一种基于线状目标的高压输电线检测方法

文档序号:6491039阅读:303来源:国知局
一种基于线状目标的高压输电线检测方法
【专利摘要】本发明涉及一种基于线状目标的高压输电线检测方法,包括以下步骤:首先利用Hessian矩阵得到每个像素点对应的Hessian矩阵特征向量的方向,该方向即为由该点组成的线状目标的方向;然后利用区域增长的方法提取Hessian矩阵特征向量方向近似的点组成小线段(线状目标);之后利用统计方法,对这些小线段进行统计,得到输电线近似拟合直线方程的斜率K和截距B,确定了输电线的近似拟合直线方程;最后连接近似直线方程附近的小线段,即为高压输电线的精确位置。本发明检测速度快、检测精度高,能够满足无人机巡检要求;本发明采用了Hessian矩阵用于高压输电线的检测,该方法检测速度快、检测精度高,解决了无人机在复杂背景下对高压输电线进行巡检的技术问题,能够满足无人机巡检要求。
【专利说明】 一种基于线状目标的高压输电线检测方法
【技术领域】
[0001]本发明涉及图像处理、模式识别和自动目标识别技术,具体的说就是利用图像处理技术检测和识别高压输电线,属于线状目标识别领域。
【背景技术】
[0002]电力线路的完好是传送电能,保障安全用电的前提,所以保证电力线路的完好是一项非常重要任务,电力线路巡检工作尤为必要。传统的电力线路巡检流程是工作人员亲自到现场巡视线路。因此,巡检受过多人为因素的影响,在危险地段会危及到巡线工人的生命安危,并且人工录入数据量大、数据手工录入过程中容易出错。无人机,是一种由无线电遥控设备或自身程序控制装置操纵的无人驾驶飞行器。在无人机前端安装具有稳定能力的摄像机云台,无人机首先飞行到高压线路的侧方或侧上方,启动机载视觉系统后,利用摄像机获得场景的视频信息,之后应用图像识别技术和数据融合技术对线路及设备缺陷进行自动检测与分析。无人机巡线检测提高了检测精度和效率,实现对线路设备的缺陷的自动辅助检测诊断和评估。
[0003]目前,线状目标识别方法大体可以分为基于边缘特征的线状检测方法和基于区域的线状检测方法两类。
[0004]基于边缘特征的线状检测的研究现状:在基于图像边缘的线状目标识别方法中,如对机场跑道识别中,杨顺辽等基于数学形态学预处理,用改进和扩充的Freeman链码法初步提取直线,然后用Hough变换提取边缘直线,实现图像中机场跑道的自动识别(杨顺辽,卢凌等.SAR图像中机场跑道的自动识别研究.武汉理工大学学报.2003, 30(1):56-59)。罗军等通过Sobel算子的边缘提取、细化和跟踪,然后进行直线拟合与修正,然后提取满足跑道条件的直线对(罗军,杨卫平等.红外图像中机场跑道的自动目标识别.红外技术.2003,25(3): 13-17)。舒海燕等在识别机场跑道也是先通过Sobel算子进行边缘提取、细化后进行一系列的曲线搜索、连接,直线搜索、判断、合并、连接和平行直线对的获取之后进行判断识别(舒海燕.图像目标识别技术的研究与应用.西安:西北工业大学.2002)。
[0005]基于参数空间转换的机场跑道识别的方法中,Finch等通过将检测Hough变换空间内同一角度、一定距离内的幅值,来检测机场跑道路灯序列对应的直线,由此识别机场跑道(I Finch, A.Antonacopoulos.1dentification of airfield runways insyntheticaperture radar images.Proceedings of the 14th International ConferenceonPattern Recognition (ICPR,98).1998,vol.2,1633-1636)。刘广智等提出 了基于Hough变换的前视机场跑道识别算法(刘广智,李建勋等.基于改进Hough变换的前视机场跑道识别方法.计算机工程.2004:143-145)。该算法利用直线边缘特有的灰度方向和直线方向相一致的特点改进了基于二值化边缘点的传统Hough变换方法,实现了复杂背景下的机场跑道识别。鲍复民提出了一种合成孔径雷达图像中机场跑道的自动识别方法(鲍复民,李爱国等.合成孔径雷达图像中机场跑道的自动识别.西安交通大学学报.2004:1243-1246)。通过对原始图像中提取的图像轮廓进行Radon变换,保留最大的几个Radon变换系数,然后进行Radon逆变换过滤掉大部分干扰线条,仅保留图像中的主要直线条,最后利用直线模板滤除残余干扰线条,并根据阈值检测出机场跑道。
[0006]基于区域特征的线状检测的研究现状:基于边缘特征的检测方法只利用了像素的灰度信息,而没有考虑图像中其他信息,故具有一定的局限性。而基于区域特征的目标检测方法不仅考虑到像素的灰度信息,而且还包括图像的二阶统计特性、累积测量、分形特征、灰度变化连续性等特征。
[0007]基于区域分割进行线状目标识别的方法主要应用于桥梁、道路等在图像中体现出了较强的区域信息的目标。国内许多研究机构采用这一方法作为线状目标识别的方法。在孙琪的文章中介绍了一种在红外图像中提取出桥梁的方法(孙琪,曹治国等.基于框架红外桥梁目标识别.华中科技大学学报.Vol.29,N0.4,Apr.2001)。在他的方法中假定桥梁的宽度只有2-3个像素宽,并采用了一种七阶的模板将桥梁区域从背景图像中提取出来。选用模板提取桥梁区域的方法很巧妙,但是这种方法对桥面的宽度有比较严格的限制。不适合推广使用。
[0008]在基于区域方法中,利用水平集和主动轮廓的方法分割、识别线状目标国内外也做了很多工作。Keaton T, Ravanbakhsh M等人提出利用水平集提取高分辨率遥感图像的道路目标,以抑制道路拓扑结构复杂,场景信息丰富等噪声影响(Keaton T, Brokish J.Alevel set method for the extraction of roads frommultispectral imagery[C].Proceedings of the 31st applied imagery pattern recognitionworkshop,2002:141-148)。唐晓芬文章中介绍了一种基于改进水平集方法的遥感图像道路提取方法(唐晓芬,侯迪波等.基于改进水平集方法的高分辨率遥感图像道路提取.传感器学报.Vol.23,N0.2,2010),通过引入罚函数项以及彩色空间的各通道信息,构造一类基于多空间信息且无需重新初始化的水平集演化方程,具有很好的抗噪声性。李小毛等提出基于形状保持的主动轮廓模型检测线状目标,该模型不仅可以准确检测出图像中的线状区域而且还有很强的抗噪、抗变形和遮挡性能(李小毛,王智峰,唐延东.基于形状保持主动轮廓模型长直条的检测[J].计算机工程,2008,34)。
把形状信息引入到一个新的主动轮廓模型中来提取遥感图像中的线状目标如道路、河流等(Rochery, M., Jermyn, 1.H.and Zerubia, J.2003.Higher order active contours andtheir applicationto the detection of line networks in satellite imagery.1nProc.1EEE Workshop VLSMj at ICCV,Nice,France)。
[0009]造成线状目标识别的主要困难体现在:较低级的图像处理过程很少能给出目标完整而准确的轮廓。在使用边缘检测技术的系统中,由于噪声的影响,与灰度图像中一条实际边缘对应的往往不是一条连续的线段,而是由许多碎片(小线段)组成的。这些碎片一方面可能是由于噪声的影响,使得边缘的连续性不好,而在非边缘处产生了较大的灰度突变;另一方面,由于具体场景的复杂性,目标的周围可能存在树木,电线杆、车辆等目标、目标本身或者其他目标产生的阴影的覆盖,产生了一些无益的边缘。这些边缘不但增加了检测的计算量,而且很可能导致错误的检测。

【发明内容】

[0010]为了解决以上问题,本发明的目的在于提出一种具有准确性,实时性的基于线状目标的高压输电线检测方法,有效的解决了无人机在复杂背景下对高压输电线进行巡检的技术问题。
[0011]本发明为实现上述目的所采用的技术方案是:一种基于线状目标的高压输电线检测方法,通过无人机上搭载的摄像机或照相机获得场景的视频或照片信息,对视频或照片信息进行图像识别来检测高压输电线,包括以下步骤:
[0012](I)计算图像中每个像素点Hessian矩阵;
[0013](2)计算每个像素点对应的Hessian矩阵的特征值和特征向量;
[0014](3)利用区域增长方法提取所有像素点中Hessian矩阵特征向量方向一致的相邻像素点,相邻像素点组成了小线段(线状目标),通过小线段的起点/终点坐标得出长度及斜率;
[0015](4)计算小线段中斜率相同的小线段长度累加值,将最大累加值所对应的线段斜率设为输电线的斜率K;
[0016](5)提取斜率为K的所有小线段,通过这些小线段得到每条近似直线在图像中的截距B,K和B确定了每条高压线的近似拟合直线方程;
[0017](6)在每条近似直线的近似拟合直线方程附近查找斜率、截距分别与K、B 一致的小线段,并将这些小线段首尾连接构成了高压输电线的准确位置。
[0018]所述像素点的Hessian矩阵的计算方法为:以s为尺度,在图像某一像素点P。=(X0, y0)处的 Hessian 矩阵
[0019]
【权利要求】
1.一种基于线状目标的高压输电线检测方法,通过无人机上搭载的摄像机或照相机获得场景的视频或照片信息,对视频或照片信息进行图像识别来检测高压输电线,其特征在于,包括以下步骤: (1)计算图像中每个像素点Hessian矩阵; (2)计算每个像素点对应的Hessian矩阵的特征值和特征向量; (3)利用区域增长方法提取所有像素点中Hessian矩阵特征向量方向一致的相邻像素点,相邻像素点组成了小线段(线状目标),通过小线段的起点/终点坐标得出长度及斜率; (4)计算小线段中斜率相同的小线段长度累加值,将最大累加值所对应的线段斜率设为输电线的斜率K; (5)提取斜率为K的所有小线段,通过这些小线段得到每条近似直线在图像中的截距B,K和B确定了每条高压线的近似拟合直线方程; (6)在每条近似直线的近似拟合直线方程附近查找斜率、截距分别与K、B一致的小线段,并将这些小线段首尾连接构成了高压输电线的准确位置。
2.根据权利要求1所述的一种基于线状目标的高压输电线检测方法,其特征在于:所述像素点的Hessian矩阵的计算方法为:以s为尺度,在图像某一像素点pQ = (x0, y0)处的Hessian矩阵
3.根据权利要求1所述的一种基于线状目标的高压输电线检测方法,其特征在于:所述Hessian矩阵的特征值和特征向量分别为视频图像该像素点处二阶导数的大小与方向。
4.根据权利要求3所述的一种基于线状目标的高压输电线检测方法,其特征在于:所述Hessian矩阵的特征值为λ π λ 2,特征向量为ul,u2 ;设| λ」(| λ2|,当某一像素位于线状目标区域内时,λ i值非常小(理想情况下为O) ; λ2 < O,背景暗,目标亮;λ2 > O,则相反。
5.根据权利要求1所述的一种基于线状目标的高压输电线检测方法,其特征在于:所述Hessian矩阵的特征向量的方向为由像素点组成的线状目标的方向,包括:若λ I ( λ 2,则特征向量ul的方向即为线状目标的方向;反之,特征向量u2则为线状目标的方向。
6.根据权利要求1所述的一种基于线状目标的高压输电线检测方法,其特征在于:所述区域增长方法包括: 3.1)假设P点作为种子像素点,并记录P点的Hessian矩阵的特征向量方向; 3.2)查看P点的8邻域点的Hessian矩阵的特征向量方向,如果方向一致,则标记该点状态与P点状态相同; 3.3)依次搜索所有像素点并记录每个点的状态,将状态相同的点进行归类。
7.根据权利要求1所述的一种基于线状目标的高压输电线检测方法,其特征在于:所述步骤(4)包括以下步骤:,4.1)由小线段的斜率得到小线段的角度; ,4.2)将小线段按角度不同进行分类; ,4.3)将角度相同的小线段的按长度值进行累加; ,4.4)小线段累加结果最大时所对应的角度即为所求输电线的角度,所得斜率为输电线的斜率K。
8.根据权利要求1所述的一种基于线状目标的高压输电线检测方法,其特征在于:所述步骤(5)包括以下步骤: ,5.1)计算每个小线段斜率与K 一致的小线段的截距; ,5.2)将截距整数值相等的小线段的长度进行累加; ,5.3)累加值最大时所对应的截距即为高压线的截距,具体为取与近似直线数目相同的几个较大累加值对应的截距即 为所要找的多条输电线的截距B。
【文档编号】G06K9/00GK103810462SQ201210456885
【公开日】2014年5月21日 申请日期:2012年11月14日 优先权日:2012年11月14日
【发明者】李文涛, 唐延东, 丛杨, 范慧杰, 刘刚, 夏泳, 杜科, 王玲 申请人:中国科学院沈阳自动化研究所, 辽宁省电力有限公司本溪供电公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1