1 引言
隨著工業自動化技術的迅猛發展，自動化檢測與控制系統的應用，已成為我國各產業技術改造和創新發展的趨勢。絕緣子污穢故障圖像檢測系統是高壓輸、變電生產線上的自動化圖像（光電）檢測系統，用以識別絕緣子中混雜的異質污穢，如塵土污穢、鹽堿污穢和海水鹽霧污穢，以及鳥糞污穢和絕緣子覆冰積雪等。
目前，大多數生產部門依然通過投入大量人力、物力、財力，通過實驗和定期分檢，無法快速解決污閃等線路安全隱患問題。如圖1、圖2所示，把高清數碼相機拍攝的絕緣子圖片信號導入計算機中，利用圖像處理軟件和數字圖像識別技術分析、判斷異質污穢并將其定位。計算污穢像素百分比，根據預定的污穢等級標準得出《污穢等級報告》。系統實現依賴于兩方面的因素，其一，數碼相機拍攝的圖像中，絕緣子和污穢異物能否被準確識別取決于模型庫是否足夠大或全面；其二，系統對污穢物的檢測和判斷，需要清晰的分辨出邊緣分界線。這是系統設計中需要解決的關鍵問題，也是難點?！緢D1.2】
2 絕緣子污穢物的識別
2.1 絕緣子顏色模型的選取
在研究開發系統的過程中，首先要解決的問題是絕緣子與污穢物不同類別的分類問題。就是要找到將絕緣子和污穢物分離出來的方法。絕緣子表面附著物的顏色、形狀、大小和厚度等都存在差異，這此事差異計算機無法識別，因此，絕緣子和污穢物只能通過顏色差異來區分.
電力系統正常絕緣子通常呈白色或絳紅色，而附著在絕緣子上的污穢物為其它的顏色。例如：絕緣子上的鹽堿類雜質呈淺灰（白）色，灰塵呈淺黃色，雷擊或放電痕跡呈黑色。這樣，絕緣子和污穢物就可以根據其色度的差來區分。
根據數碼相機拍攝的絕緣子圖像中各像素點色度的R（紅）、G（綠）、B（藍）分量的值判定該像素點是屬于絕緣子或污穢。
RGB 顏色模型建立在笛卡爾坐標系中，分別用 R、G、B 三基色來表示，如圖3所示：【圖3】
原點對應黑色，離原點最遠的頂點對應白色（1,1,1）。
灰度值的變化分別沿著（x,y,z）坐標的值增大而增大，取值范圍0~255.這樣，RGB三基色就可以在該坐標系中組成[（0~255），（0~255），（0~255）]種顏色。
利用RGB三基色直方圖對絕緣子圖像中各像素點進行區分的方法：在相同拍攝條件下，絕緣子和污穢物各抽取一定數量的樣本，利用VC++編程對采集到的圖像數據進行像素掃描，取出絕緣子和污穢物的R、G、B分量，得到的RGB直方圖進行統計對比，對R、G、B分量的均值和方差設定適當的色度閥值，達到像素分離的目的。色度（RGB分量的灰度）值在閥值所劃定范圍內的像素點認為是絕緣子，在閥值所劃定范圍外的像素點認為是污穢。
2.2 分量閥值的劃定算法
最小二乘法（又稱最小平方法）是一種數學優化技術。它通過最小化誤差的平方和尋找數據的最佳函數匹配。利用最小二乘法可以簡便地求得未知的數據，并使得這些求得的數據與實際數據之間誤差的平方和為最小。最小二乘法還可用于曲線擬合。其他一些優化問題也可通過最小化能量或最大化熵用最小二乘法來表達.在此基礎上，最大類間方差法是一種有效的最佳閥值計算方法。圖像f（x,y）中，灰度值為i的像素數目為ni,總像素數：【1】
各RGB灰度出現的概率為：【2】
設以灰度k為閥值對圖像f（x,y）進行分割，灰度為1~k的像素和灰度為k+1~L的像素分別屬于區域C0和C1,則區域C0和C1 的概率為：【3】
區域C0和C1的平均灰度為：【4】
其中 μ=∑i=1Lipi是整體圖像的灰度平均值；μ（ κ）=∑i=1kipi是閥值為k時灰度平均值。
兩個區域C0和C1的方差為：【5】
按照最大方差準則，從1到L改變k,計算類間方差，使上式最大的k就是區域分割的閥值。
直方圖處理時，灰度級為[0,L-1]范圍的數字圖像的直方圖是離散函數 f（ r）k=nk,這里 rk是第k級灰度，nk是圖像中灰度級為 rk的像素個數。經常以圖像中像素的總數（用n表示）來除它的每一個值得到歸一化的直方圖.因此，一個歸一化的直方圖由 P（ r）k=nk/n 給出，這里k=0,1,…，L-1.簡單地說，P（ r）k給出了灰度級為 rk發生的概率估計值。注意：一個歸一化的直方圖其所有部分之和應該等于1.
2.3 測試分析
圖4是絕緣子的RGB分量直方圖。圖中縱坐標為頻數。分析圖4以及在相同攝像條件下所攝得的各種污穢圖像的RGB直方圖可得到表1中的數據。統計數據說明絕緣子及污穢的RGB分量的概率密度，基于單個顏色特征量（或灰度值）對兩類樣本像素識別時，可應用最大類間方差法分別確定三基色分量的最佳閥值，從而確定污穢在RGB顏色模型中的范圍值，通過分量差異區分該像素點的污穢特性?！緢D4.圖5】
RGB 分量計算方法可以用式 6 表示。式中TR,TG,TB為RGB各分量的最佳閥值。
容差計算RGB分量中部分過渡色可能會引起誤差，通過設置各個分量的容差范圍來改善。見表1,RGB分量統計數據表中數據表明，B分量識別效果比較好，G分量次之，R分量識別的效果最差。海鹽的識別效果非常不理想，原因是各分量值相近，難以分離，RGB分量有一定程度的重疊，但各分量的中心值有較大差異。使用B分量的閥值下限值為220、上限值為240,可以較好地分離絕緣子與灰塵的特征值?！颈怼?br>
不同材質的絕緣子的RGB值可能會有所不同，系統應該根據不同絕緣子材質（設定分離色素和容差值），通過動態改變閥值的上、下限，可以達到更好的識別效果。
這種識別的結果仍會產生一定的錯判率，但可通過以下的方法來校正。在提取各像素點的屬性后，根據像素周邊像素屬性和像素離散值設定一定數量的像素點作為一個判別單元。統計判別單元中屬于污穢的像素點的比例，如比例超過一定值則將該單元判為污穢，否則，被識別為圖像噪聲不處理。
采用這樣的方法統計后，單個像素點做為噪聲處理，整個判別單元上誤判率就大大地減小。
3 結束語
RGB（紅、綠、藍）三基色直方圖模型用來分別表述絕緣子和污穢物特征分量值，按照特定閥值條件，把兩者有效地區分開來。同時，把相似像素點周邊矩陣做為運算單元，有效地減小了誤差帶來的錯判，達到較好的識別目標。實際應用中，由于絕緣子污穢種類很多，對于新型污染材質或透明污穢難以識別，而且地域性差異容易造成閥值的差異，造成識別效果相對較差，有待進一步研究和討論。
參考文獻
[1]陳文濤，鐘先信，李志敏，等。煙草在線異物剔除系統設計與實驗研究[J].光學精密工程，2003,（8）：20-22.
[2]金守峰，張慧，王寧。三基色最佳閥值算法識別原棉異性纖維[J].山東紡織科技，2008,（6）：22-22.
[3]楊光正，吳岷，張曉莉。模式識別[M].合肥：中國科學技術大學出版社，2011.
[4]干能強。青光眼眼底圖像的自動識別與分析方法研究[D].西安：西安交通大學，2008.
