谱聚类图像分割在绝缘子憎水性批量检测系统中的应用

柯良斌，李宗刚，杜亚江，朱香将

谱聚类图像分割在绝缘子憎水性批量检测系统中的应用

柯良斌1,2，李宗刚1,2，杜亚江1,2，朱香将1,2

(1. 兰州交通大学 机电工程学院，甘肃 兰州 730070；2. 兰州交通大学 机器人研究所，甘肃 兰州 730070)

针对现有的复合绝缘子憎水性检测效率较低且判定不准确的问题，设计了一个基于谱聚类算法的憎水性批量检测系统。检测装置主要由环形灯、二轴运动平台及底部的旋转托盘组成。二轴运动机构上安装有摄像头和喷头，底部有一个可放置4个绝缘子的旋转托盘，通过步进电机作分度运动。经过一系列的预处理，有效减少了环境对绝缘子图像质量的影响。根据谱聚类算法对预处理后的图像进行分割，然后获取最大水珠，以改进的形状因子法为基础，供上位机进行憎水性判定。经过仿真实验可知，相比于FCM、K-means等方法，该方法针对绝缘子图像有较好的分割效果，且该系统既能有效地提高检测的准确率和效率，又能实现批量检测。

复合绝缘子；批量检测机构；HC分级法；谱聚类分割

复合绝缘子是铁路、电力系统的重要安全设备，其性能对系统的可靠性有着重要影响。以铁路运输为例，冬季由于天气恶劣，经常发生机车顶部受电弓处绝缘子闪络[1−2]，炸裂事故，造成接触网停电，对铁路运输带来极大损失[3]。由于憎水性是衡量复合绝缘子绝缘性能的重要指标[4]，因此人们相继提出了多种在线、离线检测复合绝缘子憎水性方法[5]。在离线检测研究中，杜亚江等[6]设计了一个封闭检测环境，对放入检测机的单个绝缘子进行检测，用传统图像处理方法进行处理；XIA等[7]提出了基于数学形态学和贝叶斯分割的绝缘子等级检测方法。对图像进行灰度预处理和降噪处理后，用所提算法对图像进行分割。采用联合形态滤波的方法获得图像分割结果；靳华中等[8]分别利用云模型和谱聚类对图像进行分割比较，得出云模型适用于灰度图像的分割，而谱聚类适用的图像种类无限制；汪佛池等[9]用改进的canny算子和BP神经网络对图像进行等级判定，其采集图像过程中用人工喷洒装置进行实验；张浩等[10]以影响绝缘子憎水性的2个参数为基础，利用软件设计检测系统。基于以上原因，本文拟设计一个全自动复合绝缘子憎水性等级检测设备，主要研究工作包括：首先设计一个主要由二轴运动平台和盘形旋转装置构成的憎水性检测机，针对憎水性检测效率较低的问题，旋转托盘增加到4个工位；对于人工喷洒不均匀和图像获取环境多变的问题，二轴运动平台上雾化喷头和移动的摄像头保证了水珠的均匀和图像的质量。其次，引入谱聚类Ncut算法[11]，并将其运用到绝缘子憎水性检测中，通过对FCM，K-Means和谱聚类Ncut算法3种方法进行仿真对比、分割结果评估，综合得到相比FCM和K-Means算法，谱聚类Ncut算法填补了数字图像处理的“硬分割”和FCM，K-Means易陷入局部最优解的欠缺[12]，在绝缘子水滴彩色图像分割方面的适用性和效果更好。

1 憎水性检测系统简述

所设计的复合绝缘子憎水性检测系统由上位机控制系统、机械手和检测机组成。其中上位机控制系统主要功能在于协调各组成部分按照检测流程自动完成检测过程，同时对所获取的憎水性图像进行处理，获取憎水性等级；机械手子系统负责复合绝缘子在储存单元和检测机之间的自动搬运；检测机由盘型旋转装置、自动喷淋装置、光照子系统以及摄像子系统构成，构建了标准化的绝缘子图像获取环境，从而一定程度上避免了因环境变化导致检测结果误差大的缺点，也为不同检测算法的比较提供了标准平台。

1.1 批量检测机构设计

检测机主要由二轴运动平台和盘型旋转装置组成。其中二轴运动平台底部安装有雾化喷头、摄像头和光照子系统，摄像头和雾化喷头可在水平导轨上做平移运动，平台整体可沿垂直方向导轨做升降运动，如图1(a)所示；盘型旋转装置安装在机箱底部，具有4个绝缘子放置工位，用于承载待检测复合绝缘子，实现批量检测，如图1(b)所示。

(a) 二轴运动平台；(b) 盘型旋转装置

系统工作时，盘型旋转装置在齿轮副驱动下绕中心轴线转动，与二轴运动平台相协同，逐次使待检测复合绝缘子顶部伞面与摄像头和喷水装置保持合理的位置关系，实现焦距微调，为图像采集提供良好条件。

1.2 标准环境及图像获取

检测环境对绝缘子憎水性检测方法的应用有着重要的影响，为消除光照变化、摄像头与绝缘子伞面关系不确定等因素造成的检测结果不准确，设计了标准化的检测环境。一是光照子系统采用环形防水灯，固定在二轴运动平台顶部，朝向复合绝缘子伞面，光强900流明左右；二是自动喷淋系统雾化喷头与绝缘子上伞面之间的距离为15~35 cm之间[3]；三是摄像头平行于伞面安装，距离伞面比喷头稍近一些，使得被测伞面充满摄像头的取景框，实现憎水性图像的获取。

2 绝缘子图像预处理

在标准检测环境中所获取的图像仍需要做一系列预处理，达到消除无关信息，增强所需信息的目的。根据预处理流程，通过灰度化、直方图均衡、滤波等手段对所获得的图像进行处理[13]。

图像灰度化可以减少所需的数据量，提高算法的速度和判别的准确性。鉴于绝缘子憎水性图像为RGB模式，因此需要对其3个分量分别根据式(1)进行灰度化。3个分量以不同的权重进行加权平均。人眼对绿色敏感最高，对蓝色敏感最低，故采用灰度公式：

式中：代表加权灰度值；,和分别代表色图的红、绿、蓝分量，分量也称通道分量。分量法是对于水珠或者背景的每个像素的，和分量的差异性总结出的方法。基于式(1)，对所得图像分别采用分量法、均值法、加权平均法[14]和灰度化所得结果如图2所示。

(a) 原图；(b) 平均化；(c) 加权平均；(d) 图像分量

图2 彩色图像灰度化

Fig. 2 Color image graying

图2(b)平均化后对比度很低，未能突出水滴边缘；图2(c)和2(d)均能较好地实现灰度化,但是对于绝缘子图像而言，分量最大，分量是最小的，因此相对于水珠和背景，分量所得灰度差最大，结合文献[6]可知，通道分量图对比度明显优于其他，故以图2(d)作为灰度化后的图形，供后续图像处理。为了更进一步地凸显图像特征，对所得灰度图像进行直方图均衡化处理。该方法的本质是通过对灰度图像的非线性拉伸，重新分配象元，从而凸显图像关键特征，其函数表达式为：

(a) 直方图；(b) 均衡化后直方图

图3 灰度直方图均衡

Fig. 3 Gray histogram equalization

为了尽量保证图像细节且突出边缘，对均衡化后的图像选用以下3种常用方法进行滤波处理，去除图像中的噪点，如图4所示。由图4可知，中值滤波生成的图像较适合于边缘像素的标定，因此选择中值滤波进行去噪处理[15]。

(a) b分量均衡化；(b) 均值滤波；(c) 高斯滤波；(d) 中值滤波

图4 图像滤波

Fig. 4 Image filtering

3种滤波方法处理后的图像如图4所示，对于效果基本一致的均值和中值滤波后的图像，采用峰值信噪比PSNR(Peak Signal to Noise Ratio)和均方误差MSE(Mean-Square Error)来评价。

PSNR称为峰值信噪比，是最普遍、使用最广泛的图像处理后评价方法，常用对数分贝来表示。PSNR值越大则图像质量越好。MSE则是原图像和处理后图像像素差值的均方误差，通过均方值的大小确定失真程度。

表1 滤波结果比较

通过以上2个指标的定量比较，中值滤波的信噪比较大，且均方差较小，滤波后失真较小，由此说明中值滤波方法更适合本文的图像进行去噪预处理。

3 谱聚类分割在绝缘子图像中的应用

谱聚类是一种应用广泛的聚类算法，通过对所有像素组成的图像进行切割，使不同子图之间的边缘权重特别的低，但是子图内的边缘权重尽可能高，从而达到分割的目的[16]。

与传统的K均值算法相比，谱聚类算法对数据分布的适应性更强，同时，谱聚类算法中的Ncut算法效率优于FCM算法和K-means算法，而且谱聚类不受样本空间形状的限制，能收敛于全局最优解，因此本文选用Ncut算法对图像进行处理。

3.1 Ncut算法的基本原理

Ncut切图与Ratiocut切图比较相似，区别就是用(A)替换Ratiocut的分母|A|。由于子图的样本数目在权重上不一定是很大的，因此根据权重对图进行切割，这样做更符合目标，因而Ncut切图通常优于Ratiocut。

由此，极小化优化目标转化为为：

3.2 Ncut算法的基本步骤

用输入的相似矩阵生成方式建立相似度矩阵，然后根据相似矩阵构建邻接矩阵；

2) 用式(10)计算度矩阵，d表示图中第个点的度数；

3.3 Ncut算法在绝缘子图像中的应用

对上述处理后的图像及不同憎水性的水滴图进行谱聚类分割，得出的聚类分割效果图如5所示。

为了证明谱聚类算法针对绝缘子图像的普适性，采集3组不同憎水性的图像进行仿真对比。并通过改变拍摄环境来减小水滴与背景的对比度。

第1和2组图像中人为加入颜料，增强了对比度，这样得到的边缘更清晰；为了验证算法的普适性，在第3组中不加颜料进行仿真，并且使得从第1组到第3组憎水性依次降低。

3个组的图像分别进行K-means, FCM及谱聚类分割结果如图5所示。由于图像存在反光点、边缘不连续，黏连水珠较多问题，利用传统的二值化、形态学的填充腐蚀处理，使得边缘更加突出、平 滑[6]；之后再进行连通域标记处理，以获得最大水珠。最后根据以上提及的改进的形状因子法提供给上位机进行憎水性等级计算，改进的形状因子判定依据如表2所示。

图5 边缘分割

表2 改进的形状因子判定准则

表征憎水性的因子很多，比如离心率，水迹覆盖比等，都不能很好地映射其与等级之间的函数关系，因此以改进的形状因子法为基础进行等级判定。改进的形状因子法就是将最大水珠(水膜)的面积比和形状因子f2个特征结合起来进行判定的一种方法。但是在实际判定过程中将以面积比为主导，形状因子辅助其完成判定过程。其中，面积比由下式给出：

代表最大水珠/水膜的面积比；表示最大水珠/水膜面积；表示图像的总面积；其中面积都是以像素点计算的；日本学者T. Tokoro提出用形状因子来表征憎水性等级。形状因子f可用公式表示为：

为最大水珠或水膜的面积；为最大水珠或水膜的周长。水滴越接近圆，f的值就趋近于1，随着等级的增大，憎水性越来越小，相应的f的值离1就越远。

为了定量评价分割效果，本文用图像分割交并比IOU和假阳性率FPR作为评价的指标：

图6 分割结果的位置关系

代表原分割图像；代表已分割的图像；代表两者的交叠率。FCM算法，K-Means算法以及本文谱聚类算法的分割交并比和假阳性率如表3所示。

表3 聚类结果比较

表4 图像分割结果

表3对图5所给的不同环境下采集的3组图片的分割结果进行定量评价。由评价结果可知，不但所采集的对比度较大的第2组图片符合假阳性率的评定，而且在环境变化后的第1和3组中，谱聚类算法分割后的图像IOU都比其他2种方法的稍大，除了个别数据波动之外，谱聚类分割后的假阳性率FPR均比K-means和FCM的较小。

由表4可知：在憎水性较好的第1组中，虽然3种方法得到的等级一样，但是谱聚类算法对边缘信息更敏感，能较多地分割出黏连水珠；第2组中谱聚类分割的效果明显优于其他2个，且能分割更多的小水滴；随着憎水性的变差及图形的复杂，谱聚类算法优势变小且仿真时耗时变得特别大，但是总体趋势跟前2组的类似，还是较好于K-means和FCM算法。

4 结论

1) 设计了一种装有摄像头和雾化喷头的二轴运动平台，配合置放绝缘子的旋转托盘以及机械臂，能很好地提升检测的效率，实现批量检测。

2) 水滴图像是噪声含量较高的彩色图像， FCM处理噪声影响严重的图片不具优势且K- means算法和FCM都易陷入局部最优解，而谱聚类算法能较好地收敛于全局最优解；表3中对3种方法分割结果用交并比IOU和假阳性率FPR进行评价；表4得出了憎水性等级分割结果，在边缘信息及水滴数量的检测中，谱聚类算法更加突出，综上所述，本文所用算法能较好地适用于绝缘子水滴图像的分割。

[1] 李从洋, 丁晶, 田智勇, 等. 高速列车车顶绝缘子均压环的优化设计[J]. 高压电器, 2019, 55(6): 164−169.LI Congyang, DING Jing, TIAN Zhiyong, et al. Optimized design of the equalizing ring for the roof insulator of high-speed trains[J]. High Voltage Apparatus, 2019, 55(6): 164−169.

[2] TAO Weiliang, WANG Xianpei, WANG Quande, et al. Research of measurement on insulator's contact angles based on image processing[C]// Proceedings of 1st International Conference on Intelligent Networks & Intelligent Systems, 2008: 453−456.

[3] 刘强兵. 基于图像处理的复合绝缘子憎水性检测[D].兰州: 兰州交通大学, 2015. LIU Qiangbing. The hydrophobicity detection of composite insulator based on image processing[D]. Lanzhou: Lanzhou Jiaotong University, 2015.

[4] CHEN Xiujuan, LI Chengrong,HUANG Xingquan, et al. On-line estimating the level of hydrophobicity of composite insulators using the digital images[C]// Proceedings of Electrical Insulation Conference & Electrical Manufacturing Expo, 2006: 216−221.

[5] 杨洋. 复合绝缘子憎水性检测方法研究[J]. 电子制作, 2016(增1): 63−64. YANG Yang. Study on testing method for hydrophobicity of composite insulators[J]. Practical Electronics, 2016(Suppl 1): 63−64.

[6] 杜亚江, 李贺, 李宗刚. 种标准化的复合绝缘子憎水性检测系统研究[J]. 铁道科学与工程学报, 2018, 15(3): 755−762. DU Yajiang, LI He, LI Zonggang. Research on a standardized hydrophobicity detection system for composite insulator [J]. Journal of Railway Science and Engineering, 2008, 15(3): 755−762.

[7] XIA Fei, TIE Haifeng, SHI Enwei, et al. Insulator recognition based on mathematical morphology and Bayesian segmentation[C]// International Congress on Image & Signal Processing. IEEE, 2018.

[8] 靳华中, 周祺, 刘智华. 云模型和谱聚类的图像分割特性分析[J]. 软件导刊, 2010, 9(12): 201−203. JIN Huazhong, ZHOU Qi, LIU Zhihua. Analysis of image segmentation characteristics of cloud model and spectral clustering[J]. Software Guide, 2010, 9(12): 201− 203.

[9] 汪佛池, 闫康, 张重远, 等. 基于改进的Canny算子的憎水性图像分割方法的研究[J]. 高压电器, 2014, 50(1): 97−101. WANG Fuchi, YAN Kang, ZHANG Chongyuan, et al. Study on segmentation method of hydrophobic image based on improved Canny operator[J]. High Voltage Electrical Appliance, 2014, 50(1): 97−101.

[10] 张浩, 朱弘钊, 岳灵平, 等. 复合绝缘子憎水性带电检测系统研究[J]. 电瓷避雷器, 2013(5): 36−39, 43. ZHANG Hao, ZHU Hongzhao, YUE Lingping, et al. Study on hydrophobic live detection system of composite insulator[J]. Electric Porcelain Arrester, 2013(5): 36−39, 43.

[11] 邹小林, 秦书南. 基于谱聚类的高铁对沿线城市影响研究[J]. 韶关学院学报, 2017(3): 14−19. ZOU Xiaolin, QIN Shunan. Study on the impact of high-speed rail on cities along the route based on spectral clustering[J]. Journal of Shaoguan University, 2017(3): 14−19.

[12] 王焱, 王卉蕾. 改进的谱聚类算法在图像分割中的应用[J]. 测控技术, 2018, 37(4): 16−20. WANG Yan, WANG Huilei. Application of improved spectral clustering algorithm in image segmentation[J]. Measurement and Control Technology, 2018, 37(4): 16− 20.

[13] 项阳, 潘新. 印鉴图像预处理方法研究[J]. 微型机与应用, 2017, 36(15): 41−44. XIANG Yang, PAN Xin. Research on seal image preprocessing method[J]. Microcomputer and Application, 2017, 36(15): 41−44.

[14] 李晓芳. 基于自适应线性加权的彩色图像灰度化算法研究[D]. 兰州: 兰州大学, 2019. LI Xiaofang. Research on color image graying algorithm based on adaptive linear weighting[D]. Lanzhou: Lanzhou University, 2019.

[15] Kuninobu Y, Seiki T, Kanamaru S, et al. Edge detection of composite insulators hydrophobic image based on improved canny operator[J]. Energy & Power Engineering, 2016, 5(4): 593−596.

[16] LIU Zhongmin, LI Zhanming, LI Bohao, et al. Spectral clustering image segmentation based on sparse matrix [J]. Journal of Jilin University, 2017, 47(4): 1308−1313.

Application of spectral clustering image segmentation in insulator hydrophobicity batch detection system

KE Liangbin1, 2, LI Zonggang1, 2, DU Yajiang1, 2, ZHU Xiangjiang1, 2

(1. School of Mechatronic Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China;2. Robot Research Institute, Lanzhou Jiaotong University, Lanzhou 730070, China)

Aiming at the problem that the existing composite insulators have low hydrophobic detection efficiency and inaccurate grade determination, a hydrophobic batch inspection system was designed.The detection device is mainly composed of a ring light, a two-axis motion platform, and a rotating tray at the bottom. The two-axis motion mechanism is equipped with a camera and a nozzle. The bottom has a rotating tray for placing four insulators. The stepping motor is used for indexing movement. After image graying, histogram equalization, filtering, morphological processing and other pre-processing, reducing the impact of the environment on the image quality of the insulator effectively.The pre-processed image is segmented according to the spectral clustering algorithm, then obtained the maximum water droplet. Based on the improved shape factor method, the host computer is used for hydrophobic detection determination. The simulation experiment shows that compared with FCM, K-means and other methods, this method has better segmentation effect for the insulator image. The system can improve the accuracy and efficiency of detection effectively, and also can realize batch detection.

composite insulator; batch testing mechanism; HC classification method; spectral clustering segmentation

10.19713/j.cnki.43−1423/u.T20190974

TP391

A

1672 − 7029(2020)07 − 1833 − 08

2019−11−05

国家自然科学基金资助项目(61663020)；甘肃省高等学校科研项目成果转化项目(2018D-10)；兰州交通大学“百人计划”项目

李宗刚(1975−)，男，宁夏西吉人，教授，博士，从事智能仿生机器人、多智能体系统协作控制、智能信息处理等方向的研究；E−mail：lizongg@126.com

(编辑 阳丽霞)