CN103047938B - 输电线路覆冰厚度检测方法及检测装置 - Google Patents
输电线路覆冰厚度检测方法及检测装置 Download PDFInfo
- Publication number
- CN103047938B CN103047938B CN201310003035.6A CN201310003035A CN103047938B CN 103047938 B CN103047938 B CN 103047938B CN 201310003035 A CN201310003035 A CN 201310003035A CN 103047938 B CN103047938 B CN 103047938B
- Authority
- CN
- China
- Prior art keywords
- image
- ice
- covering thickness
- formula
- edge
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000000877 morphologic effect Effects 0.000 claims abstract description 51
- 230000005540 biological transmission Effects 0.000 claims abstract description 38
- 230000005611 electricity Effects 0.000 claims abstract description 37
- 238000001914 filtration Methods 0.000 claims abstract description 33
- 238000003708 edge detection Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000010339 dilation Effects 0.000 claims description 6
- 230000003628 erosive effect Effects 0.000 claims description 6
- 229910003460 diamond Inorganic materials 0.000 claims description 3
- 239000010432 diamond Substances 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 abstract description 4
- 239000012212 insulator Substances 0.000 description 7
- 238000013461 design Methods 0.000 description 4
- 230000006378 damage Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003897 fog Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种输电线路覆冰厚度检测方法及检测装置。本发明利用形态学在图像边缘检测上的优势,通过对所采集的输电线路覆冰图像进行滤波及CB形态学边缘处理,能在滤除噪声的同时准确有效的检测出图像的边缘信息,实现输电线路覆冰厚度的计算。该技术原理简单、直观易行、检测可靠,不受传感器灵敏度及所选力学模型的影响,为从形态学上测量覆冰厚度做了有益的尝试,为输电线路的安全稳定运行提供了一种新的检测技术。
Description
技术领域
本发明涉及电力传输技术领域,尤其涉及一种输电线路覆冰厚度检测方法及检测装置。
背景技术
由于我国地域广阔,地形复杂,输电线路覆冰现象在我国比较广泛,我国许多地区都曾发生过覆冰灾害事故。其中覆冰最严重的地区主要集中在湖南、湖北、贵州、江西、云南、四川、河南等省。覆冰会引起导线舞动、杆塔倾斜倒塌、线路跳闸短线、绝缘子闪络等问题,严重影响电网的安全稳定运行。2008年春节前后南方出现的严重冰雪灾害,造成了巨大的经济损失,严重影响了国民的正常生活。
因此,随时掌握线路覆冰的现场情况,实时检测覆冰厚度,当覆冰量超过预设量时及时给出预警信号并采取除冰措施对防灾减灾起着关键性的作用。目前,输电线路覆冰厚度的检测方法主要有两种。第一种方法是通过传感器检测导线覆冰重力变化、风偏角度、绝缘子倾斜角度以及风速风向等信息,建立数学模型计算出当前线路的覆冰厚度。这种方法受传感器精度及所选数学模型的制约,所选模型不同得出的覆冰厚度可能有较大差异。第二种方法是在杆塔上安装图像采集终端,通过对终端传回的图像进行边缘检测处理,求得导线覆冰前后的像素差,利用建立像素值与实际几何距离的对应关系求出覆冰厚度。该方法可以直观的得到覆冰类型和形状,通过专家软件得出覆冰厚度,原理简单,易于操作,测量精度高。但是,目前的图像检测算法易受噪声的影响,经常检测出伪边缘,不能有效的检测出图像的边缘信息。
发明内容
针对上述现有技术,本发明的目的在于提供一种输电线路覆冰厚度的检测技术,从而不受传感器灵敏度及所选力学模型的影响,能消除噪声的影响并准确地检测出图像的边缘信息,从而实现输电线路覆冰厚度的计算。
根据本发明的一个方面,提供一种输电线路覆冰厚度检测方法,所述方法包括如下步骤:
灰度化步骤,对所采集的输电线路覆冰图像进行灰度化,以将彩色图像转化为灰度图像;
滤波步骤,采用形态学多尺度开-闭滤波,即运用一系列不断增加的结构元素对上述灰度图像执行开-闭滤波处理;
边缘检测步骤,基于改进的多尺度CB形态学边缘检测算子,对滤波后的图像进行多尺度CB形态学边缘检测;
二值化步骤,采用最大类间差法计算最佳分割阈值,并根据该阈值对边缘检测后的边缘图像进行二值化处理;以及
覆冰厚度计算步骤,基于图像像素点和覆冰厚度的几何模型,对二值化处理后的二值图像进行计算,从而得到输电线路覆冰厚度。
优选地,在所述灰度化步骤中,根据公式(3)将RGB图像的每个像素进行转化,从而形成灰度图像:
Y=0.299*R+0.587*G+0.114*B (3)
其中,Y为亮度,即灰度图像中像素点的灰度值,R、G、B分别为彩色图像中像素点的红色、绿色和蓝色分量。
优选地,在所述滤波步骤中,对灰度图像采用形态学多尺度开-闭滤波的具体方式如下:
设A是一幅图像,B为结构元素,表示集合B的映射,AC表示A的补集,
A被B膨胀的运算定义公式如下:
或
A被B腐蚀的运算定义公式如下:
AΘB={Z(B)Z∩AC=φ} (6)
或
A关于B开运算定义公式如下:
A关于B闭运算定义公式如下:
则定义A关于B的开-闭运算公式如下:
AΦB=(AοB)·B (10)
则得到所定的A关于B的多尺度开-闭运算公式为下面公式(11),
利用该公式对上述灰度图像执行形态学多尺度开-闭滤波处理:
AΦ{B}=((…((AΦB1)ΦB2…ΦBn) (11)
其中,公式(11)中{B}={B1,B2,……Bn},Bn是半径为n的圆盘结构元素。
优选地,其中n取3。
优选地,在所述边缘检测步骤中,对滤波后的图像进行多尺度CB形态学边缘检测的具体方式如下:
设灰度图像为f,结构元素为B,将结构元素的轮廓记为则定义f关于结构元素B的轮廓的CB形态学膨胀和腐蚀运算公式分别为:
定义f关于结构元素B的轮廓的CB形态开、闭运算及MOB和MCB如下:
定义如下两个改进的形态学算子:
OMCOj(f)=CBOBj(MCB(CBOB1(f))) (18)
CMOCj(f)=CBCBj(MOB(CBCB1(f))) (19)
改进形态学算子的n尺度运算MMOn(f)和MMCn(f)定义如下:
利用上述改进形态学算子的n尺度运算进一步提出改进的n尺度CB形态学边缘检测算子,即MMN算子如下:
Edge(f)=CBDB1[MMCn(MMOn(f))]-CBEB1[MMCn(MMOn(f))] (22)
利用上述MMN算子对滤波后的图像进行多尺度CB形态学边缘检测,其中,该MMN算子首先用改进形态学算子的多尺度运算对图像进行处理,然后用结构元素序列中尺寸较小的元素对图像进行CB膨胀和腐蚀操作以提取图像边缘。
优选地,所述MMN算子中参数的选取包括结构元素的选取和n的选取,其中结构元素选取菱形结构元素或四连通轮廓结构元素,而n≤5。
优选地,在所述二值化步骤中,采用最大类间差法计算最佳分割阈值,将边缘图像灰度值大于该阈值的像素点判断为白色,否则判断为黑色,以将该边缘图像转换为二值图像。
优选地,在所述覆冰厚度计算步骤中,具体以如下方式来计算输电线路覆冰厚度:
输电线路的覆冰厚度是以图像的像素点形式表示的,首先建立图像像素点与覆冰厚度的几何模型,输电线路的最大径向距离设为一段线路最大径向距离的平均值,设未覆冰时输电线路的直径为D0,其径向距离对应的像素点数为M0;覆盖冰雪后,输电线路的平均最大径向距离D1的像素点数为M1,
设M(x)表示一段输电线路上点x1到点x2中的x点所对应的最大径向距离的像素点数,则输电线路的平均最大径向距离像素点数M1如公式:
则该段输电线路的覆冰厚度如公式(3):
通过上述公式(1)对二值化处理后的二值图像中一段输电线路的平均最大径向距离像素点数M1进行计算,然后通过上述公式(2)计算出输电线路的覆冰厚度。
根据本发明的另一个方面,还提供一种输电线路覆冰厚度的检测装置,所述装置包括以下模块:
灰度化模块,用于对所采集的输电线路覆冰图像进行灰度化,以将彩色图像转化为灰度图像;
滤波模块,用于采用形态学多尺度开-闭滤波,即运用一系列不断增加的结构元素对上述灰度图像执行开-闭滤波处理;
边缘检测模块,用于基于改进的多尺度CB形态学边缘检测算子,对滤波后的图像进行多尺度CB形态学边缘检测;
二值化模块,用于采用最大类间差法计算最佳分割阈值,并根据该阈值对边缘检测后的边缘图像进行二值化处理;以及
覆冰厚度计算模块,用于基于图像像素点和覆冰厚度的几何模型,对二值化处理后的二值图像进行计算,从而得到输电线路覆冰厚度。
根据上述技术方案,本发明利用形态学在图像边缘检测上的优势,通过对所采集的输电线路覆冰图像进行滤波及CB形态学边缘处理,能在滤除噪声的同时准确有效的检测出图像的边缘信息,实现输电线路覆冰厚度的计算。该技术原理简单、直观易行、检测可靠,不受传感器灵敏度及所选力学模型的影响,为从形态学上测量覆冰厚度做了有益的尝试,为输电线路的安全稳定运行提供了一种新的检测技术。
附图说明
图1是本发明中输电线路覆冰厚度检测方法的步骤流程图;
图2是本发明中输电线路覆冰厚度的几何分析模型示意图;
图3是本发明一个具体实施方式中输电线路覆冰图像灰度化后的效果图;
图4是本发明一个具体实施方式中输电线路覆冰图像滤波后的效果图;
图5是本发明一个具体实施方式中输电线路覆冰图像边缘提取后的效果图;
图6是本发明一个具体实施方式中输电线路覆冰图像二值化后的效果图;
图7是本发明中输电线路覆冰厚度检测装置的系统结构图。
具体实施方式
在运用本发明中的检测技术之前,要进行输电线路覆冰图像的采集。具体地,通过塔杆上的图像监测终端采集输电线路覆冰的现场图像,通过无线通信网络将该图像传输到后台控制中心,后台控制中心接收该图像后对其执行本发明中的输电线路覆冰厚度检测方法,从而计算出输电线路的覆冰厚度。
在本发明的覆冰厚度计算中,输电线路的覆冰厚度是以图像的像素点形式表示的,因此首先需要建立图像像素点与覆冰厚度的几何模型,这是进行实际覆冰厚度计算的重要基础。图2是本发明中输电线路覆冰厚度的几何分析模型示意图,下面结合图2来介绍该几何模型。
输电线路在覆冰过程中,由于重力的作用,一般输电线路的上部分积冰较轻,下部分较重,同段输电线路不同位置的最大径向距离也各不相同,为了最大程度的精确监测线路的覆冰厚度,本发明中输电线路的最大径向距离设为一段线路最大径向距离的平均值。设未覆冰时,输电线路(导线或绝缘子)的直径为D0,其径向距离对应的像素点数为M0;覆盖冰雪后,输电线路的平均最大径向距离D1的像素点数为M1。
如图2所示,设M(x)表示一段输电线路上点x1到点x2中的x点所对应的最大径向距离的像素点数,则输电线路的平均最大径向距离像素点数M1如公式(1):
则该段输电线路的覆冰厚度如公式(2):
图1是本发明中输电线路覆冰厚度的检测方法的步骤流程图。如图1所示,本发明中的输电线路覆冰厚度检测方法包括以下步骤:灰度化步骤,对所采集的输电线路覆冰图像进行灰度化,以将彩色图像转化为灰度图像;
滤波步骤,采用形态学多尺度开-闭滤波,即运用一系列不断增加的结构元素对上述灰度图像执行开-闭滤波处理;
边缘检测步骤,基于改进的多尺度CB形态学边缘检测算子,对滤波后的图像进行多尺度CB形态学边缘检测;
二值化步骤,采用最大类间差法计算最佳分割阈值,并根据该阈值对边缘检测后的边缘图像进行二值化处理;以及
覆冰厚度计算步骤,基于图像像素点和覆冰厚度的几何模型,对二值化处理后的二值图像进行计算,从而得到输电线路覆冰厚度。
下面就结合附图来详细介绍本发明中输电线路覆冰厚度的检测方法的各步骤:
1、 灰度化步骤
灰度化步骤,该步骤用于对所采集的输电线路覆冰图像进行灰度化,以将彩色图像转化为灰度图像。
杆塔所采集到的输电线路覆冰图像是彩色图像,如果直接对彩色图像进行处理则需要分别对R、G、B各分量进行处理,这会大大增加图像处理的复杂度和时间,对计算机系统的要求也很高,增加了硬件设备的成本。因此在本步骤中,根据下面公式(3)将RGB图像的每个像素进行转化,从而形成灰度图像:
Y=0.299*R+0.587*G+0.114*B (3)
其中,Y为亮度,即灰度图像中像素点的灰度值,R、G、B分别为彩色图像中像素点的红色、绿色和蓝色分量。
2、 滤波步骤
滤波步骤,该步骤用于采用形态学多尺度开-闭滤波,即运用一系列不断增加的结构元素对上述灰度图像执行开-闭滤波处理。
由于雨雪、大雾、沙尘等天气影响及不同季节和时间段采集的图像的背景及对比度各不相同,冰雪反光也会使图像边缘模糊,再加上图像传输过程中不可避免的会引入一些噪声。在提取图像的边缘时可能会产生伪边缘,降低边缘的检测精度。由于形态学开运算可以去除比结构元素更小的明亮细节,闭运算可以去除比结构元素更小的暗色细节,所以它们经常组合在一起用来平滑图像并去除噪声。本发明采用形态学多尺度开-闭滤波,即运用一系列不断增加的结构元素来执行开-闭滤波,其基本原理如下:
设A是一幅图像,B为结构元素,表示集合B的映射,AC表示A的补集。
A被B膨胀的运算定义公式如下:
或
A被B腐蚀的运算定义公式如下:
AΘB={Z|(B)Z∩AC=φ} (6)
或
A关于B开运算定义公式如下:
A关于B闭运算定义公式如下:
则定义A关于B的开-闭运算公式如下:
AΦB=(AοB)·B (10)
则得到所定的A关于B的多尺度开-闭运算公式为下面公式(11),利用该公式对上述灰度图像执行形态学多尺度开-闭滤波处理:
AΦ{B}=((…((AΦB1)ΦB2…ΦBn) (11)
其中,上面公式(11)中{B}={B1,B2,……Bn},Bn是半径为n的圆盘结构元素。结构元素的选取直接影响运算的结果,应根据具体的图像特征来确定。其中,n的取值太大会滤除一些图像细节或边缘,并且需要较长的运算时间,取值太小又不能充分的消除噪声。本发明通过实验证明,大部分情况下,n取3时能滤除噪声的同时也能较好的保持图像的边缘信息,更好保证了实时处理的要求。
3、 边缘检测步骤
边缘检测步骤,该步骤用于基于改进的多尺度CB形态学边缘检测算子,对滤波后的图像进行多尺度CB形态学边缘检测。
CB形态学建立在经典形态学基础之上,但与之又有本质的区别。CB形态学以结构元素的轮廓为“探针”、以“延展度”为处理原则的特点决定了它具有经典形态学和传统边缘检测算子难以比拟的特性。CB形态学利用结构元素的轮廓重新组织形态学运算,弱化了经典形态学对结构元素选取的依赖,提高工作效率的同时更好的保护了图像的边缘细节。
设灰度图像为f,结构元素为B,将结构元素的轮廓记为则定义f关于结构元素B的轮廓的CB形态学膨胀和腐蚀运算公式分别为:
定义f关于结构元素B的轮廓的CB形态开、闭运算及MOB和MCB如下:
CB形态学开、闭算子在实现经典形态学功能的同时还对图像的“突点”和“凹点”进行了拉平,增强了图像的滤波功能,但也会丢失原始图像的一些细节,特别是结构元素尺寸较大时。MOB和MCB算子只保留了对“突点”和“凹点”的滤波功能而不改变f的其他信息,很好的保留了图像细节,但却降低了滤除噪声的能力。
为了取得良好的滤波功能同时保护图像的边缘细节,本发明定义了如下两个改进的形态学算子:
OMCOj(f)=CBOBj(MCB(CBOB1(f))) (18)
CMOCj(f)=CBCBj(MOB(CBCB1(f))) (19)
上面公式中MOB对图像边缘细节有保护作用,因此在CBOBi运算前后插入MOB运算不仅使图像边缘细节在破坏前进行了细节保护,也修补了其对图像边缘的损坏。这样OMCOj(f)运算即具有较强的滤波功能也保护了图像边缘。同样,CMOCj(f)运算也有类似的性质。
为了增强复杂环境下的滤波功能需要使用各种尺寸的结构元素,且小尺度的结构元素Bj可以尽量减弱OMCOj(f)和CMOCj(f)对图像边缘的破坏,因此本发明运用多尺度运算更好的利用了OMCOj(f)和CMOCj(f)对图像的滤波功能及对图像边缘细节的保护功能。
改进形态学算子的n尺度运算MMOn(f)和MMCn(f)定义如下:
利用改进算子的n尺度运算提出了改进CB形态学算子的n尺度边缘检测算子(MMN算子):
Edge(f)=CBDB1[MMCn(MMOn(f))]-CBEB1[MMCn(MMOn(f))] (22)
该算子首先用改进算子的多尺度运算对图像进行处理,然后用结构元素序列中尺寸较小的元素对图像进行CB膨胀和腐蚀操作以提取图像边缘。
MMN算子中参数的选取方法:
(1)结构元素的选取
CB形态滤波的性能与结构元素形状的关联不大,本发明针对输电线路特点选取的是菱形结构元素或四连通轮廓结构元素。
(2)n值的选取
n代表的是结构元素的大小尺度参数。噪声信号较强时,n的取值应稍大一些,但是如果n的取值太大,会造成图像细节信息的丢失。试验表明,在一般情况下n≤5能够满足要求。
4、 边缘图像二值化步骤
二值化步骤,该步骤用于采用最大类间差法计算最佳分割阈值,并根据该阈值对边缘检测后的图像进行二值化处理。
采用最大类间差法(OTSU算法)计算最佳分割阈值,将边缘图像灰度值大于该阈值的像素点判断为白色,否则判断为黑色,则将图像转换为二值图像。
5、覆冰厚度计算步骤
覆冰厚度计算步骤,该步骤用于基于图像像素点和覆冰厚度的几何模型,对二值化处理后的二值图像进行计算,从而得到输电线路覆冰厚度。
根据本发明中所使用的图像像素点和覆冰厚度的几何模型公式(2),其中输电线路(导线或绝缘子)的直径D0和其径向距离对应的像素点数为M0为已知,只要通过公式(1)对二值化处理后的二值图像中一段输电线路的平均最大径向距离像素点数M1进行计算,就可以随后通过公式(2)计算出输电线路的覆冰厚度。
同时,如图7所示,本发明还提供了一种输电线路覆冰厚度的检测装置,所述装置包括以下模块:
灰度化模块,用于对所采集的输电线路覆冰图像进行灰度化,以将彩色图像转化为灰度图像;
滤波模块,用于采用形态学多尺度开-闭滤波,即运用一系列不断增加的结构元素对上述灰度图像执行开-闭滤波处理;
边缘检测模块,用于基于改进的多尺度CB形态学边缘检测算子,对滤波后的图像进行多尺度CB形态学边缘检测;
二值化模块,用于采用最大类间差法计算最佳分割阈值,并根据该阈值对边缘检测后的边缘图像进行二值化处理;以及
覆冰厚度计算模块,用于基于图像像素点和覆冰厚度的几何模型,对二值化处理后的二值图像进行计算,从而得到输电线路覆冰厚度。
可见,输电线路覆冰厚度的检测装置的上述模块分别用于实现本发明中输电线路覆冰厚度的检测方法中的灰度化步骤、滤波步骤、边缘检测步骤、二值化步骤和覆冰厚度计算步骤的操作功能,该输电线路覆冰厚度的检测装置可由前述的后台控制中心实现。
具体实施例
在本发明一个具体实施方式中,运用本发明中的输电线路覆冰厚度检测技术对绝缘子串现场积冰雪图像进行处理,以计算当时的覆冰厚度。
具体地,对所采集的导线及绝缘子图像分别进行图像灰度化后,结果如图3a和图3b所示。由于所采集的图像受天气及光线等因素的影响,采集的过程中不可避免的会引入噪声,通过多尺度开-闭滤波后,较好的保护了图像边缘的同时模糊了背景,其结果分别如图4a和图4b所示。之后进一步对图像进行MMN算子提取图像边缘后,处理结果分别如图5a和图5b所示。最后,对所提取的边缘图像采用OTSU算法进行二值化后,结果如图6a和图6b所示。
在本具体实施方式中,通过比较覆冰前后输电线路的直径大小,计算得到当时导线的平均覆冰厚度为5.37mm,绝缘子平均覆冰厚度为6.72mm。
根据上述具体实施方式介绍可见,本发明利用形态学在图像边缘检测上的优势,通过对所采集的输电线路覆冰图像进行滤波及CB形态学边缘处理,能在滤除噪声的同时准确有效的检测出图像的边缘信息,实现输电线路覆冰厚度的计算。该技术原理简单、直观易行、检测可靠,不受传感器灵敏度及所选力学模型的影响,为从形态学上测量覆冰厚度做了有益的尝试,为输电线路的安全稳定运行提供了一种新的检测技术。
Claims (6)
1.一种输电线路覆冰厚度检测方法,其特征在于,所述方法包括如下步骤:
灰度化步骤,对所采集的输电线路覆冰图像进行灰度化,以将彩色图像转化为灰度图像;
滤波步骤,采用形态学多尺度开-闭滤波,即运用一系列不断增加的结构元素对上述灰度图像执行开-闭滤波处理;
边缘检测步骤,基于改进的多尺度CB形态学边缘检测算子,对滤波后的图像进行多尺度CB形态学边缘检测;
二值化步骤,采用最大类间差法计算最佳分割阈值,并根据该阈值对边缘检测后的边缘图像进行二值化处理;以及覆冰厚度计算步骤,基于图像像素点和覆冰厚度的几何模型,对二值化处理后的二值图像进行计算,从而得到输电线路覆冰厚度,
其中,在所述滤波步骤中,对灰度图像采用形态学多尺度开-闭滤波的具体方式如下:
设A是一幅图像,B为结构元素,表示集合B的映射,AC表示A的补集,
A被B膨胀的运算定义公式如下:
或
A被B腐蚀的运算定义公式如下:
AΘB={Z|(B)Z∩AC=φ} (6)
或
A关于B开运算定义公式如下:
A关于B闭运算定义公式如下:
则定义A关于B的开-闭运算公式如下:
AΦB=(AοB)·B (10)
则得到所定义的A关于B的多尺度开-闭运算公式为下面公式(11),利用该公式对上述灰度图像执行形态学多尺度开-闭滤波处理:
AΦ{B}=((···((AΦB1)ΦB2···ΦBn) (11)
其中,公式(11)中{B}={B1,B2,......Bn},Bn是半径为n的圆盘结构元素;
在所述覆冰厚度计算步骤中,具体以如下方式来计算输电线路覆冰厚度:
输电线路的覆冰厚度是以图像的像素点形式表示的,首先建立图像像素点与覆冰厚度的几何模型,输电线路的最大径向距离设为一段线路最大径向距离的平均值,设未覆冰时输电线路的直径为D0,其径向距离对应的像素点数为M0;覆盖冰雪后,输电线路的平均最大径向距离D1的像素点数为M1,
设M(x)表示一段输电线路上点x1到点x2中的x点所对应的最大径向距离的像素点数,则输电线路的平均最大径向距离像素点数M1如公式:
则该段输电线路的覆冰厚度如公式:
通过上述公式(1)对二值化处理后的二值图像中一段输电线路的平均最大径向距离像素点数M1进行计算,然后通过上述公式(2)计算出输电线路的覆冰厚度。
2.根据权利要求1所述的方法,其特征在于,在所述灰度化步骤中,根据公式(3)将RGB图像的每个像素进行转化,从而形成灰度图像:
Y=0.299*R+0.587*G+0.114*B (3)
其中,Y为亮度,即灰度图像中像素点的灰度值,R、G、B分别为彩色图像中像素点的红色、绿色和蓝色分量。
3.根据权利要求1所述的方法,其特征在于,其中n取3。
4.根据权利要求1所述的方法,其特征在于,在所述边缘检测步骤中,对滤波后的图像进行多尺度CB形态学边缘检测的具体方式如下:
设灰度图像为f,结构元素为B,将结构元素的轮廓记为则定义f关于结构元素B的轮廓的CB形态学膨胀和腐蚀运算公式分别为:
定义f关于结构元素B的轮廓的CB形态开、闭运算及MOB和MCB如下:
定义如下两个改进的形态学算子:
OMCOj(f)=CBOBj(MCB(CBOB1(f))) (18)
CMOCj(f)=CBCBj(MOB(CBCB1(f))) (19)
改进形态学算子的n尺度运算MMOn(f),和MMCn(f)定义如下:
利用上述改进形态学算子的n尺度运算进一步提出改进的n尺度CB形态学边缘检测算子,即MMN算子如下:
Edge(f)=CBDB1[MMCn(MMOn(f))]-CBEB1[MMCn(MMOn(f))] (22)
利用上述MMN算子对滤波后的图像进行多尺度CB形态学边缘检测,其中,该MMN算子首先用改进形态学算子的多尺度运算对图像进行处理,然后用结构元素序列中尺寸较小的元素对图像进行CB膨胀和腐蚀操作以提取图像边缘。
5.根据权利要求4所述的方法,其特征在于,所述MMN算子中参数的选取包括结构元素的选取和n的选取,其中结构元素选取菱形结构元素或四连通轮廓结构元素,而n≤5。
6.根据权利要求1所述的方法,其特征在于,在所述二值化步骤中,采用最大类间差法计算最佳分割阈值,将边缘图像灰度值大于该阈值的像素点判断为白色,否则判断为黑色,以将该边缘图像转换为二值图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310003035.6A CN103047938B (zh) | 2013-01-05 | 2013-01-05 | 输电线路覆冰厚度检测方法及检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310003035.6A CN103047938B (zh) | 2013-01-05 | 2013-01-05 | 输电线路覆冰厚度检测方法及检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103047938A CN103047938A (zh) | 2013-04-17 |
CN103047938B true CN103047938B (zh) | 2015-08-12 |
Family
ID=48060672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310003035.6A Active CN103047938B (zh) | 2013-01-05 | 2013-01-05 | 输电线路覆冰厚度检测方法及检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103047938B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102967268B (zh) * | 2012-12-06 | 2015-12-02 | 国网重庆市电力公司长寿供电分公司 | 测定架空输电线路覆冰厚度的便携式覆冰观测仪及其方法 |
CN103528534B (zh) * | 2013-10-25 | 2016-06-29 | 国家电网公司 | 一种基于图像监测的输电线路覆冰厚度检测方法 |
CN104515472A (zh) * | 2015-01-16 | 2015-04-15 | 中国农业大学 | 便携式猪肉二分体背膘厚度无损检测方法与装置 |
CN104764407B (zh) * | 2015-02-11 | 2017-07-28 | 盐城工学院 | 一种电缆护套厚度的精细测量方法 |
CN105095904B (zh) * | 2015-07-28 | 2019-03-29 | 中国科学院自动化研究所(洛阳)机器人与智能装备创新研究院 | 一种输电线路杆塔鸟巢检测方法 |
CN106250835A (zh) * | 2016-07-26 | 2016-12-21 | 国网福建省电力有限公司 | 基于特征识别的输电线路上的鸟巢识别方法 |
CN106568388B (zh) * | 2016-10-28 | 2019-10-11 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种基于高清图像的输电线路覆冰厚度计算方法及系统 |
CN106649598A (zh) * | 2016-11-22 | 2017-05-10 | 云南电网有限责任公司电力科学研究院 | 一种输电线路覆冰厚度的检测方法 |
CN106705866B (zh) * | 2016-12-14 | 2019-11-08 | 云南电网有限责任公司电力科学研究院 | 一种基于可见光图像的输电线路覆冰检测方法 |
CN107704844B (zh) * | 2017-10-25 | 2021-04-30 | 哈尔滨理工大学 | 基于无人机双目视差图像的输电线路覆冰厚度辨识方法 |
CN108332681B (zh) * | 2018-01-03 | 2019-07-16 | 东北大学 | 一种薄壁管材大塑性弯曲截面轮廓曲线的确定方法 |
CN109886396A (zh) * | 2019-03-18 | 2019-06-14 | 国家电网有限公司 | 一种输电线路舞动在线预测系统及方法 |
CN110197479B (zh) * | 2019-05-23 | 2021-03-23 | 中国科学院力学研究所 | 一种表面改性质量检测方法 |
CN110146027B (zh) * | 2019-06-06 | 2021-02-02 | 浙江科技学院 | 一种sd-oct图像的青瓷釉层厚度测量方法 |
CN110287891B (zh) * | 2019-06-26 | 2021-11-09 | 北京字节跳动网络技术有限公司 | 基于人体关键点的手势控制方法、装置及电子设备 |
CN110288521A (zh) * | 2019-06-29 | 2019-09-27 | 北京字节跳动网络技术有限公司 | 图像美化方法、装置及电子设备 |
CN110288520B (zh) * | 2019-06-29 | 2023-03-31 | 北京字节跳动网络技术有限公司 | 图像美化方法、装置及电子设备 |
CN110686608B (zh) * | 2019-11-11 | 2021-08-31 | 国网湖南省电力有限公司 | 用于输电线路的便携式覆冰厚度测量装置及其测量方法 |
CN111062933A (zh) * | 2019-12-24 | 2020-04-24 | 广西大学 | 一种基于视场自适应调节的输电线路覆冰图像检测方法 |
CN114596315A (zh) * | 2022-05-10 | 2022-06-07 | 中国民航大学 | 一种飞机地面检测积冰方法、装置、系统及计算机设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101793501A (zh) * | 2010-04-14 | 2010-08-04 | 华中科技大学 | 一种基于图像的输电线覆冰状态检测方法 |
CN102252623A (zh) * | 2011-06-24 | 2011-11-23 | 西安工程大学 | 基于视频差异分析的输电线路导/地线覆冰厚度测量方法 |
-
2013
- 2013-01-05 CN CN201310003035.6A patent/CN103047938B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101793501A (zh) * | 2010-04-14 | 2010-08-04 | 华中科技大学 | 一种基于图像的输电线覆冰状态检测方法 |
CN102252623A (zh) * | 2011-06-24 | 2011-11-23 | 西安工程大学 | 基于视频差异分析的输电线路导/地线覆冰厚度测量方法 |
Non-Patent Citations (5)
Title |
---|
一种改进CB形态学的图像滤波分析研究;蒋薇薇等;《计算机工程与应用》;20121031;第143-146页 * |
基于CB数学形态学的边缘检测技术研究;孙祥;《CNKI优秀硕士学位论文全文库》;20080601;第13-30页 * |
基于改进形态学算子的多尺度边缘检测;白相志等;《中国图象图形学报》;20070930;第12卷(第9期);第1610-1613页 * |
基于最小类内差和最大类间差的图像分割算法研究;吴昊等;《工程图学学报》;20110215(第1期);第67-75页 * |
基于最小类内方差的快速阈值分割算法;孙光灵等;《安徽理工大学学报( 自然科学版)》;20050331;第25卷(第1期);第39-42页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103047938A (zh) | 2013-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103047938B (zh) | 输电线路覆冰厚度检测方法及检测装置 | |
CN108307146B (zh) | 一种高压输电线路安全隐患检测系统及方法 | |
CN102252623B (zh) | 基于视频差异分析的输电线路导/地线覆冰厚度测量方法 | |
CN111428748B (zh) | 一种基于hog特征和svm的红外图像绝缘子识别检测方法 | |
CN102590823B (zh) | 一种机载lidar数据电力线快速提取及重构方法 | |
CN103442209B (zh) | 一种输电线路的视频监控方法 | |
CN107895376A (zh) | 基于改进Canny算子和轮廓面积阈值的太阳能电池板识别方法 | |
CN106971152A (zh) | 一种基于航拍图像的检测输电线路中鸟巢的方法 | |
CN102519846B (zh) | 基于高光谱的复合绝缘子憎水性检测方法 | |
CN101556142A (zh) | 架空线路覆冰厚度的视觉检测方法 | |
CN110349128B (zh) | 一种玻璃绝缘子伞间冰柱桥接程度检测方法 | |
CN108562821B (zh) | 一种基于Softmax确定配电网单相接地故障选线的方法及系统 | |
CN107185854A (zh) | 基于rgb通道的光伏电池片色差检测及颜色分类的算法 | |
CN109523543A (zh) | 一种基于边缘距离的导线断股检测方法 | |
CN103852018A (zh) | 基于图像处理的输电线路覆冰厚度测量算法 | |
CN106707094A (zh) | 低压供配电线路电弧故障的分类识别方法 | |
CN107369291A (zh) | 基于深度学习的高压线路防外力破坏预警系统及方法 | |
CN102831393A (zh) | 电力杆塔轮廓的快速图像识别方法 | |
CN108537170A (zh) | 一种电力设备固件无人机巡检销钉缺失检测方法 | |
CN109581166B (zh) | 基于Sobel能量谱的输电线路故障定位方法 | |
CN106355580A (zh) | 一种杆塔倾倒的检测方法及装置 | |
CN104573650B (zh) | 一种基于滤波响应的电线检测分类方法 | |
CN108229371A (zh) | 基于冰形建模的输电导线横截面覆冰形状识别方法 | |
CN112819784A (zh) | 一种配电线路导线断股散股检测方法及系统 | |
CN113928158A (zh) | 基于模型自学习的非侵入式电动自行车监测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |