串的风偏角大小。

图1是本发明中悬式复合绝缘子串风偏角的检测方法的步骤流程图。如图1所示，本发明中的基于边缘特征匹配的悬式复合绝缘子串风偏角检测方法包括以下步骤：

滤波步骤，对所采集的绝缘子串的彩色图像进行自适应中值滤波处理，以滤除噪声；

灰度化步骤，对滤波步骤处理后的彩色图像进行灰度化，以将彩色图像转化为灰度图像；

帧间差分步骤，对灰度图像中连续的三帧图像进行帧间差分并进行二值化处理，以提取绝缘子串的边缘特征；以及

边缘特征匹配步骤，根据绝缘子串的边缘特征的模型，通过不变性广义霍夫变换来匹配上述绝缘子串的边缘特征，以确定绝缘子串的两端端点的坐标，进而计算出绝缘子串的风偏角大小。

下面就结合附图来详细介绍本发明中悬式复合绝缘子串风偏角的检测方法的各步骤：

1、滤波步骤

滤波步骤用于对所采集的绝缘子串的彩色图像进行自适应中值滤波处理，以滤除噪声。

由于在不同的气候、天气条件下，再加上不同时间段采集绝缘子串的图像，使得在后续步骤中提取绝缘子串的边缘特征时可能会产生伪边缘，而降低边缘的检测精度。考虑到图像特性在不同位置之间的差异的图像，本发明使用能够根据被滤波区域的图像特性改变窗口尺寸的自适应中值滤波器来对图像进行滤波。由于自适应中值滤波器的功能和工作方式均属于本领域现有技术，因而在此不做过多的描述。

2、灰度化步骤

灰度化步骤用于对滤波步骤处理后的彩色图像进行灰度化，以将彩色图像转化为灰度图像。

杆塔所采集到的绝缘子串图像是彩色图像，如果直接对彩色图像进行处理则需要分别对R、G、B各分量进行处理，这会大大增加处理图像的复杂度和时间。因此在本步骤中，根据公式(1)将RGB图像的每个像素按下式转化，从而形成灰度图像：

Y=0.299*R+0.587*G+0.114*B  (1)

其中，Y为亮度，即灰度图像中像素点的灰度值，R、G、B分别为彩色图像中像素点的红色、绿色和蓝色分量。

3、帧间差分步骤

帧间差分步骤用于对灰度图像中连续的三帧图像进行帧间差分并进行二值化处理，以提取绝缘子串的边缘特征。

本发明采用帧间差分法来提取绝缘子串的边缘特征相关信息，帧间差分法是一种速度快、计算量小、容易实现的算法，能有效的适应光照等外界条件变化。本发明采用帧间差分法的主要思想是采用视频帧中相邻的三帧图像作为一组，进行对称差分，该方法比传统的帧差法检测出的运动目标边缘特征信息更完整。具体方法描述如下：

选取连续的三帧图像f_k-1(x,y)、f_k(x,y)、f_k+1(x,y)，其中f_k(x,y)表示第k帧图像，令D_k(x,y)表示第k-1、k、k+1三帧图像的差分结果，如以下公式（2）：

D_k(x,y)=f_k-1(x,y)-f_k(x,y)+f_k+1(x,y)-f_k(x,y)

即D_k(x,y)＝f_k-1(x,y)+f_k+1(x,y)-2f_k(x,y)  (2)

在帧间差分步骤中进一步采用图像分割中的最大类间方差法（即大津法，OTSU算法）来自适应获取分割阈值，从而对帧间差分后的图像进行二值化。该算法可以自动计算出最佳分割阈值，图像灰度值大于该最佳分割阈值的像素点为白色，否则为黑色，则将图像转换为二值图像，得到绝缘子串的边缘特征。由于最大类间方差法的具体内容属于本领域现有技术，因而在此不做过多的描述。

4、边缘特征匹配步骤

边缘特征匹配步骤用于根据绝缘子串的边缘特征的模型，通过不变性广义霍夫变换来匹配上述绝缘子串的边缘特征，以确定绝缘子串的两端端点的坐标，进而计算出绝缘子串的风偏角大小。

本发明对绝缘子串的边缘特征的匹配通过不变性广义霍夫变换来实现的，该方法比一般的广义霍夫变换复杂度低且具有平移、尺度、旋转不变性，尤其在特征旋转变化时，利用不变性广义霍夫变换定位图像有显著的优势。该方法的实现方式如下：

（1）构建绝缘子串的模型的不变性R-表

①确定边缘点ω_i的索引角β及ω_j

假设点ω_i和一个固定的特征角α，那么可以决定点ω_j，进而确定ω_i处的切线与连接点ω_j切线之间的角度β。这里α取π/4，如图2所示。

②选择边缘点ω_i的特征值

为了定位中心点b=(x₀,y₀)，计算ω_i到中心点b的距离d，并定义角度k为点ω_i的角度φ′_i与边缘点ω_i与b点构成直线的斜率φ″_i之间的差值。即k=φi′-φi″，它是独立于旋转的，其中φi″表示为公式（3）代表的直线的斜率，如图3所示。

y₀＝φ″_i(x₀-ω_xi)+ω_yi  (3)

③存储特征值

重复步骤①和步骤②逐个确定每个边缘点ω_i的特征值（β,k,d）并存储，构建绝缘子串的模型的不变性R-表。

由于在发生风偏时，绝缘子串会发生弯曲变形，因图4的几何特征非常独特，可以通过图4所示的特征信息代替绝缘子串，且能够大大减少计算量。因此在本发明的一个具体实施方式中可以建立图4所示绝缘子串局部特征的不变性R-表来匹配绝缘子串的边缘特征，其中(x,y)为要定位的坐标点。

（2）投票阶段

对于处理后的图像中的每一个边缘点ω′_i，按照给定的特征角α＝π/4得到对应的边缘角ω′_j，进而计算出对应的索引角β′；然后依照该索引角在不变性R-表中索引出对应的特征值k、d,然后根据这些特征值的定义根据公式（3）定义的直线收集证据，计算出边缘点ω′_i在二维累计空间中的投票点，这样循环下去直至所有的边缘点都完成投票。最后在投票完的霍夫空间中找出那些投票数超过阈值的局部极值点，局部极值点的个数和位置代表图像中存在着目标匹配的个数及位置。

在要检测的绝缘子串图像中有两个匹配点，确定了两个匹配点(x₁,y₁)、(x₂,y₂)的坐标后，根据下面公式（4）计算出绝缘子串的风偏角，如图5所示。

如图5所示，绝缘子串两端的像素位置坐标分别为(x₁,y₁)、(x₂,y₂)，d为绝缘子串的偏移量，则绝缘子串的风偏角计算公式为公式（4）：

$\mathrm{\θ}=\arctan \left(\frac{(x_1-x_2)}{(y_1-y_2)}\right)---\left(4\right).$

同时，如图11所示，本发明还提供了一种悬式复合绝缘子串风偏角的检测装置，所述装置包括以下模块：

滤波模块，用于对所采集的绝缘子串的彩色图像进行自适应中值滤波处理，以滤除噪声；

灰度化模块，用于对所述滤波步骤处理后的彩色图像进行灰度化，以将彩色图像转化为灰度图像；

帧间差分模块，用于对灰度图像中连续的三帧图像进行帧间差分并进行二值化处理，以提取绝缘子串的边缘特征；以及

边缘特征匹配模块，用于根据绝缘子串的边缘特征的模型，通过不变性广义霍夫变换来匹配上述绝缘子串的边缘特征，以确定绝缘子串的两端端点的坐标，进而计算出绝缘子串的风偏角大小。

可见，悬式复合绝缘子串风偏角的检测装置的上述模块分别用于实现本发明中悬式复合绝缘子串风偏角的检测方法中的滤波步骤、灰度化步骤、帧间差分步骤和边缘特征匹配步骤的操作功能，该悬式复合绝缘子串风偏角的检测装置可由前述的后台控制***实现。

实施例

在一个具体实施方式中，利用本发明中悬式复合绝缘子串风偏角的检测方法对杆塔实时采集回来的FXBW4-110/70型号悬式复合绝缘子串的视频图像进行处理，下面图6-10显示了对其中一帧图像的处理结果，图6、图7、图8、图9、图10分别是原始图像、滤波步骤处理后的结果图像、灰度化步骤处理后的结果图像、帧间差分步骤处理后的结果图像和边缘特征匹配步骤处理后的结果图像。根据上述悬式复合绝缘子串风偏角的检测方法，从图像中计算出的风偏角为5.80°，而实际测量结果为5.74°，相对误差仅为1%。从以上处理结果可以看出，本发明中的悬式复合绝缘子串风偏角的检测方法可以精确的匹配绝缘子串的边缘特征，精确地确定风偏角，且具有良好的鲁棒性。

根据上述具体实施方式的介绍可见，本发明通过对悬式复合绝缘子串的图像进行分析跟踪，得出风偏角，解决了现有悬式复合绝缘子串风偏角计算准确度低、易受外界环境参数影响的问题。同时，该技术原理简单、直观易行、检测可靠，从特征匹配上测量绝缘子串风偏角做了有益的尝试，为输电线路的安全稳定运行提供了一种新的检测技术。

Claims (10)

1.一种悬式复合绝缘子串风偏角的检测方法，其特征在于，所述方法包括以下步骤：

滤波步骤，对所采集的绝缘子串的彩色图像进行自适应中值滤波处理，以滤除噪声；

灰度化步骤，对所述滤波步骤处理后的彩色图像进行灰度化，以将彩色图像转化为灰度图像；

帧间差分步骤，对灰度图像中连续的三帧图像进行帧间差分并进行二值化处理，以提取绝缘子串的边缘特征；以及

边缘特征匹配步骤，根据绝缘子串的边缘特征的模型，通过不变性广义霍夫变换来匹配上述绝缘子串的边缘特征，以确定绝缘子串的两端端点的坐标，进而计算出绝缘子串的风偏角大小。

2.根据权利要求1所述的方法，其特征在于，在所述滤波步骤中，使用能够根据被滤波区域的图像特性改变窗口尺寸的自适应中值滤波器来对所采集的绝缘子串的彩色图像进行滤波处理。

3.根据权利要求1所述的方法，其特征在于，在所述灰度化步骤中，根据公式(1)将RGB图像的每个像素按下式转化，从而形成灰度图像：

Y=0.299*R+0.587*G+0.114*B  (1)

其中，Y为亮度，即灰度图像中像素点的灰度值，R、G、B分别为彩色图像中像素点的红色、绿色和蓝色分量。

4.根据权利要求1所述的方法，其特征在于，在所述帧间差分步骤中，首先采用帧间差分法来提取绝缘子串的边缘特征相关信息，采用连续的三帧图像作为一组，进行对称差分，具体方式为：

选取连续的三帧图像f_k-1(x,y)、f_k(x,y)、f_k+1(x,y)，其中f_k(x,y)表示第k帧图像，令D_k(x,y)表示第k1、k、k+1三帧图像的差分结果，如以下公式（2）：

D_k(x,y)=f_k-1(x,y)-f_k(x,y)+f_k+1(x,y)-f_k(x,y)

即D_k(x,y)＝f_k-1(x,y)+f_k+1(x,y)-2f_k(x,y)  (2)。

5.根据权利要求4所述的方法，其特征在于，在所述帧间差分步骤中，进一步采用图像分割中的最大类间方差法来自适应获取分割阈值，从而对帧间差分后的图像进行二值化，该最大类间方差法自动计算出最佳分割阈值，图像灰度值大于该最佳分割阈值的像素点为白色，否则为黑色，则将图像转换为二值图像，得到绝缘子串的边缘特征。

6.根据权利要求1所述的方法，其特征在于，在所述边缘特征匹配步骤中，通过不变性广义霍夫变换法来实现对绝缘子串的边缘特征的匹配，该方法具体包括如下步骤：

步骤1：构建绝缘子串的模型的不变性R-表，进一步包括：

步骤11：确定边缘点ω_i的索引角β及ω_j

假设点ω_i和一个固定的特征角α，那么可以决定点ω_j，进而确定ω_i处的切线与连接点ω_j切线之间的角度β，其中α为π/4；

步骤12：选择边缘点ω_i的特征值

为了定位中心点b=(x₀,y₀)，计算ω_i到中心点b的距离d，并定义角度k为点ω_i的角度φ′_i与边缘点ω_i与b点构成直线的斜率φ″_i之间的差值，即k=φ′_i-φ″_i，它是独立于旋转的，其中φ″_i表示为公式（3）代表的直线的斜率：

y₀＝φ″_i(x₀-ω_xi)+ω_yi  (3)；

步骤13：存储特征值

重复步骤11和步骤12逐个确定每个边缘点ω_i的特征值（β,k,d）并存储，从而构建出绝缘子串的模型的不变性R-表；以及

步骤2：投票阶段

对于在所述帧间差分步骤中处理后的图像中的每一个边缘点ω′_i，按照给定的特征角α＝π/4得到对应的边缘角ω_j′，进而计算出对应的索引角β′，然后依照该索引角在不变性R-表中索引出对应的特征值k、d,然后根据这些特征值的定义根据上述公式（3）定义的直线收集证据，计算出边缘点ω_i′在二维累计空间中的投票点，这样循环下去直至所有的边缘点都完成投票，最后在投票完的霍夫空间中找出那些投票数超过阈值的局部极值点，局部极值点的个数和位置代表图像中存在着目标匹配的个数及位置，

由于在要检测的绝缘子串图像中有两个匹配点，确定了两个匹配点(x₁,y₁)、(x₂,y₂)的坐标后，即绝缘子串两端的像素位置坐标，根据下面公式（4）计算出绝缘子串的风偏角：

$\mathrm{\θ}=\arctan \left(\frac{(x_1-x_2)}{(y_1-y_2)}\right)---\left(4\right)$

其中，d为绝缘子串的偏移量。

7.一种悬式复合绝缘子串风偏角的检测装置，其特征在于，所述装置包括以下模块：

滤波模块，用于对所采集的绝缘子串的彩色图像进行自适应中值滤波处理，以滤除噪声；

灰度化模块，用于对所述滤波步骤处理后的彩色图像进行灰度化，以将彩色图像转化为灰度图像；

帧间差分模块，用于对灰度图像中连续的三帧图像进行帧间差分并进行二值化处理，以提取绝缘子串的边缘特征；以及

边缘特征匹配模块，用于根据绝缘子串的边缘特征的模型，通过不变性广义霍夫变换来匹配上述绝缘子串的边缘特征，以确定绝缘子串的两端端点的坐标，进而计算出绝缘子串的风偏角大小。

8.根据权利要求7所述的装置，其特征在于，所述灰度化模块具体根据公式(1)将RGB图像的每个像素按下式转化，从而形成灰度图像：

Y=0.299*R+0.587*G+0.114*B  (1)

其中，Y为亮度，即灰度图像中像素点的灰度值，R、G、B分别为彩色图像中像素点的红色、绿色和蓝色分量。

9.根据权利要求7所述的装置，其特征在于，所述帧间差分模块首先采用帧间差分法来提取绝缘子串的边缘特征相关信息，采用连续的三帧图像作为一组，进行对称差分，具体方式为：

选取连续的三帧图像f_k-1(x,y)、f_k(x,y)、f_k+1(x,y)，其中f_k(x,y)表示第k帧图像，令D_k(x,y)表示第k-1、k、k+1三帧图像的差分结果，如以下公式（2）：

D_k(x,y)=f_k-1(x,y)-f_k(x,y)+f_k+1(x,y)-f_k(x,y)

即D_k(x,y)＝f_k-1(x,y)+f_k+1(x,y)-2f_k(x,y)  (2)

之后，所述帧间差分模块进一步采用图像分割中的最大类间方差法来自适应获取分割阈值，从而对帧间差分后的图像进行二值化，该最大类间方差法自动计算出最佳分割阈值，图像灰度值大于该最佳分割阈值的像素点为白色，否则为黑色，则将图像转换为二值图像，得到绝缘子串的边缘特征。

10.根据权利要求7所述的装置，其特征在于，所述边缘特征匹配模块通过不变性广义霍夫变换法来实现对绝缘子串的边缘特征的匹配，具体以如下方式进行：

首先所述边缘特征匹配模块构建绝缘子串的模型的不变性R-表：

第一操作：确定边缘点ω_i的索引角β及ω_j

假设点ω_i和一个固定的特征角α，那么可以决定点ω_j，进而确定ω_i处的切线与连接点ω_j切线之间的角度β，其中α为π/4；

第二操作：选择边缘点ω_i的特征值

为了定位中心点b=(x₀,y₀)，计算ω_i到中心点b的距离d，并定义角度k为点ω_i的角度φ′_i与边缘点ω_i与b点构成直线的斜率φ″_i之间的差值，即k=φ′_i-φ″_i，它是独立于旋转的，其中φ″_i表示为公式（3）代表的直线的斜率：

y₀＝φ″_i(x₀-ω_xi)+ω_yi  (3)；

第三操作：存储特征值

重复第一操作和第二操作逐个确定每个边缘点ω_i的特征值（β,k,d）并存储，从而构建出绝缘子串的模型的不变性R-表；以及

然后，所述边缘特征匹配模块执行投票阶段：

对于在所述帧间差分步骤中处理后的图像中的每一个边缘点ω_i′，按照给定的特征角α＝π/4得到对应的边缘角ω_j′，进而计算出对应的索引角β′，然后依照该索引角在不变性R-表中索引出对应的特征值k、d,然后根据这些特征值的定义根据上述公式（3）定义的直线收集证据，计算出边缘点ω_i′在二维累计空间中的投票点，这样循环下去直至所有的边缘点都完成投票，最后在投票完的霍夫空间中找出那些投票数超过阈值的局部极值点，局部极值点的个数和位置代表图像中存在着目标匹配的个数及位置，

由于在要检测的绝缘子串图像中有两个匹配点，所述边缘特征匹配模块确定了两个匹配点(x₁,y₁)、(x₂,y₂)的坐标后，即绝缘子串两端的像素位置坐标，根据下面公式（4）计算出绝缘子串的风偏角：

$\mathrm{\θ}=\arctan \left(\frac{(x_1-x_2)}{(y_1-y_2)}\right)---\left(4\right)$

其中，d为绝缘子串的偏移量。

Images