基于優(yōu)化去霧算法的配網(wǎng)開關(guān)狀態(tài)視頻識別技術(shù)研究
0 引言
在對電力系統(tǒng)設(shè)備進行維護時,工作人員常常需要到現(xiàn)場進行巡檢[1],以核對相應(yīng)開關(guān)狀態(tài),這樣不僅勞動強度大、操作時間長,且安全性低。通過引入視頻圖像識別技術(shù),可實現(xiàn)現(xiàn)場電力設(shè)備開關(guān)狀態(tài)的自動識別,在節(jié)省人力物力的同時大大提高了工作效率。
霧霾天氣的出現(xiàn)為電力巡檢帶來了很大挑戰(zhàn)。場景中的物體反射到達視頻采集設(shè)備中的光線變少,且受到霧中顆粒物反射光或散射光的干擾[2],采集到的視頻圖像無法反映真實的場景信息。對于采用視頻圖像識別技術(shù)監(jiān)測電力設(shè)備開關(guān)狀態(tài)來說,霧天采集的圖像使得通過圖像提取有用信息的難度加大[2],大大地降低了識別的精度和效率。因此,必須對采集的圖像進行清晰化處理,才能保證開關(guān)狀態(tài)的準確識別。
圖像去霧一般有兩種方式,即圖像增強[3]和復(fù)原。現(xiàn)階段采用比較廣泛的是基于物理模型的方法,即對霧霾圖像降質(zhì)的根本原因進行分析,構(gòu)建霧天的圖像成像模型[4],然后對有霧圖像進行復(fù)原來達到去霧的目的。Tan[5]實現(xiàn)去霧的方法是提高圖像的對比度,但是該方法容易出現(xiàn)過度增強、顏色失真等問題。Fattal[6]則使用獨立成分分析法,即假設(shè)透射率與表面投影局部不相關(guān),此算法只能在霧較少的情況下達到滿意的效果。基于暗通道先驗[7]的去霧算法是何愷明博士提出的一種經(jīng)典的針對單幅圖像進行去霧的方法,此方法去霧效果理想,但是算法的復(fù)雜度很高,去霧效率相對較低。
針對現(xiàn)有算法的局限性,本文以何愷明提出的算法為基礎(chǔ),提出了一種優(yōu)化的去霧算法。該算法采用灰度開運算來自適應(yīng)獲取大氣光強,采用下采樣和插值的方法來提高透射率的估計速度,針對大量天空區(qū)域存在的問題,采用形態(tài)學(xué)算法并引入容差機制對透射率進行優(yōu)化。最后,本文以霧霾環(huán)境下采集到的配網(wǎng)柱上跌落式開關(guān)視頻圖像為例,對其進行去霧處理并識別開關(guān)狀態(tài),采用尺度不變特征變換匹配算法(Scale-Invariant Feature Transform,SIFT)對開關(guān)進行提取定位,Hough變換算法對開關(guān)狀態(tài)進行識別,仿真和實驗表明效果良好。
1 暗通道先驗
霧霾圖像的形成過程[7]可表示為:
式中:
由暗通道先驗規(guī)律可得初始的透射率估計:
式中:
2 優(yōu)化的去霧算法
2.1 自動調(diào)節(jié)大氣光強
暗通道中存在的白色物體會對大氣光強的估計產(chǎn)生很大影響[8],對式(1)進行灰度開運算可減小此影響,即:
由式(6)可得透射率的初始估值,即:
由式(8)可得出大氣光強A的區(qū)間估計為:
式中:mean(·)表示對所有元素取均值。由于
2.2 透射率優(yōu)化
用初始透射率t(x)以及經(jīng)過軟摳圖算法進行優(yōu)化后的透射率如
圖1 傳統(tǒng)暗通道先驗算法透射率示意Fig.1 Transmissivity of traditional dark channel prior
將
同時,針對天空、白色物體等明亮區(qū)域暗通道先驗失效的問題,通過引入容差機制[10]對明亮區(qū)域的透射率進行調(diào)整。假設(shè)δc(x)表示像素x的相對顏色值,容差機制可描述為:
它表示圖像在x的像素Ic與大氣光強Ac之間的距離,距離越大,表明兩者相差越大,反之兩者越相近[10]。當K(x)接近0時,像素x可視為圖像的
光強。
本文設(shè)定閾值K0,當容差K(x)小于K0時,說明像素點的透射率估計偏差較大,需要進行調(diào)整,反之則不需要進行調(diào)整[11]。修正后的透射率估計為:
Fig.2 The flow chart of improved defogging algorithm " style="box-sizing: border-box; color: rgb(43, 43, 43); text-decoration-line: none;">
圖2 改進的去霧算法流程Fig.2 The flow chart of improved defogging algorithm
算法使用MATLAB R2016b環(huán)境編程實現(xiàn)。何的算法獲得的透射率及去霧后圖像與本文算法獲得的透射率及去霧后圖像的對比如
由
圖3 兩種算法的透射率及去霧圖像Fig.3 Transmissivity and defogging images of two algorithms
此外再針對兩種不同尺寸圖像分別采用兩種算法進行去霧處理,對比結(jié)果如
圖4 利用兩種算法恢復(fù)出的兩幅圖像Fig.4 Two images of two defogging algorithms
兩種算法的執(zhí)行時間對比見
表1 本文算法與He算法時間對比Tab.1 Time comparison between two defogging algorithms
由此可以看出,本文提出的算法相較傳統(tǒng)暗通道先驗去霧算法在速度上有了顯著提高,去霧效果比較理想,可以滿足圖像識別的要求,同時為工業(yè)上實現(xiàn)實時監(jiān)測提供了可能。
3 開關(guān)狀態(tài)識別
跌落式開關(guān)又叫跌落式熔斷器,是一種短路保護開關(guān),在10 kV/12 kV配電線路分支線和配電變壓器中得到了廣泛應(yīng)用[12],它能有效適應(yīng)戶外的操作環(huán)境,具有經(jīng)濟、操作方便等特點。因此,被廣泛應(yīng)用于10 kV/12 kV配電線路和配電變壓器一次側(cè)作為保護和進行設(shè)備投、切操作之用[12]。同時,因為其有一個明顯的斷點,具備隔離開關(guān)的功能,為電力設(shè)備的檢修創(chuàng)造了一個安全的作業(yè)環(huán)境。
3.1 開關(guān)定位
對柱上跌落式開關(guān)進行定位采用尺度不變特征變換匹配算法(Scale-Invariant Feature Transform,SIFT)。SIFT特征對旋轉(zhuǎn)、尺度縮放、亮度變化等都具有不變性[13],是非常穩(wěn)定的局部特征。算法具體流程為如下。
1)尺度空間構(gòu)造。生成尺度空間需要先構(gòu)造圖像高斯金字塔,然后利用連續(xù)的高斯卷積核與原圖像進行卷積生成[14]。一幅二維圖像在不同尺度下的尺度空間可表示為:
式中:(
將相鄰組別的高斯圖像相減,可以得到一組高斯差分圖像:
式(21)中的[x′,y′,1]T和[x,y,1]T表示任一組特征匹配點在模板圖像和待匹配圖像上的像素點坐標,
確定匹配關(guān)系后需要把式(21)中的
3.2 開關(guān)狀態(tài)識別
Hough變換是利用圖像的全局特性,將圖像的邊緣像素進行連接[13],繼而組成區(qū)域的封閉邊界。這種算法可以把不連續(xù)的像素點進行連接,從而對已知的形狀進行檢測。本文采用直線Hough變換對開關(guān)狀態(tài)進行識別檢測。直線變換的方程為:
Fig.5 The flow chart of switch recognition " style="box-sizing: border-box; color: rgb(43, 43, 43); text-decoration-line: none;">
圖5 開關(guān)識別算法流程Fig.5 The flow chart of switch recognition
經(jīng)過去霧處理之后的圖像以及模板圖像識別前均先經(jīng)過灰度化處理,即將彩色圖像轉(zhuǎn)化成灰度圖像,這樣可以提高后續(xù)算法的處理速度。經(jīng)過特征點匹配后將匹配出的圖像進行二值化處理、閉運算填補邊緣、Canny邊緣檢測,然后再經(jīng)過Hough變換進行狀態(tài)識別判斷。待識別圖像與去霧后圖像如
圖6 待識別圖像與去霧后圖像Fig.6 The images to be identified and defogged
經(jīng)SIFT算法匹配出的圖像如
圖7 特征點匹配Fig.7 The image of feature point matching
圖8 二值化及閉運算處理結(jié)果Fig.8 The binary image and closed operation image
從
圖9 Canny邊緣檢測及Hough變換識別Fig.9 The image of Canny and Hough
開關(guān)的狀態(tài)分為3種,分別為“分”、“合”、“未合好”。本文設(shè)定直線夾角閾值,直線若平行,則說明開關(guān)處于“合”狀態(tài);不平行且小于閾值,則處于“未合好”狀態(tài);大于閾值則處于“分”狀態(tài)。由上述可判斷,本文采用的圖像開關(guān)處于“分”狀態(tài)。至此,開關(guān)狀態(tài)識別完畢。
4 結(jié)語
本文針對霧霾環(huán)境下采集的視頻圖像提出了

責任編輯:售電衡衡
- 相關(guān)閱讀
- 泛在電力物聯(lián)網(wǎng)
- 電動汽車
- 儲能技術(shù)
- 智能電網(wǎng)
- 電力通信
- 電力軟件
- 高壓技術(shù)
-
權(quán)威發(fā)布 | 新能源汽車產(chǎn)業(yè)頂層設(shè)計落地:鼓勵“光儲充放”,有序推進氫燃料供給體系建設(shè)
2020-11-03新能源,汽車,產(chǎn)業(yè),設(shè)計 -
中國自主研制的“人造太陽”重力支撐設(shè)備正式啟運
2020-09-14核聚變,ITER,核電 -
探索 | 既耗能又可供能的數(shù)據(jù)中心 打造融合型綜合能源系統(tǒng)
2020-06-16綜合能源服務(wù),新能源消納,能源互聯(lián)網(wǎng)
-
新基建助推 數(shù)據(jù)中心建設(shè)將迎爆發(fā)期
2020-06-16數(shù)據(jù)中心,能源互聯(lián)網(wǎng),電力新基建 -
泛在電力物聯(lián)網(wǎng)建設(shè)下看電網(wǎng)企業(yè)數(shù)據(jù)變現(xiàn)之路
2019-11-12泛在電力物聯(lián)網(wǎng) -
泛在電力物聯(lián)網(wǎng)建設(shè)典型實踐案例
2019-10-15泛在電力物聯(lián)網(wǎng)案例
-
新基建之充電樁“火”了 想進這個行業(yè)要“心里有底”
2020-06-16充電樁,充電基礎(chǔ)設(shè)施,電力新基建 -
燃料電池汽車駛?cè)雽こ0傩占疫€要多久?
-
備戰(zhàn)全面電動化 多部委及央企“定調(diào)”充電樁配套節(jié)奏
-
權(quán)威發(fā)布 | 新能源汽車產(chǎn)業(yè)頂層設(shè)計落地:鼓勵“光儲充放”,有序推進氫燃料供給體系建設(shè)
2020-11-03新能源,汽車,產(chǎn)業(yè),設(shè)計 -
中國自主研制的“人造太陽”重力支撐設(shè)備正式啟運
2020-09-14核聚變,ITER,核電 -
能源革命和電改政策紅利將長期助力儲能行業(yè)發(fā)展
-
探索 | 既耗能又可供能的數(shù)據(jù)中心 打造融合型綜合能源系統(tǒng)
2020-06-16綜合能源服務(wù),新能源消納,能源互聯(lián)網(wǎng) -
5G新基建助力智能電網(wǎng)發(fā)展
2020-06-125G,智能電網(wǎng),配電網(wǎng) -
從智能電網(wǎng)到智能城市