导线表面痕迹识别方法技术

本发明专利技术公开了一种导线表面痕迹识别方法，用于配电线路下方山火事故原因调查，包括：获取由社会因素引发山火或树线故障引发山火后的导线表面痕迹图像，并对导线表面痕迹进行图像预处理；对目标痕迹图像用自相关函数法进行纹理粗糙度初步描述；根据灰度共生矩阵GLCM得到目标痕迹图像的各项纹理指标；用差分盒子法对导线表面各类目标痕迹图像进行分形维数计算，得到痕迹分形特征；综合自相关函数法、灰度共生矩阵、差分盒子法的分析结果，对导线表面痕迹进行识别，判断导线表面痕迹所属类型，以此确定山火事故原因；本发明专利技术能科学快速地通过导线表面痕迹识别山火事故是否由配电线路树线故障产生，可为山火事故原因调查及责任认定提供技术依据。提供技术依据。提供技术依据。

【技术实现步骤摘要】
导线表面痕迹识别方法


[0001]本专利技术涉及图像数据处理
，特别是一种导线表面痕迹识别方法。

技术介绍

[0002]近年来国内外因配电网树线故障引发森林火灾的事故频发，因外在社会因素引发的山火导致输电线路跳闸事故也层出不穷。如何有效辨识两种事故原因的研究尚未见报道，导致目前配电线路下方森林火灾成因鉴定工作缺乏科学依据。
[0003]目前关于导线表面痕迹的研究大都建立在导线表面自然积污或人工涂污的基础上，对森林火灾或树线故障等极端环境下积污的研究较少。导线表面痕迹是确定电气森林火灾成因至关重要的依据，鉴定人员可据此判定森林火灾事故是否由树线故障引发，为山火事故责任认定提供技术依据，因此对导线表面痕迹进行识别十分重要。
[0004]研究导线表面形貌传统的方法主要是通过宏观法、金相分析法、扫描电镜法研究导线表面痕迹，但在分析时需要截取导线样本，并通过高精度仪器进行观测、检验，增加了检测成本和检验时间，同时截取样本后的线路将无法正常运行，因此传统的分析方法具有一定的局限性。探索一种能够快速准确识别导线表面痕迹的方法尤为重要。

技术实现思路

[0005]为解决现有技术中存在的问题，本专利技术的目的是一种导线表面痕迹识别方法，本专利技术用于配电线路下方山火事故原因调查，解决了现有配电线路下方山火事故原因调查和责任认定中主要依靠鉴定人员主观意识而缺乏科学合理依据的问题。
[0006]为实现上述目的，本专利技术采用的技术方案是：一种导线表面痕迹识别方法，用于配电线路下方山火事故原因调查，具体包括以下步骤：
[0007]步骤1、获取由社会因素引发山火或树线故障引发山火后的导线表面痕迹图像，并对导线表面痕迹进行图像预处理；
[0008]步骤2、对目标痕迹图像用自相关函数法进行纹理粗糙度初步描述；
[0009]步骤3、根据灰度共生矩阵GLCM得到目标痕迹图像的各项纹理指标；
[0010]步骤4、用差分盒子法对导线表面各类目标痕迹图像进行分形维数计算，得到痕迹分形特征；
[0011]步骤5、综合自相关函数法、灰度共生矩阵、差分盒子法的分析结果，对导线表面痕迹进行识别，判断导线表面痕迹所属类型，以此确定山火事故原因。
[0012]作为本专利技术的进一步改进，步骤1中，对导线表面痕迹进行图像预处理具体包括：
[0013]以加权平均法进行图像灰度化，根据如下公式计算目标图像灰度值F：
[0014]F＝0.299
×
R+0.587
×
G+0.114
×
B
[0015]式中R为相机拍摄的痕迹图像的红色分量，G为绿色分量，B为蓝色分量；
[0016]以中值滤波消除原始灰度图像中的噪声实现图像降噪；
[0017]以自适应阈值法(又称Otsu法)实现痕迹区域的分割以提取所需部分，根据如下公
式计算取得最佳分离阈值T0时的类间方差：
[0018][0019]是类间方差，T0是最佳分离阈值，在取得最大值时，得到最佳分离阈值，从而实现痕迹区域的有效分割。
[0020]作为本专利技术的进一步改进，所述步骤2具体如下：
[0021]根据自相关函数对不同类型痕迹图像的粗糙度进行分析：
[0022][0023]式中f(x，y)是原图像函数，w是标准像素点，(p，k)是每一像素点坐标，f(x
‑
ε，y
‑
μ)是与原图像像素点相距(ε，μ)的图像函数，(∈，μ)是像素点坐标偏离值，上式是对(2w+1)*(2w+1)窗口的每一像素点(p，k)于偏离值(∈，μ)的像素点之间相关值作计算。自相关函数图中，数字下降变化趋势越大对应图像的纹理越复杂，对应痕迹就越粗糙。
[0024]作为本专利技术的进一步改进，所述步骤3具体如下：
[0025]首先，通过选择空间间隔参数d和空间方向参数构建图像在空间域上的二阶矩阵P(i，j，d，θ)，即为灰度共生矩阵GLCM，表示为：
[0026]P(i，j，d，θ)＝#{[(x1，y1)，(x2，y2)]∈S|f(x1，y1)＝i，f(x2，y2)＝j}
[0027]式中(x1,y1),(x2,y2)代表像素点坐标，且x2＝x1+d
×
cosθ、y2＝y1+d
×
sinθ；i，j表示像素值向量，具有方向性；d表示i与j之间的距离；θ指i与j之间的方向夹角，即两个像素点连线与坐标横轴正方向的夹角，在原始灰度共生矩阵算法中，θ的取值有四个，分别为0
°
、45
°
、90
°
和135
°
；S表示目标区域中具体特定空间联系的像素对的集合；#号表示元素数量；
[0028]其次，根据所述灰度共生矩阵GLCM得到目标痕迹图像纹理指标，具体包括：
[0029]对比度CON：
[0030][0031]式中m，n表示像素灰度值，P(m，n)该灰度值出现的概率。对比度反映了不同灰度值之间的差异，当所有像素点灰度值一样时，图像的对比度为0。若图像灰度变化大，对比度就越大，视觉效果也越清晰。
[0032]相关度COR：
[0033][0034]式中m，n表示像素灰度值，P(m，n)该灰度值出现的概率，μ
x
，μ
y
坐标偏离量，σ
m
，σ
n
表示概率方差。相关度大小反映了图像局部灰度的相关程度，COR值越大，矩阵元素越均匀，对应图像越光滑。
[0035]作为本专利技术的进一步改进，所述步骤4具体如下：
[0036]将目标痕迹图像的灰度图像转化为三维灰度曲面；
[0037]利用边长为r的立方体盒子覆盖整个灰度曲面；
[0038]根据下式计算灰度图像的分形维数：
[0039][0040]式中r为分形盒子的边长，N
r
为覆盖整个灰度曲面所需的盒子数量，改变r的值即可求出一组盒子数N，再利用最小二乘法求得分形维数D。灰度曲面越复杂，其覆盖所需要的盒子数越多，分形维数就越大。
[0041]作为本专利技术的进一步改进，所述步骤5具体如下：
[0042]根据痕迹图像的自相关特征、纹理特征指标以及分形维数，构建火烧痕迹、树线放电痕迹、二次痕迹以及二次痕迹擦拭后图像对应的特征向量；
[0043]将各痕迹对应的特征向量输入到训练好的支持向量机中，输出结果满足火烧痕迹特征则判定山火由社会原因引发，事故原因与配电线路无关；满足放电痕迹特征则判定山火由树线故障引发，事故原因与配电线路有关。
[0044]社会因素引发山火，导线表面仅存在由火焰灼烧导线形成的火烧痕迹；
[0045]配电线路树线故障初期未引发山火，导线表面仅存在一次放电痕迹；树线故障引发山火后，火烧痕迹会覆盖一次放电痕迹形成二次痕迹，将二次痕迹擦拭后导线表面仍保留了一次放电痕迹相关特征。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种导线表面痕迹识别方法，其特征在于，用于配电线路下方山火事故原因调查，具体包括以下步骤：步骤1、获取由社会因素引发山火或树线故障引发山火后的导线表面痕迹图像，并对导线表面痕迹进行图像预处理；步骤2、对目标痕迹图像用自相关函数法进行纹理粗糙度初步描述；步骤3、根据灰度共生矩阵GLCM得到目标痕迹图像的各项纹理指标；步骤4、用差分盒子法对导线表面各类目标痕迹图像进行分形维数计算，得到痕迹分形特征；步骤5、综合自相关函数法、灰度共生矩阵、差分盒子法的分析结果，对导线表面痕迹进行识别，判断导线表面痕迹所属类型，以此确定山火事故原因。2.根据权利要求1所述的导线表面痕迹识别方法，其特征在于，步骤1中，对导线表面痕迹进行图像预处理具体包括：用加权平均法对目标图像进行灰度化、用中值滤波进行图像去噪、用自适应阈值法进行图像阈值分割。3.根据权利要求1或2所述的导线表面痕迹识别方法，其特征在于，所述步骤2具体如下：根据自相关函数对不同类型痕迹图像的粗糙度进行分析：式中f(x，y)是原图像函数，w是标准像素点，(p，k)是每一像素点坐标，f(x
‑
∈，y
‑
μ)是与原图像像素点相距(∈，μ)的图像函数，(∈，μ)是像素点坐标偏离值，上式是对(2w+1)*(2w+1)窗口的每一像素点(p，k)于偏离值(∈，μ)的像素点之间相关值作计算。4.根据权利要求3所述的导线表面痕迹识别方法，其特征在于，所述步骤3具体如下：首先，通过选择空间间隔参数d和空间方向参数构建图像在空间域上的二阶矩阵P(i，j，d，θ)，即为灰度共生矩阵GLCM，表示为：P(i，j，d，θ)＝#{[(x1，y1)，(x2，y2)]∈S|f(x1，y1...

【专利技术属性】
技术研发人员：杨博闻，陈天翔，曾潮旭，魏玉文，杨弄潮，王孟，
申请(专利权)人：成都理工大学，
类型：发明
国别省市：