刘钊

摘 要：利用红外检测技术实现对电力变压器的在线故障监测。对采集到的红外图像进行去噪、增强、分割、特征提取等处理，通过均衡化处理实现图像的增强，通过小波包阈值算法实现图像的去噪，通过Canny算子边缘检测实现图像的分割，通过基于改进型Hu不变矩的特征提取实现图像的识别，各步骤所选用的方法及算法对红外图像的处理都得到了较好的效果。

关键词：红外检测；电力变压器；红外图像处理

电力变压器的一些故障是以热状态异常的形式表现，红外检测就是通过探测目标电力变压器的红外辐射信号，获取目标变压器的热状态特征图，对热图像进行处理、分析，从而判断电力变压器设备是否处于正常的运行状态。

1 红外图像的增强

通过直方图均衡化算法使图像的对比度增强，实际上是使灰度概率密度较大的像素向附近灰度级扩展，拉开灰度层次，使图像充分利用各个灰度级，均匀化，增强图像对比度。

设一幅图像的像素为，共有个灰度级，代表灰度级为的像素的数目，则第个灰度级出现的概率可表示为：

其中，对其进行均衡化的变换函数的离散形式可表示为：

式中

均衡后各像素的灰度值，可直接由原图像的直方图得到。

对红外图像进行均衡化后，与原图像相比，对比度增强，直方图中灰度间隔拉大，分布较均匀，显示更多细节，更有利于图像的分析和识别。

2 红外图像的去噪

利用小波包阈值方法去噪，小波包分析可以同时对低频和高频部分做进一步地细分，具有更精确的局部分析能力。

去噪步骤：（1）图像的小波包分解；（2）确定最优小波包基；（3）小波包分解系数的阈值量化；（4）小波包重构。采用MATLAB进行仿仿真。

小波包阈值算法处理后的图像既保持了细节又有较好的去噪效果。

3 基于边缘的红外图像分割

边缘检测通过检测红外图像的边缘来辨认图像的轮廓，边缘定位准确、运算速度快。边缘检测采用Canny算子对边缘有白噪声影响的阶跃变化进行检测最优。

Canny算子边缘检测步骤：（1）图像与高斯函数的标准差做卷积运算；（2）利用

对各个像素进行估计判断；（3）利用确定边缘像素的

位置；（4）用求取边缘强度；（5）對边缘做滞后阈值处理，是否存在伪响应的可能；（6）对于递增的几何尺寸，重复步骤1-5；（7）提取图像最终的边缘特征信息。

Canny算子分割后的图像结果比较理想，可以检测出较弱的边缘，但同时也平滑掉部分高频边缘，造成丢失。

5 基于改进型Hu不变矩的特征提取

图像识别是通过采用技术手段对红外图像中感兴趣的部分进行检测，而获得目标的真实信息。首先提取图像中的特征，然后分类，完成目标图像的识别过程。

已知Hu矩，引入比例缩放因子得到：，

既满足特征不变性也不会影响识别率，得到新的特征向量为：

用MATLAB编程，对分割处理后的图像采用改进型Hu不变矩进行特征提取。由表1可知，变压器相同部位的特征向量差别较小，而不同部位的特征向量差别较大，所以可以对变压器不同部位进一步识别。

6 结论

本文通过选择合适的红外图像处理方法及算法，优化图像的处理结果，得到较理想的处理效果图，更有利于之后的故障诊断，提高可靠性和安全性。

参考文献

[1] 危正东，试论红外检测技术在电力设备故障诊断中的应用[J].中国电子商务，2013（20）：220-22.

[2] 戴文远，基于红外热图像的故障诊断方法综述[J].红外，2013，34（2）：16-21.

[3]Bagavathiappan S，Lahiri B B，Saravanam T，et al.Infrared thermography for condition monitoring-a review[J].Infrared Physics & Technology， 2013，60：35-55.