基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測方法及系統(tǒng)的制作方法
【專利摘要】一種基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測方法及系統(tǒng)，在各變壓器上空龍門架處分別安裝攝像頭，拍攝所得圖像傳輸?shù)椒?wù)器端，在服務(wù)器端進行圖像采集、圖像預(yù)處理、圖像區(qū)域分割、套管污穢分級處理及套管工況缺陷識別。本發(fā)明用可見光圖像識別與處理技術(shù)提高變壓器運行可靠性，及時發(fā)現(xiàn)缺陷，對套管污穢情況進行分級；而且對套管工況進行監(jiān)測判斷，提高套管運行可靠性。本發(fā)明可廣泛用于各種電壓等級的變壓器套管監(jiān)測。
【專利說明】
基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于電氣設(shè)備在線監(jiān)測領(lǐng)域，特別設(shè)及一種基于計算機視覺的變壓器復(fù)合 絕緣子套管在線監(jiān)測方法及系統(tǒng)。
【背景技術(shù)】
[0002] 套管是變壓器的最重要的附件之一。它不僅把變壓器內(nèi)部的高、低壓引線引到油 箱之外，實現(xiàn)與外部網(wǎng)絡(luò)連接，同時還起著固定引線的作用。所W，套管必須滿足電氣強度 和機械強度的雙重要求。套管又是載流元件之一，在變壓器運行中將長期通過負載電流。近 年，隨著電網(wǎng)規(guī)模的擴大和環(huán)境污染的加劇，變壓器套管的事故頻發(fā)，嚴重威脅著電力系統(tǒng) 的安全運行。因此對變壓器套管進行實時的在線監(jiān)測，非常有必要。
[0003] 對變壓器套管污穢的在線監(jiān)測目前研究較少，通常選取其介質(zhì)損耗(簡稱介損)正 切值tanS、電容量C、末屏泄漏電流I等作為絕緣狀況判斷，由于變電站電磁干擾較大，運些 監(jiān)測都需要提取弱信號作為依據(jù)，準確度難W保證。
[0004] 運行中變壓器套管的工況監(jiān)測更是運行部口關(guān)注的熱點，目前尚無運方面的研究 與成果出現(xiàn)。

【發(fā)明內(nèi)容】

[0005] 為了兼顧在線監(jiān)測變壓器套管的運行工況和污穢等級，本發(fā)明提出了一種基于計 算機視覺的變壓器復(fù)合絕緣子套管在線監(jiān)測方法及系統(tǒng)。
[0006] 本發(fā)明技術(shù)方案提供一種基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測方法，在 各變壓器上空龍口架處分別安裝攝像頭，拍攝所得圖像傳輸?shù)椒?wù)器端，在服務(wù)器端進行 圖像采集、圖像預(yù)處理、圖像區(qū)域分割、套管污穢分級處理及套管工況缺陷識別；
[0007] 所述圖像采集，包括采集拍攝所得圖像，包括絕緣子的憎水性圖像和變壓器套管 整體的工況圖像；
[000引所述圖像預(yù)處理采用基于同態(tài)増晰的局部直方圖均衡化方式實現(xiàn)；
[0009] 所述圖像區(qū)域分割，包括對預(yù)處理后的圖像，采用改進的Canny算子檢測圖像邊 緣，然后對邊緣檢測后的圖像采用數(shù)學(xué)形態(tài)學(xué)運算進行修正，得到分割結(jié)果；
[0010] 所述采用改進的化nny算子檢測圖像邊緣實現(xiàn)方式如下，
[0011] 利用高斯濾波器對預(yù)處理后的絕緣子憎水性圖像進行平滑濾波處理；
[0012] 用鄰域一階偏導(dǎo)的有限差分來計算平滑后圖像的梯度幅值和方向，包括使用3X3 鄰域來計算梯度，包括計算水平和垂直方向、的梯度幅值，還計算45°和135°方向的梯度幅 值；
[0013] 對梯度幅值圖像進行處理，抑制梯度幅值的非極大值；
[0014] 用OTSU算法求出最佳分割闊值，然后用該最佳闊值進行檢測并連接邊緣；
[0015] 所述套管污穢分級處理，包括根據(jù)憎水性圖像的分割結(jié)果，提取四個與復(fù)合絕緣 子憎水性有關(guān)的量作為特征碼，包括最大水珠面積比K，水珠覆蓋率C，最大水珠偏屯、率e，最 大水珠形狀因子f。，采用基于最小二乘支持向量機的方式得到檢測樣本所屬的憎水等級；
[0016] 最大水珠面積比K計算如下，
[0017]
[0018] 式中，S表示最大水珠的面積，XY為整幅圖像的面積；
[0019] 水珠覆蓋率C計算如下，
[0020]
[0021] 式中，n表示識別出的水珠個數(shù)，Si為第i個水珠的面積；
[0022] 忌十水珠偏屯、率e計算如下，
[0023]
[0024] 式中，a表示最大水珠的長軸，b表示最大水珠的短軸；
[0025] 縣+古曲巧狀因子fc計算如下，
[0026]
[0027] 式中，L表示最大水珠的周長，S表示最大水珠的面積；
[0028] 所述套管工況缺陷識別，包括將工況圖像作為待檢測圖像，根據(jù)工況圖像的分割 結(jié)果，將待檢測圖像邊緣矩陣減去標準樣本圖像邊緣矩陣并取絕對值，進行標準樣本圖像 和待檢測圖像的對比；使用bwareaopen函數(shù)去除污穢和斑點，將標準樣本圖像和待檢測圖 像的邊緣圖像最大灰度差的絕對值和最大賭法求取的闊值相組合成為判斷是否存在裂痕 的闊值，若未超過闊值則判定為無裂痕，若是則提出告警。
[0029] 而且，針對憎水性圖像，對邊緣檢測后的圖像采用數(shù)學(xué)形態(tài)學(xué)運算進行修正的實 現(xiàn)方式如下，
[0030] 采用扁平的直線型結(jié)構(gòu)元素進行膨脹運算，使整個圖像的邊緣變得連續(xù);然后緊 接著對圖像進行區(qū)域填充，使得圖像邊界內(nèi)部的孔桐得到填補;最后，利用菱形結(jié)構(gòu)元素對 區(qū)域填充后的圖形進行腐蝕運算，消除邊緣附近的毛刺，使得圖像邊緣變得光滑，同時去掉 過小而無意義的水滴。
[0031] 而且，針對工況圖像，對邊緣檢測后的圖像采用數(shù)學(xué)形態(tài)學(xué)運算進行修正的實現(xiàn) 方式如下，
[0032] 對待檢測圖像和標準樣本圖像經(jīng)預(yù)處理和圖像邊緣檢測后的結(jié)果，采用方形結(jié)構(gòu) 元素對兩幅圖像分別進行開運算，并用圓盤形結(jié)構(gòu)元素實行膨脹運算得到圖像矩陣A和B; 同時，采用方形結(jié)構(gòu)元素對兩幅圖像分別進行閉運算，再用圓盤形結(jié)構(gòu)元素進行腐蝕得到 圖像矩陣Al和BI;
[0033] 分別用A減去AUB減去BI,得到標準樣本圖像和待檢測圖像的邊緣；
[0034] 使用最大賭法求取闊值得到標準二值邊緣圖像，對兩圖像邊緣進行中值濾波后還 使用bwareaopen函數(shù)進行后處理，去除圖像中的多余雜點。
[0035] 而且，將工況圖像作為待檢測圖像時，標準樣本圖像采用相同的光照環(huán)境下的拍 攝結(jié)果。
[0036] 而且，根據(jù)多幅不同光照環(huán)境下待檢測圖像和標準樣本圖像逐一進行對比，如果 都超過每次對比后的闊值，則判斷存在裂痕，進行報警。
[0037] -種基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測系統(tǒng)，在各變壓器上空龍口架 處分別安裝攝像頭，拍攝所得圖像傳輸?shù)椒?wù)器端，在服務(wù)器端設(shè)置圖像采集模塊、圖像預(yù) 處理模塊、圖像區(qū)域分割模塊、套管污穢分級處理模塊及套管工況缺陷識別模塊；
[0038] 所述圖像采集模塊，用于采集拍攝所得圖像，包括絕緣子的憎水性圖像和變壓器 套管整體的工況圖像；
[0039] 所述圖像預(yù)處理模塊，用于采用基于同態(tài)増晰的局部直方圖均衡化方式實現(xiàn)預(yù)處 理；
[0040] 所述圖像區(qū)域分割模塊，用于對預(yù)處理后的圖像，采用改進的化nny算子檢測圖像 邊緣，然后對邊緣檢測后的圖像采用數(shù)學(xué)形態(tài)學(xué)運算進行修正，得到分割結(jié)果；
[0041] 所述采用改進的化nny算子檢測圖像邊緣實現(xiàn)方式如下，
[0042] 利用高斯濾波器對預(yù)處理后的絕緣子憎水性圖像進行平滑濾波處理；
[0043] 用鄰域一階偏導(dǎo)的有限差分來計算平滑后圖像的梯度幅值和方向，包括使用3 X 3 鄰域來計算梯度，包括計算水平和垂直方向、的梯度幅值，還計算45°和135°方向的梯度幅 值；
[0044] 對梯度幅值圖像進行處理，抑制梯度幅值的非極大值；
[0045] 用OTSU算法求出最佳分割闊值，然后用該最佳闊值進行檢測并連接邊緣；
[0046] 所述套管污穢分級處理模塊，用于根據(jù)憎水性圖像的分割結(jié)果，提取四個與復(fù)合 絕緣子憎水性有關(guān)的量作為特征碼，包括最大水珠面積比K，水珠覆蓋率C，最大水珠偏屯、率 e，最大水珠形狀因子f。，采用基于最小二乘支持向量機的方式得到檢測樣本所屬的憎水等 級；
[0047] 最大水珠面積比K計算如下，
[004引
[0049]式中，S表示最大水珠的面積，XY為整幅圖像的面積；
[(K)加]水珠覆蓋率C計算如下，
[0化1 ]
[0052] 式中，n表示識別出的水珠個數(shù)，Si為第i個水珠的面積；
[0053] 最大水珠偏屯、率e計算如下，
[0化4;
[0055] 式中，a表示最大水珠的長軸，b表示最大水珠的短軸；
[0化6] 縣地巧狀因子fc計算如下，
[0化7]
[005引式中，L表示最大水珠的周長，S表示最大水珠的面積；
[0059]所述套管工況缺陷識別模塊，用于將工況圖像作為待檢測圖像，根據(jù)工況圖像的 分割結(jié)果，將待檢測圖像邊緣矩陣減去標準樣本圖像邊緣矩陣并取絕對值，進行標準樣本 圖像和待檢測圖像的對比；使用bwareaopen函數(shù)去除污穢和斑點，將標準樣本圖像和待檢 測圖像的邊緣圖像最大灰度差的絕對值和最大賭法求取的闊值相組合成為判斷是否存在 裂痕的闊值，若未超過闊值則判定為無裂痕，若是則提出告警。
[0060] 而且，針對憎水性圖像，對邊緣檢測后的圖像采用數(shù)學(xué)形態(tài)學(xué)運算進行修正的實 現(xiàn)方式如下，
[0061] 采用扁平的直線型結(jié)構(gòu)元素進行膨脹運算，使整個圖像的邊緣變得連續(xù);然后緊 接著對圖像進行區(qū)域填充，使得圖像邊界內(nèi)部的孔桐得到填補;最后，利用菱形結(jié)構(gòu)元素對 區(qū)域填充后的圖形進行腐蝕運算，消除邊緣附近的毛刺，使得圖像邊緣變得光滑，同時去掉 過小而無意義的水滴。
[0062] 而且，針對工況圖像，對邊緣檢測后的圖像采用數(shù)學(xué)形態(tài)學(xué)運算進行修正的實現(xiàn) 方式如下，
[0063] 對待檢測圖像和標準樣本圖像經(jīng)預(yù)處理和圖像邊緣檢測后的結(jié)果，采用方形結(jié)構(gòu) 元素對兩幅圖像分別進行開運算，并用圓盤形結(jié)構(gòu)元素實行膨脹運算得到圖像矩陣A和B; 同時，采用方形結(jié)構(gòu)元素對兩幅圖像分別進行閉運算，再用圓盤形結(jié)構(gòu)元素進行腐蝕得到 圖像矩陣Al和BI;
[0064] 分別用A減去AUB減去BI,得到標準樣本圖像和待檢測圖像的邊緣；
[0065] 使用最大賭法求取闊值得到標準二值邊緣圖像，對兩圖像邊緣進行中值濾波后還 使用bwareaopen函數(shù)進行后處理，去除圖像中的多余雜點。
[0066] 而且，將工況圖像作為待檢測圖像時，標準樣本圖像采用相同的光照環(huán)境下的拍 攝結(jié)果。
[0067] 而且，根據(jù)多幅不同光照環(huán)境下待檢測圖像和標準樣本圖像逐一進行對比，如果 都超過每次對比后的闊值，則判斷存在裂痕，進行報警。
[0068] 本發(fā)明采用計算機視覺，在高壓變電站的主變的龍口架上架設(shè)多臺高清攝像設(shè) 備，24小時不間斷監(jiān)控現(xiàn)場變壓器套管的運行工況，采用圖像識別方式，判斷設(shè)備缺陷。同 時系統(tǒng)能準確捕捉復(fù)合絕緣子套管水滴圖像，通過復(fù)合絕緣子套管的憎水機理，分析套管 的套管憎水特性，通過智能方式對套管的污穢等級進行判斷，為電力系統(tǒng)安全運行提供保 障。本系統(tǒng)可廣泛用于各種電壓等級的變壓器套管監(jiān)測。
【附圖說明】
[0069] 圖1為本發(fā)明實施例提供的一種基于計算機視覺的變壓器復(fù)合絕緣子套管在線監(jiān) 測系統(tǒng)線路結(jié)構(gòu)示意圖；
[0070] 圖2為本發(fā)明實施例提供的一種基于計算機視覺的變壓器復(fù)合絕緣子套管在線監(jiān) 測方法流程圖。
[0071 ]圖3為本發(fā)明實施例的具體流程原理圖。
【具體實施方式】
[0072]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，W下結(jié)合附圖及實施例，對 本發(fā)明進行進一步詳細說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用W解釋本發(fā)明，并不 用于限定本發(fā)明。
[0073] 本發(fā)明的技術(shù)方案為一種基于計算機視覺的變壓器復(fù)合絕緣子套管在線監(jiān)測系 統(tǒng)。系統(tǒng)由多個高清攝像頭，光纖圖像傳輸網(wǎng)絡(luò)及服務(wù)器組成。
[0074] 參見圖1，在各變壓器上空龍口架處分別安裝攝像頭，為保證準確率，建議采用高 清攝像頭。所述的高清攝像頭經(jīng)過A、B處控制箱中的光電轉(zhuǎn)換裝置通過光通信網(wǎng)絡(luò)將變壓 器套管的實時運行圖像拍攝后傳輸?shù)娇刂剖抑械闹骺毓穹?wù)器，可W采用后臺軟件方式處 理后，給出變壓器套管的運行工況和污穢等級判斷。
[0075] 實施例中，高清攝像設(shè)備采用200萬像素 W上全景自動變焦進口攝像頭，通過室外 雙屏蔽雙絞線與千兆光收發(fā)器連接轉(zhuǎn)換，然后通過12忍單模光纜通過TCP/IP協(xié)議將實時圖 像傳輸?shù)阶冸娬究刂剖抑械姆?wù)器。
[0076] 具體實施時，建議攝像設(shè)備的安裝位置既考慮套管的全方位工況監(jiān)測，也考慮單 個盤面的污穢監(jiān)測，可W在龍口架處選用多個攝像頭分別對全方位工況和單個盤面的污穢 進行監(jiān)測，建議設(shè)置一個攝像頭拍用于工況監(jiān)測的整體畫面，得到工況圖像，另設(shè)一個攝像 頭拍盤面的畫面，得到憎水性圖像，通過設(shè)置攝像頭的旋轉(zhuǎn)的角度，能夠自動拍攝針對盤面 的若干位置。
[0077] 在服務(wù)器端，可W采用可見光圖像識別與處理技術(shù)提高變壓器運行可靠性，及時 檢測及分析套管盤面水滴情況，對套管污穢情況進行分級；實驗證明本發(fā)明所提供識別處 理技術(shù)能夠在60秒鐘能給出判斷。
[0078] 進一步地，可W對套管工況進行監(jiān)測判斷，給出缺陷報告;提高套管運行可靠性。
[0079] 具體實施時，可W在服務(wù)器端提供具備可視化的用戶界面，W網(wǎng)站的形式運行，網(wǎng) 頁形式展示，實現(xiàn)人機交互。服務(wù)器端同時支持電腦和移動設(shè)備等用戶終端的遠程登錄訪 問，方便現(xiàn)場作業(yè)。
[0080] 進一步地，通過服務(wù)器端和高清攝像設(shè)備之間的光通信網(wǎng)絡(luò)，通過系統(tǒng)在線自動 控制多臺網(wǎng)絡(luò)攝像機進行定時、定點圖像抓拍、保存和傳輸功能。
[0081] 具體實施時，系統(tǒng)具備對采集的圖像進行讀取、截取圖片、預(yù)處理(去噪、增強、邊 緣檢測等）、特征量提取和智能識別等功能。
[0082] 具體實施時，服務(wù)器端可具備數(shù)據(jù)庫管理功能，可同步讀取、存入、查詢、插入、刪 除、更新后臺數(shù)據(jù)。
[0083] 具體實施時，服務(wù)器端可具備檢測結(jié)果報警功能。
[0084] 參見圖2,本發(fā)明實施例提供的在線監(jiān)測方法，依次包括W下步驟：
[0085] 步驟1:圖像采集；
[00化]步驟2:圖像預(yù)處理；
[0087] 步驟3:圖像區(qū)域分割；
[0088] 步驟4:套管污穢分級處理，套管工況缺陷識別。
[0089] 參見圖3,雖然基本步驟相同，但由于處理對象不同，具體實施時，可W設(shè)計流程 為，根據(jù)圖像采集結(jié)果，
[0090] 如果是憎水性圖像，對憎水性圖像進行圖像預(yù)處理，圖像區(qū)域分割，然后進行套管 污穢分級處理；
[0091] 如果是工況圖像，取相應(yīng)標準樣本圖像，對工況圖像和標準樣本圖像分別進行圖 像預(yù)處理、圖像區(qū)域分割，然后進行套管工況缺陷識別。
[0092] W下對實施例的具體步驟實現(xiàn)進行說明：
[0093] 圖像采集，即接收傳輸?shù)椒?wù)器端的圖像，包括絕緣子的憎水性圖像和變壓器套 管整體的工況圖像。一般是實時采集并傳輸?shù)椒?wù)器端，不同光照條件下變壓器套管整體 完好的套管圖像可W預(yù)先采集并存儲到服務(wù)器端，根據(jù)實時得到的工況圖像，取用相同光 照條件下變壓器套管整體完好的套管圖像，作為標準樣本圖像即可。
[0094] 進一步地，變壓器套管長期工作在戶外，拍攝圖像如果不進行預(yù)處理對后面的工 況識別和污穢識別精度影響較大，本發(fā)明采用基于同態(tài)増晰的局部直方圖均衡化對拍攝的 圖像進行預(yù)處理。同態(tài)増晰方法在頻域范圍內(nèi)通過選取合適的傳遞函數(shù)可W分別對高頻分 量與低頻分量產(chǎn)生不同的影響，使得圖像的邊緣與細節(jié)更加明顯并增強了圖像的對比度， 同時對噪聲也有一定的抑制，但是由于壓縮了灰度動態(tài)范圍使得圖像灰度級范圍變窄，圖 像亮度因此受到了一定的影響。局部直方圖均衡化對圖像處理的效果相比傳統(tǒng)的均衡化方 法更佳，但是如果直接對復(fù)雜的憎水性圖像和工況圖像進行處理，會使噪聲放大，不利于后 面的圖像分割。所W考慮到兩種方法的優(yōu)缺點，本發(fā)明提出采用基于同態(tài)増晰的局部直方 圖均衡化方法，對圖像進行增強處理。即先采用同態(tài)増晰的方法對圖像進行處理，使圖像的 邊緣與細節(jié)更加明顯，然后對處理后的圖像進行局部直方圖均衡化，使圖像的灰度動態(tài)范 圍能獲得比較均勻的調(diào)整。通過實驗比較，該方法不僅可W對圖像進行濾波處理，還可W增 強圖像對比度，調(diào)整圖像的灰度動態(tài)范圍。經(jīng)過實驗比較該方法的處理，圖像細節(jié)和邊緣更 加清晰，圖像的邊緣和背景也更易區(qū)分，為后面圖像的準確分割創(chuàng)造了良好的條件。
[00M]進一步地，在套管圖像預(yù)處理的基礎(chǔ)上，通過分析本方明發(fā)現(xiàn)傳統(tǒng)的化nny算子在 梯度幅值計算和闊值設(shè)定兩方面存在不足，因此在計算梯度幅值時將像素對角線方向考慮 進來并將OTSU闊值算法引入到化nny算子。改進的化nny算子用于圖像邊緣檢測分割時，明 顯改善了邊緣的質(zhì)量，但仍然存在邊緣斷線問題。緊接著，還利用數(shù)學(xué)形態(tài)學(xué)來修正W解決 邊緣斷線問題。基于此，本發(fā)明提出了基于Canny算子的復(fù)合絕緣子憎水性圖像的分割算 法，分割后的圖像能滿足后續(xù)邊緣提取的要求。
[0096] OTSU算法即最大類間方差法，本發(fā)明針對套管圖像具有隨機性和模糊性的特點， 利用最大類間方差法尋找一個能使得方差最大的最優(yōu)解。該算法基于最小二乘法原理并在 灰度直方圖的基礎(chǔ)上推導(dǎo)而來，具有統(tǒng)計意義上的最佳分割闊值。利用該最佳分割闊值把 灰度圖像分割成兩部分，此時兩部分間的方差最大，即目標與背景的分離性最大。
[0097] OTSU算法:如一幅灰度圖像可能具有的灰度級數(shù)為L，灰度級為i的像素個數(shù)為m， 其中i G {0，1，…，L-I }，那么圖像總共含有的像素個數(shù)為：
[009引
[0099] 灰度值為i的像素出現(xiàn)的概率為：
[0100] pi = ru/n
[0101] 然后，用灰度值k作為闊值將圖像分成Ao和Al兩部分，其中區(qū)域Ao的灰度范圍為0~ k-1，區(qū)域Al的灰度范圍為k~kl。
[0102] 整幅圖像的平均灰度級為：
[0103]
[0104] X域Al中像素出現(xiàn)的概率：
[0105]
[0106]
[0107] E：域Al中像素的平均灰度：
[010 引
[0109]
[0110] 所W兩個區(qū)域的類間方差為：
[0111]
[0112]
[011引上式中參數(shù)wo、wi、ii0和m均與闊值k有關(guān)，故類間方差的大小僅由闊值k決定。方差 可用來度量灰度分布的均勻性，如果其值愈大，表明構(gòu)成圖像的不同部分的差別愈大。通過 計算不同k值對應(yīng)的類間方差S2化），選取使得S2化)最大時的那個k值作為最佳分割闊值。
[0114] 傳統(tǒng)的化nny算子在計算梯度幅值與方向時，使用的是2X2鄰域一階偏導(dǎo)的有限 差分。因為采用的點較少，雖然能夠比較準確的定位邊緣，但是對噪聲十分敏感，所W可能 丟掉一些真實邊緣卻帶來虛假的邊緣。使用3X3鄰域來計算梯度，不僅計算水平(X)和垂直 (y)方向的梯度幅值，還計算45°和135°方向的梯度幅值，即考慮到像素的對角線方向，因而 有效地降低了噪聲帶來的影響。
[0115] 經(jīng)過改進的化nny算子用于圖像邊緣檢測時的步驟如下：
[0116] (1)利用高斯濾波器對預(yù)處理后的絕緣子憎水性圖像進行平滑濾波處理。
[0117] (2)用鄰域一階偏導(dǎo)的有限差分來計算平滑后圖像的梯度幅值和方向。
[0118] (3)對梯度幅值圖像進行處理，抑制梯度幅值的非極大值。
[0119] (4)用OTSU算法求出最佳分割闊值，然后用該最佳闊值進行檢測并連接邊緣。
[0120] 進一步地，套管圖像的區(qū)域分割步驟還使用數(shù)學(xué)形態(tài)學(xué)邊緣檢測算法對W上邊緣 圖像進行增強處理。
[0121] 進一步地，為實現(xiàn)復(fù)合絕緣子套管的污穢分級，改進的化nny算子雖然能夠大致提 取出憎水性圖像的邊緣輪廓，但是由于憎水性圖像和套管破損、裂痕圖像的復(fù)雜性，提取的 邊緣因為灰度問題不免存在斷裂的問題。運個容易對后面的識別造成誤判，同時，圖像分割 的最終目的是要計算出憎水性圖像的特征碼及判斷是否有裂痕等。所W還要填充邊緣輪廓 使得圖像盡可能忠實原圖像并消除掉小而無意義的水滴。基于上述的原因，本發(fā)明對邊緣 檢測后的圖像進行膨脹、區(qū)域填充、腐蝕的數(shù)學(xué)形態(tài)學(xué)運算進行修正。
[0122] (1)膨脹運算
[0123] 膨脹運算是一種使圖像中的目標"變粗"或"生長"的操作，它可W填補邊緣的縫 隙，解決巧錄齡錶的問顆。,4 ? X親元圖像A被結(jié)構(gòu)元素 S膨脹，定義為：
[0124]
[0125] 式中，Sxy表示將結(jié)構(gòu)元素 S的原點移到點（x，y)時得到的圖像；d)表示空集。圖像A 被結(jié)構(gòu)元素 S膨脹得到的圖像可W認為是運樣的點（x，y)構(gòu)成的集合:如果結(jié)構(gòu)元素 S的原 點移到點(x，y)時，S與A的交集不為空集。
[0126] (2)腐蝕運算
[0127] 腐蝕運算是一種"細化"或"收縮"圖像中目標的操作，它能夠消除邊緣附近的毛 刺，使得圖像邊緣變得光滑，同時去掉小而無意義的水滴。^該及表示圖像A被結(jié)構(gòu)元素 S腐 蝕，定義為：
[012 引
[0129] 圖像A被結(jié)構(gòu)元素 S腐蝕得到的圖像可W認為是運樣的點（x，y)構(gòu)成的集合:如果 結(jié)構(gòu)元素 S的原點移到點(x，y)時，S完全包含于A中。
[0130] (3)區(qū)域填充
[0131] 通過使用數(shù)學(xué)形態(tài)學(xué)中的膨脹運算、交集運算、求補運算W及補集運算，填充邊緣 內(nèi)部的孔桐。從圖像A邊緣內(nèi)部一點Xo開始，將其灰度記為1，按照下面的表達式填充整個區(qū) 域：
[0132] .....
[01削式中，S表示結(jié)構(gòu)元素;Ae表示圖像A的補集。結(jié)束條件為Xk = Xk-I,此時Xk U A包括圖 像邊緣及其內(nèi)部填充的集合。
[0134] 本發(fā)明對經(jīng)過W上改進化nny算子邊緣檢測后的圖像，首先對其用扁平的直線型 結(jié)構(gòu)元素進行膨脹運算，使整個圖像的邊緣變得連續(xù);然后緊接著對圖像進行區(qū)域填充，使 得圖像邊界內(nèi)部的孔桐得到填補;最后，利用菱形結(jié)構(gòu)元素對區(qū)域填充后的圖形進行腐蝕 運算，消除邊緣附近的毛刺，使得圖像邊緣變得光滑，同時去掉小而無意義的水滴。為后面 的污穢等級識別提供基礎(chǔ)。
[0135] 進一步地，本發(fā)明的復(fù)合絕緣子套管的污穢分級考慮識別效果和工程實用采用基 于最小二乘支持向量機化east Squares Su卵ort Vector Machines,簡稱LS-SVM)的復(fù)合 絕緣子套管的憎水性等級識別處理，由于運行于現(xiàn)場的復(fù)合絕緣子套管的復(fù)雜性，其憎水 性圖像包含的信息是十分豐富的。為了準確識別復(fù)合絕緣子套管的憎水性等級，找到能夠 表征憎水性的特征碼并將其提取出來是非常必要的。對于經(jīng)過W上圖像區(qū)域分割步驟所得 分割后的憎水性圖像，提取如下四個與復(fù)合絕緣子憎水性有關(guān)的量作為特征碼:最大水珠 積比K，水珠覆蓋率C，最大水珠偏屯、率e，最大水珠形狀因子f C。
[0136] 最大水珠面積比K
[0137]
[0138] 式中，S表示最大水珠的面積;XY為整幅圖像的面積。
[0139] 水珠覆蓋率C
[0140]
[0141] 式中，n表示識別出的水珠個數(shù);Si為第i個水珠的面積。
[0142] 最大水珠偏屯、率e
[0143]
[0144] ，a表示最大水珠的長軸，即最大水珠邊界上相距最遠的兩像素點之間的線段 長度;b表示最大水珠的短軸，即與長軸垂直且與之構(gòu)成的外接矩形恰好能包圍最大水珠邊 界的線段長度。
[0145] 最大水珠形狀因子f C
[0146]
[0147] 式中，L表示最大水珠的周長;S表示最大水珠的面積。
[0148] LS-SVM方法簡化了計算的復(fù)雜性。另外，由于LS-SVM采用了最小二乘算法，因此運 算速度明顯快于支持向量機的其它方法，實際工程應(yīng)用效果良好。
[0149] LS-SVM估計算法基于如下思想:通過事先選擇的非線性映射將輸入向量映射到高 維特征空間，在運個空間中構(gòu)造最優(yōu)決策函數(shù)。在構(gòu)造最優(yōu)決策函數(shù)時，利用了結(jié)構(gòu)風(fēng)險最 小化原則。并巧妙的利用原空間的核函數(shù)取代了高維特征空間中的點積運算。
[0150] 設(shè)樣本為n維向量，定義區(qū)域m的樣本及其值表示為：
[0151] XI，......,XiGR"
[0152] R為實數(shù)。其中，Xi表示區(qū)域m的第i個樣本的n維向量樣本值，i = l，2，...l。
[0153] 首先用一非線性映射W ( X )把樣本從原空間R n映射到特征空間
[0154] X是原樣本值。
[01巧]在運個高維特征空間中構(gòu)造最優(yōu)決策函數(shù).r(.Y) = VV，例.V) +
[0156] W是連接權(quán)值，
[0157] b是闊值。
[0158] 運樣非線性估計函數(shù)轉(zhuǎn)化為高維特征空間中的線性估計函數(shù)。利用結(jié)構(gòu)風(fēng)險最小 化原則，尋找W，b就是最小化。
[0159]
，
[0160] 其甲，W 3空制模型的復(fù)雜度，C為正規(guī)化參數(shù)。Remp為誤差控制函數(shù)，實施例采 用e不敏感損失函數(shù)。常用的損失函數(shù)有線性e損失函數(shù)，二次e損失函數(shù)，huber損失函數(shù)。 具體實施時選取不同的損失函數(shù)，可構(gòu)造不同形式的支持向量機。最小二乘支持向量機在 優(yōu)化目標中的損失函數(shù)為誤差Cl的二次項。故優(yōu)化問題為：
[0161]
[0162]
[0163] 其中，yi為構(gòu)造的最優(yōu)決策函數(shù)。
[0164] 用拉格朗日法求解運個優(yōu)化問題：
[01 化]
[0166] 其中ai，i = 1，. . .，1，是拉格朗日乘子，根據(jù)優(yōu)化條件：
[0167]
[016 引
[0169] (4)
[0170] 定義核函數(shù)
I滿足Mercer條件的對稱函數(shù)。根據(jù)(4)尤化I、品挪掉化責(zé)龍偏純化古浩.
[0171]
[0172]
[0173]
[0174] 然后將檢測樣本化，C，e，fc)輸入上述非線性方程，即xi = (化1，片，61，片1))，可得 到該檢測樣本所屬的憎水等級。其中K表示最大水珠(或水跡)面積比，C表示水珠(或水跡） 覆蓋率，e表示最大水珠(或水跡)偏屯、率，fc表示最大水珠(或水跡)形狀因子。其中K(xi，xj) 為核函數(shù)，Si是拉格朗日乘子，i二1, . . ? , 1，j二1, . . ? , 1，b是闊值。
[0175] 實際應(yīng)用效果見下表1。
[0176] 表1: LS-SVM 識別率
[0177]
[0178] 進一步地，為進行變壓器套管工況識別，與憎水性圖像的數(shù)學(xué)形態(tài)學(xué)處理不同，本 發(fā)明對完好的套管圖像（即標準樣本圖像)和實時采集的套管圖像（即工況圖像)在經(jīng)過前 面圖像預(yù)處理和圖像區(qū)域分割步驟中的邊緣提取后，進行數(shù)學(xué)形態(tài)學(xué)處理時，本發(fā)明實施 例進行如下操作：
[0179] 首先，選取方形結(jié)構(gòu)元素對兩幅圖像分別進行開運算，并用圓盤形結(jié)構(gòu)元素對他 們實行膨脹運算得到圖像矩陣A和B。同時，選取方形結(jié)構(gòu)元素分別對他們進行閉運算，再用 圓盤形結(jié)構(gòu)元素對他們進行腐蝕得到圖像矩陣Al和B1。具體實施時，本領(lǐng)域技術(shù)人員可自 行預(yù)設(shè)結(jié)構(gòu)元素，例如邊長為8的方形結(jié)構(gòu)元素。
[0180] 分別用A減去Al, B減去Bl可W得到標準樣本圖像和待檢測圖像的邊緣。
[0181] 而后使用最大賭法求取闊值得到標準二值邊緣圖像。對兩圖像邊緣進行中值濾波 后還使用bwareaopen函數(shù)進行后處理，去除圖像中的多余雜點。
[0182] 進一步地，套管圖像缺陷識別步驟還調(diào)整攝像頭拍攝方向及固定時間點拍攝，在 盡量相同的光照環(huán)境下（如每天的對應(yīng)時間），將待檢測圖像邊緣矩陣減去標準樣本圖像邊 緣矩陣并取絕對值，進行標準樣本圖像和待檢測圖像的對比，可W-定程度上排除絕緣子 上污穢，斑點，及光照投影對裂紋識別的影響，同時還可再次使用bwareaopen函數(shù)去除小面 積的污穢，斑點，僅保留可能存在的較狹長的裂縫圖像。為減小同態(tài)增晰對光照差別造成的 放大崎變作用，比較標準樣本圖像和待檢測圖像的邊緣圖像最大灰度差的絕對值和預(yù)設(shè)的 闊值，成為判斷是否存在裂痕的闊值的依據(jù)。若絕對值未超過闊值則判定為無裂痕，若超過 闊值則提出告警。進一步地，可根據(jù)多幅不同光照環(huán)境下正常圖像和相應(yīng)環(huán)境下待檢測圖 像逐一進行多次對比，進一步判斷，最終如果都超過每次對比后的闊值，則判斷存在裂痕， 進行報警。具體實施時，闊值可由本領(lǐng)域技術(shù)人員自行預(yù)設(shè)，建議采用最大賭法求取。本發(fā) 明試驗效果非常好，套管如果破損、輕微裂痕都能很快識別。
[0183] 具體實施時，本發(fā)明所提供方法可基于軟件技術(shù)實現(xiàn)自動運行流程，也可采用模 塊化方式實現(xiàn)相應(yīng)系統(tǒng)。
[0184] -種基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測系統(tǒng)，在各變壓器上空龍口架 處分別安裝攝像頭，拍攝所得圖像傳輸?shù)椒?wù)器端，在服務(wù)器端設(shè)置圖像采集模塊、圖像預(yù) 處理模塊、圖像區(qū)域分割模塊、套管污穢分級處理模塊及套管工況缺陷識別模塊；
[0185] 所述圖像采集模塊，用于采集拍攝所得圖像，包括絕緣子的憎水性圖像和變壓器 套管整體的工況圖像；
[0186] 所述圖像預(yù)處理模塊，用于采用基于同態(tài)増晰的局部直方圖均衡化方式實現(xiàn)預(yù)處 理；
[0187] 所述圖像區(qū)域分割模塊，用于對預(yù)處理后的圖像，采用改進的化nny算子檢測圖像 邊緣，然后對邊緣檢測后的圖像采用數(shù)學(xué)形態(tài)學(xué)運算進行修正，得到分割結(jié)果；
[0188] 所述采用改進的化nny算子檢測圖像邊緣實現(xiàn)方式如下，
[0189] 利用高斯濾波器對預(yù)處理后的絕緣子憎水性圖像進行平滑濾波處理；
[0190] 用鄰域一階偏導(dǎo)的有限差分來計算平滑后圖像的梯度幅值和方向，包括使用3X3 鄰域來計算梯度，包括計算水平和垂直方向、的梯度幅值，還計算45°和135方向的梯度幅 值；
[0191] 對梯度幅值圖像進行處理，抑制梯度幅值的非極大值；
[0192] 用OTSU算法求出最佳分割闊值，然后用該最佳闊值進行檢測并連接邊緣；
[0193] 所述套管污穢分級處理模塊，用于根據(jù)憎水性圖像的分割結(jié)果，提取四個與復(fù)合 絕緣子憎水性有關(guān)的量作為特征碼，包括最大水珠面積比K，水珠覆蓋率C，最大水珠偏屯、率 e，最大水珠形狀因子f。，采用基于最小二乘支持向量機的方式得到檢測樣本所屬的憎水等 級；
[0194] 島十水鐵巧積比K計算如下，
[0195]
[0196] 式中，S表示最大水珠的面積，XY為整幅圖像的面積；
[0197] 水珠覆蓋率C計算如下，
[019 引
[0199] 式中，n表示識別出的水珠個數(shù)，Si為第i個水珠的面積；
[0200] 最大水珠偏屯、率e計算如下，
[0201]
[0202] 式中，a表示最大水珠的長軸，b表示最大水珠的短軸；
[0203] '?狀因子fc計算如下，
[0204]
[0205] 式中，L表示最大水珠的周長，S表示最大水珠的面積；
[0206] 所述套管工況缺陷識別模塊，用于將工況圖像作為待檢測圖像，根據(jù)工況圖像的 分割結(jié)果，將待檢測圖像邊緣矩陣減去標準樣本圖像邊緣矩陣并取絕對值，進行標準樣本 圖像和待檢測圖像的對比；使用bwareaopen函數(shù)去除污穢和斑點，將標準樣本圖像和待檢 測圖像的邊緣圖像最大灰度差的絕對值和最大賭法求取的闊值相組合成為判斷是否存在 裂痕的闊值，若未超過闊值則判定為無裂痕，若是則提出告警。
[0207] 各模塊具體實現(xiàn)可參見相應(yīng)步驟，本發(fā)明不予寶述。
[0208] 本文中所描述的具體實施例僅僅是對本發(fā)明精神作舉例說明。本發(fā)明所屬技術(shù)領(lǐng) 域的技術(shù)人員可W對所描述的具體實施例做各種各樣的修改或補充或采用類似的方式替 代，但并不會偏離本發(fā)明的精神或者超越所附權(quán)利要求書所定義的范圍。
【主權(quán)項】
1. 一種基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測方法，其特征在于：在各變壓器 上空龍門架處分別安裝攝像頭，拍攝所得圖像傳輸?shù)椒?wù)器端，在服務(wù)器端進行圖像采集、 圖像預(yù)處理、圖像區(qū)域分割、套管污穢分級處理及套管工況缺陷識別； 所述圖像采集，包括采集拍攝所得圖像，包括絕緣子的憎水性圖像和變壓器套管整體 的工況圖像； 所述圖像預(yù)處理采用基于同態(tài)増晰的局部直方圖均衡化方式實現(xiàn)； 所述圖像區(qū)域分割，包括對預(yù)處理后的圖像，采用改進的Canny算子檢測圖像邊緣，然 后對邊緣檢測后的圖像采用數(shù)學(xué)形態(tài)學(xué)運算進行修正，得到分割結(jié)果； 所述采用改進的Canny算子檢測圖像邊緣實現(xiàn)方式如下， 利用高斯濾波器對預(yù)處理后的絕緣子憎水性圖像進行平滑濾波處理； 用鄰域一階偏導(dǎo)的有限差分來計算平滑后圖像的梯度幅值和方向，包括使用3X3鄰域 來計算梯度，包括計算水平和垂直方向、的梯度幅值，還計算45°和135°方向的梯度幅值； 對梯度幅值圖像進行處理，抑制梯度幅值的非極大值； 用OTSU算法求出最佳分割閾值，然后用該最佳閾值進行檢測并連接邊緣； 所述套管污穢分級處理，包括根據(jù)憎水性圖像的分割結(jié)果，提取四個與復(fù)合絕緣子憎 水性有關(guān)的量作為特征碼，包括最大水珠面積比K，水珠覆蓋率C，最大水珠偏心率e，最大水 珠形狀因子f。，采用基于最小二乘支持向量機的方式得到檢測樣本所屬的憎水等級； 最大水珠面積比K計算如下，式中，S表示最大水珠的面積，XY為整幅圖像的面積； 水珠覆蓋率C計算如下，式中，η表示識別出的水珠個數(shù)，&為第i個水珠的面積； 最大水珠偏心率e計算如下，式中，a表;^最大水珠的長軸，b表;^最大水珠的短軸； 最大水珠形狀因子f。計算如下，式中，L表示最大水珠的周長，S表示軍木的囬不只； 所述套管工況缺陷識別，包括將工況圖像作為待檢測圖像，根據(jù)工況圖像的分割結(jié)果， 將待檢測圖像邊緣矩陣減去標準樣本圖像邊緣矩陣并取絕對值，進行標準樣本圖像和待檢 測圖像的對比；使用bwareaopen函數(shù)去除污穢和斑點，將標準樣本圖像和待檢測圖像的邊 緣圖像最大灰度差的絕對值和最大熵法求取的閾值相組合成為判斷是否存在裂痕的閾值， 若未超過閾值則判定為無裂痕，若是則提出告警。2. 根據(jù)權(quán)利要求1所述基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測方法，其特征在 于:針對憎水性圖像，對邊緣檢測后的圖像采用數(shù)學(xué)形態(tài)學(xué)運算進行修正的實現(xiàn)方式如下， 采用扁平的直線型結(jié)構(gòu)元素進行膨脹運算，使整個圖像的邊緣變得連續(xù);然后緊接著 對圖像進行區(qū)域填充，使得圖像邊界內(nèi)部的孔洞得到填補;最后，利用菱形結(jié)構(gòu)元素對區(qū)域 填充后的圖形進行腐蝕運算，消除邊緣附近的毛刺，使得圖像邊緣變得光滑，同時去掉過小 而無意義的水滴。3. 根據(jù)權(quán)利要求1所述基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測方法，其特征在 于:針對工況圖像，對邊緣檢測后的圖像采用數(shù)學(xué)形態(tài)學(xué)運算進行修正的實現(xiàn)方式如下， 對待檢測圖像和標準樣本圖像經(jīng)預(yù)處理和圖像邊緣檢測后的結(jié)果，采用方形結(jié)構(gòu)元素 對兩幅圖像分別進行開運算，并用圓盤形結(jié)構(gòu)元素實行膨脹運算得到圖像矩陣A和B;同時， 采用方形結(jié)構(gòu)元素對兩幅圖像分別進行閉運算，再用圓盤形結(jié)構(gòu)元素進行腐蝕得到圖像矩 陣A1和B1; 分別用A減去A1、B減去B1，得到標準樣本圖像和待檢測圖像的邊緣； 使用最大熵法求取閾值得到標準二值邊緣圖像，對兩圖像邊緣進行中值濾波后還使用 bwareaopen函數(shù)進行后處理，去除圖像中的多余雜點。4. 根據(jù)權(quán)利要求1或2或3所述基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測方法，其 特征在于:將工況圖像作為待檢測圖像時，標準樣本圖像采用相同的光照環(huán)境下的拍攝結(jié) 果。5. 根據(jù)權(quán)利要求4所述基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測方法，其特征在 于:根據(jù)多幅不同光照環(huán)境下待檢測圖像和標準樣本圖像逐一進行對比，如果都超過每次 對比后的閾值，則判斷存在裂痕，進行報警。6. -種基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測系統(tǒng)，其特征在于：在各變壓器 上空龍門架處分別安裝攝像頭，拍攝所得圖像傳輸?shù)椒?wù)器端，在服務(wù)器端設(shè)置圖像采集 模塊、圖像預(yù)處理模塊、圖像區(qū)域分割模塊、套管污穢分級處理模塊及套管工況缺陷識別模 塊； 所述圖像采集模塊，用于采集拍攝所得圖像，包括絕緣子的憎水性圖像和變壓器套管 整體的工況圖像； 所述圖像預(yù)處理模塊，用于采用基于同態(tài)増晰的局部直方圖均衡化方式實現(xiàn)預(yù)處理； 所述圖像區(qū)域分割模塊，用于對預(yù)處理后的圖像，采用改進的Canny算子檢測圖像邊 緣，然后對邊緣檢測后的圖像采用數(shù)學(xué)形態(tài)學(xué)運算進行修正，得到分割結(jié)果； 所述采用改進的Canny算子檢測圖像邊緣實現(xiàn)方式如下， 利用高斯濾波器對預(yù)處理后的絕緣子憎水性圖像進行平滑濾波處理； 用鄰域一階偏導(dǎo)的有限差分來計算平滑后圖像的梯度幅值和方向，包括使用3X3鄰域 來計算梯度，包括計算水平和垂直方向、的梯度幅值，還計算45°和135°方向的梯度幅值； 對梯度幅值圖像進行處理，抑制梯度幅值的非極大值； 用0TSU算法求出最佳分割閾值，然后用該最佳閾值進行檢測并連接邊緣； 所述套管污穢分級處理模塊，包括根據(jù)憎水性圖像的分割結(jié)果，提取四個與復(fù)合絕緣 子憎水性有關(guān)的量作為特征碼，包括最大水珠面積比K，水珠覆蓋率C，最大水珠偏心率e，最 大水珠形狀因子f。，采用基于最小二乘支持向量機的方式得到檢測樣本所屬的憎水等級； 最大水珠面積比K計算如下，式中，S表示最大水珠的面積，XY為整幅圖像的面積； 水珠覆蓋率C計算如下，式中，η表示識別出的水珠個數(shù)，Si為弟i個水秌的囬枳； 最大水珠偏心率e計算如下，式中，a表;^最大水珠的長軸，b表;^最大水珠的短軸；最大水珠形狀因子f。計算如下， 式中，L表不最大水珠的周長，S表不取人7」Vi木tfj IMJ不只； 所述套管工況缺陷識別模塊，用于將工況圖像作為待檢測圖像，根據(jù)工況圖像的分割 結(jié)果，將待檢測圖像邊緣矩陣減去標準樣本圖像邊緣矩陣并取絕對值，進行標準樣本圖像 和待檢測圖像的對比；使用bwareaopen函數(shù)去除污穢和斑點，將標準樣本圖像和待檢測圖 像的邊緣圖像最大灰度差的絕對值和最大熵法求取的閾值相組合成為判斷是否存在裂痕 的閾值，若未超過閾值則判定為無裂痕，若是則提出告警。7. 根據(jù)權(quán)利要求6所述基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測系統(tǒng)，其特征在 于:針對憎水性圖像，對邊緣檢測后的圖像采用數(shù)學(xué)形態(tài)學(xué)運算進行修正的實現(xiàn)方式如下， 采用扁平的直線型結(jié)構(gòu)元素進行膨脹運算，使整個圖像的邊緣變得連續(xù);然后緊接著 對圖像進行區(qū)域填充，使得圖像邊界內(nèi)部的孔洞得到填補;最后，利用菱形結(jié)構(gòu)元素對區(qū)域 填充后的圖形進行腐蝕運算，消除邊緣附近的毛刺，使得圖像邊緣變得光滑，同時去掉過小 而無意義的水滴。8. 根據(jù)權(quán)利要求6所述基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測系統(tǒng)，其特征在 于:針對工況圖像，對邊緣檢測后的圖像采用數(shù)學(xué)形態(tài)學(xué)運算進行修正的實現(xiàn)方式如下， 對待檢測圖像和標準樣本圖像經(jīng)預(yù)處理和圖像邊緣檢測后的結(jié)果，采用方形結(jié)構(gòu)元素 對兩幅圖像分別進行開運算，并用圓盤形結(jié)構(gòu)元素實行膨脹運算得到圖像矩陣A和B;同時， 采用方形結(jié)構(gòu)元素對兩幅圖像分別進行閉運算，再用圓盤形結(jié)構(gòu)元素進行腐蝕得到圖像矩 陣A1和B1; 分別用A減去A1、B減去B1，得到標準樣本圖像和待檢測圖像的邊緣； 使用最大熵法求取閾值得到標準二值邊緣圖像，對兩圖像邊緣進行中值濾波后還使用 bwareaopen函數(shù)進行后處理，去除圖像中的多余雜點。9. 根據(jù)權(quán)利要求6或7或8所述基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測系統(tǒng)，其 特征在于:將工況圖像作為待檢測圖像時，標準樣本圖像采用相同的光照環(huán)境下的拍攝結(jié) 果。10. 根據(jù)權(quán)利要求9所述基于計算機視覺的變壓器復(fù)合絕緣子套管監(jiān)測系統(tǒng)，其特征在 于:根據(jù)多幅不同光照環(huán)境下待檢測圖像和標準樣本圖像逐一進行對比，如果都超過每次 對比后的閾值，則判斷存在裂痕，進行報警。
【文檔編號】G06T7/00GK105957088SQ201610315778
【公開日】2016年9月21日
【申請日】2016年5月12日
【發(fā)明人】蔡日, 孫云蓮, 王慶斌, 莫雄心, 黃嘉文, 黃雅鑫, 李和陽, 黎圣旻, 余軍偉
【申請人】廣東電網(wǎng)有限責(zé)任公司云浮供電局, 武漢大學(xué)