一种基于红外图像的电缆部位自动识别方法与流程

本发明涉及电力设备维护技术领域，更具体地，涉及一种基于红外图像的电缆部位自动识别方法。

背景技术：

电网建设发展迅猛，电力负荷增长迅速，人们对城市美化和供电可靠性、供电质量等的要求也越来越高，电力电缆以其良好的电气性能、耐热性能和机械性能在电力系统的各个电压等级中得到了广泛的应用，在城市电网中所占的比重越来越高。因此，电力电缆能否安全运行，已成为了电网能否可靠供电的重要因素。

理论分析和实际运行观测均表明，电缆出现潜在问题后，运行温度往往会上升。因此电缆的运行温度能够体现出电缆的运行状态。红外热成像测温技术具有非接触、不受高压电磁场干扰、安全、高效和直观等优点，利用红外热成像反映电缆各部位温度的变化情况，有利于及时发现电缆异常发热缺陷和指导检修。

但是，目前电缆巡检中红外诊断仍主要依靠人工方式发现异常，缺少对获取到的状态信息自主分析与判断。为了针对电缆不同部位分别开发智能诊断算法，有必要先对电缆的红外图像进行部位识别。

技术实现要素：

本发明为克服上述现有技术所述的主要依靠人工方式发现异常的缺陷，提供一种基于红外图像的电缆部位自动识别方法，降低对人工分析和处理的依赖以提高红外诊断的效率和准确性。

为解决上述技术问题，本发明采用的技术方案是：一种基于红外图像的电缆部位自动识别方法，包括有以下步骤：

s1:构建电缆不同部位的训练样本库；

s2:读取电缆不同部位训练样本红外图像；

s3:提取电缆不同部位训练样本特征量和对应的部位标签；

s4:利用训练样本训练出支持向量机分类器；

s5:读取待测试的电缆不同部位红外图像；

s6:提取待测试电缆不同部位红外图像的特征量；

s7:利用训练好的支持向量机分类器和提取到的待测试红外图像特征量将待测试的红外图像对应到不同的部位标签。

在步骤s1中，电缆不同部位包括电缆的终端接头、中间接头和交叉互联箱。

优选地，部位标签为部位的名称，包括“终端接头”、“中间接头”和“交叉互联箱”。

在一个实施方式中，步骤s3中，特征量为方向梯度直方图和灰度共生矩阵。步骤s4中，提取特征量方向梯度直方图，包括有以下步骤：

s411：将图像灰度化后再将图像二值化；

s412：计算每个像素的梯度幅值和梯度方向，计算公式如式(1)～式(4)所示，其中i(x,y)表示位置(x,y)处的灰度值，g(x,y)表示位置(x,y)处的梯度幅值，α(x,y)表示位置(x,y)处的梯度方向；

gx(x,y)＝i(x+1,y)-i(x-1,y)(1)

gy(x,y)＝i(x,y+1)-i(x,y-1)(2)

s413：将图像以m*m像素/细胞元划分为细胞元；

s414：将梯度方向划分为若干个方向块，根据计算出的梯度幅值和方向统计每个细胞元的加权梯度直方图；

s415：将n*n细胞元组成一个块，块与块之间互有重叠，串联所有块的方向梯度直方图作为最终提取的特征量。

步骤s4中，提取特征量灰度共生矩阵，包括有以下步骤：

s421：将图像灰度化；

s422：将灰度划分为n个等级；

s423：选定若干个方向；

s424：选定距离d；

s425：分别计算两灰度等级i、j在图像中若干方向相距d的次数得到对应方向上的灰度共生矩阵；

s426：将灰度共生矩阵归一化，归一化的灰度共生矩阵中每个元素(i,j)是图像中灰度等级分别为i和j在步骤s423限定方向上以像素对出现的联合概率；

s427：计算归一化后的共生矩阵的4个特征：对比度、相关度、能量以及齐次性，对比度是指整幅图像中某个像素与它的相邻像素之间的对比度，常量组成的图像的对比度是0，对比度的计算公式如式(5)所示；相关度是指图像中某个像素与它的相邻像素之间的互相关度，取值范围是[-1,1]，常量组成的图像的互相关度是nan，相关度1和-1分别对应完全正相关和完全负相关，相关度的计算公式如式(6)所示；能量是指灰度共生矩阵中所有元素的平方和，取值范围是[0,1]，常量组成的图像的能量是1，计算公式如式(7)所示；齐次性是指灰度共生矩阵中元素相对于灰度共生矩阵对角线的分布的紧密度，取值范围是[0,1]，计算公式如式(8)所示；

其中，

p(i,j)为归一化后的灰度共生矩阵，其中p指归一化后的灰度共生矩阵，即p(i,j)指图像中灰度等级分别为i和j在特定方向上以像素对出现的联合概率；μi为灰度等级i的数学期望；μj为灰度等级j的数学期望；si为灰度等级i的方差；sj为灰度等级j的方差；σi为灰度等级i的方差，σj为灰度等级j的方差；

s428：取4个方向上的特征量的平均值和标准差作为最终提取的特征量。

本发明与现有技术相比，具有以下特点：

本发明利用支持向量机分类器进行红外图像电缆部位自动识别，减少人工成本，降低对人工分析和处理的依赖；为日后针对电缆不同部位不同智能诊断算法的研发奠定基础，提供支持。

附图说明

图1是本发明实施例中电缆终端接头的红外图像示意图。

图2是本发明实施例中电缆中间接头的红外图示意图。

图3是本发明实施例中电缆交叉互联箱的红外图像示意图。

图4是本发明实施例中方法总体流程图示意图。

图5是本发明实施例中方向梯度直方图提取流程示意图。

图6是本发明实施例中灰度共生矩阵特征值提取流程示意图。

图7是本发明实施例中4*4像素/细胞元示意图。

图8是本发明实施例中2*2细胞元/块示意图。

图9是本发明实施例中图像的灰度等级示意图。

图10是本发明实施例中水平方向的灰度共生矩阵示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本发明的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本发明的限制。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

实施例1：

如图1至如图6所示，本发明提供一种基于红外图像的电缆部位自动识别方法，包括有以下步骤：

s1：构建电缆不同部位的训练样本库，电缆不同部位包括电缆的终端接头、中间接头和交叉互联箱；

s2：利用软件工具如matlab读取电缆不同部位训练样本红外图像；

s3：提取电缆不同部位训练样本特征量和对应的部位标签，部位标签为部位的名称，包括“终端接头”、“中间接头”和“交叉互联箱”。

s4：利用训练样本训练出支持向量机分类器，可以利用matlab软件的fitcecoc分类工具来进行，特征量为方向梯度直方图和灰度共生矩阵，方向梯度直方图是采集各像素点的灰度梯度幅值和方向，而梯度主要存在于边缘，因此提取该特征量可以较好地反映图像的边缘轮廓信息；同时考虑到电缆终端接头的瓷套管、交叉互联箱的保护器和铜排等均具有较明显的纹理特征，因此同时选择灰度共生矩阵作为特征量，因为灰度共生矩阵是通过计算图像中一定距离和一定方向的两点灰度之间的相关特性，来反映图像在方向、间隔、变化幅度以及快慢上的综合信息，因此提取该特征量可以较好地反映图像的纹理特征。提取特征量方向梯度直方图，包括有以下步骤：

s411：将图像灰度化后再将图像二值化；

s412：计算每个像素的梯度幅值和梯度方向，计算公式如式(1)～式(4)所示，其中i(x,y)表示位置(x,y)处的灰度值，g(x,y)表示位置(x,y)处的梯度幅值，α(x,y)表示位置(x,y)处的梯度方向；

gx(x,y)＝i(x+1,y)-i(x-1,y)(1)

gy(x,y)＝i(x,y+1)-i(x,y-1)(2)

s413：将图像以m*m像素/细胞元划分为细胞元；

如图7所示是4*4像素/细胞元的4个细胞元，每个小网格代表一个像素点。

s414：将梯度方向划分为若干个方向块，根据计算出的梯度幅值和方向统计每个细胞元的加权梯度直方图；

本实施例中，梯度方向划分为9个方向块，分别为0°～20°、20°～40°、40°～60°、60°～80°、80°～100°、100°～120°、120°～140°、140°～160°、160°～180°，以20度为间隔，将180度划分为9个方向，根据计算出的梯度幅值和方向统计每个细胞元的加权梯度直方图，例如某细胞元中某像素点计算得到的梯度角度属于0～20，幅值为3，则在该细胞元的直方图中0～20的计数加3。

s415：将n*n细胞元组成一个块，块与块之间互有重叠，串联所有块的方向梯度直方图作为最终提取的特征量。

如图8所示是2*2细胞元/块的4个块，每个小网格代表一个细胞元。

步骤s4中，提取特征量灰度共生矩阵，包括有以下步骤：

s421：将图像灰度化；

s422：将灰度划分为n个等级，本实施例中，n为8；

s423：选定若干个方向；

本实施例中选取4个方向，0°、45°、90°和135°；

s424：选定距离d，在此方法中d取1～10；

s425：分别计算两灰度等级i，j在图像中4个方向相距d的次数得到4个方向上的灰度共生矩阵；

如图9和图10，图9表示图像的灰度等级情况，每个小网格代表一个像素点，网格中的数值代表该像素点的灰度等级；图10表示水平方向时，即0°时相距1，即d＝1时的灰度共生矩阵；

s426：将灰度共生矩阵归一化，归一化的灰度共生矩阵中每个元素(i,j)是图像中灰度等级分别为i和j在步骤s423限定方向上以像素对出现的联合概率；

s427：计算归一化后的共生矩阵的4个特征：对比度、相关度、能量以及齐次性，对比度是指整幅图像中某个像素与它的相邻像素之间的对比度，常量组成的图像的对比度是0，对比度的计算公式如式(5)所示；

相关度是指图像中某个像素与它的相邻像素之间的互相关度，取值范围是[-1,1]，常量组成的图像的互相关度是nan，相关度1和-1分别对应完全正相关和完全负相关，相关度的计算公式如式(6)所示；能量是指灰度共生矩阵中所有元素的平方和，取值范围是[0,1]，常量组成的图像的能量是1，计算公式如式(7)所示；齐次性是指灰度共生矩阵中元素相对于灰度共生矩阵对角线的分布的紧密度，取值范围是[0,1]，计算公式如式(8)所示；

其中，

p(i,j)为归一化后的灰度共生矩阵，其中p指归一化后的灰度共生矩阵，即p(i,j)指图像中灰度等级分别为i和j在特定方向上以像素对出现的联合概率；μi为灰度等级i的数学期望；μj为灰度等级j的数学期望；si为灰度等级i的方差；sj为灰度等级j的方差；σi为灰度等级i的方差，σj为灰度等级j的方差。

s428：取4个方向上的特征量的平均值和标准差作为最终提取的特征量。

s5:读取待测试的电缆不同部位红外图像；

s6:提取待测试电缆不同部位红外图像的特征量；

s7:利用训练好的支持向量机分类器和提取到的待测试红外图像特征量将待测试的红外图像对应到不同的部位标签，即完成了电缆红外图像的部位自动识别。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。