基于多光譜圖像融合的電力設備熱成像方法

郭法安 易 婷

(廣東電網有限責任公司中山供電局)

0 引言

目前, 我國電力系統覆蓋面積大、設備數量多、分布范圍廣, 電力設備的狀態檢修依靠人工巡視維護已逐漸不能適應當前的情況。無人值守變電站的快速發展對電網安全運行管理、設備在線狀態變化提出了新的要求, 通過遙視系統、機器人、無人機等智能巡視設備實時監控電力設備的運行狀況, 及時發現設備故障隱患并發出報警信號, 是電網設備智能巡檢重要技術手段。

通常運行中的電力設備發生隱患或故障, 都伴隨著電、磁、聲、光、熱等物理現象變化。當輸電線路連接器、線夾、觸頭等部件接觸不良, 主變或GIS 內部電氣回路故障、絕緣介質老化破損, 都會出現著溫度變化和局部發熱, 這些異常溫度場所造成的紅外線外輻射為紅外熱成像觀測電力設備故障提供了技術條件。利用熱紅外成像儀器生成電力設備的熱成像圖,直觀的檢測電力設備的狀態和故障隱患。紅外熱成像技術具有操作便捷、檢測速度快、抗電磁干擾性強等優點, 使得電力設備的故障診斷變得簡單方便, 因而在電力設備狀態檢修中得到大量推廣。

紅外傳感器從某種程度上來說其信息來源基于物體的紅外輻射狀態, 能較為直觀的反應物體的溫度場, 但是這種單一的信息來源不能反應物體周圍的亮度細節信息, 例如在特定的光線環境下或隔著玻璃鏡面觀察物體時, 采用單一紅外光譜圖像不能很好的定位設備的故障隱患點。相比之下, 可見光圖像能夠清晰的反應物體周圍亮度層次, 而且高像素的可見光攝像技術發展較為成熟, 亮度、對比度、飽和度等信息清晰度高, 其缺點在于不能獲取設備的溫度信息。如果在電力設備熱成像中應用多光譜圖像傳感器, 將紅外光譜和可見光光譜相融合來進行故障檢測, 形成信息互補的熱成像, 能綜合反應電力設備在不同場景下的溫度、亮度、對比度、飽和度等多個細節信息, 依據這些信息能夠快速準確定位電力設備故障發熱部位, 從而排除電力設備的故障隱患點。

因此, 本文提出一種基于多光譜圖像融合的電力設備熱成像方法, 將紅外圖像、可見光圖像進行小波變換、頻域融合、小波逆變換等步驟得到多光譜融合圖像。這種電力設備熱成像方法能夠有效的解決傳統紅外熱成像技術的不足, 所捕捉的信息提高了觀察的準確性和魯棒性, 對提高電力設備故障檢測的準確度和診斷效率具有較高的理論和實踐意義。

1 多光譜圖像融合策略

圖像融合的概念是指采集關于同一目標不同傳感器的圖像, 采用某種融合策略提取各信道的有利信息, 最后綜合成為質量更高的圖像。通過對多源信道不同光譜圖像有用信息的提取和綜合, 得到特定場景下同一目標的更加精確可靠的圖像描述。在追尋更加契合人或機器視覺特征和識別方式的目標上, 為避免單一圖像提供信息有限的弊端, 采用圖像融合技術后得到圖像更加能夠滿足生活、生產場景下的需求, 尤其在電力設備故障檢測領域, 采用多光譜圖像融合技術, 將可見光圖譜和紅外圖譜相融相輔, 充分結合兩者優勢, 能夠更加快速和準確的檢測到故障點, 從而為檢修工作帶來方便和高效。

圖像融合技術的發展最早可以追溯到線性加權法、金字塔圖像融合等相對簡單的算法。隨著計算機科學與技術的推廣應用, 數值計算方法和人工智能算法得到快速發展。1987 年, Mallat 在小波變換多分辨率分析理論與圖像處理的應用研究中受到塔式算法的啟發, 提出了信號的塔式多分辨率分析與重構的快速算法。Mallat 算法提出后, 小波的多分辨率特性在圖像融合技術中得到廣泛應用。小波變換可以在時域、頻域來回穿插使用, 利用小波變換作為多尺度分析工具, 其提取的圖像細節信息更加豐富、更加具有辨識度。圖像融合采用小波變換算法的思路是將圖像在復頻域進行分解, 將圖像的頻率信息進行展開和投影,對不同頻率的信息單獨進行處理、融合, 然后再經小波逆變換后得到融合后圖像[1]。多光譜圖像融合采用小波變換算法, 具有運算速度快、結果精度高等優點, 在電力設備故障檢測領域具有較強的可行性。

圖像融合采用小波變換算法的基本步驟是:

(1) 將不同傳感器采集的原始圖像分別進行小波變換, 將其分解為不同的頻域分量表示;

(2) 對提取到的復頻域信息進行融合處理, 不同的頻域分量采用不同的融合策略, 得到融合后的頻率分量。

(3) 對融合后的頻率分量進行小波逆變換, 所得的重構圖像即為融合圖像。

電力設備的多光譜圖像融合, 利用紅外傳感器、可見光傳感器進行采集, 兩者的工作原理和成像性能完全不同。紅外成像傳感器通過探測目標和背景之間的熱轄射差異來識別目標的紅外圖譜, 對目標的熱效應具有較好的探測效果, 但其對環境的亮度、對比度、飽和度變化不敏感, 因此紅外成像清晰度和分度率都較低, 不滿足對場景細節信息的把握要求。相比之下, 可見光成像傳感器信息來源于目標場景的可見光反射, 可見光圖像能夠清晰的反應物體周圍亮度層次, 而且高像素的可見光攝像技術發展較為成熟, 亮度、對比度、飽和度等信息清晰度高, 能夠滿足觀察場景目標的幾何紋理細節信息要求, 其缺點在于不能獲取設備的溫度信息[2]。通過以上分析對比可知, 可見光成像是彩色紋理分割的結果, 而紅外成像是溫度場信息反饋的結果。利用小波變換分別對兩者進行復頻域分解, 分解后的圖像包含不同的頻域分量, 低頻分量表征圖像的近似程度, 高頻分量表征圖像的細節信息[3], 因此對不同的頻率分量應考慮采用不同的融合策略, 是圖像融合必須考慮的問題。

(1) 低頻分量融合策略

小波變換后的低頻分量表征圖像的近似程度, 采用加權平均值對各幅圖像的低頻分量進行融合容易造成圖像模糊失真, 因此為了充分提取低頻分量的邊緣特征, 本文對低頻分量簇采用邊緣檢測策略進行融合, 可以克服上述缺點。

(2) 高頻分量融合策略

小波變換后的高頻分量表征圖像的細節信息, 對高頻分量的處理原則需考慮保充分留原圖的區域邊界細節信息。在高頻分量信息中, 小波系數幅值大者表明該區域亮度、對比度變化較大, 因此為了充分提取高頻分量的亮度、對比度信息, 本文對高頻分量簇采用系數幅值最大化的融合策略。

如圖1 所示, 可見光圖像和紅外圖像經過小波變換進行復頻域分解, 分解后的圖像包含低頻分量和高頻分量, 釆用邊緣檢測策略對兩者的低頻部分進行融合, 采用幅值最大原則對兩者高頻部分進行融合, 融合后的低頻分量、高頻分量經小波逆變換后得到多光譜融合圖像。這種信息互補的熱成像, 起到了揚長避短的效果, 能綜合反應電力設備在不同場景下的溫度、亮度、對比度、飽和度等多個細節信息, 達到良好的視覺效果。

圖1 多光譜圖像融合策略

2 電力設備熱成像方法

基于多光譜圖像融合的電力設備熱成像方法包括以下步驟, 如圖2 所示:

圖2 多光譜圖像融合的電力設備熱成像步驟

第(1) 步S1: 電力設備通過紅外傳感器與可見光傳感器分別生成紅外光圖像與可見光圖像; 可見光傳感器敏感于電力設備場景的可見光反射, 可以提供場景的幾何紋理的亮度細節信息; 紅外傳感器獲取電力設備的紅外光轄射, 依靠探測電力設備和背景間的熱轄射差異來識別電力設備的溫度場。

第(2) 步S2: 對紅外光圖像與可見光圖像分別進行小波分解, 均產生低頻分量與高頻分量; 紅外光圖像與可見光圖像通過小波分解形成復頻域層, 各分解層根據頻率分量產生低頻分量與高頻分量。

第(3) 步S3: 將紅外光圖像與可見光圖像的低頻分量進行邊緣檢測, 選取低頻分量的邊緣特征, 采用低頻融合算子進行融合, 得到低頻的多尺度圖像。

第(4) 步S4: 對紅外光圖像與可見光圖像的高頻分量采用系數幅值最大化的原則進行融合, 得到高頻的多尺度圖像。

第(5) 步S5: 針對低頻的多尺度圖像和高頻的多尺度圖像進行小波反變換, 得到融合圖像。

3 應用場景下的顯像效果

運行中的電力設備導線連接部分發生接觸不良或松動時, 可見光下拍攝的成像圖片如圖3 - (1) 所示, 可見光圖像在亮度、對比度、飽和度等信息清晰度和空間分辨率較高, 能夠滿足觀察場景目標的幾何紋理細節信息要求, 有利于觀察者形成對場景的整體認知, 其缺點在于不能獲取設備的溫度信息, 因此無法觀測到故障點。采用紅外測溫槍檢測到的熱成像如圖3 -(2) 所示, 紅外成像傳感器通過探測目標和背景之間的熱轄射差異來識別目標的紅外圖譜, 對目標的熱效應具有較好的探測效果, 但其對環境的亮度、對比度、飽和度變化不敏感, 因此紅外成像清晰度和分度率都較低, 不滿足對場景細節信息的把握要求。采用基于多光譜圖像融合的電力設備熱成像方法, 融合后的圖像如圖3 -(3) 所示, 將紅外光譜和可見光光譜相融合來進行故障檢測, 形成信息互補的熱成像, 能綜合反應電力設備在不同場景下的溫度、亮度、對比度、飽和度等多個細節信息, 依據這些信息能夠快速準確定位電力設備故障發熱部位, 從而排除電力設備的故障隱患點。

圖3 多光譜圖像融合前后電力設備熱成像對比圖

應用場景表明, 木文所提出的基于多光譜圖像融合的電力設備熱成像方法能夠很好的在將可見光圖像、紅外圖像進行融合。當測溫槍、攝像頭、無人機、機器人等智能巡視設備應用該方法后, 融合后的圖像既能清晰的顯示紅外檢測的故障點, 又能顯示出設備亮度紋理細節信息, 為工程檢修人員提供準確良好的參照。

4 結束語

本文提出一種基于多光譜圖像融合的電力設備熱成像方法, 對電力設備的可見光光譜、紅外光譜的成像特點進行分析對比, 利用小波變換分別對兩者進行復頻域分解, 分解后的圖像包含不同的頻域分量, 釆用邊緣檢測策略對兩者的低頻部分進行融合, 采用幅值最大原則對兩者高頻部分進行融合, 融合后的低頻分量、高頻分量經小波逆變換后得到多光譜融合圖像?；诙喙庾V圖像融合的電力設備熱成像方法, 將紅外光譜和可見光光譜相融合來進行故障檢測, 形成信息互補的熱成像, 能綜合反應電力設備在不同場景下的溫度、亮度、對比度、飽和度等多個細節信息,具有計算簡單、融合速度快、融合效果好等優點, 融合后的圖像既能清晰的顯示紅外檢測的故障點, 又能顯示出設備亮度紋理細節信息, 能夠很好的滿足電力設備狀態檢修的準確性和可靠性要求。