CN105404872A - 一种基于顺序割图法的航拍图像中绝缘子细定位方法 - Google Patents
一种基于顺序割图法的航拍图像中绝缘子细定位方法 Download PDFInfo
- Publication number
- CN105404872A CN105404872A CN201510843616.XA CN201510843616A CN105404872A CN 105404872 A CN105404872 A CN 105404872A CN 201510843616 A CN201510843616 A CN 201510843616A CN 105404872 A CN105404872 A CN 105404872A
- Authority
- CN
- China
- Prior art keywords
- insulator
- cut
- rectangle
- coarse positioning
- sorter
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/285—Selection of pattern recognition techniques, e.g. of classifiers in a multi-classifier system
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Insulators (AREA)
- Electric Cable Installation (AREA)
Abstract
本发明公开了一种基于顺序割图法的航拍图像中绝缘子细定位方法,包括以下步骤:(1)根据绝缘子和背景图像的Hu不变矩训练AdaBoost分类器;(2)利用步骤(1)训练好的分类器对绝缘子进行粗定位;(3)根据步骤(2)粗定位的结果,得到粗定位中包含同一个绝缘子的所有矩形的并集的初始最小外接矩形;(4)利用步骤(1)训练好的分类器对步骤(3)所得矩形对应图像部分进行顺序裁割,得到精细定位的绝缘子;本发明的优点是:大大提高了绝缘子的定位精度,能够广泛地应用于电网巡检、绝缘子状态检测和故障诊断的技术领域。
Description
技术领域
本发明涉及一种基于顺序割图法的航拍图像中绝缘子细定位方法,属于计算机视觉科学技术领域。
背景技术
绝缘子是输电线路中的重要元器件,其作用是电气绝缘及支撑线路,由于常年暴露在大气中,受雷击、污秽等因素影响,极易损坏。据统计,电力系统故障率排在首位的就是由于绝缘子断裂而引发的事故。因此对绝缘子进行状态检测和故障诊断就变得非常重要。近年来使用直升机进行电网巡检,利用图像处理技术发现绝缘子故障已成为热点问题。而从航拍图像中定位绝缘子是实现绝缘子故障检测的基础。
目前,传统现有的绝缘子定位方法主要分为四大类:(1)基于颜色信息的定位。考虑绝缘子与背景区域的颜色差异,将绝缘子彩色图像转换到HSI空间,当绝缘子与背景区域颜色区别明显时,该方法可以标示出绝缘子,但当二者颜色比较接近时,标示效果不理想。(2)基于边缘检测的定位。因为航拍图像背景非常复杂,包含输电线、杆塔、防震锤等多个目标,使得边缘检测算法的定位精度受到影响。(3)基于形状特征的定位。航拍过程中由于拍摄角度问题,有时绝缘子会发生倾斜,拍摄距离不同绝缘子在画面中所呈现的大小也会不同,这些特点导致依据形状特征进行定位的准确率下降。(4)基于纹理特征的定位。该定位方法计算复杂度高,且可能存在与绝缘子纹理相近的其他目标,致使该方法的应用范围受到限制。
由于航拍图像背景复杂,分辨率低,上述传统的现有的绝缘子定位方法虽在一定范围内能识别到绝缘子,但都不同程度上存在定位精度不够的问题。
发明内容
本发明的目的在于提供一种能够克服上述技术问题的基于顺序割图法的航拍图像中绝缘子细定位方法。
本发明包括以下步骤:
(1)根据绝缘子和背景图像的Hu不变矩训练AdaBoost分类器;
所述Hu不变矩是由M.K.Hu提出的一种不变矩,所述Hu不变矩是本技术领域中所公知的;所述AdaBoost分类器是由多个弱分类器构成的一个强分类器;
(2)利用步骤(1)训练好的分类器对绝缘子进行粗定位;
(3)根据步骤(2)粗定位的结果,得到粗定位中包含同一个绝缘子的所有矩形的并集的初始最小外接矩形;
(4)利用步骤(1)训练好的分类器对步骤(3)所得矩形对应图像部分进行顺序裁割,得到精细定位的绝缘子。
所述步骤(3)中找到粗定位同一个绝缘子的矩形的并集的初始最小外接矩形;
所述步骤(4)中被粗定位的绝缘子在初始最小外接矩形中的位置有多种可能性,裁图过程中为了避免在某个方向上过度裁割对其他方向造成影响,采用顺序割图方法,即四个方向轮流循环裁割,先从矩形的上侧开始,沿着顺时针方向依次对图像进行裁割。
所述步骤(4)中顺序割图时,先计算初始最小外接矩形对应的分类器连续值,进行一次裁割,对剩余图像部分再计算分类器连续值,比较两个数值的大小,如果相等,则确定能够裁掉,否则恢复该块图像,不能裁割;调整裁割方向,重复该步骤,直到四个方向都不能裁割,找到仅包含一个完整绝缘子的最小外接矩形,即绝缘子被精确定位。
与现有技术相比,本发明的优点是:克服了一般绝缘子定位方法中绝缘子定位不精确的问题,根据一般绝缘子定位方法的定位结果,采用顺序割图法进行细定位,大大提高了绝缘子的定位精度。本发明能够广泛地应用于电网巡检、绝缘子状态检测和故障诊断的技术领域。
附图说明
图1是本发明所述基于顺序割图法的航拍图像中绝缘子细定位方法的流程图;
图2是本发明所述基于顺序割图法的航拍图像中绝缘子细定位方法的顺序割图法示意图;
图3是本发明所述基于顺序割图法的航拍图像中绝缘子细定位方法的粗定位结果示意图;
图4是本发明所述基于顺序割图法的航拍图像中绝缘子细定位方法的初始最小外接矩形示意图;
图5是本发明所述基于顺序割图法的航拍图像中绝缘子细定位方法的绝缘子细定位结果示意图。
具体实施方式
下面结合附图与实施例对本发明做进一步的描述。
本发明根据绝缘子粗定位结果且采用顺序割图法进行绝缘子细定位。本发明的基于顺序割图法的航拍图像中绝缘子细定位方法的流程如图1所示,步骤如下:
步骤(1):根据绝缘子和背景图像的Hu不变矩训练AdaBoost分类器。
分别提取正样本和负样本的Hu不变矩,作为AdaBoost分类器的输入数据,训练分类器;样本是小图像块,所述正样本是包含绝缘子的小图像块;所述负样本是不包含绝缘子的小图像块即背景图像。
步骤(2):利用步骤(1)训练好的分类器对绝缘子粗定位。
提取航拍绝缘子图像的Hu不变矩,利用训练好的分类器进行分类识别,对绝缘子粗定位。
步骤(3):得到粗定位中包含同一个绝缘子的所有矩形的并集的初始最小外接矩形R。
步骤(4):利用步骤(1)训练好的分类器对步骤(3)所得矩形R对应图像部分进行顺序裁割,得到精细定位的绝缘子。
根据绝缘子粗定位训练好的AdaBoost分类器,在顺序割图时,采用如下目标函数:
其中Gr(x)为AdaBoost弱分类器,αr为Gr(x)在最终分类器中的权重,M为循环迭代次数,迭代次数从1到M,其中r为索引。
计算初始最小外接矩形对应的目标函数值,由于初始最小外接矩形包含一个完整的绝缘子,因此计算得到的目标函数值应最大。对初始最小外接矩形进行一次裁割,计算剩余图像部分的目标函数值,比较二者大小,如果相等,则确定能够裁掉,否则恢复该块图像,不能裁割。调整裁割方向,重复该步骤,直到四个方向都裁割完毕,找到仅包含一个完整绝缘子的最小外接矩形R0,即绝缘子被精确定位。R0定义为:
式中Φ(R)表示矩形的面积,表示粗定位找到的同一个绝缘子的矩形的并集,R表示并集的初始最小外接矩形。
裁割过程如图2所示,对图像进行裁割时,为避免某个方向上过度裁割对其他方向造成影响,采用顺序割图法,从R的上侧开始,沿着图2的顺时针方向1、2、3、4的顺序依次进行裁割。
图3(a)、图3(b)所示为两幅航拍绝缘子图像使用AdaBoost分类器进行粗定位的结果。
在图3(a)、图3(b)中,同一个绝缘子被多个矩形找到,即被多次定位,有的矩形包含完整绝缘子,有的矩形只包含了绝缘子的一部分,而且矩形的面积大,绝缘子在矩形中所占比例小。
图4(a)、图4(b)所示的粗矩形为初始最小外接矩形R。
应用本发明的方法,最终得到的绝缘子细定位结果如图5(a)、图5(b)所示。
在图5(a)、图5(b)中可以看出,最终的矩形既能包含完整绝缘子,而且矩形面积更小,绝缘子在矩形中所占比例更大,即绝缘子定位更精确。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明公开的范围内,能够轻易想到的变化或替换,都应涵盖在本发明权利要求的保护范围内。
Claims (4)
1.一种基于顺序割图法的航拍图像中绝缘子细定位方法,其特征在于,包括以下步骤:
(1)根据绝缘子和背景图像的Hu不变矩训练AdaBoost分类器;
所述Hu不变矩是由M.K.Hu提出的一种不变矩,所述Hu不变矩是本技术领域中所公知的;所述AdaBoost分类器是由多个弱分类器构成的一个强分类器;
(2)利用步骤(1)训练好的分类器对绝缘子进行粗定位;
(3)根据步骤(2)粗定位的结果,得到粗定位中包含同一个绝缘子的所有矩形的并集的初始最小外接矩形;
(4)利用步骤(1)训练好的分类器对步骤(3)所得矩形对应图像部分进行顺序裁割,得到精细定位的绝缘子。
2.根据权利要求1所述的一种基于顺序割图法的航拍图像中绝缘子细定位方法,其特征在于,所述步骤(3)中找到粗定位同一个绝缘子的矩形的并集的初始最小外接矩形。
3.根据权利要求1所述的一种基于顺序割图法的航拍图像中绝缘子细定位方法,其特征在于,所述步骤(4)中被粗定位的绝缘子在初始最小外接矩形中的位置有多种可能性,裁图过程中为了避免在某个方向上过度裁割对其他方向造成影响,采用顺序割图方法,即四个方向轮流循环裁割,先从矩形的上侧开始,沿着顺时针方向依次对图像进行裁割。
4.根据权利要求1所述的一种基于顺序割图法的航拍图像中绝缘子细定位方法,其特征在于,所述步骤(4)中顺序割图时,先计算初始最小外接矩形对应的分类器连续值,进行一次裁割,对剩余图像部分再计算分类器连续值,比较两个数值的大小,如果相等,则确定能够裁掉,否则恢复该块图像,不能裁割;调整裁割方向,重复该步骤,直到四个方向都不能裁割,找到仅包含一个完整绝缘子的最小外接矩形,即绝缘子被精确定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510843616.XA CN105404872A (zh) | 2015-11-26 | 2015-11-26 | 一种基于顺序割图法的航拍图像中绝缘子细定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510843616.XA CN105404872A (zh) | 2015-11-26 | 2015-11-26 | 一种基于顺序割图法的航拍图像中绝缘子细定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105404872A true CN105404872A (zh) | 2016-03-16 |
Family
ID=55470349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510843616.XA Pending CN105404872A (zh) | 2015-11-26 | 2015-11-26 | 一种基于顺序割图法的航拍图像中绝缘子细定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105404872A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976368A (zh) * | 2016-04-28 | 2016-09-28 | 华北电力大学(保定) | 一种绝缘子定位方法 |
CN107766801A (zh) * | 2017-09-28 | 2018-03-06 | 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 | 一种基于红外热点追踪的绝缘子识别方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021394A (zh) * | 2014-06-05 | 2014-09-03 | 华北电力大学(保定) | 基于Adaboost算法的绝缘子图像识别方法 |
CN104915647A (zh) * | 2015-06-02 | 2015-09-16 | 长安大学 | 一种高速公路前方车辆的检测方法 |
US20150287745A1 (en) * | 2014-02-28 | 2015-10-08 | Semiconductor Energy Laboratory Co., Ltd. | Semiconductor Device |
-
2015
- 2015-11-26 CN CN201510843616.XA patent/CN105404872A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150287745A1 (en) * | 2014-02-28 | 2015-10-08 | Semiconductor Energy Laboratory Co., Ltd. | Semiconductor Device |
CN104021394A (zh) * | 2014-06-05 | 2014-09-03 | 华北电力大学(保定) | 基于Adaboost算法的绝缘子图像识别方法 |
CN104915647A (zh) * | 2015-06-02 | 2015-09-16 | 长安大学 | 一种高速公路前方车辆的检测方法 |
Non-Patent Citations (1)
Title |
---|
翟永杰等: "基于骨架提取的航拍绝缘子图像分步识别方法", 《华北电力大学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976368A (zh) * | 2016-04-28 | 2016-09-28 | 华北电力大学(保定) | 一种绝缘子定位方法 |
CN105976368B (zh) * | 2016-04-28 | 2018-12-11 | 华北电力大学(保定) | 一种绝缘子定位方法 |
CN107766801A (zh) * | 2017-09-28 | 2018-03-06 | 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 | 一种基于红外热点追踪的绝缘子识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104021394B (zh) | 基于AdaBoost算法的绝缘子图像识别方法 | |
CN103455797A (zh) | 航拍视频中运动小目标的检测与跟踪方法 | |
CN111428748A (zh) | 一种基于hog特征和svm的红外图像绝缘子识别检测方法 | |
CN106056619A (zh) | 基于梯度约束Radon变换的无人机视觉电线巡检方法 | |
Wang et al. | License plate segmentation and recognition of Chinese vehicle based on BPNN | |
CN105426905A (zh) | 基于梯度直方图和支持向量机的机器人障碍物识别方法 | |
CN104463249A (zh) | 一种基于弱监督学习框架的遥感图像机场检测方法 | |
CN109376580B (zh) | 一种基于深度学习的电力塔架部件识别方法 | |
CN103310195A (zh) | 车辆高分遥感图像的基于llc特征的弱监督识别方法 | |
CN104281838A (zh) | 基于HOG特征与二维Gabor小波变换的高铁接触网支撑装置耳片断裂检测方法 | |
CN104732224B (zh) | 基于二维泽尔尼克矩特征稀疏表示的sar目标识别方法 | |
CN104268510A (zh) | 基于稀疏约束的非负矩阵分解的sar图像目标识别方法 | |
CN104064057A (zh) | 图像跟踪测量数据与雷达测量数据互补融合的实现方法 | |
CN103969634A (zh) | 基于全极化属性散射中心模型的目标属性特征提取方法 | |
CN105404872A (zh) | 一种基于顺序割图法的航拍图像中绝缘子细定位方法 | |
CN104992173A (zh) | 用于医学报告单的符号识别方法及系统 | |
Hao et al. | Detection of bird nests on power line patrol using single shot detector | |
CN103235791B (zh) | 一种基于秩次的指纹匹配优化定位方法 | |
Dong et al. | An Automatic Detection Method of Bird's Nest on Electric Tower Based on Attention Full Convolutional Neural Networks | |
Li et al. | Insulator infrared image segmentation algorithm based on dynamic mask and box annotation | |
CN106652020B (zh) | 一种基于模型的塔杆三维重建方法 | |
CN114841980A (zh) | 基于巡线航拍图像的绝缘子缺陷检测方法及系统 | |
CN105373809A (zh) | 基于非负最小二乘稀疏表示的sar目标识别方法 | |
Zhou et al. | Target recognition and evaluation of typical transmission line equipment based on deep learning | |
CN113378918B (zh) | 一种基于度量学习的绝缘子绑扎线状态检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160316 |