[发明专利]基于熵值的面向输电线路部件识别的自动阈值图象分割方法

说明书

技术领域

本发明涉及一种基于熵值的面向输电线路部件实时识别的自动阈值图象分割方法。本发明属于应用于通过机器视觉来实现输电线路部件实时识别的高分辨率图像预处理，尤其涉及到利用图像的信息熵值来自动选择图像分割阈值，将由输电线路主要部件构成的前景图像分割出来，用于输电线路部件的自动实时识别。

背景技术

输电线路是国民经济的命脉，其安全稳定运行至关重要。巡线，即线路巡检，就是通过巡视检查来掌握线路运行状况及其周围环境的变化，以便及时消除隐患。但输电线路的分布点多面广，所处自然条件复杂多样，传统的人工巡线不仅工作量大，而且条件艰苦。因此以现代信息技术为基础，借助车辆或者飞行器来对输电线路进行车载或机载进行高分辨率成像，利用机器视觉技术来实现自动实时巡线，具有很强的现实意义。

机器视觉自动巡线应用有以下特点：1)高清图像，即对输电线路采用500万像素(即2560*1920)以上的高分辨率成像；2)实时在线处理，要求处理一幅图像不超过40毫秒；3)成像的光照条件零约束，是纯粹的自然光成像。前两个特点要求图像分割、图像识别和理解的算法在计算速度上提出了严峻的要求；第三个特点要求图像预处理不仅实现高速图像分割，还能有效过滤和屏蔽成像过程中引入的各种噪声和成像缺陷(如光照不均、曝光过强、曝光过弱等)。

自动巡线要实现以下功能：1)大部件识别，即对杆塔、绝缘子、导线、地线、引流线、金具等主要线路部件进行视觉识别；2)缺陷检查；3)线路呼称高测量。

图像分割是图像识别和图像理解的基础和关键，也是机器视觉的经典难题，尤其是自动巡线应用中的高清图像和实时性要求对图像分割以及后续的图像识别和图像理解在计算速度上提出了一场严峻的挑战。就图像分割而言，尽管到目前位置，提出的分割算法不下千种，并且每年还有不少新算法出现，但由于实际的机器视觉都是面向某个具体应用的，至今没有一种有效的图像分割算法能满足自动巡线应用对自然光成像的高清图像的实时处理要求。

对机器视觉自动巡线应用的图像分割而言，其基本目的是要将由线路部件构成的前景信息从原始采样图像中准确地抽取出来，实现前景与背景的准确分割，同时能过滤和屏蔽成像过程中引入的各种噪声和成像缺陷。

然而，纵览各种图像分割算法，其中绝大部分都是基于图像在像素级别的不连续性和相似性。也就是说，属于同一目标的区域具有相似性，而不同区域在边界会表现出不连续性。这些方法大致可以分成以下几类：

边缘检测方法：基于图像边缘在像素级别上的某些方向存在边缘梯度，通过从某些方向求图像的一阶(如Roberts算子、Sobel算子、Prewitt算子等)或二阶导数(如高斯-拉普拉斯算子、LOG算子)等微分算子来寻找边缘。Canny算子是一种不采用微分算子的边缘检测算子。但边缘检测方法对成像噪声的抑制效果很一般、对成像缺陷的修复几乎无能为力，其检测效果反而因此而下降。

边缘跟踪方法：由于前述的边缘检测方法检测出的边缘点往往由于成像噪声、光照不均等原因而不连续，边缘跟踪方法就是对这些边缘点进行跟踪，形成连续的边缘。最著名的当属常用于直线、椭圆检测的Hough变换。

区域分割法：包括区域增长法和区域分裂合并法。其基本思想是基于同一区域像素的相似性。对输电线路部件识别这种先验知识很少、场景复杂、成像条件约束很少的应用进行图像确有一定的优势。但由于输电线路部件识别一般采用高分辨率成像设备，而这种算法在具体实现上一般采用递归方法，牵涉到较大的计算时间开销，因此对计算速度影响较大。

最经典的图像分割方法是基于灰度阈值的分割方法。通过设定阈值与像素点的灰度值比较，如灰度值大于阈值，则该像素置为白色，否则置为黑色。这样就将灰度图像转变为二值图像。但在输电线路部件识别这种实时应用中，针对每幅图像或者某类图像来人工设定阈值不能满足实时识别的需要，必须采取自动阈值选取。

尽管自动阈值选取在过去几十年里一直受到学术界的广泛关注，也产生了很多中自动阈值选取方法，其中比较著名的有迭代式阈值选择法、Otsu法、最小误差阈值选择法，以及通过借鉴形态学理论、将像素值视为地形高度、将图像视为地形高度图的分水岭算法(Watershed)，但在实际应用中却没有一种方法能对各种各样的图像都能得到令人满意的结果，也没有一个理论来指导我们该如何针对不同的图像自动选取最“合适”的阈值来对图像进行分割。

发明内容