利用紫外成像技术检测高压电气设备的早期放电现象，能有效地提高设备的运行和维护水平 。图像处理技术在紫外检测中起着重要的作用，根据紫外图像的特点，采用多帧放电点的关联性将目标信息增强，采用一种椭圆检测算法将放电区域提取出来 。试验表明利用该方法提取得到的放电区域连续，接近于实际的放电区域边沿，具有较强的抗噪声能力 。
一、引言
近年来，利用紫外成像技术对高压输变电设备进行检测越来越得到电力部门的重视，紫外成像仪能远距离、全天候的对设备缺陷进行检测，直观的观察到放电情 。这些优点使得紫外成像技术在电网维护中逐步得到了广泛的关注与应用 。为了减少人工观察数据的巨大工作量 ， 提高判读的自动化水平与准确率 ， 利用图像处理技术对紫外图像进行处理有着重要的实用价值[1] 。
本文提出一条检测放电区域的方法 。首先，对紫外图像进行处理以降低图像噪声干扰 ， 改善图像质量 。对连续多帧紫外图像中的相邻多帧差分图像进行差分、数学形态学操作并叠加，在叠加图像中形成高幅度的类椭圆形区域 ， 在叠加图像中对椭圆形区域进行检测，得到图像中可疑的放电区域；在紫外图像上提取出输电线 ， 判决可疑放电区域是否在其区间内 ， 如是，则可疑放电区域为真实放电区域 。
二、图像去噪
紫外图像噪声主要表现为颗粒性的时间、空间随机闪烁亮点，通常认为是椒盐噪声和高斯白噪声 。针对紫外图像中的噪声特点，采取均值滤波和中值滤波的组合滤波方法进行去噪 。
采取均值滤波能明显地将抑制高斯白噪声，使邻域中灰度接近均匀，起到平滑灰度的作用 。对于图像中某一像素邻域内的像素进行平均处理，取平均值代替当前的灰度值，作为均值滤波的结果 。
采取中值滤波能消除图像中的椒盐噪声 。中值滤波在去噪过程中，可以很好地保持图像的细节信息，并且运算简单、速度较快 。对于图像中任意一像素邻域内的像素进行灰度排序，取中间的灰度值代替当前的灰度值，作为中值滤波的结果 。
三、基于差分法的放电点检测
时间差分法是一种通过对图像序列中相邻两帧作差分运算来获得目标信息的方法 。这种方法对于光照的适应性强，可以适用于多个目标和传感器移动的场合 。紫外图像中放电点目标的闪烁频率较快，在检测平台稳定的情况下，能在很大程度上的剔除背景图像而不影响放电点 。因此，通过以时间差分法为基础 ， 结合数学形态学的方法对放电点目标进行检测 。
设灰度图像序列为 ，为图像序列的帧数 。对 进行时间差分，得到差分图像序列：
根据紫外图像中放电区域和噪声点亮度信息明显大于其余区域这一特性，通过选择适当的阈值，对差分图像序列进行二值化处理 。
对于二值化的紫外差分图像，通过形态学运算，噪声得到抑制，放电点得到了增强 。考虑到紫外图像中真实的放电点只出现在缺陷设备附近的局部小邻域内 。对紫外差分图像序列相邻帧进行“或”运算，将相邻帧中放电点进行叠加，使放电点面积增大 ， 有利于后续放电区域的检测 。
四、基于RED的放电区域检测
椭圆是曲线型基元中最常用、最简单的基元和封闭曲线，在工业应用场景中有着广泛得应用，因此椭圆检测是一个寻找此类具有简单几何形状目标的有力工具 。在经过二值化的紫外图像中，放电点散状叠加 ， 在人眼视觉上呈现类似于圆或者椭圆的形态 。因此，通过有效的椭圆检测算法，可以对放电区域进行准确地提取 。
先运用四邻域法[2]对图像进行边界提取 。逐个考察图像的每一个像素点和它四个相邻邻域内的图像值，如果该点的值为非零且在该点的四邻域内至少有1个点的值为0 ， 则判定该点在边界上 。依次找出所有的边界点就可以提取出图像中的边界 。
在进行椭圆检测时，首先令 表示一幅图像的所有边缘点的集合 。如果从边缘点集 中随机的挑选出5个边缘点 ， 那么这5个点可能是从位于同一个椭圆上 。由二次曲线一般公式可知，确定一个二次曲线需要知道6个点坐标 。但同时椭圆只需5个参数便可确定，将椭圆方程进行规范化处理[3] 。
每次从边缘点集D中随机的挑选6个点，而后定义一个距离阈值以确定可能椭圆 。椭圆只需5个参数便可确定，如果第6个点也位于此椭圆上，那么该椭圆是真实椭圆的概率将大大增加 。当随机挑选出的6个点都位于一个椭圆上，则视该椭圆为可能椭圆，随后引入椭圆点收集过程以进一步确定可能椭圆是否为真实椭圆[4] 。
首先，随机从边缘点集 中取出6个点，如果这6个点满足不共线要求，则存入一个数组。抽取 前5个点通过椭圆定义判断二次曲线是否为椭圆，记为。然后将 的参数与第6个边缘像素点 一起代入下式：
如果点只在椭圆上，那么此时椭圆为真 。给出一个阈值 ，当 时 ， 认为第6个点位于同一个椭圆上 。
当随机挑选的6个点 ， 相互的距离太小 ， 则可能得到的椭圆并不是真实的椭圆 。为了避免此类情况发生，使得随机挑选出的点满足一定的空间分布，设定任意两像素点之间的距离必须大于。
检测到可能椭圆之后，此时需要椭圆点收集过程以进一步确定可能椭圆是否为真实椭圆 。
首先，初始化计数器 ， 它用来计算有多少边缘点位于可能椭圆上 。遍历所有边缘点集 中的点，计算其到可能椭圆的距离。如果，则计数器 加1 ， 并将该边缘点从 中去除存入可能椭圆边缘点集 ：否则 ， 遍历下一个 中的点 。重复以上过程 ， 直到遍历整个。然后计算 中点的个数（即 的值）是否大于一个阈值，如果大于则认为该可能椭圆为真实椭圆，否则将 中的像素点返回边缘点集 中 。注意到 ， 当一个真实椭圆被检测到以后，真实椭圆上的边缘点已从 中去除，从而减少了 中边缘点的个数 。
为了对阈值 的选取进行规范化的问题 。对不同的周长的椭圆采用残缺率阈值 描述 。一个椭圆的周长 可以用下式给出：
其中， 为椭圆的长轴 ， 为椭圆的离心率 。由于任何一个椭圆都可以通过坐标变换，变换到椭圆中心为原点，长轴所在的直线为横坐标的坐标系中，所以任何一个椭圆的周长就可以式（2）表示 。
如果 中的像素点个数大于 ，则认为可能椭圆为真实椭圆：否则将 中的像素点返回边缘点集 中 。
五、基于Radon变换的输电线检测
输电线的提取方法大致过程分为3步：首先，采用抗干扰性强的算子提取边缘；然后，通过设定适当的阈值对图像进行二值化处理；最后，提取输电线在图像中的位置 。
Radon变换是计算图像在某一指定角度射线方向上投影的变换方法 。通过Radon变换通过图像沿不同方向的投射来表示图像，可以得到一个变换角度和沿 轴坐标的2维矩阵，矩阵的值对应各个旋转角和 轴上的像素的累积值 。
由于受重力影响，输电线在整个航空图像拍摄范围内可能会有一定的弧度，此时将输电线近似的看作为一条直线，所以在经过前面边缘提取后得到的二值化图像的基础上，用分段Radon变换进行输电线的分段提取 ， 每段先按照直线提?。?然后各段之间再进行平滑连接 。
分段Radon变换[5]是先假定一个输电线走向 ， 将整个图像沿输电线的走向进行 等分 ， 然后分段提取输电线 。在进行分段提取时，分别进行线性像素提?。蠷adon变换后，即得到一个变换矩阵 。进行Radon变换的角度抽样，在输电线走向方向角度的一定范围内搜索最大的 个值 。在每个分段内，得到提取的线段的斜率和旋转的横轴上的截距，即可以得到分段提取的输电线 。
在得到分段的输电线后 ， 再将相邻两段的输电线进行匹配，然后将符合相邻两段输电线走向方向角度差的绝对值小于设定的阈值 的两段输电线连接起来 。遍历相邻的所有输电线段，得到最后的连接结果 。
六、真实放电区域判决
在紫外图像进行椭圆检测后，我们可能会得到数个疑似放电区域 ， 为了准确地判断其中真实的放电区域，对紫外图像另外进行输电线检测，得到输电线的位置信息，由于电晕放电只会发生在输电线附近局部范围内，通过判断疑似放电区域是否在输电线范围内，就可以得到紫外图像中真实的放电区域 。
将疑似放电区域的位置在输电线检测后的二值图像上予以标示 ， 其取值置为1 ， 逐个考察图像的每一个值为1的像素点和它八个相邻邻域内的图像值 ， 如果该点的八邻域内至少有3个点的值为1，则判定该点在输电线与放电区域边界上 。以此点为起点，沿原放电区域边界遍历各点，值重置为1，图像中其余点重置为0 。此区域即为紫外图像中真实的放电区域 。
七、实验结果与分析
根据所述算法原理和流程，进行实验 。本文实验机器硬件配置为CPU双核2.83G，内存2G；使用VC6.0及MATLAB9.0编程实现 。实验选取紫外图像序列中的连续帧图像处理 。差分图像以阈值0.8为参数进行二值化，RED算法中五个阈值，， ，和 分别设为800，70，20，0.01，60%取连续帧图像的中间帧为实验对象 ， 进行输电线检测 ， 阈值设为0.06 ， 结果用1像素宽标示 。最后 ， 判决真实放电区域，设置一个 方框模板 ， 在图像中予以标示 。
从实验结果上分析，在紫外成像平稳的状态和放电现象明显、放电点较大的情况下，本文所述的检测流程能够得到理想的放电区域检测效果 。但是，在放电不明显、放电点较小时，较难叠加成类似椭圆区域，可以考虑更多帧数累积和降低检测阈值的方法进行处理，但是这会带来检测到更多疑似放电区域的现象 。这些问题都是紫外图像检测上需要继续深入研究和克服的困难 。
【图像处理技术在紫外图像检测中有何应用】
