0 引言

在對電力系統設備進行維護時,工作人員常常需要到現場進行巡檢^[1],以核對相應開關狀態,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,可實現現場電力設備開關狀態的自動識別,在節省人力物力的同時大大提高了工作效率。

霧霾天氣的出現為電力巡檢帶來了很大挑戰。場景中的物體反射到達視頻采集設備中的光線變少,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監測電力設備開關狀態來說,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,才能保證開關狀態的準確識別。

圖像去霧一般有兩種方式,即圖像增強^[3]和復原。現階段采用比較廣泛的是基于物理模型的方法,即對霧霾圖像降質的根本原因進行分析,構建霧天的圖像成像模型^[4],然后對有霧圖像進行復原來達到去霧的目的。Tan^[5]實現去霧的方法是提高圖像的對比度,但是該方法容易出現過度增強、顏色失真等問題。Fattal^[6]則使用獨立成分分析法,即假設透射率與表面投影局部不相關,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,但是算法的復雜度很高,去霧效率相對較低。

針對現有算法的局限性,本文以何愷明提出的算法為基礎,提出了一種優化的去霧算法。該算法采用灰度開運算來自適應獲取大氣光強,采用下采樣和插值的方法來提高透射率的估計速度,針對大量天空區域存在的問題,采用形態學算法并引入容差機制對透射率進行優化。最后,本文以霧霾環境下采集到的配網柱上跌落式開關視頻圖像為例,對其進行去霧處理并識別開關狀態,采用尺度不變特征變換匹配算法（Scale-Invariant Feature Transform,SIFT）對開關進行提取定位,Hough變換算法對開關狀態進行識別,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：

 （2）

式中：J^c表示圖像J的一個顏色通道,r、g、b分別表示紅綠藍3種顏色通道,Ω(x)表示以x為中心的方形窗口,J^dark表示圖像J的暗通道,使用公式（2）所表達的統計性規律稱為暗通道先驗。

由暗通道先驗規律可得初始的透射率估計：

 （4）

式中：t₀為控制閾值,一般取0.1^[7]。

 2 優化的去霧算法

2.1 自動調節大氣光強

暗通道中存在的白色物體會對大氣光強的估計產生很大影響^[8],對式（1）進行灰度開運算可減小此影響,即：

 （6）

由式（6）可得透射率的初始估值,即：

 （8）

由式（8）可得出大氣光強A的區間估計為：

 （10）

式中：mean(·)表示對所有元素取均值。由于α與Π^dark的灰度分布有關,所以可判斷大氣光強A具有自動調節功能^[8]。

2.2 透射率優化

用初始透射率t(x)以及經過軟摳圖算法進行優化后的透射率如圖1所示。

圖1 傳統暗通道先驗算法透射率示意Fig.1 Transmissivity of traditional dark channel prior

將圖1的兩個透射率圖像進行比較可知,軟摳圖優化后的透射率圖像經過優化后的效果主要表現在灰度變化比較明顯的區域^[3],因此本文針對此區域（即邊緣）進行優化,這樣可以減少優化范圍,降低算法復雜度。本文采用基于形態學開運算^[9]算法對透射率進行細化,開運算處理可以有效快速地通過估算霧的密度來優化透射率,可以改善恢復圖像產生的塊效應。

同時,針對天空、白色物體等明亮區域暗通道先驗失效的問題,通過引入容差機制^[10]對明亮區域的透射率進行調整。假設δ^c(x)表示像素x的相對顏色值,容差機制可描述為：

 （12）

它表示圖像在x的像素I^c與大氣光強A^c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,需要進行調整,反之則不需要進行調整^[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環境編程實現。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圖3所示。

由圖3可以看出,本文提出的算法獲得的透射率邊緣比何提出的算法獲得的透射率邊緣更加清晰,獲得的去霧圖像的細節也比較明顯。

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,對比結果如圖4所示。

圖4 利用兩種算法恢復出的兩幅圖像Fig.4 Two images of two defogging algorithms

兩種算法的執行時間對比見表1所列。

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,同時為工業上實現實時監測提供了可能。

 3 開關狀態識別

跌落式開關又叫跌落式熔斷器,是一種短路保護開關,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用^[12],它能有效適應戶外的操作環境,具有經濟、操作方便等特點。因此,被廣泛應用于10 kV/12 kV配電線路和配電變壓器一次側作為保護和進行設備投、切操作之用^[12]。同時,因為其有一個明顯的斷點,具備隔離開關的功能,為電力設備的檢修創造了一個安全的作業環境。

3.1 開關定位

對柱上跌落式開關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、尺度縮放、亮度變化等都具有不變性^[13],是非常穩定的局部特征。算法具體流程為如下。

1）尺度空間構造。生成尺度空間需要先構造圖像高斯金字塔,然后利用連續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：

 （15）

式中：(x,y)為圖像的像素坐標,I(x,y)為圖像數據。σ稱為尺度空間因子,可反映圖像的平滑程度^[15]。

將相鄰組別的高斯圖像相減,可以得到一組高斯差分圖像：

 （17）

 （19）

 （21）

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,H稱為投影變換矩陣。

確定匹配關系后需要把式（21）中的H進行參數估計,再配合隨機采樣的方式,至少需要4個匹配點來提高估計的適應性^[15]。同時,為提高匹配的準確度,需要加大抽樣次數。

3.2 開關狀態識別

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],繼而組成區域的封閉邊界。這種算法可以把不連續的像素點進行連接,從而對已知的形狀進行檢測。本文采用直線Hough變換對開關狀態進行識別檢測。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 開關識別算法流程Fig.5 The flow chart of switch recognition

經過去霧處理之后的圖像以及模板圖像識別前均先經過灰度化處理,即將彩色圖像轉化成灰度圖像,這樣可以提高后續算法的處理速度。經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,然后再經過Hough變換進行狀態識別判斷。待識別圖像與去霧后圖像如圖6所示。

圖6 待識別圖像與去霧后圖像Fig.6 The images to be identified and defogged

經SIFT算法匹配出的圖像如圖7所示。

圖7 特征點匹配Fig.7 The image of feature point matching

圖7根據模板庫共匹配出3個跌落式開關。由于二值化后的開關圖像邊緣存在參差不齊的現象,如果直接對其進行邊緣檢測再進行Hough變換,不能準確地識別出開關,因此本文在圖像二值化后加入形態學閉運算,很好地消除了不好的邊緣,使得識別效果更加突出。二值化及閉運算處理結果如圖8所示。

圖8 二值化及閉運算處理結果Fig.8 The binary image and closed operation image

從圖8中可看出經過閉運算后邊緣效果良好,能為后續直線檢測奠定良好的基礎。經過形態學閉運算后采用Canny邊緣檢測^[16]算法提取開關邊緣、Hough變換對開關中直線進行識別,識別結果如圖9所示。

圖9 Canny邊緣檢測及Hough變換識別Fig.9 The image of Canny and Hough

開關的狀態分為3種,分別為“分”、“合”、“未合好”。本文設定直線夾角閾值,直線若平行,則說明開關處于“合”狀態;不平行且小于閾值,則處于“未合好”狀態;大于閾值則處于“分”狀態。由上述可判斷,本文采用的圖像開關處于“分”狀態。至此,開關狀態識別完畢。

 4 結語

本文針對霧霾環境下采集的視頻圖像提出了