图像处理技术在电力系统中的应用研究开题报告

毕业设计（论文）开题报告
题目名称：图像处理技术在电力系统中的应用研究院系名称：电子信息学院
班级：电气095
学号：************
学生姓名：***
****：***
2013年3月
目录
1图像处理技术在电力系统中的应用研究 (2)
1.1图像处理技术在电力系统中的应用概述 (2)
1.2图像处理技术的发展 (2)
1.3图像处理技术研究的目的与意义 (3)
2 国内外研究现状及分析和发展趋势 (4)
3设计内容 (6)
3.1 设计任务 (6)
3.2 图像处理的基本原理及方法 (6)
3.2.1图像处理的主要内容 (6)
3.2.2图像的预处理 (7)
3.2.3图像处理的主要工具 (9)
3.2.4图像处理的分类 (9)
3.2.5图像处理的应用领域 (10)
3.3 图像处理技术的基本流程 (11)
3.3.1图像边缘检测 (11)
3.3.2图像几何校正 (12)
3.3.3图像重采样 (12)
3.3.4图像增强 (12)
3.3.5图像融合 (13)
3.3.6图像裁剪与拼接 (13)
3.3.7图像压缩与编码 (13)
4 本学期计划 (14)
4.1 毕业设计的计划安排 (14)
4.2毕业设计工作的研究方向和思路 (14)
5 参考文献 (15)
课题名称：图像处理技术在电力系统中的应用研究
1 课题研究的目的和意义
1.1 图像处理技术在电力系统中的应用概述
电力工业是国民经济的重要基础产业，安全、稳定和充足的电力供应是保障国民经济健康稳定发展的前提。

在国家电网中，高压输电线路所处环境复杂、易受损害，因此确保其运行的安全就显得尤为重要。

传统的视频监控系统需要人工监看录像，监控性能受到监控者本身的生理因素的制约。

有研究表明: 人盯着屏幕看3 个小时后，注意力将降低70%。

随着我国高压输电线路的规模迅速增长，线路运行部门承担了越来越多的线路巡视维护工作量，急需用先进的技术来帮助线路维护人员提高工作效率。

图像处理技术借助计算机强大的数据处理功能，对视频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，仅仅为监控者提供有用的关键信息。

能够大大减轻视频监控中人工劳动强度，同时可以减少误报漏报，还可以提高报警处理的及时性。

图像监控系统应用的范围非常广，最常见的是对民宅、停车场、公共场所、银行等的监控，以防止偷盗、破坏行为的发生，保障社会安全。

近年来图像处理技术在电力设备系统监控上也有大量应用: 如赵书涛等人利用图像的形状不变矩特征作为特征矢量，采用SVM 分类器识别各类电力设备，取得了较满意的识别效果，实现了变电站的无人值守; 刘金春利用小波不变矩来提取图像的边缘特征，通过与无故障图像的小波不变矩比较，分析出图像的变化情况，实现了对变电站的自动监控。

因此图像处理技术能在电力系统的安全监测中发挥重大作用。

1.2 图像处理技术的发展
随着视频技术在电力系统中的广泛应用，图像信息的作用越来越重要。

利用图像处理技术对电力设备的状态进行分析，可以对表征电力设备的物理量或状态进行检测或识别，及时发现异常现象和潜在故障，对电力系统安全稳定运行具有重要意义。

同时随着人类步入信息时代，图像处理技术迅速发展起来，尤其是计算机技术的迅猛发展，使得图像处理技术得以广泛应用于众多的科学和工程领域。

针对彩色图像的曝光不足的问题展开研究。

通过数字图像处理技术进行处理，提高了
图像的可视性。

图像是人类智能活动重要的信息来源之一，是人类相互交流和认识世界的主要媒体。

随着信息高速公路、数字地球概念的提出,人们对图像处理技术的需求与日剧增，同时 VLSI 技术的发展给图像处理技术的应用提供了广阔的平台。

图像处理技术是图像识别和分析的基础，所以图像处理技术对整个图像工程来说就非常重要，对图像处理技术的实现的研究也就具有重要的理论意义与实用价值，包括对传统算法的改进和硬件实现的研究。

数字图像处理技术的发展涉及信息科学、计算机科学、数学、物理学以及生物学等学科，因此数理及相关的边缘学科对图像处理科学的发展有越来越大的影响。

近年来，数字图像处理技术日趋成熟，它广泛应用于空间探测、遥感、生物医学、人工智能以及工业检测等许多领域，并促使这些学科产生了新的发展。

图像处理技术的大发展是从 20 世纪 90 年代初开始的。

自 1986 年以来，小波理论与变换方法迅速发展，它克服了傅立叶分析不能用于局部分析等方面的不足之处，被认为是调和分析半个世纪以来工作之结晶。

Mallat 在 1988 年有效地将小波分析应用于图像分解和重构。

小波分析被认为是信号与图像分析在数学方法上的重大突破。

随后数字图像处理技术迅猛发展，到目前为止，图像处理在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应用越来越多。

进入 21 世纪，随着计算机技术的迅猛发展和相关理论的不断完善，数字图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就。

属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等。

该技术终将成为一门引人注目、前景远大的新型学科
1.3 图像处理技术研究的目的与意义
对图像进行处理(或加工、分析)的主要目的有三个方面: (1)提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。

(2)提取图像中所包含的某些特征或特殊信息,这些被提取的特征或信息往往为计算机分析图像提供便利。

提取特征或信息的过程是图像处理的预处理。

提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。

(3)图像数据的变换、编码和压缩,以便于图像的存储和传输。

不管是何种目的的图像处理,都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、
加工和输出。

图像是人类获取和交换信息的主要来源，是视觉的基础，而视觉又是人类重要的感知手段，所以图像成为心理学，生理学，计算机科学等诸多方面学者研究示图感知的有效工具。

图像处理是一门实用的科学，在军事，航空，航天，遥感，电力，通信，医学，教育等领域得到广泛应用。

作为处理人类获取的视觉信息的数字图像处理，在现代生活中有着发挥着越来越重大的作用。

数字图像质量的好坏直接影响到后续的处理结果，因此需要对获取的数字图像进行预处理，以期达到提升图像质量，保证处理结果的目的。

数字图像处理被广泛应用于生物医学、材料、遥感、通信、交通管理、军事侦察、文档处理和工业自动化等众多领域。

而数字图像预处理是数字图像处理得一部分,它在整个图像处理领域发挥着重要的作用。

图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性等等，我国图像处理水平远远落后于世界先进水平，技术的发展需求迫在眉睫。

因此本课题通过对图像预处理技术及应用进行概述，让人们对图像预处理技术有一个系统的了解，借以增强人们对图像处理技术的认识和应用。

2 国内外研究现状及分析和发展趋势
图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。

图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。

数字图像处理作为一门学科大约形成于20世纪60年代初期。

早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。

图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。

首次获得实际成功应用的是美国喷气推进实验室（JPL）。

他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。

随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了
图像处理这门学科的诞生。

在以后的宇航空间技术，如对火星、土星等星球的探测研究中，图像处理都发挥了巨大的作用。

随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，图像处理向更高、更深层次发展。

人们已开始研究如何用计算机系统解释图像，实现类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。

很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。

其中代表性的成果是70年代末MIT 的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。

图像处理虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。

就图像处理的研究方向来说，自20世纪60年代第三代数字计算机问世以后，数字图像处理技术出现了空前的发展，在该领域中需要进一步研究的问题主要有如下五个方向：
1、在进一步提高精度的同时着重解决处理速度问题；
2、加强软件研究，开发新的处理方法，特别要注意移植和借鉴其他学科的
技术和研究成果，创造新的处理方法；
3、加强边缘学科的研究工作，促进图像处理技术的发展；
4、加强理论研究，逐步形成处理科学自身的理论体；
5、时刻注意图像处理领域的标准化问题。

然而图像处理技术还面临着一些问题，（1）处理信息量很大。

数字图像处理的信息大多是二维信息，处理信息量很大。

如一幅256×256低分辨率黑白图像，要求约64kbit的数据量；对高分辨率彩色512×512图像，则要求768kbit数据量；如果要处理30帧/秒的电视图像序列，则每秒要求500kbit～22.5Mbit数据量。

因此对计算机的计算速度、存储容量等要求较高。

（2）占用频带较宽。

数字图像处理占用的频带较宽。

与语言信息相比，占用的频带要大几个数量级。

如电视图像的带宽约5.6MHz，而语音带宽仅为4kHz左右。

所以在成像、传输、存储、处理、显示等各个环节的实现上，技术难度较大，成本亦高，这就对频带压缩技术提出了更高的要。

（3）各像素相关性大。

数字图像中各个像素是不独立的，其相关性大。

在图像画面上，经常有很多像素有相同或接近的灰度。

就电视画面而言，同一行中相邻两个像素或相邻两行间的像素，其相关系数可达0.9以上，而相邻两帧之间的相关性比帧内相关性一般说还要大些。

因此，图像处理中信息压
缩的潜力很大。

（4）无法复现三维景物的全部几何信息。

由于图像是三维景物的二维投影，一幅图象本身不具备复现三维景物的全部几何信息的能力，很显然三维景物背后部分信息在二维图像画面上是反映不出来的。

因此，要分析和理解三维景物必须作合适的假定或附加新的测量，例如双目图像或多视点图像。

在理解三维景物时需要知识导引，这也是人工智能中正在致力解决的知识工程问题。

（5）受人的因素影响较大。

数字图像处理后的图像一般是给人观察和评价的，因此受人的因素影响较大。

由于人的视觉系统很复杂，受环境条件、视觉性能、人的情绪爱好以及知识状况影响很大，作为图像质量的评价还有待进一步深入的研究。

另一方面，计算机视觉是模仿人的视觉，人的感知机理必然影响着计算机视觉的研究。

例如，什么是感知的初始基元，基元是如何组成的，局部与全局感知的关系，优先敏感的结构、属性和时间特征等，这些都是心理学和神经心理学正在着力研究的课题。

数字图像处理的今后的应用越来越广泛，地位越来越重要，在未来现代化建设中将要发挥无与伦比的重要作用。

3 设计内容
3.1 设计任务
1、掌握图像处理技术的一般工作流程；
2、掌握图像预处理及图像识别等关键技术；
3、利用图像处理技术实现对电力设备的状态监测与故障诊断。

3.2 图像处理的基本原理及方法
3.2.1图像处理的主要内容
图像处理主要研究的内容有以下几个方面：（1）图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。

因此，往往采用各种图像变换的方法，如傅里叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。

目前新兴研究的小波变换在时域和频域中
都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。

（2）图像编码压缩图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。

压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。

编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。

（3）图像增强和复原图像增强和复原的目的是为了提高图像的质量，如去除噪声，提高图像的清晰度等。

图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分。

如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响。

图像复原要求对图像降质的原因有一定的了解，一般讲应根据降质过程建立"降质模型"，再采用某种滤波方法，恢复或重建原来的图像。

（4）图像分割图像分割是数字图像处理中的关键技术之一。

图像分割是将图像中有意义的特征部分提取出来，其有意义的特征有图像中的边缘、区域等，这是进一步进行图像识别、分析和理解的基础。

虽然目前已研究出不少边缘提取、区域分割的方法，但还没有一种普遍适用于各种图像的有效方法。

因此，对图像分割的研究还在不断深入之中，是目前图像处理中研究的热点之一。

（5）图像描述图像描述是图像识别和理解的必要前提。

作为最简单的二值图像可采用其几何特性描述物体的特性，一般图像的描述方法采用二维形状描述，它有边界描述和区域描述两类方法。

对于特殊的纹理图像可采用二维纹理特征描述。

随着图像处理研究的深入发展，已经开始进行三维物体描述的研究，提出了体积描述、表面描述、广义圆柱体描述等方法。

（6）图像分类（识别）图像分类（识别）属于模式识别的范畴，其主要内容是图像经过某些预处理（增强、复原、压缩）后，进行图像分割和特征提取，从而进行判决分类。

图像分类常采用经典的模式识别方法，有统计模式分类和句法（结构）模式分类，近年来新发展起来的模糊模式识别和人工神经网络模式分类在图像识别中也越来越受到重视。

3.2.2图像的预处理
在图像分析中，对输入图像进行特征抽取、分割和匹配前所进行的处理。

图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。

预处理过程一般有数字化、几何变换、归一化、平滑、复原和增强等步骤:
[1]数字化，一幅原始照片的灰度值是空间变量（位置的连续值）的连续函
数。

在M×N点阵上对照片灰度采样并加以量化（归为2b个灰度等级之一），可以得到计算机能够处理的数字图像。

为了使数字图像能重建原来的图像,对M、N 和b值的大小就有一定的要求。

在接收装置的空间和灰度分辨能力范围内,M、N 和b的数值越大,重建图像的质量就越好。

当取样周期等于或小于原始图像中最小细节周期的一半时，重建图像的频谱等于原始图像的频谱，因此重建图像与原始图像可以完全相同。

由于M、N 和b三者的乘积决定一幅图像在计算机中的存储量，因此在存储量一定的条件下需要根据图像的不同性质选择合适的M、N 和b值，以获取最好的处理效果。

[2]几何变换，用于改正图像采集系统的系统误差和仪器位置的随机误差所进行的变换。

所以一般是在系统误差被纠正后，通过把被观测的图和已知正确几何位置的图相比较，用图中一定数量的地面控制点解双变量多项式函数组而达到变换的目的。

[3]归一化，使图像的某些特征在给定变换下具有不变性质的一种图像标准形式。

图像的某些性质，例如物体的面积和周长，本来对于坐标旋转来说就具有不变的性质。

在一般情况下，某些因素或变换对图像一些性质的影响可通过归一化处理得到消除或减弱，从而可以被选作测量图像的依据。

灰度归一化、几何归一化和变换归一化是获取图像不变性质的三种归一化方法。

[4]平滑，消除图像中随机噪声的技术。

对平滑技术的基本要求是在消去噪声的同时不使图像轮廓或线条变得模糊不清。

常用的平滑方法有中值法、局部求平均法和k 近邻平均法。

局部区域大小可以是固定的，也可以是逐点随灰度值大小变化的。

此外，有时应用空间频率域带通滤波方法。

[5]复原，校正各种原因所造成的图像退化，使重建或估计得到的图像尽可能逼近于理想无退化的像场。

在实际应用中常常发生图像退化现象。

例如大气流的扰动，光学系统的像差，相机和物体的相对运动都会使遥感图像发生退化。

基本的复原技术是把获取的退化图像g(x，y)看成是退化函数h(x，y)和理想图像f(x，y)的卷积。

它们的傅里叶变换存在关系 G(u，v=H(u，v)F(u，v)。

根据退化机理确定退化函数后，就可从此关系式求出F(u，v)，再用傅里叶反变换求出f(x，y)。

实际应用时，由于H(u，v)随离开uv平面原点的距离增加而迅速下降，为了避免高频范围内噪声的强化，当u2+v2大于某一界限值W时，使M(u，v)等于1。

我的选择应使H(u，v)在u2+v2≤W娿范围内不会出现零点。

图像复原的代数方法是以最小二乘法最佳准则为基础。

寻求一估值,使优度准则函数值最小。

这种方法比较简单，可推导出最小二乘法维纳滤波器。

当不存在噪声时，维纳滤波器成为理想的反向滤波器。

[6]增强，对图像中的信息有选择地加强和抑制，以改善图像的视觉效果，或将图像转变为更适合于机器处理的形式，以便于数据抽取或识别。

例如一个图像增强系统可以通过高通滤波器来突出图像的轮廓线，从而使机器能够测量轮廓线的形状和周长。

图像增强技术有多种方法，反差展宽、对数变换、密度分层和直方图均衡等都可用于改变图像灰调和突出细节。

实际应用时往往要用不同的方法，反复进行试验才能达到满意的效果。

3.2.3图像处理的主要工具
应用工具。

图像处理的工具可分为三大类:第一类包括各种正交变换和图像滤波等方法,其共同点是将图像变换到其它域(如频域)中进行处理(如滤波)后,再变换到原来的空间(域)中; 第二类方法是直接在空间域中处理图像,它包括各种统计方法、微分方法及其它数学方法；第三类是数学形态学运算,它不同于常用的频域和空域的方法,是建立在积分几何和随机集合论的基础上的运算。

由于被处理图像的数据量非常大且许多运算在本质上是并行的,所以图像并行处理结构和图像并行处理算法也是图像处理中的主要研究方向。

3.2.4图像处理的分类
图像处理技术基本可以分成两大类：模拟图像处理（Analog Image Processing）和数字图像处理（Digtal Image Processing）。

数字图像处理是指将图像信号转换成数字信号并利用计算机进行处理的过程。

其优点是处理精度高，处理内容丰富，可进行复杂的非线性处理，有灵活的变通能力，一般来说只要改变软件就可以处理内容。

困难主要在处理速度上，特别是进行复杂的处理。

数字图像处理技术主要包括如下内容：几何处理（Geometrical Processing）、算术处理（Arithmet ic Processing）、图像增强（Image Enhancement）、图像复原（Image Restoration）、图像重建（Image Reconstruction）、图像编码（Image Encoding）、图像识别(Image Recognition)、图像理解（Image Understanding）。

3.2.5图像处理的应用领域
应用领域。

图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。

随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。

航天和航空技术方面。

航天和航空技术方面的应用数字图像处理技术在航天和航空技术方面的应用，除了JPL对月球、火星照片的处理之外，另一方面的应用是在飞机遥感和卫星遥感技术中。

许多国家每天派出很多侦察飞机对地球上有兴趣的地区进行大量的空中摄影。

对由此得来的照片进行处理分析，以前需要雇用几千人，而现在改用配备有高级计算机的图像处理系统来判读分析，既节省人力，又加快了速度，还可以从照片中提取人工所不能发现的大量有用情报。

从60年代末以来，美国及一些国际组织发射了资源遥感卫星（如LANDSAT系列）和天空实验室（如SKYLAB），由于成像条件受飞行器位置、姿态、环境条件等影响，图像质量总不是很高。

因此，以如此昂贵的代价进行简单直观的判读来获取图像是不合算的，而必须采用数字图像处理技术。

如LANDSAT系列陆地卫星，采用多波段扫描器（MSS），在900km高空对地球每一个地区以18天为一周期进行扫描成像，其图像分辨率大致相当于地面上十几米或100米左右（如1983年发射的LANDSAT-4，分辨率为30m）。

这些图像在空中先处理（数字化，编码）成数字信号存入磁带中，在卫星经过地面站上空时，再高速传送下来，然后由处理中心分析判读。

这些图像无论是在成像、存储、传输过程中，还是在判读分析中，都必须采用很多数字图像处理方法。

现在世界各国都在利用陆地卫星所获取的图像进行资源调查（如森林调查、海洋泥沙和渔业调查、水资源调查等），灾害检测（如病虫害检测、水火检测、环境污染检测等），资源勘察（如石油勘查、矿产量探测、大型工程地理位置勘探分析等），农业规划（如土壤营养、水份和农作物生长、产量的估算等），城市规划（如地质结构、水源及环境分析等）。

我国也陆续开展了以上诸方面的一些实际应用，并获得了良好的效果。

在气象预报和对太空其它星球研究方面，数字图像处理技术也发挥了相当大的作用。

生物医学工程方面。

数字图像处理在生物医学工程方面的应用十分广泛，而且很有成效。

除了上面介绍的CT技术之外，还有一类是对医用显微图像的处理分析，如红细胞、白细胞分类，染色体分析，癌细胞识别等。

此外，在X光肺部图像增晰、超声波图像处理、心电图分析、立体定向放射治疗等医学诊断方面都广泛地应用图像处理技术。

通信工程方面当前通信的主要发展方向是声音、文字、图像和数据结合的多。