[发明专利]面向输电线路基于区域宽度信息的图像骨架提取方法

说明书

技术领域

本发明涉及一种面向输电线路自动巡线的基于区域宽度信息的图像骨架化方法。本发明属于利用图像的区域宽度信息来实现图像骨架提取，形成图像的具有区域宽度信息的骨架化表示，应用于通过机器视觉来实现输电线路自动巡线的图像预处理。本发明的携带区域宽度信息的图像骨架化表示可以为后续的杂散背景去除、椒盐噪声去除、图像分析、目标识别和线路缺陷提取等处理提供很好的图像统计特征基础。 

骨架是基于物体形状特征的简化对象描述方式，得到理想的物体骨架具有重要的意义。简洁准确的骨架能够突出物体的整体结构，反映物体的边界形状。再者，骨架提取研究的重要目标之一是将图像提炼成其本质的简化表示，可以在保持重要的拓扑和几何结构特征的情况下清除各种因素引起的轮廓失真影响，在识别技术上可以引导出一种终点、结点和各子部分连接关系的特征描述方式，从而实现一种应用模糊理论于图像识别领域的智能识别算法。因此是图像识别领域研究的重点，是计算机视觉、人工智能、图像处理等领域的关键技术和研究的热点之一。 

在离散域下，提取骨架的方法大致分为五类： 

细化骨架提取算法：算法的中心思想是在保持拓扑结构不变性的条件约束下，不断地剥离表层的像素，直到最后剩余的骨架。这类方法通过制定大量的约束条件，判断像素的去留问题，往往执行效率较低。此类方法得到的骨架可保证连通性和单像素性，但对边界噪声非常敏感，不能得到简化的整体形状重要的拓扑结构，容易产生不必要的分支，且造成骨架点的位置不准确。 

距离变换骨架提取算法：算法首先对图像进行距离变换，使用不同的距离标准如欧氏距离、棋盘距离、街区距离等产生不同的距离分布；然后寻找距离值梯度脊线，即局部距离极值，也是距离梯度发生突变的点来形成骨架，此类方法最大的缺陷是在离散域中，难以保证骨架的连通性。 

Voronoi图骨架化算法：Voronoi图的方法是基于采样点的离散方法通过多面体表面侯选点集的Voronoi图计算中轴，通常结果是中轴的近似。然而，算法整体的复杂性难以预料。通过计算多面体表面采样点的Voronoi图来求取中轴，通常只是中轴的近似值。随着精度的提高，算法的复杂度急剧增加，且Voronoi图是中轴变换的包集，如何确定其非中轴变换的部分也是较复杂的问题。 

偏微分方程骨架化算法：偏微分方程骨架化方法往往要结合距离场，通过初始曲线在距离场下外力和内力的共同作用下移动到骨架的位置，因此该方法结果精度高、抗噪性能好，不足在于计算开销大，难以处理拓扑结构复杂的情形，甚至需要一定的先验知识来求解。 

形态学骨架提取算法：其基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。用数学形态学处理图像可以简化图像数据，除去不相干的结构，保持它们基本的形状特性，并且有天然的并行实现的结构优点。 

发明内容

本发明的目的在于提供了一种面向输电线路基于区域宽度信息的图像骨架提取方法。该方法具有算法实现简单、计算开销小、运算速度快的优点，能较好的提取出图像的框架。 

本发明为实现上述目的，采用如下技术方案： 

本发明面向输电线路基于区域宽度信息的图像骨架提取方法，包括如下步骤： 

(1)利用基于图像灰度梯度和灰度统计直方图的自适应预分割方法将输入的彩色图像转化为灰度图像并进行自适应图像预分割得到灰度图像I_G0： 

(1.1)将输入的彩色图像转换为灰度图像I_G； 

(1.2)在水平方向逐行扫描步骤(1.1)所述的灰度图像I_G，得到灰度图像I_G的每个像素在水平方向的灰度梯度，形成灰度图像I_G的灰度梯度图I_grad；