[发明专利]一种颜色不均匀情况下太阳能板红外图像的有效分割方法

说明书

本发明提供一种颜色不均匀太阳能板图像的分割方法，主要包括以下部分：对输入的颜色不均匀并且边界模糊的太阳能板图像进行导向滤波处理，得到增强图像；然后采用canny算子边缘检测和直线检测算法处理，找到图中所有的直线；通过K‑means聚类，最少的一类直线判断为噪声或者背景干扰区域，该类直线舍弃；根据太阳能板的特点，以包含的内嵌轮廓个数和面积为条件，对所有的闭合轮廓进行判别是否属于太阳板区域；寻找满足条件轮廓的最小外接矩形，进行旋转及边界线的重新更正，得到完整的太阳能板图像。本发明的优点在于，针对颜色不均匀的太阳能板图像，提出了一种对直线进行增强和聚类的策略，有效提高了图像分割的鲁棒性和准确率。

技术领域

本发明涉及模式识别、图像处理领域，尤其涉及一种颜色不均匀太阳能板图像的分割方法。

技术背景

在当今社会，由于传统能源主要以不可再生能源为主，这些能源越用越少，将来必然有枯竭的时候，因此新能源的研究逐渐被提上日程。太阳能是一种绿色可再生能源，是清洁能源之一。太阳能具有不会造成环境污染，可以无限使用，并且不存在能量运输问题，不受到地域限制等优点，所以关于太阳能的研究也越来越多。太阳能不能直接的被人类使用，需要通过太阳能板将太阳能转化为人类可以使用的能量，比如电能等。因此太阳能板作为一种重要的能量转换介质被各个领域所研究。

当太阳能板出现缺陷点或者裂痕时，这个区域光照产生的能量转化效率将会大幅度的减少。当太阳能作为用户太阳能电源使用时，太阳能板一般装在高原、海岛等区域，人工寻找太阳能板的损坏区域，将会浪费大量的人力物力。本发明研究的图像就是用无人机航拍所拍摄到的太阳能板红外图像。对于获取的红外图像，利用图像处理技术，将光伏板和背景分割，以检测和定位缺陷版，从而大量的节省了人力物力。太阳板损坏区域(一般为缺陷点或者裂痕)在热图像中会很明显的表现出来，主要是因为损坏区域的热量不能够有效的转化，因此在热图像中缺陷点的亮度会远高于正常的太阳能板。为了能够找到过热点区域，并且不受到背景环境的干扰，首先需要将完整的太阳能板区域分割出来，这是光伏板检测过程中的重点和难点。

发明内容

本发明提供了一种颜色不均匀太阳能板图像的分割方法，采用基于直线检测的算法进行分割。由于无人机拍摄的图像是热图像，根据温度呈现出颜色的亮度，图像整体的颜色分布不均匀。另外，拍摄时存在相机抖动，太阳能板的边界线出现模糊。由于以上两个方面的问题，如何准确有效的分割出光伏板，是一件困难的工作。本发明针对颜色不均匀太阳能板的图像，首先将图像进行导向滤波增强和canny边缘算法处理，找到图像中的边缘线，然后结合直线检测和K-means聚类算法寻找轮廓。导向滤波可以将图片中线条轮廓突出显示，K-means聚类使背景无关线条被去除，两者结合，大大提升了太阳能板的分割准确率。本发明技术解决方案如下：

一种颜色不均匀太阳能板图像的分割方法，包括以下步骤：

步骤1：将采集到的RGB图像拆分为三个通道，对每个通道通过方框滤波找到导向图，然后进行进行导向滤波；

步骤2：将导向滤波的结果中消除掉的噪声部分和梯度边缘进行扩大，以达到图像增强的目的；

步骤3：将增强后的图像进行canny算子处理，得到边缘轮廓检测图像；

步骤4：对边缘检测图进行Line Segment Detector(LSD)算法处理，找到图中所有的直线；

步骤5：将所有的直线用角度作为分类标准进行K-means聚类，然后找到最少的聚类类别，将这一类别舍弃，即显示另外两类的所有直线；

步骤6：对直线图进行膨胀操作，寻找闭合轮廓，如果某个轮廓中大于4个面积超过1000的子轮廓，则判定为太阳能板区域；

步骤7：将太阳板区域提取出来，将其旋转扶正，然后计算直线检测图中每一列的均值和图片整体均值进行比较，对边界线进行修正，得到完整的太阳板区域图片。