1、 电 子 测 量 技 术E L E C T R ON I CME A S UR EME N TT E CHNO L OG Y第4 6卷 第1期2 0 2 3年1月 D O I:1 0.1 9 6 5 1/j.c n k i.e m t.2 2 1 0 2 7 2基于图像纹理特征的线路覆冰重量估计研究*舒征宇1 沈佶源1 李黄强2 熊会林2 李世春1 张 洋1(1.三峡大学电气与新能源学院 宜昌4 4 3 0 0 0;2.国网湖北省电力有限公司宜昌供电公司 宜昌4 4 3 0 0 0)摘 要:针对不同环境条件下形成的不同种类覆冰层会对输电线路造成不同程度威胁的问题,提出一种基于图像纹理特征的线路
2、覆冰重量估计方法。首先对线路覆冰的纹理特征进行加权构成融合特征,结合空间邻域信息的F CM算法,实现对线路覆冰厚度的估计;而后计及气象因素对覆冰形成类型的影响,构建覆冰重量辨识模型。结果显示,在环境条件发生较大变化,生成的覆冰类型发生改变时,文中模型依然能够较为准确的估计覆冰重量,其平均绝对百分比误差仅为2.2 4 6%。关键词:覆冰种类;纹理特征;F CM算法;覆冰重量中图分类号:TM 7 5 1 文献标识码:A 国家标准学科分类代码:4 7 0.4 0 5 4R e s e a r c ho ne s t i m a t i o no f l i n e i c i n gw e i g
3、h tb a s e do ni m a g e t e x t u r e f e a t u r e sS h uZ h e n g y u1 S h e nJ i y u a n1 L iH u a n g q i a n g2 X i o n gH u i l i n2 L i S h i c h u n1 Z h a n gY a n g1(1.C o l l e g eo fE l e c t r i c a lE n g i n e e r i n g&N e wE n e r g y,T h r e eG o r g e sU n i v e r s i t y,Y i c h
4、 a n g4 4 3 0 0 0,C h i n a;2.S t a t eG r i dH u b e iE l e c t r i cP o w e rC o.,Y i c h a n gP o w e rS u p p l yC o m p a n y,Y i c h a n g4 4 3 0 0 0,C h i n a)A b s t r a c t:A m e t h o df o re s t i m a t i n gl i n ei c ec o v e rw e i g h tb a s e do ni m a g et e x t u r ef e a t u r e s
5、i sp r o p o s e dt oa d d r e s st h ei s s u e t h a td i f f e r e n tt y p e so fi c ec o v e rf o r m e du n d e rd i f f e r e n te n v i r o n m e n t a lc o n d i t i o n sc a np o s ed i f f e r e n td e g r e e so ft h r e a t t ot r a n s m i s s i o nl i n e s.T h e l i n e i c ec o v e
6、rt e x t u r ef e a t u r e sa r ef i r s tw e i g h t e dt oc r e a t eaf u s i o nf e a t u r e,w h i c hi st h e nc o m b i n e dw i t hs p a t i a ln e i g h b o r h o o di n f o r m a t i o nt oe s t i m a t et h et h i c k n e s so ft h el i n ei c ec o v e r.N e x t,aw e i g h tr e c o g n i
7、t i o nm o d e l i sb u i l tw h i l et a k i n gi n t oa c c o u n th o w m e t e o r o l o g i c a l f a c t o r sa f f e c tt h et y p eo f i c ec o v e rf o r m a t i o n.T h er e s u l t sd e m o n s t r a t et h a te v e nw h e nt h ee n v i r o n m e n t a lc o n d i t i o n sc h a n g es i g
8、 n i f i c a n t l ya n dt h et y p eo fg e n e r a t e do v e r b u r d e nc h a n g e s,t h em o d e lc a ns t i l le s t i m a t et h eo v e r b u r d e n w e i g h tm o r ea c c u r a t e l yw i t ha na v e r a g ea b s o l u t ep e r c e n t a g ee r r o ro fo n l y2.2 4 6%.K e y w o r d s:t y
9、p eo f i c i n g;t e x t u r e f e a t u r e;F CMa l g o r i t h m;i c i n gw e i g h t 收稿日期:2 0 2 2-0 6-1 0*基金项目:国家自然科学基金(5 1 9 0 7 1 0 4)项目资助0 引 言 覆冰灾害是我国常见的自然灾害之一,严重时会导致闪络跳闸、杆塔倒塌等事故,对电网的安全稳定运行构成威胁。受不同气象因素影响,输电线路表面会形成不同类型的覆冰层,不同类型的覆冰层密度差异较大,从而相同厚度的覆冰层会对输电线路造成不同程度的威胁1-3。因此,在覆冰检测中,仅仅将覆冰厚度作为覆冰评估的依据是不
10、够的,还需结合判断的覆冰类型计算覆冰重量。目前针对架空输电线路的覆冰监测方法主要分为直接测量法、称重法与图像监测法4-5。其中,直接测量法是指通过巡线人员对输电线路覆冰厚度进行直接测量,该方法由于工作量太大,且成本较高,在现实中极少使用。称重法是在绝缘子串上方安装一个拉力传感器,通过测量拉力值与绝缘子串的倾角来评估覆冰状况,该方法成本也相对较高,无法做到对整个电网的覆冰情况的监测6-7。图像监测法的特点是在杆塔上安装图像采集装置,通过对比覆冰前后的图像,进而判断线路覆冰程度。近些年来,国内外专家学者基于图像监测法的输电线路覆冰监测方面取得众多成果。文献8-1 0 采用无人机搭载的双目立体视觉系
11、统对输电线路覆冰厚度进行测量,然而输电线路覆冰发生在户外,拍摄的航拍图像受光照影响较为明显。文献1 1-1 2 对输电线路覆冰图像采用小波变换与形态边缘检测的方法提取输电 线 路 边 缘,然 而 该 方 法 易 受 复 杂 背 景 的 干 扰。文献1 3 采用中值滤波与直方图均衡的方法,增强图像质量,之后采用C a n n y边缘检测算法得到输电线路边缘,最94 第4 6卷电 子 测 量 技 术后进行H o u g h变换得到输电线路上下边缘直线,然而该直线检测方法极易受背景、噪声的干扰。文献1 4 针对输电线路图像中存在背景复杂的问题,首先对线路区域进行分割,而后结合最小二乘法与H o u
12、g h直线检测法,最终拟合出上下边缘直线。文献1 5 针对输电线路覆冰形态多样的特点,提出一种结合人工萤火虫群优化(g l o ww o r ms w a r mo p t i m i z a t i o n,G S O)算法的边缘检测方法,能够对覆冰边缘进行有效提取。文献1 6 通过搭建基于卷积神经网络的覆冰厚度辨识模型,并采用自调整机制优化模型中的参数,实现对覆冰厚度的辨识。然而此类计算覆冰重量的方法主要采用等效密度法,无法有效根据冰厚计算覆冰重量。综上所知,称重法存在经济成本较高的问题,而图像监测法主要考虑线路覆冰厚度,未能很好的对输电线路覆冰进行风险评估。实际输电线路覆冰监测中,主要通
13、过巡视人员现场测量地面架设的实验线路上的覆冰重量,而后通过换算得到输电线路上的实际覆冰重量。为此,文中提出一种基于图像纹理特征的线路覆冰重量估计方法。首先提取图像的T a m u r a纹理特征并构成融合特征,结合空间邻域信息的模糊C均值(f u z z yC-m e a n s,F CM)算法对线路覆冰厚度进行估计;而后计及气象因素对不同类型覆冰形成过程的影响,将气象因素与覆冰厚度作为输入,单位长度的覆冰重量作为输出,构建基于支持向量回归机(s u p p o r tv e c t o r r e g r e s s i o n,S V R)的线路覆冰重量辨识模型。最后通过算例验证了文中方法
14、在存在温度、风速发生较大变化,覆冰类型发生变化的情况下依然能对覆冰重量进行有效辨识。1 基于纹理特征融合的覆冰厚度估计1.1 基于纹理特征融合的领域信息聚类方法改进 由于输电线路覆冰发生在户外,拍摄的航拍图像受光照影响明显,光照的强度与角度不同,图像中可能存在过暗或着过亮的现象。此时采用以图像像素灰度值的相似性作为分类指标的聚类分割算法并不适用于对覆冰区域的检测;且在实际航拍图像中,发生镜头抖动、输电线路的舞动以及雨雪天气都可能会对拍摄的图像产生噪声点,而传统的模糊C均值算法(f u z z yC-m e a n s,F CM)算法未将图像空间信息考虑在内,对噪声抑制能力差,导致最终的图像分割
15、性能较差。为解决上述问题,文中考虑以纹理特征相似性作为聚类算法的分类指标,同时引入邻域特征信息,通过邻域像素点的特征信息修正中心像素点的空间信息,以期获得更高的图像分割精度。文中引入T a m u r a算法中的粗糙度C o a、方向度F d i、对比度C o n3个特征对图像进行纹理特征提取,表达式如下1 7-1 8:C o a(x,y)=|Sb e s t(x,y)-A v gc o a(x,y)|F d i(x,y)=|d(x,y)-(x,y)|C o n(x,y)=M(x,y)4M4(x,y)(1)式中:Sb e s t(x,y)、d(x,y)分别表示像素点(x,y)的最佳尺寸与方向角
16、;A v gc o a(x,y)、(x,y)分别表示以像素点(x,y)为中心33领 域的 平 均 粗 糙度 与 平 均 方向 角;M(x,y)、M4(x,y)分别表示以像素点(x,y)为中心3 3领域的平均灰度方差与灰度四阶矩。为提高后续图像分割算法效率,文中采用文献1 9 所提方法对纹理特征进行加权融合,公式如下:I*(x,y)=1C o a(x,y)+2F d i(x,y)+3C o n(x,y)1+2+3(2)式中:1,2,3分别为对应T a m u r a纹理特征直方图的方差;I*(x,y)为最终的特征融合结果。针对传统F CM算法易受噪声干扰,导致分割精度较低的问题,文中引入图像邻域信息,以期获得更好的图像分割效果。改进后的F CM目标函数表达式与约束条件如下所示:m i nJ=ci=1nj=1umi jxj-vi2+qci=1nj=1umi jxj-vi2ci=1ui j=1,j1,2,n,0ui j1(3)式中:c表示聚类中心个数,n表示待聚类的像素点个数,m为模糊指数,ui j表示第j个像素点属于第i类的隶属度,vi表示第i类的聚类中心,xj表示第j个像素点所对应的纹理
