本發(fā)明涉及一種圖形處理方法，特別涉及基于霍夫直線變換對輸電線路的異物識別方法。

背景技術(shù)：

電力是我國能源的大動脈，而輸電線路網(wǎng)則是電力傳輸?shù)闹饕d體，維護輸電線路正常運行顯得尤為重要。搭建這些輸電線路較為迅速，但是長期維護需要巨大的人力、財力和物力。近年來，各地因為風(fēng)箏、氣球等懸掛異物危及電網(wǎng)安全的事件屢見不鮮，如圖1所示，輸電線路懸掛諸如此類的異物會使高壓電的極限放電距離縮短，甚至?xí)斐纱竺娣e停電的嚴重后果。因此，及時識別出輸電線路上的異物具有十分重要的意義。

現(xiàn)有的輸電線路異物排查主要為人工巡線，但是人工巡線存在安全隱患大，工作效率低，針對一些復(fù)雜地形的輸電線路操作難度大等缺點。為了降低工作強度，提高工作效率，近幾年出現(xiàn)了借助飛行器作為運載工具，裝載可見光成像檢測設(shè)備對110～1000kv高壓輸電線走廊進行巡檢的方法，并應(yīng)用計算機智能處理巡檢帶回的大量圖像數(shù)據(jù)來判斷線路上是否存在異物，此項技術(shù)能夠極大地提高巡檢技術(shù)的水平和效率，降低輸電線路的維護成本，對創(chuàng)造更好的經(jīng)濟效益和社會效益有著重大意義。

技術(shù)實現(xiàn)要素：

針對上述現(xiàn)有技術(shù)存在的問題，提供了基于霍夫直線變換對輸電線路的異物識別方法，應(yīng)用在輸電線路巡檢中，有效降低巡檢人力成本，提高巡檢效率和精度都將具有很大的工程應(yīng)用價值，為輸電線路異物識別提供了新的手段。

為了實現(xiàn)上述目的，基于霍夫直線變換對輸電線路的異物識別方法，其特征在于，包括如下步驟：

(1)采集輸電線路的圖像；

(2)對采集的輸電線路圖像進行灰度化處理；

(3)將經(jīng)過灰度化處理的輸電線路圖像采用中值濾波處理；

(4)將經(jīng)過步驟(3)處理過的圖片進行圖形分割：采用otsu法來進行圖像分割得到待識別的二值圖：

(41)設(shè)圖像有l(wèi)個灰度級，灰度值是i的像素為n,則總的像素數(shù)是n＝n1+n2+n3+...+nl-1。各灰度值出現(xiàn)的概率pi＝ni/n,很顯然p1+p2+p3+...+pl-1＝1。

(42)設(shè)閾值為t,則t將圖像分割為兩個區(qū)域，即把灰度級分為兩類:

背景類a＝{0,1,2,…...,t}；前景類b＝{t+1,t+2,……,l-1}

背景類和前景類的概率分別為：

a，b兩類的灰度均值分別為：

圖像總的灰度均值ω0為：

由此可以得到a，b兩個區(qū)域的類間方差：

σ²＝pa(ωa-ω0)²+pb(ωb-ω0)²

類間方差越大，兩類灰度差別就越大，則使類間方差最大的t值就是所要的閾值，根據(jù)閾值t，得到待識別的二值圖；

(5)利用otsu法來進行圖像分割后，再進行canny邊緣檢測；

(6)將經(jīng)過步驟(5)處理過的圖片進行形態(tài)學(xué)處理：采用閉運算對經(jīng)過步驟(5)處理過的圖片進行先膨脹后腐蝕操作，以消除圖像噪聲點，連接圖像中相鄰元素；

(7)用霍夫直線變換函數(shù)來檢測步驟(6)處理過的輸電線路圖像：對圖像中每一個像素點進行遍歷，再對經(jīng)過這個點的所有直線進行頻率統(tǒng)計，出現(xiàn)頻率較大的直線作為該圖像中的被檢測到的直線；

(8)對步驟(7)處理過的輸電線路圖像進行異物識別：

對正常的輸電線周圍制作一個高度為10像素，寬度為直線兩個端點的x坐標的差的絕對值這為像素的矩形；對每條正常輸電線,計算對應(yīng)的像素值為255的點總數(shù)n，如果n除以矩形的高度與寬度之積超過異點率，判斷異點率不在正常范圍，識別輸電線路上有異物。

作為上述方案的進一步優(yōu)化，對經(jīng)過灰度化處理的輸電線路圖像采用5*5中值濾波處理。

作為上述方案的進一步優(yōu)化，步驟(8)的電線路圖像進行異物識別，包括如下步驟：

(81)獲取圖像中所有的輸電線直線序列；

(82)根據(jù)輸電線直線序列的斜率，提取正常輸電線范圍；

(83)判斷是否只有一條直線；判斷只有一條直線，進入步驟(88)；若判斷不是只有有一條直線，進入步驟(84)；

(84)對提取的正常的輸電線進行卷積操作處理；對正常的輸電線周圍制作一個高度為10像素，寬度為直線兩個端點的x坐標的差的絕對值這為像素的矩形；

(85)判斷異點率是否在正常范圍；異點率不在正常范圍，進入步驟(87)異點率不在正常范圍；對每條正常輸電線,計算對應(yīng)的像素值為255的點總數(shù)n，如果n除以矩形的高度與寬度之積超過異點率，判斷異點率不在正常范圍

(86)識別輸電線路上有異物；

(87)識別輸電線路上無異物。

與現(xiàn)有技術(shù)相比，本發(fā)明的基于霍夫直線變換對輸電線路的異物識別方法的有益效果如下：

1、本發(fā)明的基于霍夫直線變換對輸電線路的異物識別方法，輸電線路圖像經(jīng)過圖像預(yù)處理和霍夫直線變換后，利用異物附在輸電線路周圍這一特征提出對輸電線路進行卷積操作，異物識別結(jié)果好，能滿足對基本的巡檢圖像進行異物檢測識別需求。

2、本發(fā)明的基于霍夫直線變換對輸電線路的異物識別方法，利用otsu法(最大類間方差法)來進行圖像分割，然后基于hough變換原理提取含有異物的輸電線路特征向量，對輸電線進行卷積操作，將提取到的輸電線與正常輸電線進行比較，以判斷輸電線是否懸掛異物。

3、將本發(fā)明的基于霍夫直線變換對輸電線路的異物識別方法，應(yīng)用在輸電線路巡檢中，有效降低巡檢人力成本，提高巡檢效率和精度都將具有很大的工程應(yīng)用價值，為輸電線路異物識別提供了新的手段。

4、本發(fā)明的基于霍夫直線變換對輸電線路的異物識別方法，針對輸電線路上的漂浮異物搭掛潛在故障進行圖像識別研究，提出利用霍夫直線變換對輸電線路進行提取，然后對輸電線所處的小塊區(qū)域進行卷積操作，結(jié)合實際誤差來對輸電線路異物進行識別。通過及時定位輸電線路安全隱患點和故障點，縮短巡檢周期，提升檢修工作人員的工作效率，降低巡檢人力成本，進一步增強輸電線路相關(guān)設(shè)備的狀態(tài)巡維能力，為有效監(jiān)測分析奠定基礎(chǔ)，具有較高的工程應(yīng)用價值。

附圖說明

圖1為本發(fā)明的基于霍夫直線變換對輸電線路的異物識別方法的流程圖；

圖2為本發(fā)明的異物識別的流程圖；

圖3為本發(fā)明的采集的輸電線路圖像；

圖4為本發(fā)明的經(jīng)過otsu圖像分割的圖像；

圖5為本發(fā)明的經(jīng)過canny邊緣檢測的圖像；

圖6為本發(fā)明的經(jīng)過形態(tài)學(xué)閉運算的圖像；

圖7為本發(fā)明的基于霍夫直線變換對輸電線路的異物識別方法處理識別的圖像。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明了，下面通過附圖及實施例，對本發(fā)明進行進一步詳細說明。但是應(yīng)該理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限制本發(fā)明的范圍。

本發(fā)明采用的基于霍夫直線變換對輸電線路的異物識別方法，參見圖1，圖1為本發(fā)明的基于霍夫直線變換對輸電線路的異物識別方法的流程圖；包括如下步驟：

(1)采集輸電線路的圖像；參見圖3，圖3為本發(fā)明的采集的輸電線路圖像；

(2)對采集的輸電線路圖像進行灰度化處理；

(3)將經(jīng)過灰度化處理的輸電線路圖像采用中值濾波處理；其中，中值濾波處理方法：以像素為中心的窗口中，像素的灰度按從小到大排列，取排序結(jié)果的中間值作為該像素的灰度值

(4)將經(jīng)過步驟(3)處理過的圖片進行圖形分割：采用otsu法來進行圖像分割得到待識別的二值圖：

otsu法，又稱為最大類間方差法，是由otsu與1979年提出的一種閾值分割方法，建立在一幅圖像的灰度直方圖基礎(chǔ)上的，依據(jù)類間距離極大準則來確定區(qū)域分割門限，根據(jù)門限閾值來得到所需要的二值圖。

(41)設(shè)圖像有l(wèi)個灰度級，灰度值是i的像素為n,則總的像素數(shù)是n＝n1+n2+n3+...+nl-1。各灰度值出現(xiàn)的概率pi＝ni/n,很顯然p1+p2+p3+...+pl-1＝1。

(42)設(shè)閾值為t,則t將圖像分割為兩個區(qū)域，即把灰度級分為兩類:背景類a＝{0,1,2,…...,t}；前景類b＝{t+1,t+2,……,l-1}

兩類出現(xiàn)的概率分別為：

a，b兩類的灰度均值分別為：

圖像總的灰度均值ω0為：

由此可以得到a，b兩個區(qū)域的類間方差：

σ²＝pa(ωa-ω0)²+pb(ωb-ω0)²

類間方差越大，兩類灰度差別就越大，則使類間方差最大的t值就是所要的閾值，根據(jù)閾值t，得到待識別的的二值圖。參見圖4，圖4為本發(fā)明的經(jīng)過otsu圖像分割的圖像。

(5)利用otsu法來進行圖像分割后，再進行canny邊緣檢測；參見圖5，圖5為本發(fā)明的經(jīng)過canny邊緣檢測的圖像。

(6)將經(jīng)過步驟(5)處理過的圖片進行形態(tài)學(xué)處理：采用閉運算對經(jīng)過步驟(5)處理過的圖片進行先膨脹后腐蝕操作，以消除圖像噪聲點，連接圖像中相鄰元素；參見圖6，圖6為本發(fā)明的經(jīng)過形態(tài)學(xué)閉運算的圖像；

(7)用霍夫直線變換函數(shù)來檢測步驟(6)處理過的輸電線路圖像：

對圖像中每一個像素點進行遍歷，再對經(jīng)過這個點的所有直線進行頻率統(tǒng)計，出現(xiàn)頻率較大的直線作為該圖像中的被檢測到的直線。本優(yōu)先實施例中，采用極坐標來標識直線，且本優(yōu)先實施例使用累計概率霍夫直線變換函數(shù)來檢測步驟(6)處理過的輸電線路圖像。

參見圖2，圖2為本發(fā)明的異物識別的流程圖。(8)對步驟(7)處理過的輸電線路圖像進行異物識別：具體步驟如下：

(81)獲取圖像中所有的直線序列；

(82)根據(jù)輸電線直線序列的斜率，提取正常輸電線范圍；本優(yōu)先實施例中，提取出正常的輸電線，正常輸電線的斜率大區(qū)間[0,0.2]內(nèi)。

(83)判斷是否只有一條直線；判斷只有一條直線，進入步驟(88)；若判斷不是只有一條直線，進入步驟(84)；

(84)對提取的正常的輸電線進行卷積操作處理；

識別異物的方法，對提取的正常的輸電線進行卷積操作，即輸電線周圍制作一個高度為10像素，寬度為直線兩個端點的x坐標的差的絕對值這為像素的矩形。本優(yōu)先實施例中，選取直線兩個端點的“最低點”(即x和y坐標最小的點)，并以該點的上4個像素和該點的下5個像素共同構(gòu)成矩形的高度。

對每條正常輸電線,計算對應(yīng)的像素值為255的點總數(shù)n，如果n除以矩形的高度與寬度之積超過某個值resultrate(稱為“異點率”)，表示出現(xiàn)異物，本優(yōu)先實施例中，根據(jù)大量實驗，resultrate設(shè)定為0.3。

(85)判斷異點率是否在正常范圍；異點率不在正常范圍，進入步驟(87)異點率不在正常范圍；

(86)識別結(jié)果有異物；

(87)識別結(jié)果無異物。

針對圖3采集的采集輸電線路的圖像，利用本發(fā)明的基于霍夫直線變換對輸電線路的異物識別方法，識別結(jié)果如圖7所示，將檢測到的直線像素點設(shè)為綠色，將異物像素點設(shè)置為紅色，綜合圖7，可以看出本發(fā)明的基于霍夫直線變換對輸電線路的異物識別方法，識別算法良好，對輸電線路中的異物識別準確率較高。

本發(fā)明的基于霍夫直線變換對輸電線路的異物識別方法，針對輸電線路上的漂浮異物搭掛潛在故障進行圖像識別研究，提出利用霍夫直線變換對輸電線路進行提取，然后對輸電線所處的小塊區(qū)域進行卷積操作，結(jié)合實際誤差來對輸電線路異物進行識別。通過及時定位輸電線路安全隱患點和故障點，縮短巡檢周期，提升檢修工作人員的工作效率，降低巡檢人力成本，進一步增強輸電線路相關(guān)設(shè)備的狀態(tài)巡維能力，為有效監(jiān)測分析奠定基礎(chǔ)，具有較高的工程應(yīng)用價值。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換或改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。