[发明专利]航拍高压输电线路环境检测方法

说明书

本发明涉及一种航拍高压输电线路环境检测方法，该方法基于超像素和深度神经网络，所述的检测方法包括以下步骤：步骤a：制作图像训练集；步骤b：对图像训练集进行预处理；步骤c：通过超像素分割算法进行预分割，提取每一超像素块的特征向量；步骤d：根据超像素块的特征向量和该超像素块对应的真值训练DNN模型；步骤e：对待检测的图像，重复步骤b‑c，将提取的超像素块特征向量输入已训练的DNN模型，得到超像素块的分类结果，将分类结果运用到原图像得到最终预测结果。与现有技术相比，本发明解决了传统上对高压输电线路周围的环境检测时所需要的大量人力和时间的问题。

技术领域

本发明涉及图像分割技术领域，尤其是涉及一种基于超像素和深度神经网络的航拍高压输电线路环境检测方法。

背景技术

高压输电线路周围的环境对高压线路的安全有着重要的影响，而基于人工进行高压输电线环境的检测是一个耗时耗力的工程，而且容易出现纰漏。因此，通过无人机在高压输电线路周围进行航拍，对航拍得到的图像进行检测可以减少这一部分的工作量。通过图像分割来检测图像内容是一种主流的检测方法，传统的图像分割方法，包括基于阈值的分割方法，基于区域的分割方法，基于边缘的分割方法以及基于聚类的分割方法。但是这些传统的方法在面对高压输电线周围环境的图像时，因为存在着复杂的环境，并不能产生令人满意的检测结果。最近，随着深度学习的发展，基于神经网络的图像分割取得了巨大的成功，这一技术使得分割具有复杂环境的图像成为可能。

一般的，通过神经网络进行图像分割时需要庞大的训练集才能够让神经网络模型充分的学习到图像中物体的特征。然而，制作训练集是一个非常浩大的工程。在图像训练集缺乏的情况下，全卷积神经网络(Fully Convolutional Networks，FCN)、U形网络(U-Net)等都很难进行训练。而将图像进行超像素预分割，一张图像可以产生上千个超像素块，从这上千个超像素块中可以得到上千个用于训练网络的特征向量，也就是一张图片上可以产生上千个特征向量，解决了数据集不足的问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于超像素和深度神经网络的航拍高压输电线路环境检测方法，利用超像素分割算法对图像进行预分割，通过提取超像素块内的特征训练DNN模型，从而使用训练后的DNN对待检测的超像素块进行分类，达到图像检测的目的。

本发明的目的可以通过以下技术方案来实现：

一种航拍高压输电线路环境检测方法，该方法基于超像素和深度神经网络，所述的检测方法包括以下步骤：

步骤a：制作图像训练集；

步骤b：对图像训练集进行预处理；

步骤c：通过超像素分割算法进行预分割，提取每一超像素块的特征向量；

步骤d：根据超像素块的特征向量和该超像素块对应的真值训练DNN模型；

步骤e：对待检测的图像，重复步骤b-c，将提取的超像素块特征向量输入已训练的DNN模型，得到超像素块的分类结果，将分类结果运用到原图像得到最终预测结果。

优选地，所示步骤a中仅需制作N张训练集的图像，其中5≤N≤10。

优选地，所述步骤b中预处理为对全部训练图像进行图像大小调整变换。

优选地，所述步骤c中提取超像素块特征包括如下步骤：

步骤c1：对于所有预处理后的训练集图像，通过超像素分割算法进行预分割，得到超像素预分割图像；

步骤c2：对预分割图像的每一超像素块提取多方面的特征，组合成特征向量。

优选地，所述超像素分割算法采用SLIC算法。

优选地，所述步骤d中根据超像素块的特征向量和对应的真值训练DNN模型包括如下步骤：