异常电力设备图像的识别方法及系统的制作方法
【专利摘要】本发明公开了一种异常电力设备图像的识别方法，用于从电力设备图像中识别出异常的电力设备图像，其包括步骤：(1)获取电力设备图像；(2)从所述电力设备图像中提取电力设备特征；(3)基于所述电力设备特征识别电力设备及其所在图像区域；(4)将所述图像区域的图像与相应的对比图像进行比较，以判断所述图像区域的图像是否存在异常变化，所述异常变化是与电力设备运行状态异常相关的异常变化，以识别出异常电力设备图像。相应的，本发明还提出了一种异常电力设备图像的识别系统，用于从电力设备图像中识别出异常的电力设备图像。
【专利说明】
异常电力设备图像的识别方法及系统
技术领域
[0001]本发明涉及一种异常图像的识别方法及系统，尤其涉及一种异常电力设备图像的识别方法及系统。
【背景技术】
[0002]随着我国电力网络规模的不断扩大，变电站等电力设备的安全可靠运行至关重要，而电力设备的运行状态是决定其安全稳定运行的关键因素之一。
[0003]通过视频监控系统对电力设备进行图像监控是电力设备运行状态的一种监控方式。现有的视频监控系统只有视频监控功能和录像功能，不能对监控目标进行智能化的主动识别分析，仅仅是将大量的图像传输到调度端，需要操作员时刻观察分析图像，无形中增加了操作员的工作负担；同时，人眼易疲劳的弱点和人工判断的主观性，严重影响了电力设备运行状态监测自动化程度的进一步提高;此外，很多高压设备的运行状态难以转换成电信号，在信号转换和传输过程中易受强电磁场的影响;重要设备的运行参数需要实时监测，采用人工巡视难以满足实时性要求，并且巡视员的责任心、工作态度和精神状况严重影响了检测的结果;而且，人眼难以分辨细微图像的灰度变化，难以客观判断电力设备表面缺陷的程度。
[0004]例如，电网调度自动化系统(SCADA)高压设备绝缘监测、继电保护等装置在变电站的安全可靠运行中起到了重要作用，但是相对来说，电力设备运行状态监测系统还不够完善，其中许多难题源于高电压和强电磁场的存在，众多关键参数的获取受被测量、环境和测量方法的限制，需过多地考虑系统安全、绝缘和弱信号的传输等因素;此外，有些运行参数和故障征兆信号很难通过接触测量转换成电信号，甚至无法利用微机监测获取，如变压器漏油，此类重要的非电信号利用图像监测获取更加真实。目前各级电网已经建立了多套变电站遥视系统，对电力系统的运行发挥了重要作用。由于电网中的变电站众多，每个变电站需要监测的图像不止一个，因此许多学者集中研究了远程图像的采集、数据的压缩和快速传输问题，以及如何减轻调度员同时监测多个变电站及多个图像画面的负担，并准确快速地确定变电站所处的运行状态。
【发明内容】
[0005]本发明的目的在于提供一种异常电力设备图像的识别方法，其能够从电力设备图像中识别出异常的电力设备图像，从而大大减轻监测人员观察分析电力设备图像的负担，并且提高监测的客观性、实时性和准确性，为准确快速地确定电力设备所处的运行状态提供良好的基础。
[0006]本发明的另一目的在于提供一种异常电力设备图像的识别系统，该系统同样具有上述功能。
[0007]为了实现上述目的，本发明提出了一种异常电力设备图像的识别方法，用于从电力设备图像中识别出异常的电力设备图像，其包括步骤:
[0008](I)获取电力设备图像；
[0009](2)从所述电力设备图像中提取电力设备特征；
[0010](3)基于所述电力设备特征识别电力设备及其所在图像区域；
[0011](4)将所述图像区域的图像与相应的对比图像进行比较，以判断所述图像区域的图像是否存在异常变化，所述异常变化是与电力设备运行状态异常相关的异常变化，以识别出异常电力设备图像。
[0012]本发明所述的异常电力设备图像的识别方法的构思是，通过从电力设备图像中提取电力设备特征，并基于该电力设备特征识别电力设备及其所在图像区域，之后将所述图像区域的图像与相应的对比图像进行比较，以判断是否存在异常变化，从而识别异常电力设备图像。所述电力设备特征是所述电力设备图像中反映其对应的电力设备特有属性的图像特征，其可以是颜色特征、纹理特征以及形状特征中的一种或几种的组合，从而基于所述电力设备特征就可以识别电力设备及其所在图像区域;所述对比图像可以是标准图像或历史图像，所述标准图像是对所述电力设备图像所对应的电力设备在首次投入使用并且正常运行时采集的图像，所述历史图像是对所述电力设备图像所对应的电力设备在首次投入使用后运行时采集的图像;标准图像主要用于判断异常变化的程度，间隔时间相对长，历史图像主要用于判断异常变化的速度，间隔时间相对短，两者优势互补;所述异常变化通常是指主要反映所述电力设备运行状态异常的变化，因此在判断是否存在异常变化时，需考虑环境因素的影响，如光照、温度、湿度、能见度等。
[0013]本发明所述的异常电力设备图像的识别方法，其通过从电力设备图像中识别出异常的电力设备图像，使得监测人员不需要去观察分析每一张电力设备图像，从而大大减轻监测人员观察分析电力设备图像的负担，并且提高监测的客观性、实时性和准确性，为准确快速地确定电力设备所处的运行状态提供良好的基础。
[0014]进一步地，在本发明所述的异常电力设备图像的识别方法中，所述步骤(I)还包括步骤:对获取的电力设备图像进行预处理。
[0015]由于获取电力设备图像的设备其本身的缺陷和环境等因素的影响，输入到计算机中的电力设备图像中不可避免的会含有畸变和噪声，这会对后面的电力设备特征提取、电力设备识别和电力设备图像分析带来严重的干扰，并且影响着处理结果的正确性。因此，首先要对采集到的电力设备图像进行必要的预处理，如图像去噪、边缘增强、边缘检测等，为以后的电力设备特征提取和电力设备识别做好必要的准备工作，以保证输出结果的准确性。噪声门限法是一种简单易行的噪声消除方法，它对于因传感器或者信道引起的呈现孤立离散分布的单点噪声具有较好的效果。运用噪声门限法进行图像去噪时，首先设定门限值，然后顺序检测图像的每一个像素，将该像素与其邻域内的其他像素进行比较判断，以确定是否为噪声点；若为噪声点，则以其邻域内所有像素灰度的平均值替代，否则，以原灰度值输出。
[0016]更进一步地，在上述异常电力设备图像的识别方法中，所述预处理包括:直方图增强、图像去噪、图像锐化、图像边缘检测以及图像分割中的一种或几种的组合，从而实现去除图像噪声、增强图像的细节以及提高图像的信噪比等功能。
[0017]上述方案中，比较不同算法的去噪、锐化、边缘检测的结果，得出如下结论:对于不同的噪声类型需要选取不同的去噪算法;对图像进行锐化后再进行边缘检测效果更佳;利用灰度图的直方图，选取适当的阈值，可实现图像的二值化分割，减小将来图像识别中的运算规模，提高电力设备图像识别的实时性。
[0018]进一步地，在本发明所述的异常电力设备图像的识别方法中，所述电力设备特征包括:颜色特征、纹理特征以及形状特征中的一种或几种的组合。
[0019]颜色是图像中最丰富多样的信息，不同的电力设备有着不尽相同的颜色，对那些颜色特征比较明显的电力设备，可以把颜色特征作为识别设备的主要依据。在图像处理中经常应用的彩色坐标系统(或称彩色空间)主要有两种:一种是由红(R)、绿(G)、蓝(B)三原色组成的彩色空间即RGB空间，另一种是IHS空间。其中，RGB空间是面向硬件的，绝大部分的监视器都采用RGB这种彩色模型。RGB对应于三个刺激值，组成三维正交坐标系统，该系统中任何颜色都落入RGB彩色立方体内。
[0020]在RGB彩色空间中，红、绿、蓝三原色的混合比例定义不同的色彩，并且在系统中，彩色通道之间的相关性很高，若定义三原色的坐标分别为红(1，0，0)、绿(0，1，0)、蓝(0，0，I)。则所有的颜色按一定的混合比例都落在了立方体内，如黄色的坐标则为(I，I，0)，白色的坐标为(1，1，1)。
[0021]对于颜色特征显著的电力设备，我们就可以选取其颜色作为识别的特征向量，对电力设备进行识别分析。如对接近红色的互感器、灰色的变压器等，首先提取图像中电力设备的颜色特征，得到其所处的彩色特征空间，作为一识别的特征向量，对图像中的识别目标进行定位、分析。
[0022]纹理就是有纹理基元按某种确定性的规律或者某种统计规律排列组成的。前者称为确定性纹理，例如人工纹理。后者则称为随机性纹理，例如，自然纹理。
[0023]纹理分析的方法主要有两种:一是统计纹理分析法，二是结构纹理分析法，其中，统计纹理分析法最常用。描述纹理的参量有很多，如纹理的强度、纹理的密度、纹理的方向以及纹理的粗糙程度等。基于邻域特征统计的纹理分析方法是把计算某一局部区域内灰度的统计特征作为图像纹理的测度，主要方法包括:最大最小值法、方差法、绝对差法、信息熵法及尚斯滤波差值法。
[0024]对形状特征的描述，一般要求在平移和旋转的变换(形状的相似变换)下是不变的，因为这两种变换不改变物体的形状。电力设备的图像经过去噪、增强和边缘检测后，就得到了设备的图像边缘和区域，进而获得设备图像的形状。能够反映设备图像的形状信息有三种方式:区域、边界与骨架。一般的，把目标区域内部或边界的像素赋予“I”值，而背景和其他不感兴趣的区域像素赋予“O”值，形成二值图像，二值图像给出清晰的目标形状。
[0025]经过预处理后，选取能够区分电力设备类别及其所在图像区域的图像特征，通常包括上述的颜色特征、纹理特征以及形状特征中的一种或几种的组合，作为之后识别电力设备及其所在图像区域时的输入向量。例如，对接近红色的互感器、灰色的变压器等，首先提取电力设备图像中电力设备的颜色特征，得到其所处的彩色特征空间作为电力设备特征输入向量。电力设备特征的选取要充分考虑其对之后识别过程的准确性与快速性的影响。
[0026]进一步地，在本发明所述的异常电力设备图像的识别方法中，所述对比图像是标准图像和/或历史图像。
[0027]进一步地，在本发明所述的异常电力设备图像的识别方法中，所述异常变化包括产生毛刺或突起的边缘，或新增伪轮廓。
[0028]进一步地，在本发明所述的异常电力设备图像的识别方法的步骤(4)中，通过下述模型实现所述图像区域的图像与相应的对比图像的比较，以判断所述图像区域的图像是否存在异常变化:
[0029]APi(x，y)=Pi(x，y)-P(x，y)
[0030]式中，Pi(x，y)是所述图像区域的图像，P(x，y)为相应的对比图像，(x，y)为像素坐标；当该式结果为O时，判断所述图像区域的图像不存在异常变化，否则判断所述图像区域的图像存在异常变化。
[0031]上述方案通常通过计算机实现，其中对比图像通常从数据库服务器中选取。
[0032]相应地，本发明还提出了一种异常电力设备图像的识别系统，用于从电力设备图像中识别出异常的电力设备图像，其包括依次连接的:图像采集终端、图像采集卡以及计算机;所述图像采集终端设于相应的电力设备附近;所述异常电力设备图像的识别系统通过运行与下述步骤相应的程序实现异常电力设备图像的识别:
[0033](I)所述计算机控制所述图像采集终端获取相应的电力设备图像；
[0034](2)所述计算机从所述相应的电力设备图像中提取相应的电力设备特征；
[0035](3)所述计算机基于所述相应的电力设备特征识别相应的电力设备及其所在图像区域；
[0036](4)所述计算机将所述图像区域的图像与相应的对比图像进行比较，以判断是否存在异常变化，从而识别异常电力设备图像。
[0037]本发明所述的异常电力设备图像的识别系统基于本发明所述的异常电力设备图像的识别方法实现，通过运行与本发明所述的异常电力设备图像的识别方法的步骤相应的程序实现异常电力设备图像的识别。
[0038]进一步地，在本发明所述的异常电力设备图像的识别系统中，所述图像采集终端为多个，所述图像采集卡为多通道图像采集卡，其多个通道与所述多个图像采集终端分别对应。
[0039]进一步地，在本发明所述的异常电力设备图像的识别系统中，所述图像采集终端为CO)(电荷親合器件，Charge Coupled Device)摄像机。
[0040]本发明所述的异常电力设备图像的识别方法与现有技术相比，具有以下有益效果:
[0041]I)大大减轻监测人员观察分析电力设备图像的负担；
[0042 ] 2)有效提高监测的客观性、实时性和准确性；
[0043]3)为准确快速地确定电力设备所处的运行状态提供良好的基础。
[0044]本发明所述的异常电力设备图像的识别系统同样具有上述效果。
【附图说明】
[0045]图1为本发明所述的异常电力设备图像的识别系统在一种实施方式下的结构示意框图。
[0046]图2为本发明所述的异常电力设备图像的识别方法在一种实施方式下的流程图。【具体实施方式】
[0047]下面将结合说明书附图和具体的实施例对本发明所述的异常电力设备图像的识别方法及系统作出进一步的解释和说明。
[0048]图1示意了本发明所述的异常电力设备图像的识别系统在一种实施方式下的结构。
[0049]如图1所示，本实施例的异常电力设备图像的识别系统，用于从电力设备图像中识别出异常的电力设备图像，其包括依次连接的:作为图像采集终端的若干个CCD摄像机、图像采集卡以及计算机;若干个CCD摄像机安装在相应电力设备附近合适的位置，将相应电力设备的光学影像信号转换为数字信号，形成相应的若干采集通道，经过多通道图像采集卡输入到计算机，其中若干采集通道的切换通过计算机控制多通道图像采集卡实现;本实施例的异常电力设备图像的识别系统还包括与计算机相连的键盘，显示器，打印机、报警装置以及数据库服务器等外部设备。
[0050]请参考图2，本实施例的异常电力设备图像的识别系统通过运行与图2示意的步骤相应的程序实现异常电力设备图像的识别:
[0051](I)计算机控制若干个CCD摄像机以获取相应的电力设备图像，并对获取的电力设备图像进行预处理；
[0052]上述预处理包括:直方图增强、图像去噪、图像锐化、图像边缘检测以及图像分割；该预处理遵循原则:对于不同的噪声类型选取不同的去噪算法;对图像进行锐化后再进行边缘检测;利用灰度图的直方图，选取适当的阈值，实现图像的二值化分割，减小之后图像识别中的运算规模，提高电力设备图像识别的实时性；
[0053](2)计算机从上述相应的电力设备图像中提取相应的电力设备特征;在本实施例中，相应的电力设备特征是相应的电力设备图像中反映其对应的电力设备特有属性的图像特征，包括颜色特征、纹理特征以及形状特征的组合;颜色是图像中最丰富多样的信息，不同的电力设备有着不尽相同的颜色，对那些颜色特征比较明显的电力设备，可以把颜色特征作为识别设备的主要依据。在图像处理中经常应用的彩色坐标系统(或称彩色空间)主要有两种:一种是由红(R)、绿(G)、蓝(B)三原色组成的彩色空间即RGB空间，另一种是IHS空间。其中，RGB空间是面向硬件的，绝大部分的监视器都采用RGB这种彩色模型。RGB对应于三个刺激值，组成三维正交坐标系统，该系统中任何颜色都落入RGB彩色立方体内。
[0054]在RGB彩色空间中，红、绿、蓝三原色的混合比例定义不同的色彩，并且在系统中，彩色通道之间的相关性很高，若定义三原色的坐标分别为红(1，0，0)、绿(0，1，0)、蓝(0，0，I)。则所有的颜色按一定的混合比例都落在了立方体内，如黄色的坐标则为(I，I，0)，白色的坐标为(1，1，1)。
[0055]对于颜色特征显著的电力设备，我们就可以选取其颜色作为识别的特征向量，对电力设备进行识别分析。如对接近红色的互感器、灰色的变压器等，首先提取图像中电力设备的颜色特征，得到其所处的彩色特征空间，作为一识别的特征向量，对图像中的识别目标进行定位、分析。
[0056]纹理就是有纹理基元按某种确定性的规律或者某种统计规律排列组成的。前者称为确定性纹理，例如人工纹理。后者则称为随机性纹理，例如，自然纹理。
[0057]纹理分析的方法主要有两种:一是统计纹理分析法，二是结构纹理分析法，其中，统计纹理分析法最常用。描述纹理的参量有很多，如纹理的强度、纹理的密度、纹理的方向以及纹理的粗糙程度等。基于邻域特征统计的纹理分析方法是把计算某一局部区域内灰度的统计特征作为图像纹理的测度，主要方法包括:最大最小值法、方差法、绝对差法、信息熵法及尚斯滤波差值法。
[0058]对形状特征的描述，一般要求在平移和旋转的变换(形状的相似变换)下是不变的，因为这两种变换不改变物体的形状。电力设备的图像经过去噪、增强和边缘检测后，就得到了设备的图像边缘和区域，进而获得设备图像的形状。能够反映设备图像的形状信息有三种方式:区域、边界与骨架。一般的，把目标区域内部或边界的像素赋予“I”值，而背景和其他不感兴趣的区域像素赋予“O”值，形成二值图像，二值图像给出清晰的目标形状；
[0059](3)计算机基于上述相应的电力设备特征识别相应的电力设备及其所在图像区域;本实施例应用颜色特征、纹理特征和模板匹配的方法识别电力设备类别;基于形状特征识别相应的电力设备所在图像区域；
[0060](4)计算机通过下述模型实现所述图像区域的图像与相应的对比图像的比较，以判断所述图像区域的图像是否存在异常变化:
[0061]APi(x,y)=Pi(x,y)-P(x,y)
[0062]式中，Pi(x，y)是所述图像区域的图像，P(x，y)为从数据库服务器中选取的相应的对比图像，(x，y)为像素坐标；当该式结果为O时，判断所述图像区域的图像不存在异常变化，表明相应的电力设备处于正常的运行状态，当该式结果不为O时，判断所述图像区域的图像存在异常变化(表现为某部分发生了突变，如产生了毛刺、突起的边缘或新增某些伪轮廓等)，表明相应的电力设备有故障(例如外观的损坏、放电现象以及设备漏油等)，并将判断为存在反映相应的电力设备运行状态异常的变化的上述图像区域的图像所属的电力设备图像识别为异常电力设备图像。
[0063]本实施例中，计算机在没有检测到异常电力设备图像时不传送电力设备图像到调度端计算机，只传送分析结果;计算机检测到异常电力设备图像时，将异常电力设备图像和报警信号传送到调度端计算机，调度员听到报警声音后，再根据提示找到相应的电力设备图像进行观察和处理，这样就大大减轻了调度员连续观察大量实时图像的负担，且不必再为通信信道“拥挤”而过多考虑数据压缩问题。
[0064]本实施例中，计算机检测到异常电力设备图像时，需要对相应的电力设备进行进一步的分析，这时通过控制多通道图像采集卡实现相应的电力设备图像的连续采集。
[0065]本实施例的异常电力设备图像的识别方法基于上述本实施例的异常电力设备图像的识别系统实现，且其步骤与上述本实施例的异常电力设备图像的识别系统的相关步骤相对应，因此不再赘述。
[0066]要注意的是，以上列举的仅为本发明的具体实施例，显然本发明不限于以上实施例，随之有着许多的类似变化。本领域的技术人员如果从本发明公开的内容直接导出或联想到的所有变形，均应属于本发明的保护范围。
【主权项】
1.一种异常电力设备图像的识别方法，用于从电力设备图像中识别出异常的电力设备图像，其特征在于，包括步骤: (1)获取电力设备图像； (2)从所述电力设备图像中提取电力设备特征； (3)基于所述电力设备特征识别电力设备及其所在图像区域； (4)将所述图像区域的图像与相应的对比图像进行比较，以判断所述图像区域的图像是否存在异常变化，所述异常变化是与电力设备运行状态异常相关的异常变化，以识别出异常电力设备图像。2.如权利要求1所述的异常电力设备图像的识别方法，其特征在于，所述步骤(I)还包括步骤:对获取的电力设备图像进行预处理。3.如权利要求2所述的异常电力设备图像的识别方法，其特征在于，所述预处理包括:直方图增强、图像去噪、图像锐化、图像边缘检测以及图像分割中的一种或几种的组合。4.如权利要求1所述的异常电力设备图像的识别方法，其特征在于，所述电力设备特征包括:颜色特征、纹理特征以及形状特征中的一种或几种的组合。5.如权利要求1所述的异常电力设备图像的识别方法，其特征在于，所述对比图像是标准图像和/或历史图像。6.如权利要求1所述的异常电力设备图像的识别方法，其特征在于，所述异常变化包括产生毛刺或突起的边缘，或新增伪轮廓。7.如权利要求1所述的异常电力设备图像的识别方法，其特征在于，所述步骤(4)中，通过下述模型实现所述图像区域的图像与相应的对比图像的比较，以判断所述图像区域的图像是否存在异常变化: Δ Pi(x,y)=Pi(x,y)-P(x,y) 式中，Pi(x，y)是所述图像区域的图像，p(x，y)为相应的对比图像，(X，y)为像素坐标；当该式结果为O时，判断所述图像区域的图像不存在异常变化，否则判断所述图像区域的图像存在异常变化。8.—种异常电力设备图像的识别系统，用于从电力设备图像中识别出异常的电力设备图像，其特征在于，包括依次连接的:图像采集终端、图像采集卡以及计算机;所述图像采集终端设于相应的电力设备附近;所述异常电力设备图像的识别系统通过运行与下述步骤相应的程序实现异常电力设备图像的识别: (1)所述计算机控制所述图像采集终端获取相应的电力设备图像； (2)所述计算机从所述相应的电力设备图像中提取相应的电力设备特征； (3)所述计算机基于所述相应的电力设备特征识别相应的电力设备及其所在图像区域； (4)所述计算机将所述图像区域的图像与相应的对比图像进行比较，以判断是否存在异常变化，从而识别异常电力设备图像。9.如权利要求8所述的异常电力设备图像的识别系统，其特征在于，所述图像采集终端为多个，所述图像采集卡为多通道图像采集卡，其多个通道与所述多个图像采集终端分别对应。10.如权利要求8所述的异常电力设备图像的识别系统，其特征在于，所述图像采集终 端为CCD摄像机。
【文档编号】G06K9/00GK105868722SQ201610207490
【公开日】2016年8月17日
【申请日】2016年4月5日
【发明人】王思源, 解祥艳, 丁素英, 王宁, 潘慧超, 韦良, 许明, 严玺, 盛戈皞
【申请人】国家电网公司, 国网山东省电力公司济南供电公司, 上海交通大学