0 引言

電力系統(tǒng)圖像監(jiān)測技術是結(jié)合圖像技術和通信技術,對電力設備運行狀態(tài)進行遠程監(jiān)控。基于圖像處理的遠程數(shù)字圖像監(jiān)控系統(tǒng)是將遠程控制采集到的現(xiàn)場數(shù)字圖像信號實時傳送到監(jiān)控中心的圖像處理服務器,并根據(jù)預設的需求對采集到的數(shù)字視頻圖像進行自動化分析和處理^[1]。遠程數(shù)字圖像監(jiān)控系統(tǒng)包括遠程數(shù)字圖像采集系統(tǒng)和數(shù)字圖像處理系統(tǒng)兩部分,隨著信息通信技術的發(fā)展,兩者出現(xiàn)的問題可以作為整體進行考慮。在電力行業(yè),主要是通過圖像采集系統(tǒng)對在運設備進行監(jiān)測,運用圖像處理技術對電力設備標準圖像和監(jiān)測畫面進行特征比對分析,獲取設備的運行狀態(tài)、運行環(huán)境等異常信息,如變電站開關變位、電塔傾斜、儀表指針變化、絕緣子污垢/覆冰、電塔傾斜和設備過熱形變等,實現(xiàn)電力系統(tǒng)的高度自動化無人值守,為運維監(jiān)測提供了新的手段和可靠依據(jù),有效節(jié)約系統(tǒng)運維成本^[2-4]。

隨著智能電力系統(tǒng)的不斷發(fā)展,越來越多的電力圖像監(jiān)測系統(tǒng)不斷投入應用。在無人或少人值班的場所,監(jiān)控系統(tǒng)代替值班人員監(jiān)視電站設備的運行和安全情況,并提供事后分析事故的有關圖像資料。當前,對電力設備監(jiān)視畫面的圖像特征分析主要集中在直方圖、輪廓提取以及幾何特征分析等方面,利用圖像分析設備狀態(tài)的前提是圖像采集器獲取到的電力設備監(jiān)控圖像足夠精確。由于監(jiān)控圖像質(zhì)量的高低受電力監(jiān)控設備工作機制和運行環(huán)境的影響,對于因運行環(huán)境、信號傳輸、數(shù)據(jù)存儲等因素導致的圖像劣化問題（圖像去噪、圖像去模糊和圖像增強等）,許多研究者對其進行了深入研究,通過建立不同的數(shù)學模型進行逆推導恢復出高質(zhì)量的設備監(jiān)控圖像^[5-8]。

另一種情況是由于傳感器、光學系統(tǒng)和數(shù)碼相機內(nèi)部圖像處理器的差異,導致數(shù)碼圖像與真實拍攝環(huán)境存在差異。解決這種類型的圖像失真或者像差,需要從設備的運行結(jié)構(gòu)上進行分析,通過圖像處理系統(tǒng)對采集到的設備圖像進行后期校正。圖像失真的程度取決于采集系統(tǒng)所采用的元器件的精度和集成系統(tǒng)的工作原理,失真程度低的圖像采集設備伴隨著高成本。在實際工程中,圖像采集設備多數(shù)采用消費級的攝像頭,限于鏡頭的工作方式,獲取到的圖像與實際圖像存在偏差。在正常拍攝條件下,數(shù)碼相機鏡頭邊緣部分的放大率與中心部分放大率不一致會引起圖像畸變,主要分為桶形畸變和枕形畸變^[9-10]。桶形失真是因光線的傾斜度大而引起的一種成像缺陷,像點會隨著與中心點距離的增大而移位。圖像桶形失真中的直線中間段向外彎曲,兩端則向中心彎曲,形成四角向內(nèi)收縮,邊線中段則向外凸出,普通消費級數(shù)碼相機的桶形失真率通常為1%。枕形失真是指由鏡頭引起的畫面向中間“收縮”的現(xiàn)象,使用長焦鏡頭或變焦鏡頭的長焦端時,容易出現(xiàn)枕形失真現(xiàn)象,普通消費級數(shù)碼相機的枕形失真率通常為0.4%。圖像采集系統(tǒng)獲取到的畸形圖像如圖1所示,可以看出圖1b和圖1c中的鐵塔垂直線分別向外凸出和向內(nèi)凹進。

圖1 圖像失真Fig.1 Image distortion

對于需要高精度監(jiān)視的設備儀表、因設備內(nèi)部異常導致細微外觀變化或電力設備器件制造過程中由于誤差而導致形變等場合,需要圖像監(jiān)控系統(tǒng)能夠準確地反饋設備狀態(tài)的變化狀況。因此,對獲取到的監(jiān)控圖像進行校正是很有必要的,有助于提高后續(xù)對設備狀況分析的精確度。

本文結(jié)合電力行業(yè)設備狀態(tài)監(jiān)測的高精度性、異常反饋及時性、降低運行維護成本等需求,提出了一種基于消費級數(shù)碼相機的遠程監(jiān)控方案。該方案結(jié)合網(wǎng)絡攝像頭和POC技術,可有效解決專用高精度圖像采集系統(tǒng)成本高、設備配置復雜以及傳統(tǒng)消費級圖像采集設備存在圖像失真等問題。自動化圖像監(jiān)測系統(tǒng)工作流程如圖2所示。

圖2 自動化圖像監(jiān)測系統(tǒng)工作流程Fig.2 Automation image monitoring system work flow

 1 圖像失真及校正

1.1 圖像失真

由于基于圖像處理技術的電力設備監(jiān)測系統(tǒng)采用的圖像采集設備各異、運行環(huán)境多樣、焦距動態(tài)變化,獲取到的監(jiān)測圖像存在畸形和像差,嚴重影響了對設備運行狀態(tài)的分析。尤其是精密設備儀表的刻度識別、電塔的穩(wěn)定狀況分析以及設備采用部件的精度確認。絕緣子覆冰圖像失真如圖3所示,模擬了絕緣子在覆冰情況下的桶形失真圖像和枕形失真圖像。對比圖中的3種情況,可以直觀地看出失真圖像對絕緣子覆冰厚度的判別存在影響。同時,失真圖像表現(xiàn)出絕緣子本體的部分結(jié)構(gòu)特征存在變形。

圖3 絕緣子覆冰圖像失真Fig.3 Ice-coated insulator image distortion

1.2 失真圖像校正

針對圖像失真,各種各樣的失真圖像校正的方法被提出,并取得了不錯的效果^[11-15]。校正的主要思路是通過建立原始圖像坐標和畸變圖像坐標之間的對應關系,對畸變圖像進行坐標變換,從而得到校正后的圖像。畸變圖像校正需要考慮坐標的對應位置以及因形變導致的圖像結(jié)構(gòu)放大或縮小。傳統(tǒng)的桶形校正模型可表示為：

 (2)

式中,k₁為圖像比例系數(shù),k_2x和k_2y分別為x方向和y方向上的校正系數(shù),  為x方向和y方向上對k₁的修正系數(shù)。

在圖像校正過程中,參數(shù)的設定直接影響到校正后圖像的質(zhì)量,需對失真參數(shù)進行準確預測。同時,現(xiàn)有的操作流程需要事先判斷輸入圖像屬于哪一類型的失真。

 2 電力設備器件圖像校正

由于電力設備運行環(huán)境的多樣性和復雜性,對于大型設備（電塔、IGBT等）圖像校正系數(shù)的預測存在難點,對于參照模型的設計還處于研究階段。本文主要針對小型設備及部件,構(gòu)建有效的預測模型校正設備圖像,為后續(xù)的研究分析提供精確、直觀的資料。

2.1 基于POC的圖像畸變檢測及校正

相位相關法是高精度的圖像配準方法,在圖像認證、三維測量、計算機視覺技術等方向有很廣泛的應用。相較于傳統(tǒng)的相關方法,POC方法具有易實現(xiàn)、速度快、對由噪聲和細微旋轉(zhuǎn)導致的差異有良好的魯棒性等優(yōu)勢。假設兩幅圖像的情況下,首先分別對各圖像進行離散傅立葉變換,然后聯(lián)合構(gòu)造互相位頻譜函數(shù)。最后,解決圖像匹配問題的POC函數(shù)變成互相位頻譜函數(shù)的二維逆離散傅立葉變換。

為了解決校正系數(shù)預測的問題,本文提出采用隨機點圖像和POC算法構(gòu)建校正系數(shù)預測模型。首先將隨機點圖像的背景設置成黑色,然后對隨機點圖像進行圖像采集并處理,最后聯(lián)合已知的隨機點參考圖像進行各像素點的位移預測以獲取校正模型^[16]。隨機點圖像如圖4所示,展示了參考隨機點圖像和圖像采集系統(tǒng)對隨機點圖像進行圖像采集獲取到的照片。

圖4 隨機點圖像Fig.4 Random dot image

由于被監(jiān)測設備和攝像頭的位置固定,因此每次對設備或器件進行監(jiān)測時不需要重新進行校正系數(shù)預測,可以直接采用前期構(gòu)建好的校正模型進行圖像校正。器件圖像校正如圖5所示。

圖5 器件圖像校正Fig.5 Device image correction

2.2 高精度圖像校正

根據(jù)2.1節(jié)提出的方法,可以對畸形的圖像進行有效校正。但考慮到電力設備穩(wěn)定運行狀態(tài)的重要性,對于設備部件的結(jié)構(gòu)需要很高的精確度。因此,為了更準確地分析設備的狀況,提出基于多攝像頭的圖像校正系統(tǒng)對電力器件圖像進行校正,具體流程如下：

1）將隨機點圖像標記成n×n塊,并采用n×n個攝像頭對標記后的隨機點圖像進行拍攝;

2）提取按照分塊規(guī)則切割的圖像塊,調(diào)整參照圖像和拍攝圖像的尺寸,逐個進行基于POC的校正系數(shù)推測,獲取校正模型;

3）對各小塊進行圖像校正,并根據(jù)分塊規(guī)則逆向組合成一個整體圖片。

為了防止圖像信息丟失,參考圖像和拍攝圖像在基于事先確定的分塊規(guī)則的基礎上擴大一定的邊界后再進行分塊校正。由于各攝像頭的位置、角度、拍照環(huán)境存在差異,導致各小塊進行校正之后圖像的DPI存在不統(tǒng)一的現(xiàn)象。為了統(tǒng)一DPI,對于校正完之后的圖像,按照設定的分塊規(guī)則再進行一次圖像分割。圖像切割如圖6所示。

圖6 圖像切割Fig.6 Image segmentation

最后,通過相似性分析,對于塊與塊之間重合的部分進行拼接處理去除重合的部分,使得校正后各小塊圖像的DPI一致。圖像拼接如圖7所示。

圖7 圖像拼接Fig.7 Image mosaic

 3 實驗結(jié)果

本文實驗基于隨機點參考圖像、多攝像頭拍攝和POC算法構(gòu)建的電力設備精度檢查系統(tǒng),對其有效性進行評估分析。對于章節(jié)2.2中提出的多攝像頭架構(gòu),采用16臺網(wǎng)絡攝像頭（4×4）進行拍攝。首先對每臺網(wǎng)絡攝像頭拍攝的局部圖像進行失真校正,然后將校正后的圖像按照各個網(wǎng)絡攝像頭對應的位置進行圖像拼接,最后計算參考圖像和校正圖像的誤差。本次實驗運行環(huán)境為MATLAB R2014a(CPU為Intel Core i5-6200U,2.30 GHz)。實驗參數(shù)見表1所列。

表1 實驗參數(shù)Tab.1 Experimental parameters

表2 對比結(jié)果Tab.2 Comparison results

校正后的圖像如圖8所示。

圖8 校正后的圖像Fig.8 Corrected image

為確認本文提出方法的精度,比對使用1臺攝像頭進行校正的實驗結(jié)果和使用16臺攝像頭進行圖像校正的實驗結(jié)果。當最大誤差為0.5 mm以下時,可