基于Canny边缘检测算法的绝缘子缺陷图像处理方法

石冬阳 张俊林 卿源华 贾 兵 林 契

(重庆科技学院 电气工程学院，重庆 401331)

0 前 言

输电线路连接塔的绝缘子是输电线路中极其重要的电气元件，对保证电力运行的安全性、稳定性和可靠性发挥了至关重要的作用[1-2]。当绝缘子发生严重故障时，有可能会导致电网瘫痪，给输电线路的安全运行带来极大的隐患[3-6]。自爆现象是绝缘子在运行中的常见故障，及时发现并研究绝缘子自爆现象对维护电网的正常运行具有非常重要的意义。研究表明，绝缘子自爆的原因分为自身原因与外部原因。自身原因主要是指绝缘子自身材料问题。例如，玻璃绝缘子内部含有杂质颗粒，在运行中逐渐出现相变，受冷热冲击的影响发生质变而导致破裂。外部原因主要是在积污、受潮和电场的作用下，绝缘子表面泄露电流过大，产生部分干带，干带位置发生空气击穿时将损伤绝缘表面，当损伤严重时将出现裂缝，导致绝缘子自爆。绝缘子自爆的原因多种多样，亟需一种简单高效的检测方法。

针对无人机拍摄的绝缘子图像，利用图像处理技术对绝缘子的进行目标提取[7]，但如何选用简单高效的缺陷处理方法成为一大难点。为了检测输电线路绝缘子的自爆缺陷，文献[2]建立YOLOv2深度学习模型，实现了对绝缘子特征的准确识别。在故障诊断模型中，主要采用传统Canny边缘检测算法对绝缘子进行边缘检测，其背景噪声处理效果较差。文献[8]中首先通过YOLO网络定位绝缘子在图像中的位置，然后基于显著性检验提取绝缘子掩码，最后利用水平投影找寻绝缘子在图像中缺失的信息，但最终无法确定绝缘子的外观轮廓。文献[9]中提出将图像从RGB空间转换到HSI空间的方法来实现绝缘子自爆诊断，但检测方法仍需优化，检测效率仍需进一步提高。文献[10]中提出一种基于粒子群参数优化的蚁群算法来检测其缺陷数量及缺陷位置，使用椭圆拟合绝缘子外观轮廓，但绝缘子的真实边缘细节难以得到有效呈现。

1 缺陷检测模型的构建

基于以上绝缘子自爆检测方法存在的问题，提出一种针对绝缘子自爆缺陷的图像处理方法，即采用新型Canny边缘检测算法、Radon直线检测算法、图像旋转算法和垂直投影算法来实现绝缘子自爆缺陷识别。输电线路绝缘子缺陷图像处理模型如图1所示。

图1 输电线路绝缘子缺陷图像处理模型

1.1 传统Canny边缘检测

传统Canny边缘检测算法的实现主要基于以下3个基本目标：(1)检测到的边缘必须具有真实性，避免错检、漏检等现象的发生[11]；(2)检测到的目标点与真实边缘中心点的距离应尽可能小；(3)原图中的真实边缘应只被标记一次。下面为传统Canny边缘检测算法的一般步骤。

1.1.1 高斯滤波平滑图像

传统Canny边缘检测算法使用高斯滤波器来减轻噪声的影响，对图像进行卷积处理，滤除图像中的噪声[12-13]。选用的高斯分布函数为：

(1)

式中：σ为高斯滤波器的参数，需要根据图像处理的实际情况选择合适的参数，从而影响高斯滤波质量。

原图像I(x，y)与高斯分布函数G(x，y)卷积后得到图像H(x，y)：

H(x，y)=G(x，y)×I(x，y)

(2)

1.1.2 计算梯度幅值与方向

传统Canny边缘检测算法通过计算寻找图像像素强度变化最大的位置，梯度方向很好地表示了强度变化的方向[14]。其中，像素点(i，j)在两个方向的偏导数Wx(i，j)和Wy(i，j)分别为：

Wx(i，j)=(I(i，j+1)-I(i，j)+

I(i+1，j+1)-

I(i+1，j))/2

(3)

Wy(i，j)=(I(i，j)-I(i+1，j)+I(i，j+1)-

I(i+1，j+1))/2

(4)

此时，像素点(i，j)的梯度幅值W(i，j)和梯度方向θ(i，j)分别为：

(5)

(6)

1.1.3 非极大值抑制

非极大值抑制的操作过程一般为先确定梯度方向的非零点，然后沿着该点的方向导数寻找邻近的两个点进行比较。非极大值抑制很好地抑制了伪边缘像素点，并保留了真实有用的边缘信息[15]。

1.1.4 双阈值检测和连接边缘

双阈值检测是指设定一个高阀值和一个低阀值来区分边缘像素，可以用来确定真实的和潜在的边缘。如果某一像素点的梯度值介于高、低两个阀值之间，则需判断其8个相邻区域中是否存在超过高阀值的边缘像素值。如果存在，则保留；如果不存在，则舍弃。

1.2 Radon直线检测

一条直线在笛卡尔坐标系中可以由斜截式来表示，如y=ax+b，其中a是斜率，b是截距；或者也可通过其法线(即极坐标)来描述，xcosθ+ysinθ=ρ，其中，ρ是该直线与原点之间的距离，θ是切线斜率。根据直线的平移和旋转特征，平行放射线束的投射可由一组平行线模型来实现，而沿着直线xcosθ+ysinθ=ρ的射线能够得出投射数据中的任何一点。设p(x，y)为定位在平面图上常见的任何连续函数，则Radon变换定位如下：

Radon(p(x，y))=λ(ρ，θ)

=∬f(x，y)δ(xcosθ+

ysinθ-ρ)dxdy

(7)

式中：λ(ρ,θ)表示Radon变换结果；冲击函数δ()只有在其变量为0时才为无穷大值，其积分值为1。

当x、y的数据处于离散状况时，Radon变换定位如下：

Radon(p(x，y))=λ(ρ，θ)

ysinθ-ρ)

(8)

式中：m、n分别为图像的高度、宽度。

1.3 图像水平旋转

对绝缘子图像进行直线检测后，需要对绝缘子边缘检测图像进行水平旋转。取直线检测结果中若干条直线斜率的平均值作为水平旋转角度，常用的计算公式如下：

(9)

式中：hi为直线的斜率;n为检测直线的数量。

1.4 垂直投影

垂直投影能够很好地反映物体形状变化的规律，是物体缺陷识别的重要方式。对绝缘子边缘图像进行垂直投影，可以清楚地看到边缘图像的变化情况，定位绝缘子自爆位置。若绝缘子的边缘检测图像受高斯等噪声的影响较严重，就会影响到垂直投影图像的处理效果，从而难以确定绝缘子自爆位置。

2 传统Canny边缘检测算法的改进

为了避免图像滤波效果较差、不能自适应调整高斯函数方差等问题，采用自适应平滑滤波取代高斯滤波。自适应平滑滤波的基本思想是采用一个小的加权平均函数和原图像像素值进行迭代卷积，使每个像素的加权系数根据计算结果发生相应变化。同时，可以增加迭代次数，使处理前后图像的均方差得到一定程度的减小。图像均方差如式(7)所示。图像均方差的减小会引起图像峰值信噪比的增大，图像峰值信噪比越大，图像质量越好，噪声含量与失真程度越低。设f(i，j)为输入图像，(i，j)为像素坐标，进行一次迭代的步骤如下：

(1)确定梯度向量：

(10)

(11)

(2)确定模板系数：

(12)

式中：k为主参数。在运算前必须设置k值，大量实验结果表明k取10时，突变边缘的效果最好，故k的赋值为10。

(3)fn(i，j)为第n次迭代后的图像，对其进行加权平均：

(13)

均方差MSE为：

(14)

式中：I(i，j)为初始噪声图像；K(i，j)为去噪后的图像。

3 仿真验证

3.1 改进前后检测效果对比

采用Matlab R2020a分别对3种绝缘子进行仿真实验，并在绝缘子原图中添加均值为0、方差为0.1的高斯噪声，对比改进前后Canny边缘检测效果。添加高斯噪声后的图像如图2 a、图3 a、图4 a所示。设定高、低阈值分别为0.066、0.031，传统Canny边缘检测结果如图2 b、图3 b、图4 b所示，新型Canny边缘检测结果如图2 c、图3 c、图4 c所示。

图2 棒型悬式自爆绝缘子实验结果(实验1)

图3 双串双伞/钟罩型自爆绝缘子实验结果(实验2)

图4 瓷质悬式绝缘子实验结果(实验3)

3.2 实验结果对比分析

从观察的角度分析，利用传统Canny边缘检测算法处理高斯噪声图像效果较差，大量高斯噪声没有被滤除，而利用新型Canny边缘检测算法能够达到较好的效果。从定量的角度分析，在图像处理中通常采用峰值信噪比来评价图像的处理效果，其值越大，图像处理效果越好，噪声因子越低，失真程度越低。图像峰值信噪比通常通过均方差与图像灰度级进行定义：

(15)

MAX=2B-1

(16)

式中：PSNR是峰值信噪比；MAX是图像灰度级；B是编码一个像素所用的二进制位数，B=8。

以上述3组实验为例，利用改进前后Canny边缘检测算法对图像峰值信噪比进行测试，通过取不同的迭代次数将得到的峰值信噪比以折线图的形式呈现出来，如图5所示。

由图5可知，利用传统Canny边缘检测算法取不同迭代次数时，图像峰值信噪比变化较小，没有得到明显提升。利用新型Canny边缘检测算法取不同迭代次数时，图像峰值信噪比呈不断增长的趋势，当迭代次数取5和6时图像峰值信噪比趋于稳定，当迭代次数取6时达到理想效果，图像峰值信噪比得到一定程度的提升。

图5 单样本图像峰值信噪比对比

为了验证改进算法的普适性，另取30组测试样本进行仿真实验，其中包含10组棒型悬式自爆绝缘子、10组双串双伞/钟罩型自爆绝缘子和10组瓷质悬式绝缘子。对改进前后图像峰值信噪比平均值进行对比分析，得到相同的结论，如图6所示。当迭代次数为6时，改进后的图像峰值信噪比平均值比改进前增加了1.8 dB，说明新型Canny边缘检测算法具有广泛适用性。

图6 多样本图像峰值信噪比平均值

3.3 改进前后模型垂直投影效果对比

当绝缘子图像存在较多高斯噪声时，利用传统Canny边缘检测算法的处理效果较差，大量高斯噪声没有被滤除，严重影响了垂直投影的效果，无法准确定位自爆绝缘子缺陷位置。传统Canny边缘检测算法的垂直投影图如图7所示。新型Canny边缘检测算法的垂直投影图如图8所示。

由图7可知，由于高斯噪声的干扰，垂直投影波形出现严重的失真现象，波形变化毫无规律，很难从波形中定位绝缘子串自爆位置。由图8可知，正常绝缘子串的垂直投影图像幅值在一定范围内上下波动，但绝缘子长度为370～400 mm的垂直投影图像出现了异常波动，表明该处绝缘子存在自爆问题，检测结果与实际情况一致。

图7 传统Canny边缘检测算法的垂直投影图

图8 新型Canny边缘检测算法的垂直投影图

4 结 语

针对传统Canny边缘检测算法在滤波效果上的缺陷，采用自适应平滑滤波取代高斯滤波，以提升图像抗噪性能。选取30组多样本图像峰值信噪比平均值进行对比，结果表明新型Canny边缘检测算法具有普适性。本次研究对象为无背景下的绝缘子图像，在边缘检测结果中加入高斯噪声进行实验，不足之处是尚未解决复杂背景下的绝缘子自爆检测问题。创新之处在于，运用了新型Canny边缘检测算法，增强了传统Canny边缘检测算法的滤波性能，在垂直投影中有效地避免了波形失真的情况出现，能更准确地判定绝缘子串是否发生自爆以及发生自爆的位置。基于复杂背景下，如何滤除绝缘子目标之外环境噪声的干扰是一大难点，也是未来研究的重点内容之一。