[发明专利]输电线路识别方法、装置以及电子设备

说明书

本发明提供一种输电线路识别方法、装置以及电子设备，输电线路识别方法包括：获取灰度图像；对灰度图像做图像增强，得到增强图像；对增强图像做边缘检测，得到轮廓图像；利用直线检测算法，从轮廓图像中提取出输电线路图。本发明的输电线路识别方法、装置以及电子设备，能够降低硬件要求，且具有较高的准确率。

技术领域

本发明涉及图像识别技术领域，特别是涉及输电线路识别方法、装置以及电子设备。

背景技术

输电线路在电力系统中起着重要作用，基于无人机对输电线路进行巡视能够及时发现输电线路的异常，及时采取措施保障输电线路的稳定运行。同时基于无人机对输电线路巡检能够替代人工巡检，减少运维人员的工作量，提升输电线路巡检的效率。

随着人工智能的不断发展，出现了基于深度学习的输电线路识别技术。如设计基于卷积神经网络(CNN)和Hough变换的模型，该模型用CNN网络进行特征提取、去噪，再用hough变换进行线性物体提取。利用Sobel算子和Log算子融合来提升边缘提取效果，并通过判断线段相似性来判断相邻线段是否为同一输电线路。该方法需要对大量的图像数据进行CNN网络模型的训练，对计算机的性能要求高，不适合在无人机等嵌入式设备上进行移植和应用。

目前常用的技术是对拍摄的图像进行处理，基于边缘检测算法和Hough变换实现输电线路的识别。如通过设计Hough变换的参数自适应更新算法，实现对输电线路的特征提取。通过PCA去除干扰线段以优化Hough变换效果，然后通过网格遍历搜索对SVM进行优化。

上述算法均实现了对输电线路的提取，并取得了一定的效果。对于输电线路的识别来说，采用基于人工智能目标检测算法进行识别主要存在下面两方面的问题：一方面，线性物体一般较长，在标注时容易引入其他物体等干扰；另一方面，很多物体的线性边缘、线性部件等容易被识别为输电线路，从而造成识别误差。

总之，现有技术主要通过改进Hough变换算法，来提高直线检测的准确性。但是在实际应用中，拍摄的图像不是理想的图像，存在多种干扰因素，现有改进的Hough变换算法难以消除这些干扰因素。尤其是当拍摄的原始图片中存在复杂的背景时，单纯的深度学习算法和Hough变换算法对输电线路识别的准确率仍有待提高。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种输电线路识别方法，能够降低硬件要求，且具有较高的准确率。

为实现上述目的及其他相关目的，本发明提供一种输电线路识别方法，所述输电线路识别方法包括以下步骤：

获取灰度图像；

对所述灰度图像做图像增强，得到增强图像；

对所述增强图像做边缘检测，得到轮廓图像；

利用直线检测算法，从所述轮廓图像中提取出输电线路图。

于本发明的一实施例中，所述获取灰度图像，包括：对原始彩色图像做加权灰度化处理，得到灰度图像。

于本发明的一实施例中，所述对所述灰度图像做图像增强，得到增强图像，包括：

对所述灰度图像做阈值分割，得到包含输电线路的目标图像；

对所述目标图像做灰度变换，以扩展所述目标图像的灰度值范围，得到所述增强图像。

于本发明的一实施例中，所述对所述灰度图像做阈值分割，得到包含输电线路的目标图像，包括：

步骤a1，采用最大化类间方差法计算所述灰度图像的分割阈值；

步骤b1，利用所述分割阈值，将所述灰度图像划分为背景区域和目标区域；其中，所述背景区域为灰度值大于所述分割阈值的区域，所述目标区域为灰度值小于或等于所述分割阈值的区域；