基于偏導(dǎo)分布與邊界策略的輸電線快速識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及數(shù)字圖像處理技術(shù)和模式識別，具體地說是一種應(yīng)用于無人機高壓輸 電線巡檢的輸電線自動識別方法。
【背景技術(shù)】
[0002] 對高壓輸電線路進行定期巡檢，確保電網(wǎng)系統(tǒng)安全運行具有很重要的實際意義。 早期的輸電線路監(jiān)測重要依靠人工巡線，受地形環(huán)境和天氣狀況等影響較大，存在效率低、 工作量大和周期長等缺點。利用無人直升機對輸電線路進行巡檢作為一種新興的技術(shù)手 段，具有效率高，成本低、適用范圍廣的優(yōu)點。采用基于視覺的輸電線自動識別技術(shù)可以輔 助無人機進行自主巡線，大幅提高巡線的效率。
[0003] 利用無人直升機對高壓電力輸電線巡檢是新型的一種檢測手段，目前關(guān)于輸電自 動識別的相關(guān)文獻還十分有限，現(xiàn)有公開可查閱文件都會將電力識別過程分為兩個部分： 線狀目標(biāo)強化與線段提取。
[0004] 線狀目標(biāo)強化部分的目的是將輸電線目標(biāo)從圖像背景中強化出來，去除和減弱其 他物體的干擾。目前利用到的方法如下：
[0005] (1)邊緣提取是圖像分割的一種重要手段，輸電線作為一種線狀目標(biāo)在圖像是有 邊緣的。文獻【1】【2】就分別利用Sobel，Canny邊緣檢測算子對輸電線進行檢測，這類方 法的一個主要缺點是增強了高壓線特征的同時，將背景中的曲線邊緣亦進行了強化，即強 化了背景噪聲擾動。
[0006] (2)脈沖稱合神經(jīng)網(wǎng)絡(luò)（PCNN-PulseCoupledNeuralNetwork)是依據(jù)動物的大 腦皮層上的同步脈沖發(fā)放現(xiàn)象提出的。目前在圖像處理方面有廣泛的應(yīng)用。Lizengrong 等利用一種改進的PCNN方法提取航拍圖像中的輸電線，這類方法對于環(huán)境的適應(yīng)性較差 【3】。
[0007] (3)輸電線是一種典型的線狀目標(biāo)，線狀目標(biāo)增強方法可以更有針對性的強化圖 像中的輸電線，提高識別的正確正確率。文獻【4】針對線特征目標(biāo)進行模板運算。Hessian 矩陣的特征值與特征矩陣在不同的圖象結(jié)構(gòu)處有不同的特點，文獻【5】就利用對Hessian 矩陣的分析尋找圖像中的線狀目標(biāo)，這類方法能夠較好地強化高壓線特征，但其計算時間 較長，實時性差。
[0008] (4)還有研究者利用圖像分割的方法進行輸電線的增強，文獻【6】就提出了一種 基于模擬退火微粒群算法的2維最大類間方差法進行圖像分割，該方法的問題是實時性較 差。
[0009] 線段提取是在目標(biāo)強化的基礎(chǔ)上識別圖像中的線段目標(biāo)，完成識別輸電線的識 另IJ。目前常用的方法總結(jié)如下：
[0010] (5)Hough和Radon變換是檢測直線常見的方法，目前的文獻大多都是采用這兩種 方法進行輸電線的識別【3-5】，其中文獻【5】在radon變換的基礎(chǔ)上加入了角度約束，文獻 在【3】Hough變換后又利用平行線約束進行輸電線的識別，這類方法的識別率較低，通常只 能識別出部分高壓輸電線。
[0011] (6)鏈碼（Freeman碼）用曲線的起始點的坐標(biāo)和邊界點方向代碼來描述曲線或邊 界的方法，也有研究者采用鏈碼的方法進行輸電線的識別，這類方法對于噪聲很敏感，對圖 像質(zhì)量要求很高【2】【6】。
[0012] 由以上所列舉的方式方法來看，目前的輸電線自動識別方法都在輸電線強化的基 礎(chǔ)上進行的，最終的識別效果受線狀目標(biāo)增強效果的影響很大。在背景復(fù)雜的情況下，如果 輸電線未能從背景圖像中強化出來，會導(dǎo)致后續(xù)的識別過程的失敗。另外，傳統(tǒng)的Hough和 Radon變換作為一種遍歷積分運算，計算量非常大，影響算法的實時性。在實際應(yīng)用中，目前 的方法都有很多先天性的弊端需要改進。為了解決以上問題，我們基于本發(fā)明首先發(fā)現(xiàn)了 自然圖像中高壓線像素具有的偏導(dǎo)數(shù)分布規(guī)律，利用輸電線在圖像中的走向特點和邊界聯(lián) 通特性，提出了一種原創(chuàng)性的方法解決野外復(fù)雜航拍圖像中輸電線的自動識別問題。從理 論依據(jù)和實際試驗來看，該方法魯棒性強，正確率高，實時性好。
[0013] 參考文獻：
[0014] 【1】孫鳳杰，楚征，范杰青，高壓輸電線圖像邊緣檢測方法研究【J】電力系統(tǒng)通信， 2010210 (31)
[0015] 【2】劉鯤鵬，王濱海，陳西廣，金立軍，基于Freeman改進準(zhǔn)則的輸電線短股識別， 【J】機電工程2〇1 229 (2)
[0016] 【3】Zhengrong Li, Yuee Liu, Rodney Walker, Ross Hayward, Jinglan Zhang. Towards Automatic Power Line Detection for UAV Surveillance system Using Pulse Coupled Neural Filter and Hough Transform[J]Machine Vision and Applications200921 (5)
[0017] 【4】王亞萍，韓軍，陳舫明，徐雄，林聚財，可見光圖像中的高壓線缺陷自動診斷方 法【J】計算機工程與應(yīng)用2011 47 (12)
[0018] 【5】趙利坡，范慧杰，朱琳琳，唐延?xùn)|，面向巡線無人機高壓線實時檢測與識別算法 【J】小型微型計算機系統(tǒng)2012 33 (4)
[0019] 【6】孫鳳杰，楊鎮(zhèn)澴，李媛媛，范杰清輸電導(dǎo)線目標(biāo)識別方法【J】中國圖象圖形學(xué) 報，2012 17 (3)

【發(fā)明內(nèi)容】

[0020] 針對現(xiàn)有技術(shù)中存在的上述問題，本發(fā)明提供一種基于偏導(dǎo)分布與邊界策略的輸 電線快速識別方法。
[0021] 本發(fā)明為實現(xiàn)上述目的所采用的技術(shù)方案是：一種基于偏導(dǎo)分布與邊界策略的輸 電線快速識別方法，包括以下步驟：
[0022] 計算圖像中各個像素的偏導(dǎo)數(shù)；
[0023] 有選擇的以圖像四條邊中的若干條為起始，對圖像進行Radon變換：將偏導(dǎo)數(shù)函 數(shù)G (X，y)作為Radon變換中的積分函數(shù)，通過公式
[0024]
【主權(quán)項】
1. 一種基于偏導(dǎo)分布與邊界策略的輸電線快速識別方法，其特征在于，包括以下步 驟： 計算圖像中各個像素的偏導(dǎo)數(shù)； 有選擇的以圖像四條邊中的若干條為起始，對圖像進行Radon變換：將偏導(dǎo)數(shù)函數(shù)G(x,y)作為Radon變換中的積分函數(shù)，通過公式
做Radon變換，使得背景干擾在積分過程中抵消變?nèi)酰渲械木€狀目標(biāo)得到保留； 其中9為直線與水平軸的夾角；。為直線與參考原點的垂直距離；(x，y)表示圖像坐標(biāo)； S(x)為脈沖激勵函數(shù)，其變量x取值為零時，S(x)的取值為1 ;否則取值為〇,RG(P，0 ) 表示做Radon變換后的變換矩陣； 在所述變換矩陣的峰值中進行篩選和聚類，進而識別出輸電線。
2. 根據(jù)權(quán)利要求1所述的基于偏導(dǎo)分布與邊界策略的輸電線快速識別方法，其特征在 于，所述圖像中各個像素的偏導(dǎo)數(shù)通過下式計算：
G(x,y) =1 (x,y)-I(x+1,y) +1 (x,y)-I(x,y+1) (2) 其中，I(x，y)表示坐標(biāo)（x，y)處像素的灰度值，G(x，y)為該點的偏導(dǎo)數(shù)值。
3. 根據(jù)權(quán)利要求1所述的基于偏導(dǎo)分布與邊界策略的輸電線快速識別方法，其特征在 于，所述以圖像左邊為起始，對圖像進行Radon變換的公式為：
以圖像右邊為起始，對圖像進行Radon變換的公式為：
以圖像上邊為起始，對圖像進行Radon變換的公式為：
以圖像下邊為起始，對圖像進行Radon變換的公式為：
其中，X''和y''與以積分起始點A為原點0' '組成相對于xOy圖像坐標(biāo)系的移動坐 標(biāo)系x' ' 0' 'y' ' ；P' '和e' '是在x' ' 0' 'y' '坐標(biāo)系下的極坐標(biāo)幅值和角度；h是圖像 高度的一半；w是圖像寬度的一半；符號rho表示P的最大取值，在數(shù)值上等于圖像對角線 的一半；AD是圖像邊界上的線積分起點偏離同向坐標(biāo)軸原點的距離，其取值有方向性，當(dāng) 其與坐標(biāo)軸同向時取正值，反之取負(fù)值。
4.根據(jù)權(quán)利要求1所述的基于偏導(dǎo)分布與邊界策略的輸電線快速識別方法，其特征在 于，所述在所述變換矩陣的峰值中進行篩選和聚類，進而識別出輸電線，包括以下步驟： 在變換矩陣RG(P，0)中分別尋找正、負(fù)N個峰值，利用線狀目標(biāo)所在位置處正負(fù)極值 成對出現(xiàn)的特點，尋找對應(yīng)的P取值差小于設(shè)定閾值T1，且角度一致的正負(fù)直線對，取其 中線作為候選直線，刪除沒有匹配成直線對的直線； 統(tǒng)計候選直線所對應(yīng)的角度9并利用C均值聚類方法對角度進行聚類，將候選 直線分為若干組，每組內(nèi)的直線具有相近的傾斜角度9 ;假設(shè)包含最多候選直線組為 LineGroupN，其組內(nèi)直線傾斜角度得均值0pl即為輸電線所對應(yīng)的角度； 移除與輸電線不平行的直線，即不包括在LineGroupN組內(nèi)的直線； 合并距離相近，即對應(yīng)的P取值差小于設(shè)定閾值T2的直線，余下的結(jié)果即為識別出的 輸電線。
【專利摘要】本發(fā)明提出了一種具有準(zhǔn)確性和實時性的輸電線識別方法，包括兩方面的創(chuàng)新：新的Radon變換積分公式和基于邊界策略的Radon變換搜索方法。利用本發(fā)明提出的新的Radon變換積分公式可以代替?zhèn)鹘y(tǒng)的目標(biāo)增強過程，通過偏微分函數(shù)數(shù)值的對稱性使得Radon積分變換在背景部分的取值得到抑制，而輸電線部分保留。在提出新的Radon變換積分公式的同時，本發(fā)明根據(jù)應(yīng)用的需求從圖像的邊界開始Radon變換，通過邊界選定的方式限定搜索區(qū)域，從而達(dá)到了減少計算時間的目的。本發(fā)明中利用的自然圖像偏微分函數(shù)對稱分布規(guī)律是本項目中首先發(fā)現(xiàn)的，國內(nèi)外未見相關(guān)研究。通過理論研究和實驗驗證，本發(fā)明可以實時、有效地識別各種復(fù)雜航拍圖像中的輸電線。
【IPC分類】G06K9-62
【公開號】CN104573703
【申請?zhí)枴緾N201310525925
【發(fā)明人】韓建達(dá), 杜英魁, 朱琳琳, 楊秀義, 曹蔚然
【申請人】中國科學(xué)院沈陽自動化研究所
【公開日】2015年4月29日
【申請日】2013年10月29日