一种断路器静触头齿合状态图像检测内轮廓的提取方法技术

本发明专利技术公开了一种断路器静触头齿合状态图像检测内轮廓的提取方法，本发明专利技术首先对原始图像进行预处理,基于自适应阈值的图像分割方法对预处理后的图像进行二值化,通过面积过滤,圆度过滤,圆心位置坐标等过滤非目标轮廓,利用细化算法计算掩膜轮廓；然后利用基于ZERNIKE矩的边缘检测方法得到椭圆环轮廓,结合掩膜轮廓分别获取到椭圆环内外轮廓坐标值；最后通过SNAKE主动轮廓模型获取到高精度椭圆环轮廓,基于细化算法实现最终的单像素椭圆轮廓的求解，有效提高了啮合状态检测精度，在断路器故障诊断中具有重要意义。路器故障诊断中具有重要意义。路器故障诊断中具有重要意义。

【技术实现步骤摘要】
一种断路器静触头齿合状态图像检测内轮廓的提取方法


[0001]本专利技术涉及断路器故障诊断领域，尤其涉及一种断路器静触头齿合状态图像检测内轮廓的提取方法。

技术介绍

[0002]断路器是高压开关柜中较为重要的保护装置，而触头啮合状态检测是断路器故障诊断的重要环节，由于现有的测量方法无法在开关柜环境下实现较高精度的位姿估计，而视觉测量有着较好的适应性和精度，在工业测量中的应用越来越广泛，本专利技术首次将视觉测量用于啮合状态检测。

技术实现思路

[0003]本专利技术的目的就在于为了解决上述问题而提供一种断路器静触头齿合状态图像检测内轮廓的提取方法。
[0004]本专利技术通过以下技术方案来实现上述目的：
[0005]本专利技术包括以下步骤：
[0006]S1：首先利用自适应二值化方法从原始图像中粗提取目标轮廓,找到目标轮廓的初步位置,从而获得分别包含椭圆环内外轮廓的图像掩膜；
[0007]S2：然后通过基于ZERNIKE矩的边缘检测对原始图像进行亚像素边缘检测,结合掩膜区域得到内外轮廓的像素坐标；
[0008]S3：将ZERNIKE矩检测结果作为初始解，基于SNAKE模型通过轮廓拟合得到更加精确的内外轮廓坐标；
[0009]S4：对椭圆环进行细化处理得到单像素目标椭圆轮廓。
[0010]所述步骤S1实现目标轮廓的粗提取，包括图像预处理、轮廓粗提取、非目标轮廓过滤和掩膜轮廓计算，所述非目标轮廓过滤包括面积过滤,圆度过滤,圆心位置过滤，面积过滤通过实验得到的目标轮廓面积阈值对非目标轮廓进行过滤；圆度过滤基于轮廓圆度评价算法过滤非圆轮廓；圆心位置过滤通过轮廓拟合后的圆心位置阈值实现过滤；所述掩膜轮廓计算为提取出两个目标轮廓在原始图像中的大致区域,作为椭圆环轮廓分离的基础。
[0011]所述轮廓粗提取方法包括基于边缘、基于区域、基于阈值方法，基于边缘的方法利用图像梯度等实现边缘检测；基于区域的方法利用随机种子实现邻域相似像素的集合实现轮廓提取；基于阈值的方法通过比较中心点及其邻域灰度值进行二值化。
[0012]所述非目标轮廓过滤包括面积过滤,圆度过滤,圆心位置过滤，面积过滤通过实验得到的目标轮廓面积阈值对非目标轮廓进行过滤；圆度过滤基于轮廓圆度评价算法过滤非圆轮廓；圆心位置过滤通过轮廓拟合后的圆心位置阈值实现过滤；所述掩膜轮廓计算为提取出两个目标轮廓在原始图像中的大致区域,作为椭圆环轮廓分离的基础。
[0013]所述基于边缘的方法利用不同的边缘计算算子实现不同的检测效果，包括一阶微分算子PREWITT算子、SOBEL算子、ROBERTS算子等；通过检测二阶导数零点判断边缘点的LOG
算子等；利用高斯函数梯度判断边缘点的CANNY算子等。
[0014]所述基于区域的算法通过给定种子像素、搜索种子周围邻域、计算目标点像素和种子相似度，如果相似就添加到种子区域。
[0015]所述基于阈值的方法包括简单阈值,自适应阈值，简单阈值对于整幅图像利用同一个变换实现二值化,较难提取图像局部信息，自适应阈值针对每个局部图像设置针对性的阈值实现二值化，可以较为精确地提取目标轮廓。
[0016]本专利技术的有益效果在于：
[0017]本专利技术是一种断路器静触头齿合状态图像检测内轮廓的提取方法，与现有技术相比，本专利技术首先对原始图像进行预处理,基于自适应阈值的图像分割方法对预处理后的图像进行二值化,通过面积过滤,圆度过滤,圆心位置坐标等过滤非目标轮廓，获取内外轮廓的掩膜；然后利用基于ZERNIKE矩的边缘检测方法得到内外轮廓,结合掩膜运算分别获取到内外轮廓坐标值；最后通过SNAKE主动轮廓模型获取到高精度内外轮廓,采用细化算法实现单像素椭圆轮廓的求解，有效提高了椭圆环轮廓提取的精度，实现了较高精度的啮合状态检测，在断路器故障诊断中具有重要意义。
附图说明
[0018]图1是本专利技术的轮廓提取方案结构示意图；
[0019]图2是CLAHE均衡化原理图
[0020]图3是CLAHE直方图均衡化前后图像对比
[0021]图中a未均值化图像、b未均值化图像直方图、c均值化图像、d均值化图像直方图；
[0022]图4是中值滤波前图像
[0023]图5是中值滤波后图像
[0024]图6是原始图像
[0025]图7是灰度化
‑
CLAHE均衡化
‑
双边滤波图
[0026]图8是原始灰度图像图
[0027]图9是ROBERTS算子边缘检测图
[0028]图10是PREWITT算子边缘检测图
[0029]图11是SOBEL算子边缘检测图
[0030]图12是LOG算子边缘检测图
[0031]图13是CANNY算子边缘检测图
[0032]图14是初始图像及选取的种子坐标图
[0033]图15是区域生长检测后的结果图
[0034]图16是自适应阈值图像二值化图
[0035]图17是直方图均衡化+二值化图
[0036]图18是均衡化+双边滤波+二值化图
[0037]图19是目标轮廓局部图
[0038]图20是完全啮合时的相机视野图
[0039]图21是开始啮合时的相机视野图
[0040]图22是完全啮合时的椭圆环轮廓粗提取图图23是开始啮合时的椭圆环轮廓粗提
取图图24是完全啮合轮廓中前六大轮廓面积图图25是开始啮合轮廓中前六大轮廓面积图图26是过滤后的轮廓图
[0041]图27是识别轮廓在原图像位置图
[0042]图28是细化算法方案图
[0043]图29是细化后的内外轮廓分界线图
[0044]图30是外侧椭圆环掩膜图
[0045]图31是内侧椭圆环掩膜图
[0046]图32是静触头内孔灰度图
[0047]图33是ZERNIKE矩亚像素检测图
[0048]图34是掩膜轮廓和目标轮廓位置关系示意图
[0049]图35是初始轮廓为椭圆的迭代轮廓寻找图
[0050]图36是初始轮廓为圆形的迭代轮廓寻找图
[0051]图37是基于SNAKE模型提取的轮廓和细化后的轮廓示意图。
具体实施方式
[0052]下面结合附图对本专利技术作进一步说明：
[0053]如图1所示：针对静触头轮廓识别问题,设计了轮廓粗提取
‑
轮廓精提取
‑
椭圆环细化的提取方案。首先利用自适应二值化从原始图像中粗提取目标轮廓,找到目标轮廓的初步位置,分别获取内外轮廓的掩膜；然后通过基于ZERNIKE矩边缘检测对原始图像进行亚像素边缘检测,结合掩膜区域分别得到内外轮廓的像素坐标；接着将ZERNIKE矩检测结果作为初始解，通过基于SNAKE模型的迭代轮廓寻找算法得到较高精度的内外轮廓坐标；最后通过细化算法得到单像素目标椭圆轮廓。
[0054]图像预处理：
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种断路器静触头齿合状态图像检测内轮廓的提取方法，其特征在于，包括以下步骤：S1：首先利用自适应二值化方法从原始图像中粗提取目标轮廓,找到目标轮廓的初步位置,从而获得分别包含椭圆环内外轮廓的图像掩膜；S2：然后通过基于ZERNIKE矩的边缘检测对原始图像进行亚像素边缘检测,结合掩膜区域得到内外轮廓的像素坐标；S3：将ZERNIKE矩检测结果作为初始解，基于SNAKE模型通过轮廓拟合得到更加精确的内外轮廓坐标；S4：对椭圆环进行细化处理得到单像素目标椭圆轮廓。2.根据权利要求1所述的断路器静触头齿合状态图像检测内轮廓的提取方法，其特征在于：所述步骤S1实现目标轮廓的粗提取，包括图像预处理、轮廓粗提取、非目标轮廓过滤和掩膜轮廓计算，所述非目标轮廓过滤包括面积过滤,圆度过滤,圆心位置过滤，面积过滤通过实验得到的目标轮廓面积阈值对非目标轮廓进行过滤；圆度过滤基于轮廓圆度评价算法过滤非圆轮廓；圆心位置过滤通过轮廓拟合后的圆心位置阈值实现过滤；所述掩膜轮廓计算为提取出两个目标轮廓在原始图像中的大致区域,作为椭圆环轮廓分离的基础。3.根据权利要求2所述的断路器静触头齿合状态图像检测内轮廓的提取方法，其特征在于：所述轮廓粗提取方法包括基于边缘、基于区域、基于阈值方法，基于边缘的方法利用图像梯度等实现边缘检测；基于区域的方法利用随机种子实现邻域相似像素的聚合实现轮廓提取；基于阈值的方法通过比较中心点及其邻域灰度值进行二值化。4.根据权利要求3所述的断路器静触头齿合状态图像检测内轮廓的提取方法，其特征在于：所述非目标轮廓过滤包括面积过滤,圆度过滤,圆心位置过滤，面积过滤通过实验得到的目标轮廓面积阈值对非目标轮廓进行过滤；圆度过滤基于轮廓圆度评价算法过滤非圆轮廓；圆心位置过滤通过轮廓拟合后的圆心位置阈值实现过滤；所述掩膜轮廓计算为提取出两个目标轮廓在原始图像中的大致区域,作为椭圆环轮廓分离的基础。5.根据权利要求3所述的断路器静触头齿合状态图像检测内轮廓的提取方法，其特征在于：所述基于边缘的方法利用不同的边缘计算算子实现不同的检测效果，包括一阶微分算子PREWITT算子、SOBEL算子、ROBERTS算子；通过检测二阶导数零点判断边缘点的LOG算子；利用高斯函数梯度判断边缘点的CANNY算子。6.根据权利要求3所述的断路器静触头齿合状态图像检测内轮廓的提取方法，其特征在于：所述基于区域的算法通过给定种子像素、搜索种子周围邻域、计算目标点像素和种子相似度，如果相似就添加到种子区域。7.根据权利要求3所述的断路器静触头齿合状态图像检测内轮廓的提取方法，其特征在于：所述基于阈值的方法包括简单阈值,自适应阈值，简单阈值对于整幅图像利用同一个变换实现二值化,较难提取图像局部信息，自适应阈值针对每个局部图像设置针对性的阈值实现二值化，可以较为精确地提取目标轮廓。8.根据权利要求1所述的断路器静触头齿合状态图像检测内轮廓的提取方法，其特征在于：所述步骤S2中基于ZERNIKE矩...

【专利技术属性】
技术研发人员：李宝锋，罗传胜，周义雄，刘涛，廖钊，何位经，方番，李炎，黄锦丽，宋喜平，苏淑敏，张光资，肖行运，覃智贤，国家栋，王飞，李鸿鹏，李瑞麟，李鹏帅，
申请(专利权)人：广西电网有限责任公司南宁供电局，
类型：发明
国别省市：