[发明专利]基于偏导分布与边界策略的输电线快速识别方法

说明书

技术领域

本发明涉及数字图像处理技术和模式识别，具体地说是一种应用于无人机高压输电线巡检的输电线自动识别方法。

背景技术

对高压输电线路进行定期巡检，确保电网系统安全运行具有很重要的实际意义。早期的输电线路监测重要依靠人工巡线，受地形环境和天气状况等影响较大，存在效率低、工作量大和周期长等缺点。利用无人直升机对输电线路进行巡检作为一种新兴的技术手段，具有效率高，成本低、适用范围广的优点。采用基于视觉的输电线自动识别技术可以辅助无人机进行自主巡线，大幅提高巡线的效率。

利用无人直升机对高压电力输电线巡检是新型的一种检测手段，目前关于输电自动识别的相关文献还十分有限，现有公开可查阅文件都会将电力识别过程分为两个部分：线状目标强化与线段提取。

线状目标强化部分的目的是将输电线目标从图像背景中强化出来，去除和减弱其他物体的干扰。目前利用到的方法如下：

（1）边缘提取是图像分割的一种重要手段，输电线作为一种线状目标在图像是有边缘的。文献【1】【2】就分别利用Sobel，Canny边缘检测算子对输电线进行检测，这类方法的一个主要缺点是增强了高压线特征的同时，将背景中的曲线边缘亦进行了强化，即强化了背景噪声扰动。

（2）脉冲耦合神经网络（PCNN-Pulse Coupled Neural Network）是依据动物的大脑皮层上的同步脉冲发放现象提出的。目前在图像处理方面有广泛的应用。Li zengrong等利用一种改进的PCNN方法提取航拍图像中的输电线，这类方法对于环境的适应性较差【3】。

（3）输电线是一种典型的线状目标，线状目标增强方法可以更有针对性的强化图像中的输电线，提高识别的正确正确率。文献【4】针对线特征目标进行模板运算。Hessian矩阵的特征值与特征矩阵在不同的图象结构处有不同的特点，文献【5】就利用对Hessian矩阵的分析寻找图像中的线状目标，这类方法能够较好地强化高压线特征，但其计算时间较长，实时性差。

（4）还有研究者利用图像分割的方法进行输电线的增强，文献【6】就提出了一种基于模拟退火微粒群算法的2维最大类间方差法进行图像分割，该方法的问题是实时性较差。

线段提取是在目标强化的基础上识别图像中的线段目标，完成识别输电线的识别。目前常用的方法总结如下：

（5）Hough和Radon变换是检测直线常见的方法，目前的文献大多都是采用这两种方法进行输电线的识别【3-5】，其中文献【5】在radon变换的基础上加入了角度约束，文献在【3】Hough变换后又利用平行线约束进行输电线的识别，这类方法的识别率较低，通常只能识别出部分高压输电线。

（6）链码（Freeman码）用曲线的起始点的坐标和边界点方向代码来描述曲线或边界的方法，也有研究者采用链码的方法进行输电线的识别，这类方法对于噪声很敏感，对图像质量要求很高【2】【6】。

由以上所列举的方式方法来看，目前的输电线自动识别方法都在输电线强化的基础上进行的，最终的识别效果受线状目标增强效果的影响很大。在背景复杂的情况下，如果输电线未能从背景图像中强化出来，会导致后续的识别过程的失败。另外，传统的Hough和Radon变换作为一种遍历积分运算，计算量非常大，影响算法的实时性。在实际应用中，目前的方法都有很多先天性的弊端需要改进。为了解决以上问题，我们基于本发明首先发现了自然图像中高压线像素具有的偏导数分布规律，利用输电线在图像中的走向特点和边界联通特性，提出了一种原创性的方法解决野外复杂航拍图像中输电线的自动识别问题。从理论依据和实际试验来看，该方法鲁棒性强，正确率高，实时性好。

参考文献：

【1】孙凤杰，楚征，范杰青，高压输电线图像边缘检测方法研究【J】电力系统通信，2010210（31）

【2】刘鲲鹏，王滨海，陈西广，金立军，基于Freeman改进准则的输电线短股识别，【J】机电工程201229（2）

【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)