论文部分内容阅读
智能视频图像处理技术以其便捷高效等优势广泛应用于各个行业。在高压电力试验中的智能视频监控是十分重要的环节,准确进行绝缘子覆冰程度分析可以为检验电力设备绝缘性能好坏提供有效数据。传统人工测量高压试验数据或力学传感器等方法具有直观性差,自动化程度低,危险性高等缺陷。对获取到的高压试验绝缘子图像进行一系列算法分析,对于提高试验的效率与安全系数具有重要的意义。本论文的研究工作基于高压试验特殊参数获取的需要,设计并实现智能视频分析系统用以自动计算绝缘子图像冰棱桥接百分比。论文研究目标主要包括两种双伞绝缘子,针对其特点展开一系列的算法研究。论文主要内容包含三大部分：图像分割、覆冰程度分类和基于图像的测量。在图像分割方面,针对使用传统Otsu算法对绝缘子图像进行图像分割时造成的信息丢失现象,提出了Otsu阈值补偿算法。对两种绝缘子类型在HSI颜色空间中使用Otsu阈值补偿,结合图像形态学和最大连通域分析方法,使用修正后的阈值进行图像分割操作,较传统Otsu图像分割准确率平均提高30%。在覆冰程度分类方面,为解决不同覆冰程度的绝缘子图像拥有不同处理方法的问题,对图像覆冰程度进行特征提取及分类。特征提取方面,就图像的颜色、灰度及纹理特征的提取方法进行讨论,其中颜色特征基于分量I与K-MEANS方法提取,灰度特征则计算分割图像灰度均值及方差,而纹理特征采用灰度共生矩阵表示。提取特征结束后,着重开展基于学习理论的SVM算法(SVM, Support Vector Machine)的讨论并完成训练及分类分析。试验结果表示分类准确率在90%以上。在基于图像的测量方面,针对冰棱桥接百分比计算的需求,对两种不同的绝缘子类型分别展开讨论。论文主要方法是绝缘子覆冰部分轮廓跟踪的测量,首先提出绝缘子盘径端点自动检测和自动配对算法对轮廓跟踪起点进行检测,其次根据两种绝缘子的特点分别进行其覆冰部分的轮廓提取：深色绝缘子基于灰度差的阈值化提取,浅色绝缘子基于改进Canny算子进行轮廓提取。最后执行基于八连通区域轮廓跟踪进行桥接百分比计算。实验结果与人工测量结果对比,准确率在80%以上。