基于图像处理的保护压板定位及状态识别研究

吕志宁 宁柏锋 周子强

摘要：本文針对现有的保护压板识别技术对采集图像角度及识别精度不高缺点，提出一种图像处理技术可快速定位压板位置区域，并可准确对压板类型进行分类识别。

关键词：保护压板；仿射变换；HOG特征；SVM分类器

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2018）06-0082-02

1 引言

保护压板作为电力运行系统中电路保护装置，对电力运行安全起到重要作用。由于一次巡检过程中压板数量较多，采用人工巡检极易造成视觉疲劳，造成误检或者漏检[1-3]。文献[4]通过对压板图像进行二值化处理，通过统计图像指定位置处的黑色像素值个数及位置信息，进行压板状态识别。

以上压板识别技术存在的问题：（1）压板图像要求正面垂直拍摄，对不同角度拍摄的压板图像无法准确定位到压板区域，鲁棒性不高。（2）压板图像需要在光照均匀的情况下进行采集，保证图像清晰度，容易受光照变化造成误检，鲁棒性不高。

针对以上算法的缺点，本文提出一种轮廓检测定位算法可以快速定位到压板区域，并通过仿射变换技术对变形的压板图像进行变换，得到校正后的压板图像，保证在不同角度拍摄下都能够准确定位的目标。并通过分类器进行模型训练，通过训练出的分类模型对压板图像进行分类识别。

2 基本理论

2.1 方向梯度直方图

方向梯度直方图是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。

2.2 SVM分类器

支持向量机是一种有坚实理论基础的新颖的小样本学习方法。从本质上看，它避开了从归纳到演绎的传统过程，实现了高效的从训练样本到预报样本的“转导推理”，大大简化了通常的分类和回归等问题。

待分类的样本x的类别依据f（x）的值的进行判定，若f（x）=+1，则样本x的类别为正样本，反之则为负样本。

3 压板定位与校正

定位与校正步骤如：（1）对原始图像进行灰度化处理，并通过均值滤波去除噪声影响。（2）将去噪后的图像通过OTSU自适应阈值分割算法获取二值化图像（只存在0，255两种像素值）；通过分析二值化图像特点，存在许多孤立的非压板区域点，采用以下算法流程去除这些孤立点。1）遍历图像中每个像素点，判断像素值是否为255（白色）；2）若此点像素值为255，则读取该像素值上下左右相邻的四个像素值，若四个点像素值全部为255，则保留此点，反之则去除此点。（3）对去除孤立点后的二值化压板图像，采用形态学膨胀算法进行膨胀运算，增加压板区域轮廓的完整性。（4）通过轮廓检测算法检测出图像中所有轮廓信息，获得其中面积最大的轮廓区域，即定位出压板区域；根据轮廓信息从而定位出压板区域的四个角点。（5）通过四个角点，根据仿射变换算法进行仿射变换，得到变换后的压板图像。

4 压板识别

通过前期收集不同种类压板图像，并将每个压板开关图像切割成独立压板开关图像，并根据开关状态分成“投”“退”两类。基于hog特征的SVM分类器训练流程：

（1）对每张图像统一变换为同一大小的样本图像作为训练样本图像；（2）对每张图片先通过sobel算子作为边缘检测算法提取边缘图像，再将此图像灰度化后作为输入图像；（3）提取每个图像的Hog特征，并通过svm分类器进行训练，训练出“投”“退”两种状态二分类器；（4）此处先通过Sobel获得边缘图像，可以突出压板图像中开关的边缘信息，再提取Hog特征，作为分类器训练的特征，这样可以获得鲁棒性更高的分类器。

5 实验效果与分析

通过采集同种类别的100幅压板图像，通过采用全文文献中的算法与本文算法进行比较，比较结果如表1所示。

6 结语

通过采用基于OTSU自动阈值分割与噪点去除算法并结合图像形态学算法，可准确定位到压板图像中感兴趣区域，并通过轮廓定位算法，结合仿射变换技术自动校正压图像，使得压板图像经校正后可以准确定位到每个开关位置；通过采用SVM分类器，作为压板分类判断，并在训练过程中通过先获取图像的Sobel边缘图像作为训练图像样本，提高分类器的分类准确率。

参考文献

[1]乔成银，李涛，陈波，等.一起沟通三跳压板误投造成保护误动作分析[J].电子设计工程，2013，（20）：169-171.

[2]汪洪明，杨妮娜.二次压板操作的安全措施与防范探讨[J].电力系统保护与控制，2007，（2）：76-78.

[3]刘建明.探讨母线分列运行时压板的投退问题[J].广东电力，2009，（07）：71-74.

[4]任俊杰，蒋岚.电力系统继电保护压板图像识别系统[J].北京联合大学学报，2004，（2）：60-64.

Abstract：In this paper， an image processing technology can quickly locate the position area of the press plate and classify the type of the press plate accurately in view of the shortcomings of the existing protection plate recognition technology for the acquisition of image angle and recognition accuracy.

Key words：protection platen； affine transformation； HOG feature； SVM classifier