[发明专利]一种复杂背景下电力线精确提取方法

说明书

本发明涉及输电线系统故障诊断技术，具体涉及一种复杂背景下电力线精确提取方法，首先利用Ratio算子实现对电力线边缘的检测，在保证电力线连续性的前提下，尽量引入较少噪声，给出了线特征检测阈值l_th的参考范围。对边缘检测结果进行四连通聚类分析，以消除引入的背景噪声。然后，利用Hough变换实现对电力线的初步提取。虽然背景噪声已基本被消除，但是粗糙的电力线边缘仍会导致提取出的电力线存在断裂和重叠的问题。因此，最后设计直线编组算法，连接断裂的电力线并消除重叠的部分，得到最终的电力线提取结果。该方法给出了Ratio算法中线特征检测阈值l_th的参考范围，不仅确保电力线连续、完整，而且能够消除大量背景噪声。

技术领域

本发明属于输电线系统故障诊断技术领域，尤其涉及一种复杂背景下电力线精确提取方法。

背景技术

输电线路具有覆盖范围广、传输距离长、可靠性要求高等特点，是电力系统的重要组成部分。输电线往往处于复杂的外部环境中，地面上分布的高度不一的植被、建筑都对其构成潜在威胁。假若这些物体与高压输电线的距离过近，可能引发线路跳闸等事故。因此，对输电线路通道环境的巡检十分重要。

随着小型无人机和高分辨率可见光相机的快速发展，以单目或者双目相机航空摄影测量的方式实现输电线通道环境巡检成为新的研究思路，从具有复杂背景的航拍图像中准确、完整提取电力线是无人机电力线巡检的关键技术。

长期以来，如何检测线型并有效描述线型特征备受科研人员的关注。其中，利用Canny边缘检测算法提取线型物体边缘并结合霍夫(Hough)变换提取、连接直线的方法得到了广泛应用。因Canny边缘检测算法抗噪性能较弱，无法在复杂背景中有效地检测出电力线边缘，所以无法利用Hough变换精确提取和拟合电力线；近年来科研人员较多采用抗噪性能较好的Ratio边缘检测算法来实现复杂地物背景下电力线边缘的检测，但无法准确定义线特征检测阈值l_th，电力线提取存在一定漏检、误检；采用脉冲耦合神经网络法(PCNN，PCNN-Pulse Coupled Neural Network)滤除背景噪声并结合Hough变换提取电力线，虽然电力线提取的准确度较好，但其运算速度较慢；在直线提取领域，经典LSD(Line SegmentDetector)算法得到了广泛应用，但其在复杂背景下，受树枝、树干等线型结构干扰严重。

发明内容

本发明的目的是提供一种给出了Ratio算法中线特征检测阈值l_th的参考范围,能够确保电力线连续、完整，且消除大量背景噪声的电力线提取方法。

为实现上述目的，本发明采用的技术方案是：一种复杂背景下电力线精确提取方法，包括以下步骤：

步骤1、设定水平方向的Ratio边缘检测算子，以电力线图像D(x,y)中任一像素点g₀为中心，在其邻域设定5×5的矩形窗并自上而下划分成上、中、下三个子矩形窗，中间区域G₁为1×5的矩形窗，上方区域G₂和下方区域G₃为2×5的矩形窗；分别计算区域G₁、G₂和G₃内的全部像素的灰度平均值，通过比较区域G₁的灰度平均值与区域G₂和G₃的灰度平均值的差异，判断中心像素点g₀是否为线型结构上的点；得出Ratio算法中线特征检测阈值l_th的选取区间，获得边缘图像E₁(x,y)；

步骤2、利用四连通聚类去噪算法，对步骤1中的边缘图像E₁(x,y)进一步去噪，获取边缘图像E₂(x,y)；