郭曉旭，劉志剛，張桂南，高仕斌（.西南交通大學(xué)電氣工程學(xué)院，成都6003；2.鐵道第三勘探設(shè)計院集團(tuán)有限公司，天津30042）

角點(diǎn)配準(zhǔn)與圖像差分的接觸網(wǎng)絕緣子故障檢測

郭曉旭1，2，劉志剛1，張桂南1，高仕斌1
（1.西南交通大學(xué)電氣工程學(xué)院，成都610031；2.鐵道第三勘探設(shè)計院集團(tuán)有限公司，天津300142）

針對接觸網(wǎng)棒式絕緣子分布及故障特點(diǎn)，該文基于Harris角點(diǎn)與圖像差分實現(xiàn)了絕緣子的抗旋轉(zhuǎn)匹配和故障檢測。首先對選取的模板圖像及待檢測圖像分別進(jìn)行Harris角點(diǎn)檢測；再利用序貫相似性檢測算法SSDA（sequential similarity detection algorithm）對模板圖像及待檢測圖像內(nèi)角點(diǎn)匹配；接著對匹配后的角點(diǎn)進(jìn)行模糊聚類，由于匹配會造成有用角點(diǎn)的丟失，故需對角點(diǎn)進(jìn)行恢復(fù)處理；然后利用最小二乘法進(jìn)行直線擬合；最終根據(jù)直線兩側(cè)圖像的對稱特性，差分圖像并統(tǒng)計縱向灰度獲取故障信息曲線，給出故障判斷。實驗結(jié)果表明：文中方法簡單有效、易于實現(xiàn)。

棒式絕緣子；故障檢測；Harris角點(diǎn)檢測；序貫相似性檢測算法；模糊聚類

電氣化鐵路接觸網(wǎng)上的絕緣子長期受到高機(jī)械強(qiáng)度、強(qiáng)電場作用以及惡劣環(huán)境的影響，會產(chǎn)生不同程度的損壞，引發(fā)機(jī)車供電中斷，造成嚴(yán)重的經(jīng)濟(jì)損失和不良的社會影響[1-2]。因此，對絕緣子在線智能檢測，可以有效減少安全隱患、提高檢修效率以及牽引供電的可靠性。

目前國內(nèi)外對絕緣子故障檢測研究方法有[3-6]：光譜法；紫外脈沖法；徑向溫度法；超聲波檢測法等。這些檢測方法均取得了一定的效果，但分析文獻(xiàn)發(fā)現(xiàn)不少方法存在危險性高、算法復(fù)雜等問題，均需要進(jìn)一步深入研究?；趫D像處理技術(shù)對電力絕緣設(shè)備進(jìn)行非接觸式檢測的研究：文獻(xiàn)[7]基于日盲紫外成像技術(shù)，對絕緣子進(jìn)行了污穢狀態(tài)評估；文獻(xiàn)[8]利用曲波進(jìn)行方向性濾波，對曲波聚集系數(shù)利用數(shù)學(xué)形態(tài)學(xué)進(jìn)行增強(qiáng)，最終利用條帶能量進(jìn)行統(tǒng)計，實現(xiàn)了絕緣子故障的準(zhǔn)確判斷；文獻(xiàn)[9]通過絕緣子模板匹配方法及光線反射點(diǎn)特性實現(xiàn)了絕緣子定位，利用小波奇異性特征實現(xiàn)了絕緣子異物檢測；文獻(xiàn)[10]分析了合成絕緣子產(chǎn)生界面缺陷的原因，指出紅外定期熱像測溫可實現(xiàn)該缺陷的監(jiān)測；文獻(xiàn)[11]利用計算機(jī)雙目視覺技術(shù)，重建了覆冰絕緣子的三維模型，從而精準(zhǔn)地計算了絕緣子覆冰的厚度和重量。

針對接觸網(wǎng)棒式絕緣子分布及故障的特點(diǎn)，本文提出一種基于Harris角點(diǎn)與圖像差分的棒式絕緣子故障檢測方法。該方法首先對選取的模板圖像及待檢測圖像分別進(jìn)行Harris角點(diǎn)檢測；再利用序貫相似性檢測算法對模板圖像及待檢測圖像內(nèi)角點(diǎn)匹配；接著對匹配后的角點(diǎn)進(jìn)行模糊聚類，由于匹配會造成絕緣子中心軸位置有用角點(diǎn)的丟失，故需對角點(diǎn)進(jìn)行恢復(fù)處理；然后利用最小二乘法進(jìn)行直線擬合；最終根據(jù)直線兩側(cè)圖像的對稱特性，差分圖像并統(tǒng)計縱向灰度獲取故障信息曲線，給出故障判斷。

1 圖像Harris角點(diǎn)的檢測

接觸網(wǎng)棒式絕緣子在實際安裝中的角度并不單一，且外部環(huán)境復(fù)雜，檢測車拍攝的接觸網(wǎng)圖像在亮度和對比度上呈現(xiàn)明顯差異。傳統(tǒng)的模板匹配算法對亮度和對比度的變化敏感，且不具備旋轉(zhuǎn)不變性，因而使用單一的模板很難將圖像中絕緣子逐一定位。本文對接觸網(wǎng)圖像進(jìn)行Harris角點(diǎn)檢測[12-13]，可以克服以上兩個缺陷：

（1）Harris角點(diǎn)檢測對圖像進(jìn)行微分計算，微分運(yùn)算對圖像亮度和對比度的變化不敏感，且這兩個因素的仿射變換并不改變Harris響應(yīng)極值點(diǎn)出現(xiàn)的位置；

（2）Harris角點(diǎn)檢測算子使用了角點(diǎn)附近區(qū)域灰度二階矩矩陣，該矩陣表示了一個橢圓，且該矩陣特征值平方根的倒數(shù)正是橢圓的長短軸，橢圓轉(zhuǎn)動特征值不變、角點(diǎn)響應(yīng)也不變化。

Harris角點(diǎn)檢測的步驟如下。

步驟1圖像I（x，y）在x、y方向的梯度Ix、Iy的計算式分別為

式中，w（u，v）為高斯窗在（u，v）的系數(shù)。

步驟4計算每個像元的Harris響應(yīng)值R，設(shè)定R的閾值為

步驟5在n×n的鄰域內(nèi)進(jìn)行非極大值抑制，局部極大值點(diǎn)即為圖像中的角點(diǎn)，本文處理時n=5。

對絕緣子進(jìn)行Harris角點(diǎn)檢測，由于絕緣子紋理豐富，該方法可提取較多有用的點(diǎn)，提取的點(diǎn)特征均勻合理；計算只涉及一階導(dǎo)數(shù)，較為簡便；角點(diǎn)穩(wěn)定性較好，沒有大尺度變化，都能夠提取穩(wěn)定的角點(diǎn)特征。

2 基于SSDA的圖像角點(diǎn)匹配

傳統(tǒng)匹配算法在每個帶匹配的位置都要做M2相關(guān)計算（M為模板的大?。?，為了減少運(yùn)算量，SSDA[14-15]被提出，該算法在處理速度上比其他算法高兩個量級。

假設(shè)模板T的模板子塊大小為N×N，其中心為第i個角點(diǎn)；待匹配圖的搜索子圖Si，j大小為N×N，其中心也為某個角點(diǎn)，該搜索子圖右上角像素點(diǎn)坐標(biāo)為（i，j）。

SSDA匹配算法步驟如下。

（1）定義絕對誤差為

（2）設(shè)定不變的閾值Tk；

（3）搜索子圖Si，j（m，n）中隨機(jī)選取像點(diǎn)（mk，nk），計算它同T對應(yīng)點(diǎn)的誤差ε，然后將該差值與其他點(diǎn)對應(yīng)差值累加，累加r次誤差超過Tk，則停止累加，記錄r值。定義SSDA曲面為

SSDA算法只計算部分誤差，并與事先準(zhǔn)備好的誤差閾值比較，如：搜索子圖中前r個點(diǎn)引起的誤差和大于誤差閾值時，即可停止運(yùn)算，換下一個點(diǎn)匹配?？梢姡撍惴軌蜉^快實現(xiàn)圖像匹配。

3 匹配角點(diǎn)模糊聚類及目標(biāo)區(qū)域判斷

針對于SSDA匹配后的角點(diǎn)，只能反映棒式絕緣子的位置，且圖像中并非僅有一個棒式絕緣子的問題，需首先對匹配后的角點(diǎn)模糊聚類，其次對聚類后角點(diǎn)的恢復(fù)，完整恢復(fù)絕緣子中心軸的信息量，再進(jìn)行直線擬合。此外，為了完整提取絕緣子圖像還需對絕緣子進(jìn)行區(qū)域定位。

3.1 匹配角點(diǎn)模糊聚類

為了減少外部環(huán)境干擾，對接觸網(wǎng)的拍攝在夜間進(jìn)行。光源由強(qiáng)光燈提供，在正對光源的位置反射現(xiàn)象較其余地方強(qiáng)烈。反射強(qiáng)烈的區(qū)域為正對光源的絕緣子曲面與光源面相切的位置，該處也是絕緣子中心軸的位置。匹配后角點(diǎn)出現(xiàn)在絕緣子中心軸處，當(dāng)圖像中存在多個絕緣子時，匹配后的角點(diǎn)出現(xiàn)多區(qū)域性分布，本文對角點(diǎn)進(jìn)行了模糊聚類。

設(shè)數(shù)據(jù)集X={x1，…，xN}，它的模糊C劃分可用模糊矩陣U=[Uij]∈RCN表示，矩陣U的元素uijc表示第j個數(shù)據(jù)點(diǎn)屬于第i類的隸屬度=1，uij∈[0，1]，i∈[1，c]，j∈[1，N]，X的模糊C-均值聚類即是求取最小值

式中：vi為i類的聚類中心；|xj-vi| 為第j個序列到第i類中心的歐式距離；m為加權(quán)指數(shù)。

模糊C-均值聚類具體步驟如下。

（1）取定聚類類別數(shù)c、m、迭代停止閾值ε以及初始隸屬度矩陣U0，初始化迭代步數(shù)l；

（2）更新后的聚類中心為Vl，即

3.2 聚類后角點(diǎn)的恢復(fù)及直線擬合

SSDA匹配角點(diǎn)能夠?qū)崿F(xiàn)絕緣子中心軸的精確定位，但由于在匹配過程中對相似度設(shè)置了閾值，造成中心軸上部分角點(diǎn)的丟失，因此為了完全反映中心軸長度，需對距離聚類中心點(diǎn)較近區(qū)域的角點(diǎn)進(jìn)行恢復(fù)，再對恢復(fù)的角點(diǎn)采用最小二乘法進(jìn)行直線擬合。假設(shè)第i個角點(diǎn)坐標(biāo)（xi，yi）滿足

式中：η為直線斜率；a為截距。

使用最小二乘法估計直線參數(shù)，主要是保證偏差加權(quán)平方和最小，即

滿足以上條件，即可求取η和a的最佳估計值η?和a?，整理式（11）有

3.3 絕緣子目標(biāo)區(qū)域判斷

結(jié)合聚類中心點(diǎn)坐標(biāo)及其對應(yīng)的擬合直線，假設(shè)棒式絕緣子傾斜情況如圖1所示，絕緣子中心點(diǎn)坐標(biāo)為O，絕緣子中心軸長為L，瓷裙的長軸為K，絕緣子的傾斜角度為θ。

圖像中棒式絕緣子無論放大、縮小還是傾斜，絕緣子中心軸與截面為橢圓的瓷裙長軸比值具有不變性，此外，根據(jù)圖中三角關(guān)系，即可求取絕緣子所在的矩形區(qū)域M×N，關(guān)系式為

圖1 絕緣子目標(biāo)區(qū)域定位圖Fig.1 Location of insulators’targetarea

4 棒式絕緣子定位及故障檢測實驗

論文提出方法的思路示意如圖2所示，為了驗證該方法的有效性選取實際線路圖像進(jìn)行分析。

圖2 本文提出方法的思路示意Fig.2 DiagraMof themethod proposed in thispaper

4.1 棒式絕緣子定位實驗

為了驗證Harris角點(diǎn)檢測、SSDA匹配算法以及目標(biāo)區(qū)域定位的準(zhǔn)確性。對拍攝的武廣高鐵圖像庫中的圖像進(jìn)行識別定位實驗。攝像機(jī)分辨率為2 448×2 048，強(qiáng)光燈功率為9W。

圖像中只有一個正常棒式絕緣子定位效果如圖3所示，圖3（a）為絕緣子模板的角點(diǎn)檢測圖，圖3（b）為待檢測圖像的角點(diǎn)檢測圖，圖3（c）為角點(diǎn)匹配后效果圖，圖3（d）為絕緣子中心軸處角點(diǎn)恢復(fù)后效果圖，圖3（e）為恢復(fù)后角點(diǎn)的直線擬合效果圖。圖像中存在多個正常棒式絕緣子定位效果如圖4所示。故障絕緣子定位如圖5所示。表1為圖3和圖4中直線傾斜角度統(tǒng)計。

從圖3和圖4可以清晰看到定位區(qū)域包含絕緣子的所有信息量，該方法能夠有效識別傾斜絕緣子，具有較好的抗旋轉(zhuǎn)性，此外，可以看出擬合后的直線能夠精確反映絕緣子傾斜程度；由表1可以看出即使是微小的傾斜角度也能定量給出；從圖5中可以看出無論絕緣子斷裂還是夾雜異物，該方法都能實現(xiàn)絕緣子的完整定位；除此，圖5（b）邊界處出現(xiàn)信息不完整絕緣子，針對該情況，對聚類中心點(diǎn)設(shè)定了相應(yīng)閾值，可剔除距離圖像邊界較近的中心點(diǎn)。

圖3 正常棒式絕緣子定位效果圖Fig.3 Effect image of the location ofnormal insulator

圖4 多個絕緣子定位圖Fig.4 Location ofmultiple insulators

圖5 故障絕緣子定位效果圖Fig.5 Effect image of the location of fault insulator

表1 絕緣子傾斜角度統(tǒng)計數(shù)據(jù)Tab.1 Statisticaldata of insulator tiltangle

對于絕緣子偏移角度統(tǒng)計如表1所示。對檢測車拍攝的20張圖片進(jìn)行識別：對檢測車拍攝的26張圖片進(jìn)行識別定位，共識別出24張圖片，識別率為92.31%，可見本文定位算法，具有較高的定位精度?？偨Y(jié)圖像識別失敗的原因為：曝光時間設(shè)置不當(dāng)導(dǎo)致圖像模糊；瓷裙大面積脫落導(dǎo)致絕緣子喪失角點(diǎn)特征。

4.2 棒式絕緣子故障檢測

圖6（a）所示為水平校正后的絕緣子破損圖像。圖6（b）左圖為絕緣子中心軸以上部分鏡像后圖像，右圖為中心軸以上部分圖像，圖中反映出的故障區(qū)域灰度差異并不明顯，因此需進(jìn)行反色處理，從而達(dá)到增強(qiáng)故障區(qū)域的目的，圖6（c）即為反色處理的效果圖，圖6（d）為（c）圖中左右圖像差分后的的效果圖，從圖中可以明顯看到故障區(qū)域。圖6（d）為圖像差分后縱坐標(biāo)的灰度統(tǒng)計曲線，在500 pix位置出現(xiàn)明顯值，即可判斷該處為故障。

圖6 絕緣子破損故障檢測步驟Fig.6 Procedureof fault detection of insulator damaged

針對圖7（a）絕緣子夾雜異物故障，故障檢測過程如圖7（b）～（d）所示。與破損故障不同的是，夾雜異物的灰度值較大，因此不需對分裂鏡像后的圖像進(jìn)行反色操作。

圖7 絕緣子夾雜異物故障檢測步驟Fig.7 Procedureof faultdetection ofinsulator With foreignbody

絕緣子故障識別結(jié)果統(tǒng)計分析如下：識別定位出的24張圖片，共提取絕緣子41個，正常絕緣子36個，故障絕緣子5個，本算法對39個絕緣子給出正確判斷，識別率為95.12%，可見本文檢測方法可以較精確的判斷故障絕緣子。誤識別是由于絕緣子處于圖像邊界處，而聚類中心點(diǎn)設(shè)定的閾值過小，未剔除該中心點(diǎn)，導(dǎo)致提取的絕緣子信息不全，因而給出了誤判。檢測車為動態(tài)拍攝，上一時刻處在圖像邊界處的絕緣子，能在下一時刻圖像中全部捕獲，因而設(shè)定稍大的閾值可有效解決該問題，且不會造成絕緣子檢測的遺漏。

正常情況下圖像拍攝到的絕緣子關(guān)于中心軸對稱，但有時圖像中絕緣子會出現(xiàn)變形導(dǎo)致不對稱，因而需校正，如圖8所示。圖中L為絕緣子中心軸，在L上任取一點(diǎn)O，過該點(diǎn)的垂線為l，將該線順時針旋轉(zhuǎn)β角度，觀察O點(diǎn)兩側(cè)灰度曲線的對稱性，顯然β=π/2α?xí)r，曲線對稱，說明絕緣子順轉(zhuǎn)了β角度，因此將矩形區(qū)域逆轉(zhuǎn)β，即可得到關(guān)于中心軸對稱的絕緣子，在進(jìn)行圖像差分，給出故障判斷。由于檢測圖像中未出現(xiàn)該狀況，本文未完整給出該問題的分析過程。

圖8 絕緣子變形校正圖Fig.8 Deformation correction of insulator

由于該故障判定方法用到了絕緣子的對稱性，針對絕緣子對稱故障，本文提出的方法無法給出判斷，但工程中一般不會出現(xiàn)絕緣子對稱故障。除此，該方法也適應(yīng)于絕緣子污穢故障的判斷：污穢較小不會造成安全事故，可設(shè)置灰度閾值，判斷為正常絕緣子；污穢較大時灰度值也較大，可判斷為故障。綜上，本文方法可為多種故障給出判斷，且簡單有效、具有一定的工程實用性。

5 結(jié)語

對于檢測車車拍攝的海量圖片，傳統(tǒng)的人工檢測方法已經(jīng)很難適應(yīng)接觸網(wǎng)檢測的要求，且其效率和精度都無法得到保證。本文利用圖像處理理論，對現(xiàn)場圖片進(jìn)行Harris角點(diǎn)檢測，SSDA匹配運(yùn)算及對絕緣子圖像分裂、鏡像處理和圖像差分，給出故障判斷，取得了較好的效果。該方法實現(xiàn)了模板匹配的抗旋轉(zhuǎn)性，且故障判斷較為簡潔，為接觸網(wǎng)智能化巡檢裝置的開發(fā)提供了新思路。

[1]關(guān)志成，劉瑛嚴(yán)，周運(yùn)翔，等.絕緣子及輸電設(shè)備的外絕緣[M].北京：清華大學(xué)出版社，2006.

[2]于萬聚.高速電氣化鐵路接觸網(wǎng)[M].成都：西南交通大學(xué)出版社，2003.

[3]Mahmoud F，AzzaMR MA.Opticalmonitor for contaminationonHV insulatorsurfaces[J].IEEETransonDielectrics and Electrical Insulation，1997，4（1）：33-38.

[4]肖猛，文曹（Xiao Meng，Wen Cao）.一種新型絕緣子帶電檢測方法——紫外成像法（Newmethod to detect insulation on line—ultraviolet imagemethod）[J].高電壓技術(shù)（High Voltage Engineering），2006，32（6）：42-44.

[5]陳華林，姚建剛，李佐勝，等（Chen Hualin，Yao Jiangang，LiZuosheng，etal）.利用徑向溫度分布特征檢測絕緣子污穢等級（Insulator pollution leveldetection using radial temperature distribution features）[J].電力系統(tǒng)及其自動化學(xué)報（Proceedings of the CSU-EPSA），2010，22（5）：56-61.

[6]王立新，衛(wèi)志剛，孫丙新，等（Wang Lixin，Wei Zhigang，Sun Bingxin，etal）.變電站支柱磁絕緣子超聲波檢測工藝方法的選擇和試驗分析（Selection and testanalysisof ultrasonic testing technology of strut porcelain insulator）[J].無損檢測（Nondestructive Testing），2006，28（12）：636-640.

[7]李和明，王勝輝，律方成，等（LiHeming，Wang Shenghui，LüFangcheng，etal）.基于放電紫外成像參量的絕緣子污穢狀態(tài)評估（Contamination condition evaluation of insulatorsbased on dischargeultravioletimagingparameters）[J].電工技術(shù)學(xué)報（Transactionsof China Eletrotechnical Soiety），2010，25（12）：22-29.

[8]韓志偉，劉志剛，楊紅梅，等（Han Zhiwei，Liu Zhigang，Yang Hongmei，etal）.基于二代曲波系數(shù)形態(tài)學(xué)條帶能量法的絕緣子故障檢測（Insulator faultdetection based on curvelet coefficients morphology and zonal energy method）[J].鐵道學(xué)報（Journalof the China Railway Society），2013，35（3）：36-40.

[9]張桂南，劉志剛，韓燁，等（Zhang Guinan，Liu Zhigang，Han Ye，etal）.接觸網(wǎng)棒式絕緣子故障檢測的快速模糊區(qū)匹配方法（A neWfast fuzzymatchingmethod of fault detection for rod insulators of high-speed railways）[J].鐵道學(xué)報（Journalof the China Railway Society），2013，35（5）：27-33.

[10]王祖林，黃濤，劉艷，等（Wang Zulin，Huang Tao，Liu Yan，etal）.合成絕緣子故障的紅外熱像在線檢測（Online inspection ofdefective composite insulatorsby infrared temperature measurement）[J].電網(wǎng)技術(shù)（Power SysteMTechnology），2003，27（2）：17-20.

[11]律方成，戴日俊，王勝輝，等（LüFangcheng，DaiRijun，Wang Shenghui，etal）.基于紫外成像圖像信息的絕緣子表面放電量化方法（Study of insulatorsurfacedischarge quantificationmethod based on ultraviolet imaging image information）[J].電工技術(shù)學(xué)報（Transactions of China EletrotechnicalSoiety），2012，27（2）：261-268.

[12]趙小川.現(xiàn)代數(shù)字圖像處理技術(shù)提高及應(yīng)用案例詳解（MATLAB版）[M].北京：北京航空航天大學(xué)出版社，2012.

[13]Harris C，StephensM.A combined corner and edge detector[C]//The 4th Alvey Vision Conference，Manchester，UK：1998.

[14]Barnea D I，Silverman H F.A class of algorithms for fast digital image registration[J].IEEE Trans on Computers，1972，21（2）：179-186.

[15]吳培景，陳光夢（Wu Peijing，Chen Guangmeng）.一種改進(jìn)的SSDA圖像匹配算法（An improved SSDA in image registration）[J].計算機(jī)工程與應(yīng)用（Computer Engineeringand Applications），2005，（33）：76-78.

Fault Detection of Catenary Insulator Based on Corner Matching and Image Differencing

GUO Xiaoxu1，2，LIU Zhigang1，ZHANG Guinan2，GAO Shibin1
（1.Schoolof Electric Engineering，Southwest Jiaotong University，Chengdu 610031，China；2.Third Railway Exploration and Design Institute Group Co.，Ltd.，Tianjin 300142，China）

Aiming at the distribution and characteristics of fault of the catenary rod insulator，anti-rotation matching and fault detection of insulators based on Harris corner and image differencing are realized in this paper.Firstly，the template image selected and the image to be detected were detected in Harris corner respectively.Then corners in the template image and the image to be detected were matched by sequentialsimilarity detection algorithm（SSDA）.Thirdly，fuzzy clustering was used in the matched corners，and the process of corners recovery was necessary because the useful corners were lost in matching process.Fourthly，least square method was used in line fitting.Finally，the fault judgmentwas given by difference image and getting failure information curve under counting longitudinalgray according to the symmetrical characteristic on both sides of the image.The experimental results indicate that the method put forward in this paper is simple，effective and easy to implement.

rod insulator；faultdetection；Harris corner detector；sequential similarity detection algorithm（SSDA）；fuzzy clustering

U226.8.1

A

1003-8930（2015）02-0008-07

郭曉旭（1988—），女，通信作者，碩士研究生，研究方向為軌道交通牽引供電系統(tǒng)自動化及電氣設(shè)備在線監(jiān)測。Email：guoxiaoxu198805@126.com）

2013-08-14；

2013-10-16

國家自然科學(xué)基金重點(diǎn)項目（U1134205）；鐵道部科技研究開發(fā)計劃（2011J016-B）。

劉志剛（1975—），男，博士，教授，博士研究生導(dǎo)師，研究方向為現(xiàn)代信號處理及其在電力系統(tǒng)和牽引供電系統(tǒng)中的應(yīng)用。Email：liuzg_cd@126.com）

張桂南（1988—），男，碩士研究生，研究方向為現(xiàn)代信號處理及其在電力系統(tǒng)和牽引供電系統(tǒng)中的應(yīng)用。Email：zgn_2008@126.com