1.   引 言

输电线路或变电器等高压电力设备由于绝缘性能的降低或表面污秽存在等因素影响，其绝缘表面的电场分布极不均匀，当电场强度增大到超过空气分子的游离强度后，会导致设备表面的空气局部被电离，这时可以听到“刺刺”的放电声，嗅到臭氧的气味，如在夜晚还可以看到蓝紫色荧光，这种现象称为“电晕放电”或简称“电晕”^{[1, 2, 3]}。电晕的发生伴随着光、热、声等现象，导致电力设备表面腐蚀，其产生的脉冲电磁波对无线电和高频通信产生干扰，同时还是电力系统中重要的电能损耗原因之一^{[4, 5]}。因此，快速准确地检查出电晕放电的位置，可及时更换损坏的部件，减小能量损耗，保证高压电力系统可靠运行。

电晕放电过程中产生的辐射涵盖了紫外、可见和红外谱段。相对而言，在紫外谱段探测发现电晕时间早，且可工作在强烈的日光环境中，是目前主要的电晕探测手段之一。紫外电晕探测的工作谱段为240~280 nm的“太阳光谱盲区”，简称“日盲区”^{[6, 7]}。太阳在该谱段辐射被大气平流层中的臭氧强烈吸收，近地表这一谱段的辐射几乎不存在，为日盲紫外电晕探测提供极佳的背景^{[8, 9]}。为实现电晕精确检测，紫外电晕探测系统包括日盲紫外和可见两个工作通道，二者视场完全匹配。日盲紫外通道探测视场内的电晕信号，可见光通道辅助定位，实现电晕的精确探测。

目前，市场上的日盲紫外/可见光双通道电晕探测仪均无法实现对紫外电晕目标的自动检测，仅通过对特定ROI(Region of Interst：感兴趣区)区域内的统计获取光子计数值，如以色列Ofil公司最新型号Luminar紫外电晕探测仪，判断效率低，操作人员容易疲劳。同时，在预先选定的ROI(比目标实际占用区域要大得多)进行特征提取后回溯光子计数值的方法误差也比较大。因此，迫切需要一种可以自动检测视场内紫外电晕目标的方法。

相对于红外或可见图像处理，涉及日盲紫外成像目标检测领域的文献较少。借鉴红外和可见光图像处理方法，紫外图像处理的低通滤波^[11]、多帧平均和时域递归滤波方法^{[12, 13]}仅适用于目标辐射较强，系统增益设置低的情况。闫丰^[10]等人提出利用连续三帧图像(第1~3 帧)进行累加再与后续三帧图像(第2~4 帧)累加所得的图像进行相关运算的方法抑制ICCD 的散弹噪声。该方法噪声抑制效果良好，而对目标的检测概率低。基于形态学的紫外目标提取算法^{[14, 15]}主要利用目标和散弹噪声点在形状上的差别实现二者的区分，要求电晕占用像素值较大，二者差别明显，方能有效剔除噪声。因此，目前文献中已提出的紫外图像处理算法仅适用于电晕紫外辐射较强时的检测，对于微弱的电晕信号检测概率低，极易将其作为干扰信号剔除，降低了高压电力设备早期探伤的概率。

针对紫外微弱电晕信号的自动实时检测，本文基于图像中散弹噪声和电晕信号在统计域分布的差别，提出了基于MN规则的电晕信号自动检测算法，可大幅抑制图像中随机出现的散弹噪声，实时自动检测并标示极为微弱的电晕信号，输出质心、面积等特征信息，自动回溯电晕目标的光子计数值，实现紫外电晕的自动检测及故障处理决策，应用前景良好。

2.   日盲紫外ICCD的极微弱信号探测

由于电晕放电的日盲紫外辐射微弱，且近地表大气对日盲紫外谱段的强烈吸收或散射(根据Modtran模型，大气透明度为0.2/km)。目前，唯一实用化的紫外通道面阵成像探测器件为二代日盲紫外增强型电荷耦合器件(intensified charge coupled device，ICCD)。该器件基于外光电效应工作，典型结构如图1所示，它主要由入射窗、光电阴极、MCP(微通道板)、荧光屏、耦合光锥、可见光CCD组成。从入射窗入射的光子照射到光电阴极上，按一定的量子转换效率转化为光电子，在加速电场的作用下光电子进入MCP进行培增，然后聚焦到荧光屏激发出可见光，通过光纤光锥将图像耦合到可见光CCD上，最后由电子线路读出，完成从入射光到电子图像的转换。

图  1  日盲紫外ICCD结构原理图

Figure  1.  Structure diagram of solar-blind ultraviolet ICCD

下载: 全尺寸图片 幻灯片

为实现微弱电晕信号探测，日盲紫外ICCD内部的MCP一般为V形两级级联结构，可提供超过106的电子增益，具备光子计数探测能力^[16]。日盲紫外极微弱信号探测时的目标和噪声在如此高增益作用下，其特征与常见的红外、可见图像差异非常明显。电晕系统中日盲紫外通道的主要噪声来源为环境中带外散射光子经光电阴极转换后的光电子倍增后的散弹噪声，表现为日盲紫外图像中随机分布的白色斑点，如图2所示。该图采用中国科学院长春光机所研发的日盲紫外/可见光双谱段电晕探测仪对晴朗天空拍摄，无目标。

图  2  日盲紫外ICCD的散射噪点

Figure  2.  Scattering noise of solar-blind ultraviolet ICCD

下载: 全尺寸图片 幻灯片

对电晕系统中散弹噪声的分析与建模是抑制噪声、设计目标检测算法的基础。在日盲紫外电晕探测中，微弱电晕信号的单帧图像与散弹噪声在面积、平均灰度等特征差别微小，并不能成为与二者区分的标志。二者唯一的差别在于时间和空间分布。

散弹噪声绝大部分是环境中的散射光子噪声，由于环境中光子的随机散射，图像中出现的散弹噪声理论上将在图像中随机分布，也即是说在二维平面上均匀随机分布。不过由于该分布与滤光片均匀性、光电阴极响应均匀性等因素有关，不同的探测系统差异较大。为获取散弹噪声位置分布，将电晕探测系统面向晴朗天空，分析记录了约2 h、7 200帧图像中的散弹噪声质心坐标(x,y)，将二维平面划分为48×48个小块，统计质心落入其中的噪点数量，得到的分布如图3所示。可见其与二维均匀分布较为接近，可按照二维均匀分布建模。

图  3  散弹噪声位置统计分布

Figure  3.  Statistical distribution of shot noise′s location

下载: 全尺寸图片 幻灯片

3.   基于MN规则的电晕自动检测算法

3.1基本思路

在探测微弱电晕信号时，由于信号微弱，高增益下单帧图像中目标与散弹噪声并无明显区别，仅在多帧连续图像中存在差别。散射噪点由于在二维图像中随机均匀分布，在某一位置持续出现的概率极低，而目标由于持续存在，其在图像中表现为在某一位置连续多帧出现。利用上述特点，采用MN规则进行噪声抑制、目标检测是行之有效的方法。MN规则多用于航迹起始或删除逻辑，在N次探测中目标出现次数超过M次，即认为是有效目标；否则认为是杂波，予以剔除。

如前所述，电晕探测系统为探测极微弱的电晕信号，增益设置较高，电晕信号和散弹噪声点均占有几十甚至数百个像素的面积，且由于系统采用凝视探测工作模式，在连续帧中电晕在序列图像中位置基本保持不变，而散弹噪声却随机分布。因此，可以将当前帧后面的M帧图像二值化后直接相加得到累加图像，然后逐个像素与N进行比较，再与当前图像相与后进行特征提取。由于目标具有一定的面积，且在某一位置持续出现，这样在相与图像后会留下一定面积的连通体，而噪声由于帧间相互独立，连续帧中在同一位置附近出现次数超过N次的概率极小，噪点在与图像中将不会再有连通体出现。这就是本文提出的基于MN规则的电晕自动检测算法的基本思路，如图4所示。

图  4  本文算法基本思路

Figure  4.  Basic idea of the algorithm in this paper

下载: 全尺寸图片 幻灯片

该算法将MN判断规则转化为连续帧图像的运算，利用高速图像处理DSP芯片的内部流水线优化处理。同时最终图像中绝大部分像素为零，能够以较快速度完成二值图像的标记运算，保证检测的实时性。

3.2算法流程

电晕探测系统具有日盲紫外和可见两个工作通道，该算法将实时处理日盲紫外通道的实时视频，完成视场内电晕信号自动检测，标记后与可见光通道实现像素级融合，并输出至终端用户。结合与可见通道的融合，本算法流程如图5所示。

图  5  自动检测算法流程

Figure  5.  Flow diagram of algorithm in this paper

下载: 全尺寸图片 幻灯片

(1)紫外图像的预处理，包括灰度图像的二值化和形态学膨胀运算。根据图像特征分析，极微弱电晕探测中日盲紫外图像灰度级并不能提供更多信息，因此首先二值化有利于减小处理信息量，提高实时性。而形态学膨胀运算则可以减小因大气扰动或平台抖动带来的目标漂移，提升对目标的探测概率。

(2)二值图像累加。设预处理完成后的图像帧编号为i，在某一位置(x,y)处连续N帧的像素值为X(x,y,i),X(x,y,i+1),…X(x,y,i+N-1)，则在累积图像中该像素值为：

3.3算法的性能与参数选择

对于日盲紫外图像中的电晕目标，在帧积分时间内系统收集到的能量服从泊松分布，对应到图像帧中是否出现可认为服从0~1分布，假设出现概率为P_S，则在M帧中出现次数为N实际上是服从二项分布，那么其通过MN规则，被判断为目标的概率为：

4.   算法应用与结果分析

将上述算法在TI公司以TDS320DM642为核心处理器的自研电子学硬件平台上实现，如图6所示。两个输入通道可同时输入紫外和可见的实时视频，输出通道则为标记完成后的融合视频，算法的核心代码已使用线性汇编语言大幅优化。

图  6  电子学硬件平台

Figure  6.  Hardware platform of electronics

下载: 全尺寸图片 幻灯片

为检验算法性能，使用中国科学院长春光机所研制的日盲紫外/可见光双谱段电晕探测仪在陕西某330 kV电厂拍摄记录的紫外和可见序列图像为例说明该算法的工作流程。图像在日光条件下拍摄。

图7为4帧连续紫外图像，由图可知其电晕信号很微弱，第3帧出现了丢失。算法中参数选择为M=3，N=2。按照图5的流程，以第i帧为处理对象，将后续3帧预处理后累加再阈值化，最后与第i帧预处理后图像相与，得到的紫外通道最终处理图像为图8(a)所示。对该图像进行特征提取，得到电晕信号的位置为(181,133)，对当前帧(i+3)预处理后的图像在检测到的目标位置开窗，与可见图像进行像素级融合，如图8(b)所示，红色区域即为检测到的电晕信号，将检测到的电晕信号使用青色方框标记，并检测电晕信号所占像素，表征电晕强度用于用户参考。为在野外环境下便于观察，紫外通道融合时采用了红色而非目前电晕系统中普遍采用的白色。

图  7  日盲紫外序列帧

Figure  7.  Sequence frames of solar-blind ultraviolet image

下载: 全尺寸图片 幻灯片

图  8  算法处理结果

Figure  8.  Processing result by the algorithm in this paper

下载: 全尺寸图片 幻灯片

5.   结 论

日盲紫外电晕探测由于目标能量微弱需工作在光子计数工作模式，其主要干扰信号为环境中的散弹噪声。本文分析了噪声来源，建立了统计分布模型。在此基础上，提出了基于MN规则的微弱日盲紫外电晕自动实时检测方法，并建立了该方法的探测概率与虚警概率数学模型。在典型参数情况下该方法单次检测虚警概率为2.85×10^-5，处理时间小于120 ms。

该方法可解决目前各类紫外电力电晕探测系统中无法完成极微弱电晕信号自动检测的问题，对电晕信号检测概率高，且算法简单、实时性好，适用于电晕系统自动或人工巡线、监测等应用。