郭文誠 崔昊楊 馬宏偉 霍思佳 葛晨航

摘 要：變電站設(shè)備巡檢過程中采集到的現(xiàn)場設(shè)備圖像往往會出現(xiàn)角度傾斜問題，給設(shè)備檢測圖像的處理和分析帶來困難。特別是電力設(shè)備紅外圖像傾斜，將給基于圖像檢測技術(shù)的設(shè)備識別和溫度特征提取帶來較大誤差。為此文中提出了基于改進(jìn)Radon變換的電力設(shè)備傾斜圖像校正方法，采用灰度特征的模板匹配方法選取設(shè)備的前景區(qū)域，并通過Canny邊緣檢測方法對其提取出設(shè)備的邊緣圖像，最后采取Radon變換法計(jì)算目標(biāo)設(shè)備的傾斜角度并進(jìn)行旋轉(zhuǎn)操作，實(shí)現(xiàn)設(shè)備紅外圖像的傾斜校正。母線PT，CT等典型設(shè)備的紅外圖像對比實(shí)驗(yàn)結(jié)果表明，文中算法相比傳統(tǒng)Radon變換法的傾斜校正效果有了大幅提升，且具有很好的適應(yīng)性。

關(guān)鍵詞：設(shè)備圖像;模板匹配;Radon變換;傾斜校正;邊緣檢測;紅外檢測

中圖分類號：TP393文獻(xiàn)標(biāo)識碼：A文章編號：2095-1302（2019）04-00-04

0 引 言

紅外檢測技術(shù)是電力設(shè)備巡檢中的常用技術(shù)手段，通過對電力設(shè)備紅外圖像進(jìn)行處理可直觀呈現(xiàn)缺陷檢測結(jié)果，相比傳統(tǒng)人工篩查方式具備速度快、精度高等優(yōu)勢，但實(shí)際處理效果受前端圖像采集系統(tǒng)影響，對設(shè)備圖像質(zhì)量提出了較高要求[1]。然而由于拍攝場地的限制以及操作人員專業(yè)程度的影響，采集到的圖像難免存在傾斜問題，嚴(yán)重弱化了基于圖像分割的特征提取能力以及設(shè)備缺陷識別準(zhǔn)確度[2-5]。為解決圖像傾斜給后續(xù)圖像處理帶來的困難，國內(nèi)外學(xué)者提出了基于線性擬合、傅里葉變換以及投影等傾斜角度校正方法。其中，使用火柴棒模型可以整體旋轉(zhuǎn)校正目標(biāo)設(shè)備，但傾斜角檢測容易出現(xiàn)誤差，導(dǎo)致過校正或欠校正[6];通過傅里葉變換可實(shí)現(xiàn)對圖像目標(biāo)設(shè)備的像素級處理，有效檢測目標(biāo)傾斜角，但計(jì)算量極大，實(shí)時(shí)性弱，難以批量處理圖像;基于最小二乘與垂直偏移原理的校正方法，首先將待校正區(qū)域擬合為直線，然后通過滑動窗口進(jìn)行角度檢測，并利用最小化投影點(diǎn)坐標(biāo)的方差對垂直方向進(jìn)行傾斜校正，該方法具有較高的計(jì)算效率和精確度，但魯棒性不強(qiáng)，難以滿足批量處理時(shí)效果的穩(wěn)定性[7];Radon算子進(jìn)行圖像傾斜校正時(shí)受圖像背景信息的影響較大，導(dǎo)致該方法對簡單背景圖像的處理效果較好，但背景環(huán)境復(fù)雜時(shí)誤差較大[8]。因此，針對復(fù)雜環(huán)境下拍攝的電力設(shè)備紅外圖譜，傳統(tǒng)的Radon變換算法難以區(qū)分圖像前景信息，無法實(shí)現(xiàn)目標(biāo)設(shè)備傾斜角度的精確測量。

針對上述問題，本文提出一種改進(jìn)的Radon變換算法，即在傳統(tǒng)Radon算子中引入模板匹配法對復(fù)雜環(huán)境中的傾斜圖像進(jìn)行校正。

（1）利用圖像灰度特征，通過歸一化積相關(guān)算法（Normalized Cross Correlation，NCC）對復(fù)雜環(huán)境圖像中的設(shè)備進(jìn)行精確定位，從而提取電力設(shè)備紅外圖像中的前景信息;

（2）采用Canny算子對其進(jìn)行邊緣檢測，并結(jié)合Radon變換算法對傾斜前景圖像進(jìn)行投影積分計(jì)算，獲取圖像的傾斜程度;

（3）根據(jù)所計(jì)算的圖像傾斜角采用雙線性插值方式實(shí)現(xiàn)設(shè)備傾斜紅外圖像的校正。

該方法將整幅圖像的Radon變換精簡為圖像前景區(qū)域的Radon變換，避免嘈雜的圖像背景對前景傾斜角計(jì)算的影響。同時(shí)使用本文提出的算法與傳統(tǒng)Radon變換算法進(jìn)行對比實(shí)驗(yàn)研究。實(shí)驗(yàn)結(jié)果表明，本文方法明顯提高了電力設(shè)備紅外圖像傾斜校正的精確度，并使得校正后的紅外圖像可以滿足后續(xù)圖像分割識別等處理步驟的圖像質(zhì)量需求，進(jìn)一步提高了紅外檢測法的可靠性。

1 基于改進(jìn)Radon變換法的電力設(shè)備傾斜圖像校正

1.1 傳統(tǒng)Radon變換的傾斜圖像校正算法

傳統(tǒng)Radon變換[9-13]在圖像邊緣檢測的基礎(chǔ)上，將灰度圖輪廓信息在0°～180°范圍內(nèi)的不同方向上進(jìn)行線性積分，其灰度圖f（x，y）在角度θ上產(chǎn)生的投影如式（1）所示。當(dāng)式（1）達(dá)到極大值時(shí)，其投影距離所對應(yīng)的角度θ即為原紅外圖像的傾斜角。

1.2 基于NCC算法的改進(jìn)Radon變換傾斜校正方法

針對電力系統(tǒng)設(shè)備紅外圖譜背景信息高度復(fù)雜的問題，在進(jìn)行圖像處理時(shí)需要采用一定圖像處理方法降低圖像中的背景干擾，并計(jì)算目標(biāo)設(shè)備前景區(qū)域傾斜角，以保證傾斜校正的精確性。因此，本文方法首先通過已確定的模板與傾斜圖像中各待選窗口進(jìn)行匹配，提取與待檢測設(shè)備相關(guān)的目標(biāo)區(qū)域，然后采用Radon積分變換對提取的前景灰度圖進(jìn)行角度識別，最后使用雙線性插值方法實(shí)現(xiàn)對傾斜設(shè)備圖像的校正，具體流程如圖2所示。

2 傾斜圖像校正的比對實(shí)驗(yàn)

2.1 實(shí)驗(yàn)步驟

選取一幅在環(huán)境溫度20 ℃，濕度55%條件下采集的白莊站220 kV文白線CT紅外圖像，并從設(shè)備模板庫中調(diào)取對應(yīng)的CT模板圖像，CT紅外原圖及CT模板圖像如圖3所示。其中CT紅外圖像像素尺寸為530×360，CT模板圖像像素尺寸為280×320。對兩幅圖像分別做灰度化處理，在設(shè)備原圖中以遍歷的方法逐一選取與模板圖像尺寸一致的設(shè)備子圖，同時(shí)采用歸一化積相關(guān)算法計(jì)算出與模板圖像相似度最高的子圖像，匹配結(jié)果如圖4所示。

2.2 實(shí)驗(yàn)結(jié)果對比與分析

為了驗(yàn)證本文方法的有效性，采用本文方法與Radon變換法分別對白莊站220 kV母線PT，110 kV母線PT與220 kV CT紅外圖像進(jìn)行傾斜校正，采集得到的原始圖像及分別使用兩種算法處理后的圖像如圖6所示。紅外原圖均在環(huán)境溫度20 ℃，濕度55%的條件下采集得到。

圖6（a）～（c）分別對應(yīng)220 kV母線PT，110 kV母線PT與220 kV CT的紅外檢測原始結(jié)果，即傾斜的紅外原圖像，圖6（d）～（f）分別為各設(shè)備傾斜圖像進(jìn)行Radon變換法校正后的結(jié)果。Radon變換法校正結(jié)果表明，傳統(tǒng)Radon變換法僅對220 kV母線PT紅外圖像（即圖6（d））有較好的校正結(jié)果。對于圖6（f）所示的220 kV CT紅外校正圖像，在經(jīng)過Radon變換法校正后依然存在一定的傾斜角度，而圖6（f）中靠左側(cè)的電線桿被當(dāng)做目標(biāo)校正至傾斜角為0。經(jīng)Radon變換法校正后110 kV母線PT紅外圖像（e）存在更為嚴(yán)重的傾斜情況，算法將（e）圖像中一條電線錯(cuò)認(rèn)為目標(biāo)，并將其校正。這是因?yàn)镽adon變換法檢測角度是根據(jù)邊緣檢測后的圖像在各個(gè)方向上進(jìn)行投影，當(dāng)投影距離出現(xiàn)極值時(shí)所對應(yīng)的方向角為檢測到的傾斜角，即在圖像各個(gè)方向上尋找最長的一條線。220 kV CT紅外圖像中的電線桿和110 kV母線PT紅外圖像中的導(dǎo)線被認(rèn)為是圖像中某一方向上的最長直線，它們與水平方向的夾角被錯(cuò)誤的判定為整幅圖像的傾斜角度，致使Radon變換法校正后的設(shè)備圖像依舊存在傾斜現(xiàn)象，并且校正效果較差。

改進(jìn)后的Radon變換法校正結(jié)果如圖6（g）～（i）所示，與傳統(tǒng)Radon算法相比，改進(jìn)方法可以實(shí)現(xiàn)不同場景下各種傾斜設(shè)備圖像的精確校正。其原因在于，改進(jìn)的Radon變換法使用歸一化積相關(guān)算法剔除部分背景圖像，僅對設(shè)備圖像的前景區(qū)域進(jìn)行Radon變換，降低了變電站中大量嘈雜背景的干擾。

為進(jìn)一步研究改進(jìn)Radon算法對不同背景及傾斜角度紅外圖像的校正性能，本文在Radon域上對傾斜角具體數(shù)據(jù)進(jìn)行定量分析，結(jié)果如圖7所示。其中圖（a）～（c）分別表示220 kV母線PT，110 kV母線PT與220 kV CT圖像在Radon域上的投影結(jié)果。圖中橫坐標(biāo)theta是Radon變換法檢測的角度范圍，本文所取為-45°～45°;縱坐標(biāo)x是平行直線與原點(diǎn)間的距離。設(shè)備圖像的傾斜程度可通過投影最大值所在位置獲得，且最大值在圖中以高亮點(diǎn)的形式呈現(xiàn)，則檢測到的220 kV母線PT圖像傾斜角對應(yīng)7°，110 kV母線PT圖像傾斜角為3°，220 kV CT圖像傾斜角為12°，各圖像經(jīng)人工測量得到的傾斜角度分別為7°，3°，11°，其相對誤差較小，由此驗(yàn)證了本文方法的校正結(jié)果具有很高的精確度，校正后的紅外圖像可以滿足后續(xù)圖像分割識別等處理步驟的圖像質(zhì)量需求。

3 結(jié) 語

針對變電站智能巡檢系統(tǒng)存在的圖像傾斜問題，本文提出了一種基于模板匹配的Radon變換算法，實(shí)現(xiàn)了對電力設(shè)備紅外圖像的傾斜校正處理。

基于模板匹配的Radon變換算法通過模板匹配算法提取設(shè)備紅外圖像的前景信息，結(jié)合Radon算子僅對所選目標(biāo)區(qū)域進(jìn)行傾斜角的分析計(jì)算，實(shí)現(xiàn)了整幅圖像傾斜角的獲取。

與傳統(tǒng)Radon變換相比，基于模板匹配的Radon變換算法克服了背景噪聲的干擾，明顯提升了電力設(shè)備紅外圖像傾斜校正的精確度，校正后的圖像可充分滿足變電站智能監(jiān)測系統(tǒng)的圖像質(zhì)量需求，為后續(xù)圖像批量處理系統(tǒng)的實(shí)現(xiàn)奠定了基礎(chǔ)。

注：本文通訊作者為崔昊楊。

參 考 文 獻(xiàn)

[1]余萍，崔少飛，葛永新，等.基于對齊度的電力設(shè)備紅外與可見光的圖像配準(zhǔn)[J].激光與紅外，2008，38（7）：737-740.

[2]馮新穎，范佳佳，呂晶，等.基于Radon變換的電氣連接器圖像傾斜校正[J].機(jī)電工程技術(shù)， 2017，46（2）：29-31，82.

[3]胡麗華.傾斜圖像特征的矯正方法研究與仿真[J].計(jì)算機(jī)仿真， 2016，33（3）：310-313.

[4]鐘金榮，杜奇才，劉熒，等.特征提取和匹配的圖像傾斜校正[J]. 中國圖象圖形學(xué)報(bào)，2013，18（7）：738-745.

[5]朱顥東，姚妮.基于Sobel算子與旋轉(zhuǎn)投影的紙幣圖像傾斜校正法[J].科學(xué)技術(shù)與工程，2013，13（8）：2263-2266.

[6]吳震宇，杜宇人.一種基于火柴棒模型的圖像水平傾斜矯正算法[J].揚(yáng)州大學(xué)學(xué)報(bào)（自然科學(xué)版），2009，12（4）：66-69.

[7] KAUSHIK D，ANDREY V，JUNG-WON K，et al. Vehicle license plate tilt correction approach based on minimum variance of edge projection[J].International journal of control，automation and systems，2010，8（5）：975-984.

[8]劉習(xí)文，洪波，戴鐵峰.激光視覺焊縫跟蹤圖像處理與坡口識別[J].激光與紅外，2011，41（7）：804-807.

[9]吳麗麗，余春艷.基于Sobel算子和Radon變換的車牌傾斜校正方法[J].計(jì)算機(jī)應(yīng)用，2013，33（S1）：220-222.

[10]石爽，曲仕茹，趙海，等.基于脊波的紅外圖像自適應(yīng)增強(qiáng)算法[J].激光與紅外，2012，42（9）：1058-1062.

[11]劉曉明，王云柯，廖欣，等.一種新的車牌字符圖像的提取方法[J].計(jì)算機(jī)應(yīng)用，2007，27（z1）：113-118.

[12]張春華，周曉東，劉松濤.海天背景紅外圖像小目標(biāo)自動定位方法[J].激光與紅外，2007（1）：94-97.

[13]劉群群.不定長車牌字符分割算法研究[D].杭州：浙江大學(xué)， 2011.