采用高压和超高压架空电力线长距离输送电是电力工业发展以来所采用的主要输电方式．由于输电线路自身的老化以及一些自然和人为的破坏，绝缘子、电力线、杆塔等输电电力设备会产生自爆、断股、磨损、腐蚀等损伤，将会对电力系统的安全和稳定构成威胁，因此必须对输电线路进行定期巡检以及时修复和更换相应设备［1］．目前，利用直升机进行输电线路巡检，已成功应用于我国输电线路的运行和维护中［2］．日常直升机巡检中，主要工作方式是目测，也可借助望远镜观察线路，或者事后观看摄影、摄像记录的图像来判断线路故障及隐患．这些人工的方法显然效率低，检测结果受主客观因素影响大．由于巡检过程中摄影、摄像设备记录了大量输电线路图像信息，包含了输电线路的基本特征及运行状态信息，通过对它们使用一些图像分析处理技术［3～6］可以发现输电线路中设备缺陷和故障隐患，不仅可以克服人工方式的各种缺陷，提高工作效率和检测精度，而且能够提高线路巡检的自动化水平，减少巡检人员，为无人直升机在电力巡检中的应用以及输电线路的智能化奠定基础［7～9］．

绝缘子是架空输电线路的重要组成部分，包括玻璃、瓷质和合成绝缘子，其中玻璃绝缘子子片自爆导致的掉片损伤是玻璃绝缘子特有的故障缺陷，通过图像处理技术对其进行诊断是直升机自动巡检技术中的一个重要研究内容［10～14］．马帅营等［10］首先通过统计绝缘子的颜色范围定位出绝缘子大致区域，然后针对该区域采用最大类间方差法进行绝缘子分割．方挺和韩家明［11］首先使用最大类间方差法以及中值滤波进行图像预处理，然后通过基于粒子群优化参数的蚁群算法来检测绝缘子缺陷．黄宵宁和张真良［12］采用基于遗传算法的最大熵阈值法对彩色图像进行分割．林聚财等［13］首先通过统计绝缘子在不同光照下绝缘子的颜色特征并结合边缘链码进行绝缘子分割，然后通过滑动窗口的直方图匹配进行绝缘子缺陷诊断．王淼等［14］采用阈值分割、形态学和边缘检测技术设计了绝缘子的连通域特征和形状特征进行绝缘子缺陷检测，以进一步将其应用在无人机输电线路巡检系统中．尽管研究者们对输电线路图像中绝缘子的提取和缺陷检测进行了初步的尝试，但是由于绝缘子图像中包括树木、山川、河流、道路、杆塔等复杂背景，而且绝缘子在不同的光照条件下可能出现不同的颜色特性，给绝缘子的分割和缺陷检测提出了巨大的挑战．

为此，本文提出了一种基于颜色聚类的玻璃绝缘子分割方法，方法通过彩色图像中绝缘子颜色的聚类特性，利用K均值聚类算法进行分割，不需要统计不同光照下绝缘子的颜色范围;然后利用绝缘子的形状特性，通过采用基于主成分分析的连通区域判决方法进行绝缘子定位，以提高绝缘子分割的准确性和鲁棒性．

1 基于K均值聚类的绝缘子分割

聚类就是按照某个特定标准把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大，其在数据分析、机器学习、模式识别、市场研究等领域具有广泛的应用［15］．绝缘子通过直升机航拍成像时在同一种光线条件下通常呈现相似的颜色特性，因此按照其颜色特征进行聚类能够分割出绝缘子所在的区域．本文采用经典的K均值算法进行聚类．

1.1 K均值聚类算法

假设有一组包含K个聚类的数据，其中第k个聚类可以用集合Gk来表示，k=1，…，K．假设Gk包含Nk个数据(v1，v2，…，vNk)，vi表示第i个数据的属性值向量，i=1，…，NK．设Gk的聚类中心为ck，则该聚类的平方误差ek可以定义为

(1)从原始数据对象中任意选择K个对象作为该数据的初始聚类中心;

而这K个聚类的总的平方误差E便是每个聚类的平方误差总和，记为

主成分分析是考察多个变量间相关性一种多元统计方法．它的本质是从原始变量中导出少数几个主成分，使它们尽可能多地保留原始变量的信息，且彼此间互不相关．其几何解释是对于二维空间中具有椭圆分布的数据集合，它的两个主成分分别是椭圆的长轴方向和短轴方向［19］，如图2所示．

根据表1的比对校准数据,采用最小二乘法得到拟合曲线[12]:C=18.666 8(I2f/If)+0.004 9,表明甲烷气体二次谐波和一次谐波的比值与气体浓度呈近似线性关系。

[2]Lane, Maggie. Jane Austen's England. London: Robert Hale, Ltd.,1986，pp.19-20.

(2)根据每个类别选定的聚类中心，计算每个对象与这些中心对象的距离，把样本归到离它最近的那个聚类中心所在的类;

(3)重新计算新形成的每一个聚类的数据对象的平均值来得到新的聚类中心;

（2）若（W′-W1）Q1<2PRQ3，则买家会选择“购买套装化妆品”，此时卖家的收益为>2P（1-R）3r。

1.2 基于K均值聚类的绝缘子分割算法

彩色图像由RGB三原色表示，它们通常高度相关，而且两点间的欧几里德距离与颜色距离呈非线性关系，不便于进行图像的彩色分割．Lab色彩空间是由CIE(国际照明委员会)于1976年公布的一种色彩模式，由一个亮度分量L以及两个色度分量a与b来表示颜色．在该空间中，颜色之间视觉上的距离与颜色坐标上的欧几里德距离成正比，即具有一定距离的两点之间的色彩是均匀分布［16］．因此，在Lab颜色空间上进行距离和相似度计算，能够更好的进行彩色图像的绝缘子分割．

2）消除设计不足造成的质量问题。对有问题的质量工程应通过设计方案的改进来治理。要力促设计人员与施工人员做好技术交底和会审，对交底中反映出的质量问题要逐一加以研究解决。如果设计方案细致周到，即使工程造价难以降低，也可以有效的减少工程质量问题，从而减少建设后的维护费用。

为了实现图像从RGB空间到Lab空间的转换，首先必须把图像从RGB空间转换到XYZ空间［17］:

其中:，X0，Y0，Z0为标准光源D65的三刺激值，其值为X0=95．045，Y0=100，Z0=108．255．

利用信息技术，拓展培训内容，降低培训成本。例如，介绍交流接触器时，其功能、类型颇多，在进行一种类型的实物介绍过程中，再通过视频、图片资料介绍其他类型，达到触类旁通、见多识广的培训效果。

当彩色图像从RGB空间转换到Lab空间后，可将表示颜色的色度分量a和b作为属性值向量进行K均值聚类分割．通过对大量的绝缘子图像实验，将原始图像分为3类就能达到较好的效果，如图1所示，其中白色、灰色和黑色表示各自所在的聚类图像．

图1 基于K均值聚类的绝缘子分割，第一行为原始绝缘子图像，第二行为K均值聚类结果

2 基于主成分分析的绝缘子定位

经过基于K均值的聚类方法分割后，能够将绝缘子作为一个连通区域从图像中分割出来，如图1所示．但是聚类后的分割图像中存在多个连通区域，需要从众多的连通区域中找到绝缘子所在的连通区域．由于绝缘子呈现规则的长条对称的特性，因此本文采用基于主成分分析的连通区域形状判决方法进行绝缘子定位．首先对聚类分割后的图像进行腐蚀膨胀等预处理操作;然后利用主成分分析计算连通区域的轴向、宽、高等信息;在此基础上，通过对特定的连通区域进行合并，以保证将绝缘子自爆后分开的部分连接在一起;最后判定所有连通区域的形状得到最终的绝缘子．

2.1 预处理

(1)高宽比k1=h/w;

2.2 基于主成分分析的连通区域的信息计算

K均值聚类算法通过迭代的方式，设法降低聚类总的平方误差E的值，以使得各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开．其算法的主要步骤如下:

类似地，对于长条形的绝缘子区域，其两个主成分应该是沿着轴向的方向和垂直于轴向的方向．因此我们可以通过主成分分析来计算连通区域的轴向、宽、高等信息，进而用其来判定其是否是绝缘子．

对于连通区域 A，pk=(xk，yk)，k=1，…，N 表示该连通区域中的点，其协方差矩阵为

其中:c表示该连通区域的质心，(·)T表示向量的转置．

通过主成分分析理论［19］，可知协方差矩阵M的最大特征值对应的特征向量为该连通区域的第一主成分，即主轴，最小特征值对应的特征向量为该连通区域第二主成分，即次轴．在此基础上，通过计算沿着两个轴线方向的最远距离得到连通区域的宽度w和高度h．

第二，清晰地认识农村群众在文化教育方面的弱点，将先进的科学种植、科学经营管理方式带进农村，不仅让农民实际获利，还要让农民看到其实践的结果，逐步地破除封建迷信思想；增强社会主义核心价值观教育，可以开展多种文化形式、使用多种媒介使社会主义核心价值观深入群众之中；加强中华民族传统美德教育等道德教育，从而促进农民群众的综合素质全面发展。

图2 主成分分析的几何解释

2.3 连通区域合并

在绝缘子图像中，如果绝缘子的盘片发生掉片损伤，则一个绝缘子可能会被分割成多个连通区域，如图3(b)所示．为了准确的检查出绝缘子的缺陷，需要对这样的连通区域进行合并．记连通区域Ai和Aj的单位主轴方向分别为di和dj，质心分别为ci和cj，宽度分别为wi和wj．如果下列关系式成立，则合并这两个连通区域:

其中:(·)表示两个向量内积，wT和aT分别表示选定的宽度差异阈值和偏离角度阈值．公式(6)～公式(8)分别表示合并两个连通区域在宽度、长轴方向、中心之间的连线方向应满足的约束条件．根据数码相机所拍摄的实际绝缘子图像，可设wT=3，aT=1，即合并的两个子串的宽度应该不超过3个像素，偏离角度不超过1弧度．

通过修昔底德对伯罗奔尼撒战争原因的分析，可以发现目前国际关系学界对“修昔底德陷阱”概念的理解存在两个问题：一是这一概念仅从体系层次推导出战争必然爆发，忽视了战争是多层次因素综合作用的结果。二是忽略了雅典与斯巴达互动方式由外交手段转向军事手段是战争爆发的关键原因，权力对比的变化对战争的影响并非立竿见影。

当对连通区域进行合并后，需要通过主成分分析重新计算合并后的连通区域的轴向、宽和高等信息，以便进行下一步的连通区域形状判决．

2.4 连通区域形状判决

对于连通区域A，设其宽和高分别为w和h，连通区域中点的个数为N，计算如下形状判决度量:

(4)如果某个类别相邻两次的中心没有任何变化，说明该类别的样本调整结束，聚类准则函数已经收敛．对其它类别循环步骤(2)到步骤(4)，直到每个类别中心不再发生变化为止．

山东省先后印发了《关于加强海水利用工作的意见》《关于加强污水处理回用工作的意见》等，加大污水处理回用、海水淡化等非常规水源的开发利用，纳入区域水资源统一调度配置。在水资源论证与取水许可审批工作中，对污水处理再生水等非常规水的水量和水质能够满足建设项目用水需求的，优先配置使用非常规水，严格控制取用新水特别是地下水。

由于绝缘子图像在野外采集时受到天气和光照的影响，导致正常情况下绝缘子的统一色度在成像时存在一定的色散现象，在聚类分割时绝缘子内部可能出现一些小的缺失．为了消除其对绝缘子识别的影响，我们通过数学形态学操作［18］对聚类分割后的图像进行腐蚀、膨胀去掉小的噪声，同时对图像中连通区域的孔洞进行填充，以保证分割后绝缘子的完整性．

(2)连通区域最小包围盒里物体像素所占比例k2=N/(w*h);

(3)连通区域的对称度k3．设连通区域中关于主轴的对称点落在连通区域中的点的数目为N1，则对称度为k3=N1/N;

他给罗衫搭一辆出租车，站在原地不动。罗衫钻上车，又摇开车窗，问，你当初完全有理由拒绝她……你为什么要自讨苦吃？西双笑着，挥手向她告别，出租车于是无声地扎进流淌着的紫雾之中。

范秋虎 男，1979年8月出生，黑龙江密山人.2010年获国防科学技术大学电子信息与通信工程专业硕士学位，现为中国洛阳电子装备试验中心工程师.主要从事电磁环境效应、电磁环境效应试验及评估方面的研究.

如果形状判决度量k1，k2，k3都能超过给定的阈值(通过对大量的绝缘子图像实验，可选取k1＞8，k2＞0．7，k3＞0．9，则判定该连通区域是绝缘子，进而将绝缘子从聚类图像中分割出来，如图3(c)所示．

图3 基于主成分析的绝缘子定位

3 实验结果分析讨论

我们在主频3．2G，2G内存的PC机上，通过Matlab编程实现了上述算法．算法对直升机航拍得到的3008×2000彩色图像进行了测试，包括一些不同光线下采集的呈现不同颜色的绝缘子的图像，同时图像中也具有杆塔、大地、树木等背景，如图1和图4所示．从图5(b)和图6(a)可知，本文提出的方法能够较好的克服不同光线以及杆塔、大地、树木等背景的干扰，而且即使所拍摄图像不是特别清晰的情况下(图1(d))，也能将绝缘子从图像中分割出来．

为了加快算法的处理速度，本文统一将原始图像缩小到像素为500*332进行处理．通过实验结果可以看出，这样处理并不影响缺陷检测的精度，但明显加快了处理速度，每幅图像的处理平均时间在0．4 s左右，能够满足实时处理的要求．

图4 不同光照下绝缘子图像

我们将本文方法同黄宵宁和张真良提出的基于遗传算法的最大熵阈值的绝缘子分割方法［12］进行了比较．为了比较的公正性，我们与该文提供的实验结果图像进行对比．从图5可以看出，尽管他们的方法也能将绝缘子从复杂的杆塔背景中提取出来，但是本文方法提取出的绝缘子图像更加完整，保留了绝缘子盘片的椭圆特性，更加有利于后续的绝缘子自爆缺陷检测．

图5 绝缘子分割比较

图6 不同光线下绝缘子分割比较

我们也将本文方法同林聚财等人提出的基于彩色图像的绝缘子缺陷诊断方法［13］进行了比较．同前面一样，我们仍然采用原文中的实验结果进行比较．从图6可以看出，他们的方法提取的绝缘子存在一些噪声块，而且绝缘子提取不是非常完整．其主要原因在于绝缘子在不同的光照条件下可能出现不同的颜色特性，很难完全准确的统计出不同光照下绝缘子的颜色范围，然而本文采用颜色聚类结合主成分分析的绝缘子定位方法则能够减少不同光线和复杂背景的影响．

4 结 论

为了减少不同光线和复杂背景对绝缘子图像分割的影响，提出一种基于颜色聚类的玻璃绝缘子图像分割方法．该方法首先通过K均值聚类算法将玻璃绝缘子从复杂的背景图像中分割出来，然后通过利用绝缘子的形状特性，采用基于主成分分析的连通区域判决方法定位出绝缘子的具体位置．实验结果显示，与现有的一些绝缘子图像分割算法相比，本文方法受不同光线和复杂背景影响较小，提高了绝缘子分割的准确性和鲁棒性，为进一步进行绝缘子缺陷检测打下了基础．

参考文献

［1］ 于建立，王艺霖，鲁志伟，等．伊穆±500kV直流输电线路雷击事故分析及防雷改造［J］．东北电力大学学报，2017，37(2):1－8．

［2］ 杨敏祥，宋巍，赵雪松，等．几种输电线路巡检方式的比较——浅析无人直升机巡检的优势［J］．智能电网，2015(5):148－154．

［3］ Ren Xiaofeng，Bo Liefeng．Discriminatively trained spare code gradients for contour detection［C］//Advances in Neural Information Processing Systems，2012:584－592．

［4］ P．Dollar，C．L．Zitnick．Fast edge detection using structured forests［J］．IEEE Transactions on Pattern Analysis and Machine Intelligence，2015，37(8):1558－1570．

［5］ 田原嫄，谭庆昌．亚像素边缘定位算法过滤噪声的分析［J］．东北电力大学学报，2016，36(5):43－47．

［6］ 王立群，郭树强，郭晓利．基于颜色恒常性的彩色图像分割方法［J］．东北电力大学学报，2015，35(1):78－82．

［7］ 仝卫国，苑津莎，李宝树．图像处理技术在直升机巡检输电线路中的应用综述［J］．电网技术，2010，34(12):204－205．

［8］ 刘鲲鹏，王滨海，陈西广，等．基于Freeman改进准则的输电线断股识别［J］．机电工程，2012，29(2):211－214．

［9］ 仝卫国，刘士波，孙艺萌．基于链码和纹理分析的输电线断股检测［J］．计算机技术与发展，2016，26(11):139－143．

［10］马帅营，安居白，陈舫明．基于区域定位的绝缘子图像分割［J］．电力建设，2010，31(7):14－17．

［11］方挺，韩家明．航拍图像中绝缘子缺陷的检测与定位［J］．计算机科学，2016，43(S1):222－225．

［12］黄宵宁，张真良．直升机巡检航拍图像中绝缘子图像的提取算法［J］．电网技术，2010，34(1):194－197．

［13］林聚财，韩军，陈舫明，等．基于彩色图像的玻璃绝缘子缺陷诊断［J］．电网技术，2011，35(1):127－133．

［14］王淼，杜毅，张忠瑞．无人机辅助巡视及绝缘子缺陷图像识别研究［J］．电子测量与仪器学报，2015(12):1862－1869．

［15］ 孙吉贵，刘杰，赵连宇．聚类算法研究［J］．软件学报，2008，19(1):48－61．

［16］ Pang Xiaomin，Min Zijian，Kan Jiangming．Color image segmentation based on HSI and LAB color space［J］．Journal of Guangxi University．2011，36(6):976－980．

［17］钱小燕，韩磊，王帮峰．红外与可见光图像快速融合算法［J］．计算机辅助设计与图形学学报．2011，23(7):1211－1216．

［18］陆玲，王蕾，桂颖．数字图像处理［M］．北京:中国电力出版社，2007．

［19］何晓群．多元统计分析［M］．2版．北京:中国人民大学出版社，2008．