电力工程论文.docxVIP

电力工程基础 课程结课（论文） 课程结课 （论文） 题 目： 基于红外图像识别的输电线路故障诊断方法 姓 名： 专 业： 电气工程及其自动化 班 级： 电气N101 学 号： 指导教师： 导师职称： 讲师 2013 年 6 月 3 E1 目录 TOC \o 1-5 \h \z 1引言 1 2图像高温区域提取原理 2 2. 1 HSI颜色空间变换 3 2. 2 图像噪声处理 6 2.3梯度法高温区域定位 9 3高温区域提取流程图 10 结果分析 11 专业术语解析 12 结束语 15 参考文献 16 1、引言 红外图像中输屯线路故障的准确识别一直是困扰检测人员的难题。输电线 路在长期运行屮由于表面老化、自然灾害及人为损伤等因素，会导致断股以至于 断线故障，此类故障的前期常伴随有局部放电、局部温升增高等现象。红外热成 像技术可检测输电线路温升变化，能提前预知线路将会出现的故障，为电网诊断 提供依据。红外图像反映的是目标与背景的热辐射，与可见光的图像相比，红外 图像屮口标与背景的对比度低，边缘模糊，从而难以用常规的边缘提取方法来提 取目标的有效轮廓信息。 木文提出了一种基于梯度法的输电线路红外图像高温区域识别算法，通过利 用红外图像在H S I空间中的信息，对图像中存在的噪声等信息进行改进型中值 滤波，之后运用提出的梯度法对滤波后的图像屮温度剧烈变化的区域进行识别， 从而实现对输电线路中可能的故障位置进行识别和诊断。 2、 图像高温区域提取原理 红外图像获取过程中，rti于受到电子热噪声的影响和信道传输的错误，图像 屮会出现椒盐噪声、脉冲噪声以及其它类型的噪声。高压输电线路红外图像有边 缘模糊、对比度差、空间域上受背景噪声污染人等特点。采用正确的滤波方法可 以有效地降低图像空间域背景对口标的干扰，梯度法就能比较直观地反映图像的 颜色变化。本文基T MATLAB平台，采用改进的中值滤波和梯度法提取图像的高 温区域。 木文选用FLTR的A40-M拍摄了大量的模拟输电线路故障红外图像，其中包 含断股、连接处故障等，并选择断股为研究对象验证木文方法。图1为输电线路 断股可见光原图及对应的红外图。 可兀光图燉⑹红外图像 可兀光图燉 ⑹红外图像 图1输电线路断股町见光图像和红外图像 2.1 HS I颜色空间变换 木文在提取图像目标时，先将输电线路红外图像转换到HS I颜色空间（H： 色调；S：饱和度；I：亮度）进行处理。以红外图像屮的温度最高区域为口标, 其反映在HS I颜色空间S分量上为一块黑色区域，与周围的颜色差别比较大, 有利于后期基于梯度法的口标区域识别。由于H S I色彩空间和R G B色彩空间 只是同一物理量的不同表示法，因而可以通过RG B空间分量获取H S I空间分 量的值，其转换公式为 arccosM+N2 \/W + arccos M+N 2 \/W + NP ,财黑0或NMO M = R-G N = R-B 7r arccos2 7r arccos 2 x/M: + NP P = G-B P0 (1) S = max(RGB) — min(RGB) S = max(RGB) — min(RGB) (2) I = (.R + G + B)/3 (3) 式中：H、S、I分别为HS I 3种分量，根据公式（1）、（2）、（3）可以将 红外图像的RG B颜色空间转换到H S I空间，转换后图像见图2。 图2 H S I颜色空间S图分量 由图2可知红外图像的最亮点在H S I空间分量中的S图中表现为黑色，且 在原图中颜色越亮，黑色越明显，该图背景对提取目标的干扰比其他两个分量要 少，更适合本文后期处理。 2. 2 图像噪声处理 针对红外图像高背景、低反差的特点和H S I空间颜色的特征，在对其进行 噪声处理吋，首先保证图像尖锐的边缘，然后祛除背景噪声对口标提取的影响。 从图2可看出该图噪声特点为幅值近似相等但随机分布在不同位置上，图像中有 干净点也有污染点，经试验发现屮值滤波对椒盐噪声处理效果较为理想，为了避 免一般的中值滤波可能因排序取中值而破坏结构和空间的领域信息，本文提出了 改进型的屮值滤波方法： ①假设输入图像矩阵为P,大小为mXn,在P中取出一个任意正方形矩阵 (大小为i X i ,), i e [1, 2,…，m i n (m, n )],此处i不宜取得过大 或者过小， 边界模糊。 i取小了滤除噪声效果不明显，过人虽然会更好地滤除噪声，但会使 将大小为 X i的矩阵定义为C。 (hi Wil (l:\ (ln (4) ②取出C矩阵的第一行组成新的行向量e ,将C内除e以外的Jt?它行与行向 量e组成一个新的行向量b,并求出b向量的屮值f。 ,(你如…虬-|你i) = g 曾『”你仮「则為”?) (5) f =