CN105300844A - 一种硅橡胶绝缘子憎水性等级判定方法 - Google Patents

Abstract

本发明涉及一种硅橡胶绝缘子憎水性等级判定方法，包括下列步骤：采集有水珠的绝缘子图像；对获取的图像对其进行噪声滤除，然后运用最大类间方差方法对其分割，形成了后续憎水性判定研究所需的二值化图像；从二值化图像中提取形状因子、分形维数等参数以进行憎水性分级；最后采用支持向量机的憎水性等级分级方法将复合绝缘子憎水性等级分为HC1～HC3、HC4～HC5和HC6～HC7三大类，再基于多重分形的分级方法将憎水性等级由三个大类细分为7个等级。本发明的技术方法能够比较准确的区分绝缘子憎水性等级速，为绝缘子污秽等级提供很好的判据。

Description

一种硅橡胶绝缘子憎水性等级判定方法

技术领域

本发明涉及一种硅橡胶绝缘子憎水性等级判定方法，具体涉及采用图像处理识别技术进行硅橡胶绝缘子憎水性等级的判定。

背景技术

运行中的绝缘子长期受到电晕、闪络、污秽等因素的影响，尤其在湿润条件下，瓷和玻璃绝缘子的外绝缘强度会急剧降低，从而引发电网的大规模污闪事故，给国民经济造成重大损失。实践表明，采用硅橡胶绝缘子代替传统绝缘子(瓷或玻璃绝缘子)，可以有效遏制污闪事故的发生。硅橡胶绝缘子之所以在电网防污改造中得到大量应用，因其表面具有良好的憎水性以及憎水迁移性。但是挂网运行中的硅橡胶绝缘子受到电场、电晕、雨雪以及污秽等综合因素下，其表面憎水性会发生一定的变化。目前，已有大量文献刊登关于硅橡胶绝缘子憎水性机理以及引发憎水性变化特性的因素，有关该方面的研究成果对硅橡胶绝缘子的生产工艺、运维与检修等方面工作提供理论依据。

硅橡胶绝缘子表面材料主要成分为甲基乙烯基硅氧烷，俗称PDMS(polydim-ethylsiloxane)，PDMS分子结构特性决定了硅橡胶绝缘子表面所具有的特性。PDMS分子结构主链由Si原子和O原子交替排列而成，呈现出螺旋状。运行于户外的硅橡胶绝缘子，表面染污后，硅橡胶表面所具有的憎水性迁移到亲水性的污秽层上，从而该污秽层也表现出一定憎水性，所以说染污后的硅橡胶绝缘子表面具有憎水迁移性。正是其具有的憎水迁移性，与其他绝缘子相对比，硅橡胶绝缘子具有优良的耐污闪性能。

户外硅橡胶绝缘子表面憎水性等级将不可避免的发生变化，硅橡胶绝缘子表面所具憎水性特性会随着运行时间以及受电晕、闪络、污秽、温度、雨雪等综合因素影响而出现下降趋势或甚至完全丧失。硅橡胶绝缘子的憎水性以及憎水迁移特性的下降具体表现是耐污闪能力变低，从而对电力***安全与稳定运行构成威胁。截至目前为止，国内外专家学者针对硅橡胶绝缘子憎水性等级检测方法进行了大量研究和实验，尽管有些检测方法已在实际得到应用，但是大部分憎水性检测与评估方法仍处于不成熟阶段，更多是依靠人工或者繁琐的实验步骤对其憎水性进行检测，归纳起来包括：IEC/TS62073-2003推荐测试法(按一定规范在绝缘表面喷水，再根据绝缘子表面的水滴形状和水滴分布状况把憎水性分为HC1～HC7共七个等级)、指示函数法以及基于图像处理与数学算法的智能算法。因此研究一种硅橡胶绝缘子憎水性等级判定技术是非常有实用工程价值的。

发明内容

针对背景技术中提到的问题及指针式仪表图像识别的特点，本发明提出了一种硅橡胶绝缘子憎水性等级判定方法，不需要提前建立模板图像数据库以及对图像进行一系列复杂预处理计算。

本发明的技术方案为：一种硅橡胶绝缘子憎水性等级判定方法，包括下述的步骤：

1)获取带水珠的硅橡胶绝缘子彩色图像并进行灰度化处理；

2)将灰度化后的图像进行滤波去噪和重构；

3)图像二值化处理，将憎水性图像中的目标水珠与绝缘层背景进行区分，形成二值化图像；

4)从二值化图像提取最大水迹的面积比、形状因子和盒维数特征；

5)基于SVM方法，采取RBF核函数，特征码取为最大水迹的面积比K、形状因子f_c、盒维数D，将复合绝缘子憎水性等级分为HC1～HC3、HC4～HC5和HC6～HC7三大类；

6)基于多重分形的方法，构建标准憎水性图像样本HC1～HC7的广义维数谱D_q-q曲线，将憎水性等级由三个大类细分为7个等级；

7)通过比对标准憎水性图像样本的D_q-q曲线，判断待测样本所属憎水性等级。

步骤2)采用Haar小波函数进行滤波处理，然后进行逆向小波变换，最终到达重构目的。

步骤3)基于最大类间方法找到图像的一个合适的灰度阈值，所述合适的灰度阈值为前景和背景图像的方差最大时的值。

所述盒维数计算采用网格法。

采用SVM方法前对样本数据进行归一化。

步骤5)利用标准样本的K、f_c和D值进行训练，将憎水性等级分为三大类，将待测样本的三个参数代入，得到待测样本所属憎水性类别。

步骤6)建立三个标准判据图，对应步骤5)划分的三个类别，在划分三大类基础上，进一步划分憎水性等级。

HC1-HC3之间等级，q值在[-0.5,2]；其余等级下，q值取值在[-1,1]之间。

步骤7)如果待测绝缘子图像的广义维数值序列与相应状态下的某标准D_q-q曲线最接近，则属于此憎水性等级。

步骤7)根据分形维数序列组的标准差来判断，计算公式如下：

$S_D=\sqrt{\frac{1}{n}\underset{q=1}{\overset{n}{\Σ}}{(D_q^x-D_q^k)}^2}$

式中，表示标准样本HCx的维数序列，x∈[1,7]之间的整数，表示待测样本k的维数序列。

本发明与其他绝缘子等级检测技术最大的不同是不需要提前建立模板图像数据库以及对图像进行一系列复杂预处理计算，通过对图像去噪分割重构提取形状因子及分形维数，基于SVM和多重分形方法模型来判定憎水性等级，能够准确的区分绝缘子憎水性等级速，为绝缘子污秽等级提供很好的判据，方便于输变电工作人员和巡检人员监控高压塔上绝缘子污秽情况，具有实际的工程应用价值。

附图说明

图1为本发明提供的一种硅橡胶绝缘子憎水性等级判定方法流程图；

图2为一个实施例中对原始彩色图像进行灰度化处理后的图像；

图3为将图2采用小波函数去噪和重构后的图像；

图4为将图3采用大类间差分割得到的图像；

图5由图4的实施例得到，其中(a)最大水迹的形状因子；(b)最大水迹的面积比；(c)最大水迹的盒维数值；

图6由图5的实施例建立，其中(a)HC1-HC3标准样本的D_q-q曲线；(b)改变q测度后HC1-HC3标准样本的D_q-q曲线；(c)HC4-HC5标准样本的D_q-q曲线；(d)HC6-HC7标准样本的D_q-q曲线。

具体实施方式

本发明的硅橡胶绝缘子憎水性等级判定方法，流程图如图1，具体来说包括以下具体实施步骤：

1.通过高压塔上的视频摄像头获取有水珠的硅橡胶绝缘子原始彩色图像，并将图像传回安装有图像处理功能的计算机，并对传回的彩色图像进行灰度化处理，如图2所示。

2.将灰度图像进行Haar小波去噪和重构：

对于憎水性图像的分解滤波过程中，主要是对高频系数进行处理，而在光照不均匀情况下噪声可以采用一定的补偿；通过选取合适的小波函数，可以实现对图像中的信号进行分解与重构；本发明一个实例中仅对高频系数进行噪声滤除，选定某个阈值和相应阈值函数对高频处理，将其分解为高频、低频系数，在各自系数基础上进行处理，得到新的高频系数，处理后的新系数经逆向小波变换重构图像，得到去噪后的憎水性图像。

在小波变换分析中，有两个重要的函数，分别是：

Haar小波尺度函数：

Haar小波函数：

小波变换基本思路是利用缩放和平移的一系列函数表示出傅里叶变换中的函数或信号。傅里叶变换能提供频率域的信息，但存在丢失时间方面的局部信息问题；而小波变换既能通过平移函数获取待分析信号的时间信息，又能通过缩放函数获取待分析信号的频率域信息。

这一步具体包括：

1)Haar小波变换分解法对图像f_J分解表达式如下：

f_J＝ω_J-1+…+ω_j-1+f_j-1+…+ω₀+f₀(3)

其中ω_j-1、f_j-1表达式分别为：

${\mathrm{\ω}}_{j-1}=\underset{l\∈Z}{\Σ}{b}_l^{j-1}\mathrm{\ψ}(2^{j-1}x-l)---\left(4\right)$

$f_{j-1}=\underset{l\∈Z}{\Σ}{a}_l^{j-1}\mathrm{\φ}(2^{j-1}x-l)---\left(5\right)$

式中系数和经相应迭代而得：

$b_l^{j-1}=DH{\left(a^j\right)}_k---\left(6\right)$

$a_l^{j-1}=DL{\left(a^j\right)}_k---\left(7\right)$

式中，H和L为高、低通滤波器。当j＝J时，和是由取样信号来确定，当j一直减小，最终达到符合要求的级别。

2)在对高、低频系数处理后，需要进行逆向小波变换，最终到达重构的目的。根据Haar重构定理：

f＝f₀+ω₀+ω₁+ω₂+…+ω_j-1(8)

对式(8)信号进行重构，得到表达式为：

$f_J=\underset{k\∈Z}{\Σ}{a}_k^J\mathrm{\φ}(2^{J}x-k)---\left(9\right)$

Haar小波函数去噪重构后的图像，如图3所示。

3.对Haar小波去噪后的图像采用最大类间方差分割图像：根据图像的灰度分布特性，使受处理图像分为目标和背景两大部分，以二者方差值决定分割的阈值，将图像分割为二值化图像。

1)设一图像的灰度值范围在[0，1，.....,256]，图像灰度值为i的像素数为n_i，那么图像总像素数而灰度值为i的像素在该图像中出现的概率p_i为：

$\{\begin{array}{c}{p}_i=\frac{n_i}{N}\\ p_i\≥0\\ \underset{i=0}{\overset{l}{\Σ}}{p}_i=1\end{array}---\left(10\right)$

2)当在对图像处理时，选择的阈值为k(0≤k≤l)，那么可将处理图像中的信息分为B₀、B₁(其中之一为目标，另一为背景)两类，假定B₀、B₁取值范围分别为：

$\left\{\begin{array}{c}{B}_0:\[0,1,\mathrm{...},k\]\\ B_1:\[k+1,k+2,\mathrm{..},l\]\end{array}\right.---\left(11\right)$

3)求出B₀、B₁两类的间方差为：

σ²(t)＝P₀(t)[μ₀(t)-μ_T]²+P₁(t)[μ₁(t)-μ_T]²(12)

4)以求得的σ²(t)作为阈值将图像信息进行分类，最大类间方差法就是极大化σ²(t)的过程中来确定所需的阈值，将最佳阈值定义为：

$k^{*}=\arg \underset{0\≤i\≤l}{{\mathrm{max\σ}}^2}\left(t\right)---\left(13\right)$

结合阈值把图像矩阵二值化处理，得到分割后的二值化图像，如图4所示。

5)从二值化图像提取形状因子、分形维数等参数以进行下面的憎水性分级(基于SVM方法将复合绝缘子憎水性等级分为三大类，然后基于多重分形的方法将憎水性等级由三个大类细分为7个等级)。

4.基于SVM(支持向量机)方法将复合绝缘子憎水性等级分为三大类，其过程为：

1)特征提取。本发明在特征参数选取过程中，为了更深入比较与分析不同水迹特征对复合绝缘子憎水性分级准确率影响，从分割后的水迹几何特征出发，除了考虑将水迹的最大水迹的面积比(最大水珠与整幅图像的面积比)、形状因子外，同时还引入水迹分形维数特征—盒维数。盒维数计算采用常用的网格法(BoxCountingMethod)，其计算公式为：

$D=\frac{lgN\left(\mathrm{\ϵ}\right)}{lg\mathrm{\ϵ}}---\left(14\right)$

其中ε表示为正方形网络长度，N(ε)表示为关心区域正方形网格数目。

2)参数规范化及核函数的选择。在使用SVM之前，对样本数据预处理是非常重要的，一般对样本数据进行归一化；

避免小的数字范围内的特征值被大的数字范围内的特征值支配，归一化后并没有改变样本数值分布及样本之间大小关系，只是消除了某些特征取值上的差异性。其计算公式如下：

$x^{*}=\frac{x-x_{\min }}{x_{\max }-x_{\min }}---\left(15\right)$

其中，x表示特征值。

本发明采取RBF核函数(径向基函数)，这主要考虑以下几点：其一、RBF核函数在处理非线性数据中，能有效处理中样本与分类值是非线性关系情况，其二、发生计算灾难概率非常小，其三、输入参数只有一个且易设置。其公式为：

$K(x,y)=\exp (-\frac{|x-y{|}^2}{2{\mathrm{\δ}}^2})---\left(16\right)$

其中，y为核函数中心，δ为函数的宽度参数。

3)结果分析。在本发明一个具体实施例中，使用63个样本作为研究对象，将33个样本数据作为训练数据，30个样本数据作为测试数据，复合绝缘子憎水性分为三类[HC1～HC3、HC4～HC5和HC6～HC7]，相应特征码取为最大水迹的面积比K、形状因子f_c、盒维数D，三个特征码分布如图5。

利用标准样本的这三个特征值进行训练得到模型，将待测样本的三个参数代入模型得到待测样本所属憎水性等级区间(即上述三类)。

5.基于多重分形方法将复合绝缘子憎水性等级细分为七个等级，其过程为：

1)标准憎水性图像样本的D_q-q曲线(D_q为广义维数谱，q表示广义维数中权重因子尺度)构建。D_q由(17)式计算得出，其中P_i表示区域的生长几率。

$D_q=\left\{\begin{array}{cc}\frac{1}{q-1}\underset{\mathrm{\ϵ}\→0}{\lim }\frac{\ln \underset{i=1}{\overset{N}{\Σ}}{P}_i^q\left(\mathrm{\ϵ}\right)}{\ln \mathrm{\ϵ}}& q\≠1\\ \underset{\mathrm{\ϵ}\→0}{\lim }\frac{\underset{i=1}{\overset{N}{\Σ}}{P}_i\left(\mathrm{\ϵ}\right){\mathrm{lnP}}_i\left(\mathrm{\ϵ}\right)}{\ln \mathrm{\ϵ}}& q=1\end{array}\right.---\left(17\right)$

本发明在构建标准复合绝缘子样本D_q-q曲线时，考虑单重差分盒维数法所划分的三种状态(即上述划分的三类)，以每种状态为一个标准样本判断图，因而需建立三个标准判据图。在一个实施例中，标准样本总数为70个，每个等级下样本数为10个，样本图像统一像素大小为256×256。

2)通过改变q的取值范围，以便突出多重分形方法的优势，对于HC1-HC3之间等级，q值在[-0.5,2]比较合适，而其余等级下，q值取值在[-1,1]之间。在同一q测度值下，取相应的平均值，最终构建出HC1-HC7标准样本的D_q-q曲线，如图6的一个具体例子。

3)判断待测样本HCK属于哪个等级，根据分形维数序列组的标准差来判断。

根据HC标准样本图像的D_q-q曲线可对待测绝缘子图像进行憎水性等级的判断，如果该待测绝缘子图像的广义维数值序列与相应状态下的标准D_q-q曲线最接近，则属于此憎水性等级。从图中直观的判断HCK属于哪个等级，那么根据分形维数序列组的标准差来判断属于哪个憎水性等级，计算公式如下：

$S_D=\sqrt{\frac{1}{n}\underset{q=i}{\overset{n}{\Σ}}{(D_q^x-D_q^k)}^2}---\left(18\right)$

式中，表示标准样本HCx的维数序列，x∈[1,7]之间的整数，表示待测样本k的维数序列。在步骤4划分三大类基础上，根据公式(18)来进一步划分憎水性等级。

通过检测63个待测样本，实验结果表明，采用本发明方法判定憎水性等级，正确判决率达到95％以上。

Claims (10)

1.一种硅橡胶绝缘子憎水性等级判定方法，其特征在于包括下述的步骤：

1)获取带水珠的硅橡胶绝缘子彩色图像并进行灰度化处理；

2)将灰度化后的图像进行滤波去噪和重构；

3)图像二值化处理，将憎水性图像中的目标水珠与绝缘层背景进行区分，形成二值化图像；

4)从二值化图像提取最大水迹的面积比、形状因子和盒维数特征；

5)基于SVM方法，采取RBF核函数，特征码取为最大水迹的面积比K、形状因子f_c、盒维数D，将复合绝缘子憎水性等级分为HC1～HC3、HC4～HC5和HC6～HC7三大类；

6)基于多重分形的方法，构建标准憎水性图像样本HC1～HC7的广义维数谱D_q-q曲线，将憎水性等级由三个大类细分为7个等级；

7)通过比对标准憎水性图像样本的D_q-q曲线，判断待测样本所属憎水性等级。

2.根据权利要求1所述的硅橡胶绝缘子憎水性等级判定方法，其特征在于步骤2)采用Haar小波函数进行滤波处理，然后进行逆向小波变换，最终到达重构目的。

3.根据权利要求1所述的硅橡胶绝缘子憎水性等级判定方法，其特征在于步骤3)基于最大类间方法找到图像的一个合适的灰度阈值，所述合适的灰度阈值为前景和背景图像的方差最大时的值。

4.根据权利要求1所述的硅橡胶绝缘子憎水性等级判定方法，其特征在于盒维数计算采用网格法。

5.根据权利要求1所述的硅橡胶绝缘子憎水性等级判定方法，其特征在于采用SVM方法前对样本数据进行归一化。

6.根据权利要求1或5所述的硅橡胶绝缘子憎水性等级判定方法，其特征在于步骤5)利用标准样本的K、f_c和D值进行训练，将憎水性等级分为三大类，将待测样本的三个参数代入，得到待测样本所属憎水性类别。

7.根据权利要求1所述的硅橡胶绝缘子憎水性等级判定方法，其特征在于步骤6)建立三个标准判据图，对应步骤5)划分的三个类别，在划分三大类基础上，进一步划分憎水性等级。

8.根据权利要求1或7所述的硅橡胶绝缘子憎水性等级判定方法，其特征在于HC1-HC3之间等级，q值在[-0.5,2]；其余等级下，q值取值在[-1,1]之间。

9.根据权利要求1所述的硅橡胶绝缘子憎水性等级判定方法，其特征在于步骤7)如果待测绝缘子图像的广义维数值序列与相应状态下的某标准D_q-q曲线最接近，则属于此憎水性等级。

10.根据权利要求1或9所述的硅橡胶绝缘子憎水性等级判定方法，其特征在于步骤7)根据分形维数序列组的标准差来判断，计算公式如下：

$S_D=\sqrt{\frac{1}{n}\underset{q=i}{\overset{n}{\Σ}}{\left(D_q^x-D_q^k\right)}^2}$

式中，表示标准样本HCx的维数序列，x∈[1,7]之间的整数，表示待测样本k的维数序列。