CN113298832B - 一种放电紫外视频量化参数提取和显示方法及其应用 - Google Patents
一种放电紫外视频量化参数提取和显示方法及其应用 Download PDFInfo
- Publication number
- CN113298832B CN113298832B CN202110747111.9A CN202110747111A CN113298832B CN 113298832 B CN113298832 B CN 113298832B CN 202110747111 A CN202110747111 A CN 202110747111A CN 113298832 B CN113298832 B CN 113298832B
- Authority
- CN
- China
- Prior art keywords
- image
- discharge
- formula
- fitting
- video
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000013139 quantization Methods 0.000 title claims abstract description 20
- 238000000605 extraction Methods 0.000 title claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 28
- 238000005516 engineering process Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000007599 discharging Methods 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 239000003086 colorant Substances 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 241001270131 Agaricus moelleri Species 0.000 claims description 2
- 238000009432 framing Methods 0.000 claims description 2
- 238000009499 grossing Methods 0.000 claims description 2
- 230000014509 gene expression Effects 0.000 claims 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims 1
- 230000011218 segmentation Effects 0.000 claims 1
- 238000003384 imaging method Methods 0.000 abstract description 18
- 238000009413 insulation Methods 0.000 abstract description 4
- 208000028659 discharge Diseases 0.000 description 94
- 238000010586 diagram Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000005484 gravity Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010891 electric arc Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011896 sensitive detection Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种放电紫外视频量化参数提取和显示方法及其应用,包括如下步骤:步骤1:对输入电气设备放电视频预处理;步骤2:放电区域轮廓逼近方法,轮廓拟合;步骤3:坐标变化;步骤4:拟合图形位置判断和矩阵逐帧灰度化叠加;步骤5:灰度图像彩色化技术。利用紫外视频的紫外量化参数较好解决放电定性和放电定位,绝缘基于紫外成像技术电气设备放电严重程度评估的参数定量问题。
Description
技术领域
本发明涉及一种紫外放电量化参数提取和显示方法及其应用,尤其是涉及一种电气设备放电紫外视频量化参数提取和显示方法。
背景技术
日盲紫外成像仪的紫外成像波段为240-280nm,太阳光中该波段的光线在被大气层中的臭氧层吸收消耗殆尽,因此在地表的太阳光谱分布中不存在该波段。高压设备的表面放电是表征其运行状态的重要征兆信号,而放电现象会发射出包括日盲波段的紫外各个谱段的光,可通过观测、分析和定位日盲波段的光便可以实现对放电的定位和评估,作为近年来发展起来的一种放电探测技术,相比传统方法,紫外成像法具有非接触、探测灵敏度高、抗干扰能力强和放电定位精度高等优点。
近年来,国外率先将原用于军事领域的日盲紫外成像法应用到高压设备放电探测,作为种灵敏的检测手段,其通常被用于起晕位置和放电位置的诊断,对于放电强度和放电严重程度的诊断可以采用CCD的成像面元计数(UV count)或者光斑面积表示。
CCD的成像面元计数又叫紫外光子数,其计算机理为对于帧率为25的紫外成像仪,其时间分辨率为0.2S,可作为放电严重程度的量化评估方法,但并不能显示放电紫外成像的空间位置信息;光斑面积是对CCD的成像面元的图形特征进行统计,对于帧率为25的紫外成像仪,其时间分辨率为0.04S,同样可以用作放电严重程度的量化参数,且具有空间位置信息,但并不能展示出具有时间积累和空间信息的放电图像。上述方法具有一定的优势和局限性。
放电的发展过程一般包括电晕,小电弧,大电弧和闪络过程,具有一定随机性,一般认为电晕放电阶段对电网设备的绝缘性能威胁性较低,而大电弧或闪络放电过程中会辐射出大量的日盲日外波段的光,对电网的危害较大。近年来,计算机技术和图像处理技术的发展,虽极大地提高了基于无人机和巡检机器人搭载的可见光、紫外图像的高压设备热、电参量非接触检测的自动化程度,但基于单张电气设备放电紫外成像的图片进行放电严重程度的诊断的可信度依然不高:例如,若采用单张图片作为大电弧或闪络放电判据,可能会对积累电晕放电的某一放电脉冲误及其紫外图像误诊断为大电弧放电,更严重的情况为,将大电弧放电漏判为电晕放电,大大降低基于放电紫外成像的智能诊断的可信度。
为同时得到和展示紫外成像信息的时间和空间信息,同时提升基于图片的放电诊断的可信度,本文提出了在放电视频处理的基础上提出了一种放电量化参数提取和显示方法,在不丢失放电信息的同时,增加了电气设备的紫外时间放电信息的叠加和显示,为基于绝缘子等主要电气设备放电视频综合诊断和绝缘状态判别的提供技术基础。
提出了一种对电气设备放电在紫外视频进行数据处理和整合的计算和显示方法,首先对输入电气设备视频进行预处理,放电区域跟踪、提取,轮廓拟合,视频逐帧数据叠加和成像,最终基于紫外成像视频生成放电灰度图像,并基于彩色图及其查找表实现灰度图像彩色化展示。
发明内容
为了解决上述现有技术中的不足,本发明公开一种电气设备放电紫外视频量化参数提取和显示方法,其技术方案包括如下步骤:
步骤1:对输入电气设备放电视频预处理;
步骤2:放电区域跟踪提取,轮廓拟合;
步骤3:坐标变换;
步骤4:拟合图形位置判断和矩阵逐帧灰度化叠加;
步骤5:灰度图像彩色化技术。
本发明还公开一种将放电紫外视频量化参数提取和显示方法应用于电气设备中。
所述电气设备放电紫外视频处理方法包括对输入电气设备视频进行预处理,放电区域跟踪、提取,轮廓拟合,视频逐帧数据叠加和成像,最终基于紫外成像视频生成放电灰度图像,轮廓拟合方式包括圆拟合、矩形拟合、最小矩形拟合,最小椭圆拟合。
有益效果:
利用紫外视频的紫外量化参数较好解决放电定性和放电定位,绝缘基于紫外成像技术电气设备放电严重程度评估的参数定量问题。
附图说明
图1本发明电气设备放电紫外视频量化参数提取和显示方法中视频帧截取图,其中图1-1为截取的放电视频第1帧的图像,图1-2为截取的放电视频第2帧的图像,图1-3为截取的放电视频第3帧的图像;
图2为本发明电气设备放电紫外视频量化参数提取和显示方法数据处理流程图;
图3为电气设备放电紫外视频量化参数提取和显示方法中步骤3坐标变换示意图;
图4为电气设备放电紫外视频量化参数提取和显示方法中判断遍历点是否在轮廓区域内判断规则图,其中图4-1为矩形放电区域轮廓拟合与遍历点(i,j)示意图;
图4-2为最小矩形放电区域轮廓拟合与遍历点(i,j)示意图;图4-3为最小矩形顶点坐标的计算规则示意图;图4-4为最小椭圆放电区域轮廓拟合与遍历点(i,j)示意图;
图5(1)-图5(4)分别为圆形、矩形、最小矩形、最小椭圆放电轮廓拟合示意图;
图6(1)-图6(4)分别为圆形、矩形、最小矩形、最小椭圆拟合放电视频灰度化处理效果图
图7电气设备放电紫外视频量化参数提取和显示方法中颜色表示意图;
图8(1)-图8(4)分别为圆形、矩形、最小矩形、最小椭圆拟合放电视频彩色化处理效果图(彩色图像的边缘分别与所采用的拟合图像一致所圆形,不同灰度值的部位具有不同的颜色与之对应)。
具体实施方式
下面将结合本发明中的实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种电气设备放电紫外视频量化参数提取和显示方法,其技术方案包括如下步骤:
步骤1:对输入电气设备放电视频预处理,
读取紫外视频的图片帧如图1所示:
首先,选取紫外放电视频,Python调用OpenCV强大的视频处理能力,对视频进行逐帧提取和处理,紫外成像仪的录制格式是25fps,分辨率为720P。OpenCV可实现对载入视频的总帧数K,确定视频的分辨率m×n,利用分帧技术将视频流的各帧图像矩阵中的数据点A[x][y][3]转换为A’[ρ][θ][3]对数极坐标格式,其变换公式为:
(x,y)→ρeiθ (13)
其中,(xc,yc)表示图形的中心点,/>
对每一帧图片l,每一个放电光斑c,默认生成一个m×n×l×c的张量矩阵,矩阵中的初始数据全部为0,在视频处理过程中,对每一张图片的每一个像素电进行遍历,如果该像素位于放电光斑之内,则将该像素置1,整个视频遍历完成之后,将矩阵在m×n的维度上进行加和,并根据整个视频的总帧数K进行归一化,生成一个灰度化的放电图片。
对提取的紫外视频逐帧图片进行处理
对于单张图像预处理菜单下的子菜单包括:图像截取、灰度变换、二值化、开运算、闭运算、小面积消除。图像预处理的作用是将放电区域的图像从原始的紫外视频中分割出来,为后续的参数提取做准备。
紫外成像仪输出的原始图像为RGB彩色数字图像,图像中的每一个像素由红、绿、蓝三个颜色分量表示,直接对原始图像进行处理,其计算量较大。为便于后续处理,本软件中,在图像分割之前将其转换为灰度图像,在灰度图像中每一个像素点的灰度值介于0和255之间,全白像素点的灰度值为“255”,全黑像素点的灰度值为“0”。
在图像分割之前将其转换为灰度图像,转换公式为:
Gray_scale=0.299R+0.587G+0.114B (14)
二值化方法采用阈值法,选择一个合适的阈值threshold,然后对图像矩阵各像素点依次进行扫描,若像素点的灰度值高于该阈值,则将该像素点的灰度值设置为1,否则置为0。其判断公式为:
经阈值法分割后的图像各像素点的灰度值仅有“1”和“0”,因而又称之为二值图像。
自定义阈值点击上下调节阈值的同时,程序同步完成对图像的二值化处理并将相应的图像显示出来,这样用户可以同步看到二值化效果,直至设置到某一阈值后取得较好处理效果未知。
图像经阈值分割后放电区域可从紫外图像中分割出来,但紫外图像中灰度值接近于放电区域的干扰点图像也被保留在二值图像之中,上述图像可以看作是噪声图像,需将其滤除,本发明中采用了二值数学形态学的开启、闭合运算对图像进行了滤波处理,开运算可以在基本不影响目标区域的情况下消除图像中像素尺寸较小的散点,并使得图像外边界平滑,闭合运算则可以消除图像区域内部的一些孔洞,同时也对图像内边界起到了一定的平滑作用。
滤波时具体实现方法如下,先点击“开运算”按钮,点击上下按钮调节开运算参数,则程序同步以半径为对应参数的圆盘形结构元素对图像进行开启运算,可有效地滤除噪声区域并保存放电的区域,同时该滤波方法对放电区域自身的图像大小和长宽比例无任何影响。
步骤2:放电区域跟踪提取,轮廓拟合;
放电区域轮廓逼近方法采用Douglas-Peucker逼近算法,使用多边形逼近一个轮廓,首先从轮廓中选择2个最远的点,连成一个线段,再查找轮廓上到线段最短的点,添加到逼近后的新轮廓,反复迭代,不断将最远的点添加到结果中。
为了更快、更加规则的实现对放电光斑面积的叠加求和,采用了不同的放点光斑轮廓拟合,拟合选择最小二乘拟合方法算出,对于由Douglas-Peucker逼近算法得出的m个样本(xi,yi)(i=1,2,3…,m),可以采用n次多项式进行拟合
Hυ(x)=υ0+υ1x+υ2x2+…+υnxn (16)
其中,拟合条件为最小化(υ0,υ1,υ2…υn)参数,即
基于公式(16)和公式(17)得出标准圆的半径r和圆的中心坐标(a,b),其标准拟合公式为(x-a)2+(y-b)2=r2;
得出矩形的宽高比k=w/h和矩形的中心坐标(a,b),标准公式为
得出最小矩形的高比k=w/h和矩形的中心坐标(a,b)和最小矩形相对于水平轴顺时针旋转的角度θ,其标准拟合公式为旋转角为θ;
得出最小椭圆的外接矩形的高比k=w/h和矩形的中心坐标(a,b)和最小矩形相对于水平轴顺时针旋转的角度θt,其中矩形的宽和高即为最小椭圆的长轴和短轴,其标准拟合公式为旋转角为θt。
相比于不规则的放电光斑,图像拟合简化了之后的位置判断流程,减少了计算量,提高了放电光斑面积点的叠加求和的计算效率。
步骤3:坐标变换;
各拟合方式的具体的实施步骤如下
1)圆拟合
以(a,b)为圆心,c为半径的标准圆的方程为
(x-a)2+(y-b)2=c2 (18)
采用标准圆对放电光斑拟合示意图如图5(1)所示。
图5(1)中,center(162,164)标识拟合圆的圆心,Diamete表示其半径。
判断规则。为了对放电光斑的定位,加和,采用了遍历像素的方式。假设图像的分辨率为720×560,遍历元素为(i,j),则在python中,i的取值区间为[0,719],j的取值区间为[0,559]。
历元素(i,j)如果在放电区域内,则将矩阵T[i][j][c][l]置1,参数l表示图像为视频的第l帧,参数c表示图像l的第c个光斑。
整段视频计算完成后,将矩阵在H[i][j]上加和,行程一张和视频分辨率相同的图像。
2)矩形拟合
以(x’,y’)为重心,w,h为宽和高(为了计算方便,将与x轴平行的边定义为w,将与y轴平行的边定义为h)的标准矩形的公式如(19)所示
图5(2)中,aspect_ratio为长宽比w/h,rect_area为矩形面积w×h,c为放电光斑面积和矩形面积的比例。
判断规则。为了对放电光斑的定位,加和,采用了遍历像素的方式。假设图像的分辨率为720×560,遍历元素为(i,j),则在python中,i的取值区间为[0,719],j的取值区间为[0,559]。在遍历过程中,计算示意图如图4所示。
在图4(1)中,x为紫外图像的宽度,y为图像的高度,遍历元素(i,j)如果在放电区域内,则将矩阵T[i][j][c][l]置1,参数l表示图像为视频的第l帧,参数c表示图像l的第c个光斑。
整段视频计算完成后,将矩阵在H[i][j]上加和,行程一张和视频分辨率相同的图像。
3)最小矩形拟合
以(x0’,y0’)为重心,旋转角度为θ,w,h为宽和高(为了计算方便,将与x轴平行的边定义为w,将与y轴平行的边定义为h。
将重心为(x0’,y0’),w为宽,h为高未旋转的标准矩形用图3中虚线框表示,而将重心为(x0’,y0’),w为宽,h为高,旋转角度为θ的最小矩形用图3中实线框表示。此时,虚线框标准矩阵公式如式(20)所示,虚线和实线在旋转角度θ下的坐标变换公式如(21)所示。变换前后的坐标之间的关系如公式(22)所示。
图5(3)中,aspect_ratio为长宽比w/h,rect_area为矩形面积w×h,c为放电光斑面积和矩形面积的比例,θ为矩形旋转角度。
判断规则。假设图像的分辨率为720×560,遍历元素为(i,j),则在python中,i的取值区间为[0,719],j的取值区间为[0,559]。为了判断遍历点(i,j)是否在轮廓拟合空间内,需要先计算出最小矩形4个顶点的坐标。计算示意图如图图4(3)所示。
首先利用最大值最小值求取处x坐标的最大值和最小值,假设为max_x,max_y,min_x,min_y,计算可得其对应max_xy,max_yx,min_xy,min_yx。
为了对放电光斑的定位,加和,采用了遍历像素的方式。在遍历过程中,最小矩形位置判断计算如图4(2)所示。
在图4(2)中,x为紫外图像的宽度,y为图像的高度,遍历元素(i,j)如果在放电区域内,则将矩阵T[i][j][c][l]置1,参数l表示图像为视频的第l帧,参数c表示图像l的第c个光斑。对于遍历元素(i,j),判断公式如(23)所示。
整段视频计算完成后,将矩阵在H[i][j]上加和,行程一张和视频分辨率相同的图像。
4)最小椭圆拟合
以(x0’,y0’)为重心,a,b为长轴和断轴直径的标准椭圆的方程为
最小矩形方程类似,拟合椭圆与标准椭圆之间的差别为旋转角度θ,此时,两个椭圆上的点(x,y)和(x’,y’),他们之间的关系如公式(21)所示:
判断规则。假设图像的分辨率为720×560,遍历元素为(i,j),则在python中,i的取值区间为[0,719],j的取值区间为[0,559]。为了判断遍历点(i,j)是否在轮廓拟合空间内。在图4(4)中,x为紫外图像的宽度,y为图像的高度,遍历元素(i,j)如果在放电区域内,则将矩阵T[i][j][c][l]置1,参数l表示图像为视频的第l帧,参数c表示图像l的第c个光斑。对于遍历元素(i,j),判断公式如(25)所示。
整段视频计算完成后,将矩阵在H[i][j]上加和,行程一张和视频分辨率相同的图像。
步骤4:拟合图形位置判断和矩阵逐帧灰度化叠加;
对图1所示的放电视频进行处理,经过对输入电气设备视频进行预处理,放电区域跟踪、提取,轮廓拟合,视频逐帧数据叠加和成像,最终基于紫外成像视频生成放电灰度图像。
图6中为放电轮廓采用圆、矩形、最小矩形、最小椭圆的灰度化效果图。可以看出,改软件处理之后,可以看出放电的时间叠加,空间分辨图,可以作为后续放电诊断的方法。
x为紫外图像的宽度,y为图像的高度,遍历元素(i,j)如果在放电区域内,则将矩阵T[i][j][c][l]置1,参数l表示图像为视频的第l帧,参数c表示图像l的第c个光斑。整段视频计算完成后,将矩阵在H[i][j]上加和,行程一张和视频分辨率相同的图像。
步骤5:灰度图像彩色化技术。
灰度图像彩色化
采用基于彩色图查找表的方法,将不同灰度值的像素点转换为彩色图像,其步骤为:
首先,寻找矩阵H中的最大值M和最小值m;
其次,采用归一化方法,将矩阵元素归一化,计算公式如公式(26)所示
再次,定义颜色映射,图7中展示了可选择的彩虹、喷绘、春、夏、秋和冬颜色表搭配;
最后,使用查找表映射颜色,完成有灰度图像向彩色图像的转变。
图8(1)为采用了圆拟合的灰度图像与彩虹彩色图像的映射,其中,图8(1)中形状边缘为圆形,不同灰度值的部位具有不同的颜色与之对应;
图8(2)为采用了矩形拟合的灰度图像与彩虹彩色图像的映射,其中,图8(2)中形状边缘为矩形,不同灰度值的部位具有不同的颜色与之对应;
图8(3)为采用了最小矩形拟合的灰度图像与彩虹彩色图像的映射,其中,图8(3)中形状边缘为最小矩形,不同灰度值的部位具有不同的颜色与之对应;
图8(4)为采用了最小椭圆拟合的灰度图像与彩虹彩色图像的映射,其中,图8(4)中形状边缘为椭圆形,不同灰度值的部位具有不同的颜色与之对应。
本发明通过日盲紫外成像视频的量化参数提取方法,对日盲紫外成像视频进行了处理,制定了基于最小二乘法的放电区域控制策略和基于圆、矩形、最小矩形和最小椭圆的拟合方法,提取了灰度化的紫外放电量化参数,解决在现场检测时,紫外光斑为单一色彩,无法同时体现放电时间和空间特性的问题;提出了基于放电视频灰度化量化参数的归一化和彩色化处理方法,解决了现场检测过程中紫外放电量化参数种类单一的问题,为放电严重程度的智能评估提供解决方案。
在以上的描述中阐述了很多具体细节以便于充分理解本发明。但是以上描述仅是本发明的较佳实施例而已,本发明能够以很多不同于在此描述的其它方式来实施,因此本发明不受上面公开的具体实施的限制。同时任何熟悉本领域技术人员在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (1)
1.一种放电紫外视频量化参数提取和显示方法,其特征为:包括如下步骤:
步骤1:对输入电气设备放电视频预处理;
1)放电视频帧提取,首先计算视频总帧数K,确定视频的分辨率m×n,利用分帧技术将视频流的各帧图像矩阵中的数据点A[x][y][3]转换为A’[ρ][θ][3]对数极坐标格式,x可取的最大值为m,y可取的最大值为n,帧提取的对极数坐标变换公式为:
(x,y)→ρeiθ (1)
其中,(xc,yc)表示图形的中心点,/>
2)帧提取图片灰度化,紫外成像仪输出的原始图像为RGB彩色数字图像,图像中的每一个像素由R、G、B三个颜色分量表示,在图像分割之前将其转换为灰度图像,转换公式为:
Gray_scale=0.299R+0.587G+0.114B (2)
在灰度图像中每一个像素点的灰度值介于0和255之间,全白像素点的灰度值为“255”,全黑像素点的灰度值为“0”;
3)帧提取图片二值化;选择一个合适的阈值,对图像矩阵各像素点依次进行扫描,若像素点的灰度值高于该阈值,则将该像素点的灰度值设置为1,否则置为0,其判断公式为:
4)帧提取图片开、闭运算;图像经阈值分割后放电区域从紫外图像中分割出来,但紫外图像中灰度值接近于放电区域的干扰点图像也被保留在二值图像之中,采用二值数学形态学的开启、闭合运算对图像进行滤波处理,开启运算在不影响目标区域的情况下消除图像中像素尺寸较小的散点,并使得图像外边界平滑,闭合运算消除图像区域内部的一些孔洞,同时对图像内边界起到了一定的平滑作用;
步骤2:放电区域轮廓逼近方法,轮廓拟合;
1)放电区域轮廓逼近方法
采用Douglas-Peucker逼近算法,使用多边形逼近一个轮廓,首先从轮廓中选择2个最远的点,连成一个线段,再查找轮廓上到线段最短的点,添加到逼近后的新轮廓,反复迭代,不断将最远的点添加到结果中;
2)为了更快、更加规则的实现对放电光斑面积的叠加求和,采用不同的放点光斑轮廓拟合,拟合选择最小二乘拟合方法算出,对于由Douglas-Peucker逼近算法得出的m个样本(xi,yi)(i=1,2,3…,m),采用n次多项式进行拟合:
Hυ(x)=υ0+υ1x+υ2x2+…+υnxn (4)
其中,(xi,yi)为m组样本中第i个样本的坐标,υ0,υ1,υ2…υn为拟合参数;提出了基于圆、矩形、最小矩形和最小椭圆的拟合轮廓,拟合条件为最小化(υ0,υ1,υ2…υn)参数,即
基于公式(4)和公式(5)的最小二乘法拟合方法得出标准圆的半径r和圆的中心坐标(a,b),其标准拟合公式为(x-a)2+(y-b)2=r2;
得出矩形的宽高比k=w/h和矩形的中心坐标(a,b),标准公式为
得出最小矩形的宽高比k=w/h和矩形的中心坐标(a,b)和最小矩形相对于水平轴顺时针旋转的角度θ,其标准拟合公式为
旋转角为θ;
得出最小椭圆的外接矩形的宽高比k=w/h和矩形的中心坐标(a,b)和最小矩形相对于水平轴顺时针旋转的角度θt,其中矩形的宽和高即为最小椭圆的长轴和短轴,其标准拟合公式为旋转角为θt;
步骤3:坐标变换;
所述坐标变换为最小矩形拟合的坐标变换:
原矩形上的点坐标为(x,y),绕中心点坐标(x0’,y0’)旋转θ后的坐标(x’,y’),OL为矩形对角线,旋转前后不变,α为旋转签对角线与X轴之间的角度,(x,y)与(x’,y’)的坐标值如公式(6)所示:
已知旋转角度θ,原矩形点(x,y)与(x’,y’)之间坐标变换关系可以用公式(7)获得
坐标变换之前,中心坐标为(x0’,y0’),宽为w,高为h的矩形的数学表达式为公式(8)所示,长轴为a,短轴为b的椭圆公式如公式(9)所示:
对于遍历点(i,j),最小矩形和最小椭圆表达式变为公式(10)和公式(11)所示:
步骤4:拟合图形位置判断和矩阵逐帧灰度化叠加;
x为紫外图像的宽度,y为图像的高度,遍历元素(i,j)如果在放电区域内,则将矩阵T[i][j][c][l]置1,参数l表示图像为视频的第l帧,参数c表示图像l的第c个光斑;整段视频计算完成后,将矩阵在H[i][j]上加和,形成一张和视频分辨率相同的图像;
步骤5:灰度图像彩色化技术:
首先,寻找矩阵H中的最大值M和最小值m;
其次,采用归一化方法,将矩阵元素归一化,计算公式如公式(12)所示:
再次,定义颜色映射;
最后,使用查找表映射颜色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110747111.9A CN113298832B (zh) | 2021-07-02 | 2021-07-02 | 一种放电紫外视频量化参数提取和显示方法及其应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110747111.9A CN113298832B (zh) | 2021-07-02 | 2021-07-02 | 一种放电紫外视频量化参数提取和显示方法及其应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113298832A CN113298832A (zh) | 2021-08-24 |
CN113298832B true CN113298832B (zh) | 2024-02-02 |
Family
ID=77330478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110747111.9A Active CN113298832B (zh) | 2021-07-02 | 2021-07-02 | 一种放电紫外视频量化参数提取和显示方法及其应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298832B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103543394A (zh) * | 2013-10-27 | 2014-01-29 | 华北电力大学(保定) | 一种高压电气设备放电紫外成像量化参数提取方法 |
CN104297645A (zh) * | 2014-09-30 | 2015-01-21 | 国家电网公司 | 电气设备外部放电紫外检测分析方法及装置 |
CN105004972A (zh) * | 2015-06-25 | 2015-10-28 | 华北电力大学(保定) | 基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法 |
CN106054032A (zh) * | 2016-03-08 | 2016-10-26 | 华北电力大学(保定) | 一种高压绝缘子沿面放电脉冲峰值的非接触式测量方法 |
CN106940886A (zh) * | 2017-03-08 | 2017-07-11 | 华北电力大学(保定) | 一种基于灰度的电气设备放电紫外成像量化参数提取方法 |
CN107104971A (zh) * | 2017-05-03 | 2017-08-29 | 哈尔滨工业大学 | 一种基于激光雷达和视频的联合监控方法、装置及*** |
WO2020224458A1 (zh) * | 2019-05-07 | 2020-11-12 | 国网山东省电力公司电力科学研究院 | 一种基于图像处理的电晕检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102789658B (zh) * | 2012-03-02 | 2015-02-18 | 成都三泰电子实业股份有限公司 | 紫外防伪支票真伪验证方法 |
-
2021
- 2021-07-02 CN CN202110747111.9A patent/CN113298832B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103543394A (zh) * | 2013-10-27 | 2014-01-29 | 华北电力大学(保定) | 一种高压电气设备放电紫外成像量化参数提取方法 |
CN104297645A (zh) * | 2014-09-30 | 2015-01-21 | 国家电网公司 | 电气设备外部放电紫外检测分析方法及装置 |
CN105004972A (zh) * | 2015-06-25 | 2015-10-28 | 华北电力大学(保定) | 基于日盲紫外成像图像特征的瓷绝缘子绝缘状态评估方法 |
CN106054032A (zh) * | 2016-03-08 | 2016-10-26 | 华北电力大学(保定) | 一种高压绝缘子沿面放电脉冲峰值的非接触式测量方法 |
CN106940886A (zh) * | 2017-03-08 | 2017-07-11 | 华北电力大学(保定) | 一种基于灰度的电气设备放电紫外成像量化参数提取方法 |
CN107104971A (zh) * | 2017-05-03 | 2017-08-29 | 哈尔滨工业大学 | 一种基于激光雷达和视频的联合监控方法、装置及*** |
WO2020224458A1 (zh) * | 2019-05-07 | 2020-11-12 | 国网山东省电力公司电力科学研究院 | 一种基于图像处理的电晕检测方法 |
Non-Patent Citations (6)
Title |
---|
"3D Clothing Transfer in Virtual Fitting Based on UV Mapping";Ting Liu;《2018 11th International Congress on Image and Signal Processing》;全文 * |
基于OpenCV轮廓逼近的Android简单图形识别;周倩;王军;王亮亮;福建电脑;第32卷(第002期);全文 * |
基于Qt和OpenCV的高压设备放电紫外图像量化参数提取;王胜辉;姜婷玥;李楠;电瓷避雷器(第005期);全文 * |
基于运动和彩色信息的人脸定位方法;郭迎春, 于明, 林晓静, 刘妍春;河北工业大学学报(第06期);全文 * |
放电日盲紫外成像检测图像参数提取方法研究;王胜辉;李楠;廖鹏;华北电力大学学报(自然科学版);第40卷(第006期);全文 * |
特高压输变电***绝缘子紫外放电数据管理及故障诊断***设计;律方成;戴日俊;金虎;王胜辉;刘晓飞;郭文义;高电压技术(第002期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113298832A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | A novel color edge detection algorithm in RGB color space | |
WO2015070723A1 (zh) | 眼部图像处理方法和装置 | |
EP2638508B1 (en) | System and method for identifying complex tokens in an image | |
CN111402247A (zh) | 一种基于机器视觉的输电线路上悬垂线夹缺陷检测方法 | |
CN115144405B (zh) | 基于光学检测的Mini LED晶圆外观缺陷检测方法 | |
US20210256291A1 (en) | Computer-implemented method of detecting foreign object on background object in an image, apparatus for detecting foreign object on background object in an image, and computer-program product | |
US11263752B2 (en) | Computer-implemented method of detecting foreign object on background object in an image, apparatus for detecting foreign object on background object in an image, and computer-program product | |
CN111932572B (zh) | 一种铝合金熔池轮廓提取方法 | |
CN105701491A (zh) | 固定格式文档图像模版的制作方法及其应用 | |
CN107833223B (zh) | 一种基于光谱信息的水果高光谱图像分割方法 | |
CN113298832B (zh) | 一种放电紫外视频量化参数提取和显示方法及其应用 | |
CN107977959B (zh) | 一种适用于电力作业机器人的呼吸器状态识别方法 | |
US9235882B2 (en) | Method for detecting existence of dust spots in digital images based on locally adaptive thresholding | |
Lv et al. | Two adaptive enhancement algorithms for high gray-scale RAW infrared images based on multi-scale fusion and chromatographic remapping | |
Wu et al. | Experimental analysis of image dehazing algorithms for pelletization process images | |
CN111985492B (zh) | 一种云识别方法 | |
Sujitha et al. | Underwater image enhancement by Multiscale fusion technique and Dehazing | |
Ge et al. | An optimized design of the pointer meter image enhancement and automatic reading system in low illumination environment | |
CN116883401B (zh) | 一种工业产品生产质量检测*** | |
CN117252789B (zh) | 高分辨率遥感影像阴影重建方法、装置及电子设备 | |
CN112857751B (zh) | 一种数字化像增强器暗计数测试装置、方法及存储介质 | |
CN116402723B (zh) | 集成机器人平台的紫外成像检测*** | |
CN116612146B (zh) | 图像处理方法、装置、电子设备以及计算机存储介质 | |
Wang et al. | Shadow Detection and Reconstruction of High-Resolution Remote Sensing Images in Mountainous and Hilly Environments | |
CN109345541A (zh) | 一种智能监控***的工作方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |