CN106780438B - 基于图像处理的绝缘子缺陷检测方法及系统 - Google Patents
基于图像处理的绝缘子缺陷检测方法及系统 Download PDFInfo
- Publication number
- CN106780438B CN106780438B CN201611040881.5A CN201611040881A CN106780438B CN 106780438 B CN106780438 B CN 106780438B CN 201611040881 A CN201611040881 A CN 201611040881A CN 106780438 B CN106780438 B CN 106780438B
- Authority
- CN
- China
- Prior art keywords
- image
- insulator
- region
- pseudo
- images
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
Abstract
本发明涉及一种基于图像处理的绝缘子缺陷检测方法及其系统,将含有绝缘子的图像从RGB颜色空间转换到HSI颜色空间,分割得到色调分量和饱和度分量的单通道图像。再取交集来提取绝缘子轮廓,随后对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的腐蚀、膨胀运算、区域生长以及连通区域标记。根据各个连通区域的面积大小,从所述区域生长操作后获得的图像中剔除非绝缘子图像,获得伪标准二值图像。将进行闭运算后获得的图像与所述伪标准二值图像进行对比,根据对比结果判断绝缘子缺陷,容易实现,运算简单,速度较快。
Description
技术领域
本发明涉及电力设备监控的技术领域,特别是涉及一种基于图像处理的绝缘子缺陷检测方法及系统。
背景技术
绝缘子是一种特殊的绝缘控件,能够在架空输电线路中起到重要作用。高压电线上的绝缘子是电线连接塔的一端挂接的多个盘状的绝缘体,通常由玻璃或陶瓷制成。绝缘子由于环境和电负荷条件发生变化而导致的各种机电应力而损坏,就会损害整条线路的使用和运行寿命,因此对输电线路的绝缘子检测是电力维护人员一项非常重要的工作。
常规的输电线路绝缘子检测方法多是通过维护人员到现场进行观察,通过肉眼识别绝缘子是否损坏。然而由于部分输电线路上的电线连接塔非常高,维护人员在地面观察根本不能准确识别绝缘子是否损坏。部分电线连接塔的位置偏僻,维护人员到现场不便,也提高了绝缘子故障状况检测的难度。
发明内容
基于此,有必要针对绝缘子故障检测不方便,不准确的技术问题,提供一种基于图像处理的绝缘子缺陷检测方法及系统,以提高绝缘子故障检测的便利性和准确性。
一种基于图像处理的绝缘子缺陷检测方法,包括以下步骤:
将含有绝缘子的图像从RGB颜色空间转换到HSI颜色空间,分别对色调和饱和度通道进行分割,得到色调分量和饱和度分量的单通道图像,再将分割获得的单通道图像取交集,提取绝缘子轮廓图像;
对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的腐蚀、膨胀运算以及区域生长操作,并对区域生长操作后获得的图像进行连通区域标记;
根据各个连通区域的面积大小,从所述区域生长操作后获得的图像中剔除非绝缘子图像,获得伪标准二值图像;
对区域生长操作后获得的图像进行闭运算,将进行闭运算后获得的图像与所述伪标准二值图像进行对比,根据对比结果判断绝缘子缺陷。
一种基于图像处理的绝缘子缺陷检测系统,包括:
转换模块,用于将含有绝缘子的图像从RGB颜色空间转换到HSI颜色空间,分别对色调和饱和度通道进行分割,得到色调分量和饱和度分量的单通道图像,再将分割获得的单通道图像取交集,提取绝缘子轮廓图像;
形态处理模块,对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的腐蚀、膨胀运算以及区域生长操作,并对区域生长操作后获得的图像进行连通区域标记;
标准图像获取模块,用于根据各个连通区域的面积大小,从所述区域生长操作后获得的图像中剔除非绝缘子图像,获得伪标准二值图像;
判断模块,用于对区域生长操作后获得的图像进行闭运算,将进行闭运算后获得的图像与所述伪标准二值图像进行对比,根据对比结果判断绝缘子缺陷。
上述基于图像处理的绝缘子缺陷检测方法及其系统,将含有绝缘子的图像从RGB颜色空间转换到HSI颜色空间,分割得到色调分量和饱和度分量的单通道图像。再取交集来提取绝缘子轮廓,随后对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的腐蚀、膨胀运算、区域生长以及连通区域标记。根据各个连通区域的面积大小,从所述区域生长操作后获得的图像中剔除非绝缘子图像,获得伪标准二值图像。将进行闭运算后获得的图像与所述伪标准二值图像进行对比,根据对比结果判断绝缘子缺陷。对比方法容易实现,运算简单,速度较快,主要是通过对两图像对应像素点逐个进行异或逻辑运算来实现,能得到较准确的绝缘子缺陷判断结果。并且,无需维护人员到现场观察,非常方便。
附图说明
图1为一个实施例的基于图像处理的绝缘子缺陷检测方法的流程图;
图2为一种绝缘子航拍示意图;
图3为一种HSI色彩模型示意图;
图4为一个实施例中提取绝缘子轮廓的示意图;
图5为一个实施例的基于图像处理的绝缘子缺陷检测系统的结构示意图。
具体实施方式
下面结合附图对本发明的行业用电需求预测方法和系统的具体实施方式作详细描述。
参考图1,图1所示为一个实施例的基于图像处理的绝缘子缺陷检测方法的流程图。
所述基于图像处理的绝缘子缺陷检测方法,包括以下步骤:
S101,将含有绝缘子的图像从RGB颜色空间转换到HSI颜色空间,分别对色调和饱和度通道进行分割,得到色调分量和饱和度分量的单通道图像,再将分割获得的单通道图像取交集,提取绝缘子轮廓图像;
S102,对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的腐蚀、膨胀运算以及区域生长操作,并对区域生长操作后获得的图像进行连通区域标记;
S103,根据各个连通区域的面积大小,从所述区域生长操作后获得的图像中剔除非绝缘子图像,获得伪标准二值图像;
S104,对区域生长操作后获得的图像进行闭运算,将进行闭运算后获得的图像与所述伪标准二值图像进行对比,根据对比结果判断绝缘子缺陷。
上述基于图像处理的绝缘子缺陷检测方法,将含有绝缘子的图像从RGB颜色空间转换到HSI颜色空间,分割得到色调分量和饱和度分量的单通道图像。再取交集来提取绝缘子轮廓,随后对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的腐蚀、膨胀运算、区域生长以及连通区域标记。根据各个连通区域的面积大小,从所述区域生长操作后获得的图像中剔除非绝缘子图像,获得伪标准二值图像。将进行闭运算后获得的图像与所述伪标准二值图像进行对比,根据对比结果判断绝缘子缺陷。对比方法容易实现,运算简单,速度较快,主要是通过对两图像对应像素点逐个进行异或逻辑运算来实现,能得到较准确的绝缘子缺陷判断结果。
其中,典型的绝缘子航拍图像如图2所示,绝缘子自爆缺陷如红色标记所示,考虑无人机巡检输电线路的实际情况,玻璃绝缘子在航拍图像中具备以下特征:
1)单片玻璃绝缘子常呈现为椭圆形状,具有浅绿色、半透明特征;
2)绝缘子一般成串出现,其数量依据输电线路电压等级而不同;
3)绝缘子物理外形相同,在航拍图像中,尺寸基本一致,绝缘子串中各绝缘子等间距排列;
4)针对相互遮挡不明显的绝缘子航拍图像,当出现单片绝缘子自爆后,绝缘子串出现明显缺口,缺口长度大致相当于正常绝缘子片间距的2倍;
5)图像清晰,分辨率高,但背景中的地表植被、浅绿色地表水等常对绝缘子检测造成干扰。
在步骤S101中,将含有绝缘子的图像从RGB颜色空间转换到HSI颜色空间,分别对色调和饱和度通道进行分割,得到色调分量和饱和度分量的单通道图像,再将分割获得的单通道图像取交集,提取绝缘子轮廓图像。
颜色空间通常是一个三维坐标系统,每一种颜色由一个点表示。RGB色彩空间是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化,以及三通道相互的叠加,得到不同的颜色;HSI色彩空间用色调(Hue)、饱和度(Saturation)和亮度(Intensity)来描述色彩。通常把色调和饱和度统称为色度,用来表示颜色的类别与深浅程度,用亮度指示颜色的相对明暗度。HSI色彩模型如图3所示。
在一种实施例中,按照以下方式将含有绝缘子的图像从RGB颜色空间转换到HSI颜色空间:
其中,R、G、B分别为图像中一个像素的红色、绿色、蓝色分量,H、S、I分别为图像中一个像素的色调、饱和度和亮度分量。
玻璃绝缘子一般为浅绿色、半透明状,在航拍图像中,其颜色与地表植被、泛绿的湖水相似,直接运用RGB模型中的G分量对绝缘子图像进行分割效果不佳,而本发明是将图像从RGB色彩空间转换到HSI色彩空间进行处理。HIS色彩空间将图像的色度及亮度分开处理,且相互间独立进行。对于特定颜色,只需要针对H和S分量,在平面进行分析处理,能降低单幅图像中光线强弱对前景提取的影响。
由于受季节、天气变化以及无人机作业时间的影响,航拍图像受光照强度干扰明显,使绝缘子的统一色度在成像时存在一定的色散现象,本发明首先将图像从RGB色彩空间转换到HSI色彩空间,再分别对H和S通道进行阈值分割,最后对分割结果进行求交集,将绝缘子轮廓图像从背景中提取出来,从而大大简化图像分析和处理的工作量,如图4所示。
在步骤S102,对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的腐蚀、膨胀运算以及区域生长操作,并对区域生长操作后获得的图像进行连通区域标记;
为了滤除绝缘子分割图像中的噪声,准确地提取绝缘子,本发明采用数学形态学进行处理。数学形态学(Mathematical Morphology)是一种应用于图像处理和模式识别领域的新的方法。形态学运算主要用于图像预处理(去噪声和简化形状)、增强物体机构(抽取骨骼、细化、粗化、凸包以及物体标记)、从背景中分割物体、物体量化描述(面积、周长、投影以及Euler-Poincare特征)。
本发明对所述绝缘子轮廓图像进行形态学的腐蚀、膨胀运算以及区域生长操作,其中,腐蚀和膨胀是形态学处理的基础,开运算、闭运算以及区域生长也是以其为基础的。
在一个实施例中,对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的腐蚀运算的步骤包括:
让位于绝缘子轮廓图像的图像平面Z2的原点的结构元素S在整个图像平面Z2上移动,如果当结构元素S平移至z点时,结构元素S能够完全包含于A中,则获取z点构成的集合为S对A的腐蚀图像。
对绝缘子轮廓图像的图像平面Z2上元素的集合A和S,使用S对A进行腐蚀,记作AΘS,即:
在一个实施例中,对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的膨胀运算的步骤包括:
让位于绝缘子轮廓图像的图像平面Z2的原点的结构元素S在整个图像平面Z2上移动,当图像平面Z2的原点平移至z点时,如果结构元素S相对于图像平面Z2的原点的映像和A有公共的交集,则获取z点构成的集合为S对A的膨胀图像。
开运算和闭运算都由腐蚀和膨胀复合而成,开运算是先腐蚀后膨胀,而闭运算是先膨胀后腐蚀。开运算使图像的轮廓变得光滑,断开狭窄的连接和消除细毛刺。闭运算同样使轮廓变得光滑,但与开运算相反,它通常能够弥合狭窄的间断,填充小的孔洞。
在一个实施例中,对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的区域生长操作的步骤包括:
在膨胀运算后的所述绝缘子轮廓图像中选定一组种子点;
将与所述种子点性质差异小于预设值的相邻像素附加到生长区域的每个种子点上,其中,所述性质包括灰度级或特定的颜色范围。
区域生长是一种根据事先定义的准则将像素或子区域聚合成更大区域的过程。本发明以一组种子点开始,将与种子点性质相似(诸如灰度级或颜色的特定范围)的相邻像素附加到生长区域的每个种子点上。并可根据解决问题的性质而选择一个或多个起点。当一个先验信息无效时,这一过程将对每个像素计算相同的特性集,最终这个特性集在生长过程中用于将像素归入某个区域。如果这些计算的结果呈现了不同簇的值,则那些由于自身的性质而处在这些簇中心附近的像素可以作为种子。相似性准则的选择不仅取决于面对的问题,还取决于有效图像数据的类型。
进一步地,区域生长可以用公式描述一个终止规则。在没有像素满足加入某个区域的条件时,区域生长就会停止。灰度级、纹理和颜色准则都是局部性质,都没有考虑到区域生长的“历史”。增加其他增强区域生长算法处理能力的准则利用了待选像素和已加入生长区的像素间的大小和相似性等概念(比如待选像素的灰度级和生长区域的平均灰度级之间的比较),以及生长区域的形状。这些类型的描绘子的使用是以假设能得到预期结果的模型至少有一部分有效为基础的。
经过步骤S101后,图像经过前景提取,大部分的图像背景被滤除,绝缘子轮廓图像被提取。但仍有部分色度与绝缘子相近的物体被误检为前景,影响了对绝缘子的检测。考虑到在前景连通区域中,绝缘子为相对完整的圆形、椭圆形轮廓,绝缘子串整体轮廓也较为饱满,本发明运用以椭圆形为结构元素的操作算子,对图像进一步进行形态学的腐蚀和膨胀运算,对前景图像进行形态学滤波,减少了前景中连通域的数量,从而减少了算法需要处理的数据量,这对进一步依据连通域属性进行绝缘子的轮廓检测十分有利。
在一种实施例中,对区域生长操作后获得的图像进行连通区域标记的步骤包括:
步骤a,对区域生长操作后获得的图像进行TV光栅扫描,找出没有分配标记的像素,对所述像素分配一个没有使用过的标记;
步骤b,比较各个已分配标记的像素与其8领域内的其他像素的性质差异,如果比较结果为性质差异小于预设值,则对所述8领域内的其他像素分配相同的标记,直到没有性质差异小于预设值的像素;
步骤c,对所述区域生长操作后获得的图像重复执行步骤a和b,直到所有像素都被分配标记。
对于连通区域描述,区域标记是必需的。区域标记就是给每个区域标志一个唯一的数字(整数),为区域提供索引。本发明采用顺序扫描和并行传播组合起来的标记算法(8-连通的场合)。
步骤S103,根据各个连通区域的面积大小,从所述区域生长操作后获得的图像中剔除非绝缘子图像,获得伪标准二值图像;
在一个实施例中,根据各个连通区域的面积大小,从所述区域生长操作后获得的图像中剔除非绝缘子图像,获得伪标准二值图像的步骤包括:
当连通区域的面积大于预设面积阈值时,判断连通区域属于绝缘子图像。
在前景连通域中,绝缘子的连通域面积较大,因此依据连通域面积进行判断,即可准确地提取出绝缘子。
在步骤S104,对区域生长操作后获得的图像进行闭运算,将进行闭运算后获得的图像与所述伪标准二值图像进行对比,根据对比结果判断绝缘子缺陷。
图像对比是一种合成技术,它通过利用两幅己知输入图像,对其进行点对点的加减乘除异或等运算而获得满足需求的输出结果图像。图像相加的作用是对同一场景的多幅图像求平均,有效地降低加性随机噪声;乘运算可利用掩模图像来遮掉图像的某部分;除运算是摇撼图像处理常用方法;减运算对同一景物在不同时间拍摄图像或同一景物在不同波段图像相减,可去除图像背景和噪声等不需要部分,提供两图间的差异信息,保留需要的特征数据。
本发明在获得分割后的二值化待测缺陷图像后,由待测缺陷图像经过形态学处理来得到伪标准图像,然后将两幅图像比对,根据伪标准和待测二值图两者的特征差异来判断待测图中的绝缘子是否可能存在缺陷。该对比方法容易实现,算法简单,速度较快,主要是通过对两图像对应像素点逐个进行异或逻辑运算实现,能得到较准确的缺陷检测结果。
在一个实施例中,在判断绝缘子缺陷时,进一步使用缺损和空洞缺陷识别算法:首先运用数学形态学方法将图像分割得到的二值图像进行闭操作,也就是用同一个结构元素先膨胀后腐蚀,这样做可以填充绝缘子缺损和空洞的部分,这实际上就可以缩小绝缘子上的缺损和空洞缺陷,从而得到一个二值伪标准图像。然后利用图像对比的方法对分割得到的二值图像与伪标准二值图像进行异或,即可得出二者之间的差别,从而检测出绝缘子的缺损空洞缺陷。
分割得到的二值图像由于灰度级的关系会产生比较多的毛刺,而经数学形态学闭操作得到的伪标准二值图像会相对平滑一些。所以,它们的不同之处不仅包含缺损和空洞缺陷,还可能会包含一些毛刺。在待测缺陷图像与伪标准图像异或获得初步的缺陷目标之后,由于待测图像残留噪声影响,对比后图像仍存在虚假缺陷,因此有必要对对比后的缺陷图进行进一步的后处理,去除由噪声等干扰因素引起的虚假缺陷。
在一个实施例中,将进行闭运算后获得的图像与所述伪标准二值图像进行对比,根据对比结果判断绝缘子缺陷的步骤包括:
将进行闭运算后获得的图像与所述伪标准二值图像的对应像素点逐个进行异或逻辑运算;
根据异或逻辑运算结果获取所述闭运算后获得的图像与所述伪标准二值图像的各个连续差异像素区域的面积,如果所述连续差异像素区域的面积大于预设的判断阈值,则判断所述连续差异像素区域为绝缘子的缺陷。
通过设置一个差异像素面积的判断阈值,滤除掉小于该阈值的毛刺和噪声,剩余的就是需要识别缺损缺陷图像。
本发明实现了基于图像处理的绝缘子缺陷检测,该方法能够较好地提取绝缘子前景图像,精准提取绝缘子轮廓和诊断故障。
通过matlab编程模拟发现,本发明检测不同背景下的绝缘子,取得了较好的效果,检测误差在较小。能更好的提取绝缘子特征,以及较好的处理绝缘子有无相互遮挡的情况,具有更强的适应性。
特别是针对无人机航拍图像中的玻璃绝缘子具备的特点,采用将图像从RGB空间转换到HSI空间,忽略亮度分量,综合运用H分量和S分量,获取绝缘子前景图像;针对绝缘子相互遮挡的情况,直接运用图像处理算法,获取了较为满意的绝缘子串的整体轮廓,滤除误检轮廓,实现绝缘子的识别;依据绝缘子自爆的特点,对绝缘子的自爆缺陷检测,实现了绝缘子串中部的自爆缺陷的检测和定位。
在一个实施例中,本发明还提供一种基于图像处理的绝缘子缺陷检测系统,如图5所示,包括:
转换模块10,用于将含有绝缘子的图像从RGB颜色空间转换到HSI颜色空间,分别对色调和饱和度通道进行分割,得到色调分量和饱和度分量的单通道图像,再将分割获得的单通道图像取交集,提取绝缘子轮廓图像;
形态处理模块20,对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的腐蚀、膨胀运算以及区域生长操作,并对区域生长操作后获得的图像进行连通区域标记;
标准图像获取模块30,用于根据各个连通区域的面积大小,从所述区域生长操作后获得的图像中剔除非绝缘子图像,获得伪标准二值图像;
判断模块40,用于对区域生长操作后获得的图像进行闭运算,将进行闭运算后获得的图像与所述伪标准二值图像进行对比,根据对比结果判断绝缘子缺陷。
上述基于图像处理的绝缘子缺陷检测系统,将含有绝缘子的图像从RGB颜色空间转换到HSI颜色空间,分割得到色调分量和饱和度分量的单通道图像。再取交集来提取绝缘子轮廓,随后对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的腐蚀、膨胀运算、区域生长以及连通区域标记。根据各个连通区域的面积大小,从所述区域生长操作后获得的图像中剔除非绝缘子图像,获得伪标准二值图像。将进行闭运算后获得的图像与所述伪标准二值图像进行对比,根据对比结果判断绝缘子缺陷。对比方法容易实现,运算简单,速度较快,主要是通过对两图像对应像素点逐个进行异或逻辑运算来实现,能得到较准确的绝缘子缺陷判断结果。
在一种实施例中,所述判断模块进一步用于将进行闭运算后获得的图像与所述伪标准二值图像的对应像素点逐个进行异或逻辑运算,根据异或逻辑运算结果获取所述闭运算后获得的图像与所述伪标准二值图像的各个连续差异像素区域的面积,如果所述连续差异像素区域的面积大于预设的判断阈值,则判断所述连续差异像素区域为绝缘子的缺陷。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种基于图像处理的绝缘子缺陷检测方法,其特征在于,包括以下步骤:
将含有绝缘子的图像从RGB颜色空间转换到HSI颜色空间,分别对色调和饱和度通道进行分割,得到色调分量和饱和度分量的单通道图像,再将分割获得的单通道图像取交集,提取绝缘子轮廓图像;
对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的腐蚀、膨胀运算以及区域生长操作,并对区域生长操作后获得的图像进行连通区域标记;区域生长是一种根据事先定义的准则将像素或子区域聚合成更大区域的过程;
对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的区域生长操作的步骤包括:
在膨胀运算后的所述绝缘子轮廓图像中选定一组种子点;
将与所述种子点灰度级与生长区域的平均灰度级的差异小于预设值的相邻像素附加到生长区域的每个种子点上;
将与所述种子点性质差异小于所述预设值的相邻像素附加到生长区域的每个种子点上,其中,所述性质包括特定的颜色范围;
根据各个连通区域的面积大小,从所述区域生长操作后获得的图像中剔除非绝缘子图像,获得伪标准二值图像;
对区域生长操作后获得的图像进行闭运算,将进行闭运算后获得的图像与所述伪标准二值图像进行异或,根据异或结果判断绝缘子缺陷;所述闭运算是先膨胀后腐蚀。
3.根据权利要求1所述的基于图像处理的绝缘子缺陷检测方法,其特征在于,对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的腐蚀运算的步骤包括:
让位于绝缘子轮廓图像的图像平面Z2的原点的结构元素S在整个图像平面Z2上移动,如果当结构元素S平移至z点时,结构元素S能够完全包含于A中,则获取z点构成的集合为S对A的腐蚀图像。
5.根据权利要求1所述的基于图像处理的绝缘子缺陷检测方法,其特征在于,对区域生长操作后获得的图像进行连通区域标记的步骤包括:
步骤a,对区域生长操作后获得的图像进行TV光栅扫描,找出没有分配标记的像素,对所述像素分配一个没有使用过的标记;
步骤b,比较各个已分配标记的像素与其8领域内的其他像素的性质差异,如果比较结果为性质差异小于预设值,则对所述8领域内的其他像素分配相同的标记,直到没有性质差异小于预设值的像素;
步骤c,对所述区域生长操作后获得的图像重复执行步骤a和b,直到所有像素都被分配标记。
6.根据权利要求1所述的基于图像处理的绝缘子缺陷检测方法,其特征在于,根据各个连通区域的面积大小,从所述区域生长操作后获得的图像中剔除非绝缘子图像,获得伪标准二值图像的步骤包括:
当连通区域的面积大于预设面积阈值时,判断连通区域属于绝缘子图像。
7.根据权利要求1至6任意一项所述的基于图像处理的绝缘子缺陷检测方法,其特征在于,将进行闭运算后获得的图像与所述伪标准二值图像进行异或,根据异或结果判断绝缘子缺陷的步骤包括:
将进行闭运算后获得的图像与所述伪标准二值图像的对应像素点逐个进行异或逻辑运算;
根据异或逻辑运算结果获取所述闭运算后获得的图像与所述伪标准二值图像的各个连续差异像素区域的面积,如果所述连续差异像素区域的面积大于预设的判断阈值,则判断所述连续差异像素区域为绝缘子的缺陷。
8.一种基于图像处理的绝缘子缺陷检测系统,其特征在于,包括:
转换模块,用于将含有绝缘子的图像从RGB颜色空间转换到HSI颜色空间,分别对色调和饱和度通道进行分割,得到色调分量和饱和度分量的单通道图像,再将分割获得的单通道图像取交集,提取绝缘子轮廓图像;
形态处理模块,用于对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的腐蚀、膨胀运算以及区域生长操作,并对区域生长操作后获得的图像进行连通区域标记;区域生长是一种根据事先定义的准则将像素或子区域聚合成更大区域的过程;
其中,对所述绝缘子轮廓图像以椭圆形为结构元素的操作算子,进行形态学的区域生长操作的步骤包括:
在膨胀运算后的所述绝缘子轮廓图像中选定一组种子点;
将与所述种子点灰度级与生长区域的平均灰度级的差异小于预设值的相邻像素附加到生长区域的每个种子点上;
将与所述种子点性质差异小于所述预设值的相邻像素附加到生长区域的每个种子点上,其中,所述性质包括特定的颜色范围;
标准图像获取模块,用于根据各个连通区域的面积大小,从所述区域生长操作后获得的图像中剔除非绝缘子图像,获得伪标准二值图像;
判断模块,用于对区域生长操作后获得的图像进行闭运算,将进行闭运算后获得的图像与所述伪标准二值图像进行异或,根据异或结果判断绝缘子缺陷;所述闭运算是先膨胀后腐蚀。
9.根据权利要求8所述的基于图像处理的绝缘子缺陷检测系统,其特征在于,所述判断模块进一步用于将进行闭运算后获得的图像与所述伪标准二值图像的对应像素点逐个进行异或逻辑运算,根据异或逻辑运算结果获取所述闭运算后获得的图像与所述伪标准二值图像的各个连续差异像素区域的面积,如果所述连续差异像素区域的面积大于预设的判断阈值,则判断所述连续差异像素区域为绝缘子的缺陷。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611040881.5A CN106780438B (zh) | 2016-11-11 | 2016-11-11 | 基于图像处理的绝缘子缺陷检测方法及系统 |
PCT/CN2017/078686 WO2018086299A1 (zh) | 2016-11-11 | 2017-03-30 | 基于图像处理的绝缘子缺陷检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611040881.5A CN106780438B (zh) | 2016-11-11 | 2016-11-11 | 基于图像处理的绝缘子缺陷检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106780438A CN106780438A (zh) | 2017-05-31 |
CN106780438B true CN106780438B (zh) | 2020-09-25 |
Family
ID=58975653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611040881.5A Active CN106780438B (zh) | 2016-11-11 | 2016-11-11 | 基于图像处理的绝缘子缺陷检测方法及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106780438B (zh) |
WO (1) | WO2018086299A1 (zh) |
Families Citing this family (92)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545564A (zh) * | 2017-07-20 | 2018-01-05 | 广东工业大学 | 电网输电线路绝缘子伞裙缺陷检测方法 |
CN107369162B (zh) * | 2017-07-21 | 2020-07-10 | 华北电力大学(保定) | 一种绝缘子候选目标区域的生成方法及系统 |
CN107727662B (zh) * | 2017-09-28 | 2020-02-14 | 河北工业大学 | 一种基于区域生长算法的电池片el黑斑缺陷检测方法 |
CN107871320A (zh) * | 2017-11-24 | 2018-04-03 | 国网内蒙古东部电力有限公司 | 一种绝缘纸板热老化程度的检测系统及方法 |
CN108108772B (zh) * | 2018-01-06 | 2021-08-10 | 天津大学 | 一种基于配电线路航拍图像的绝缘子污闪状态检测方法 |
CN108362693B (zh) * | 2018-01-12 | 2021-05-07 | 上海大学 | 一种基于图像处理的传送带上绝缘子合格率的检测方法 |
CN109544501B (zh) * | 2018-03-22 | 2023-04-18 | 广东电网有限责任公司清远供电局 | 一种基于无人机多源图像特征匹配的输电设备缺陷检测方法 |
CN108665464A (zh) * | 2018-04-03 | 2018-10-16 | 电子科技大学 | 一种基于形态学的高压电塔及高压电线的异物检测方法 |
CN108921828B (zh) * | 2018-06-15 | 2022-04-22 | 湖南科技大学 | 一种复杂场景下不显著焊缝识别方法 |
CN109242819B (zh) * | 2018-07-02 | 2022-02-11 | 广东工业大学 | 一种基于图像处理的表面擦伤缺陷联通的算法 |
CN109118476B (zh) * | 2018-07-11 | 2020-11-24 | 华南理工大学广州学院 | 一种零部件边缘轮廓完整性检测方法及装置 |
CN109492569A (zh) * | 2018-10-31 | 2019-03-19 | 国家电网有限公司 | 一种电缆线绝缘层缺损检测方法和装置 |
CN109242853B (zh) * | 2018-11-05 | 2021-10-19 | 南京信息工程大学 | 一种基于图像处理的pcb缺陷智能检测方法 |
CN109544572B (zh) * | 2018-11-19 | 2023-07-25 | 常州大学 | 一种果园图像中近大果实目标的获取方法 |
CN109712181B (zh) * | 2018-12-26 | 2022-12-06 | 西安电子科技大学 | 集成电路版图线网上开路关键面积的提取方法 |
CN109766831A (zh) * | 2019-01-09 | 2019-05-17 | 深圳市三宝创新智能有限公司 | 一种道路色带识别方法、装置、计算机设备、及存储介质 |
EP3680106B1 (de) * | 2019-01-11 | 2023-08-23 | Heidelberger Druckmaschinen AG | Mn-detektion im druckbild |
CN109785316B (zh) * | 2019-01-22 | 2022-12-02 | 湖南大学 | 一种芯片表观缺陷检测方法 |
CN110021012B (zh) * | 2019-03-27 | 2023-09-26 | 安徽皓视光电科技有限公司 | 基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法 |
CN110136158B (zh) * | 2019-04-10 | 2022-10-11 | 西安理工大学 | 一种基于图像处理的对称体调平装置及调平方法 |
CN109916914B (zh) * | 2019-04-10 | 2021-07-02 | 清华大学深圳研究生院 | 一种产品缺陷检测方法及装置 |
CN110175556B (zh) * | 2019-05-24 | 2022-12-06 | 西安电子科技大学 | 基于Sobel算子的遥感图像云检测方法 |
CN110276747B (zh) * | 2019-06-06 | 2021-03-23 | 中南大学 | 一种基于图像分析的绝缘子故障检测和故障评级方法 |
CN110264448B (zh) * | 2019-06-06 | 2021-04-23 | 中南大学 | 一种基于机器视觉的绝缘子故障检测方法 |
CN110288571B (zh) * | 2019-06-06 | 2021-03-23 | 中南大学 | 一种基于图像处理的高铁接触网绝缘子异常检测方法 |
CN110222683A (zh) * | 2019-06-11 | 2019-09-10 | 云南电网有限责任公司曲靖供电局 | 一种基于深度卷积神经网络的输电线路绝缘子部件爆片缺陷识别定位方法 |
CN110609204B (zh) * | 2019-06-27 | 2021-11-02 | 杭州电子科技大学 | 基于形态学小波分析消噪的配电网单相接地故障定位方法 |
CN110361400A (zh) * | 2019-07-01 | 2019-10-22 | 创新奇智(合肥)科技有限公司 | 一种铸铁工件的气泡检测方法及电子设备 |
CN110533653A (zh) * | 2019-08-30 | 2019-12-03 | 国家电网有限公司 | 高压电气设备缺陷检测方法、装置及终端设备 |
CN110751642A (zh) * | 2019-10-18 | 2020-02-04 | 国网黑龙江省电力有限公司大庆供电公司 | 一种绝缘子裂缝检测方法和系统 |
CN111080696B (zh) * | 2019-10-25 | 2023-08-08 | 青岛农业大学 | 一种基于计算机视觉的水下海参识别及定位方法 |
CN110751648B (zh) * | 2019-10-29 | 2023-02-28 | 国网黑龙江省电力有限公司电力科学研究院 | 基于图像处理技术的杆塔基础异常检测方法 |
CN110956590B (zh) * | 2019-11-04 | 2023-11-17 | 张杰辉 | 一种虹膜图像的去噪装置、方法及存储介质 |
CN111081340B (zh) * | 2019-12-04 | 2023-11-03 | 四川骏逸富顿科技有限公司 | 一种用于远程检测电子处方信息是否完整的方法 |
CN111179289B (zh) * | 2019-12-31 | 2023-05-19 | 重庆邮电大学 | 一种适用于网页长图宽图的图像分割方法 |
CN111767777B (zh) * | 2020-01-08 | 2022-11-22 | 杭州健而控科技有限公司 | 一种基于图像处理算法的变电站隔离开关状态分析方法 |
CN111368854A (zh) * | 2020-03-03 | 2020-07-03 | 东南数字经济发展研究院 | 一种批量提取航拍图像中颜色单一的同类目标轮廓的方法 |
CN111311597B (zh) * | 2020-03-27 | 2023-04-18 | 国网福建省电力有限公司龙岩供电公司 | 一种缺陷绝缘子的无人机巡检方法与系统 |
CN111539302B (zh) * | 2020-04-20 | 2022-09-09 | 山东理工大学 | 基于多尺度深层扰动神经网络的玻璃绝缘子自爆识别方法 |
CN111523613B (zh) * | 2020-05-09 | 2023-03-24 | 黄河勘测规划设计研究院有限公司 | 水利工程复杂环境下的图像分析抗干扰方法 |
CN111598889B (zh) * | 2020-05-26 | 2023-08-08 | 南方电网数字电网科技(广东)有限公司 | 均压环倾斜故障的识别方法、装置、计算机设备 |
CN111583258B (zh) * | 2020-05-28 | 2024-03-15 | 常州节卡智能装备有限公司 | 缺陷检测方法、装置、系统及存储介质 |
CN111754465B (zh) * | 2020-06-04 | 2023-06-09 | 四川大学 | 一种绝缘子定位与掉串检测方法 |
CN111815600B (zh) * | 2020-07-04 | 2024-04-02 | 博科视(苏州)技术有限公司 | 一种基于视觉的环形磁钢外观缺陷检测方法 |
CN112150500B (zh) * | 2020-09-17 | 2023-12-26 | 西安工程大学 | 一种基于联合分量灰度化的绝缘子分割提取方法 |
CN112116579B (zh) * | 2020-09-21 | 2024-02-13 | 东南大学 | 一种透明药瓶的缺陷检测方法和装置 |
CN112351247A (zh) * | 2020-10-16 | 2021-02-09 | 国电大渡河枕头坝发电有限公司 | 一种基于图像处理的水电厂内电光闪光检测方法 |
CN112415013A (zh) * | 2020-11-09 | 2021-02-26 | 上海圣之尧智能科技有限公司 | 一种铜箔缺陷检测系统 |
CN112464756B (zh) * | 2020-11-13 | 2023-05-02 | 上海电力大学 | 一种面向绝缘子缺陷识别的图像量化方法 |
CN112634216B (zh) * | 2020-12-16 | 2024-02-09 | 西安理工大学 | 一种基于深度学习模型的绝缘子自爆检测方法 |
CN112669295A (zh) * | 2020-12-30 | 2021-04-16 | 上海电机学院 | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 |
CN112837290B (zh) * | 2021-02-03 | 2022-09-27 | 中南大学 | 一种基于种子填充算法的裂缝图像自动识别方法 |
CN112819812A (zh) * | 2021-02-25 | 2021-05-18 | 西安铂力特增材技术股份有限公司 | 基于图像处理的粉末床缺陷检测方法 |
CN112907545B (zh) * | 2021-02-25 | 2023-10-10 | 湖州师范学院 | 基于图像处理的种子芽长与根长检测方法 |
CN113012124B (zh) * | 2021-03-15 | 2024-02-23 | 大连海事大学 | 一种鞋印孔洞和嵌入物特征检测及描述方法 |
CN113034488B (zh) * | 2021-04-13 | 2024-04-19 | 荣旗工业科技(苏州)股份有限公司 | 一种喷墨印刷品的视觉检测方法 |
CN113160163B (zh) * | 2021-04-14 | 2023-10-31 | 大连亚明汽车部件股份有限公司 | 一种基于机器视觉的发动机缸体外观缺陷检测算法 |
CN112802022B (zh) * | 2021-04-14 | 2021-10-29 | 高视科技(苏州)有限公司 | 智能检测缺陷玻璃图像的方法、电子设备以及存储介质 |
CN113192027B (zh) * | 2021-04-29 | 2023-03-24 | 华南理工大学 | 一种大功率led模组封装缺陷的检测方法及应用 |
CN113311289B (zh) * | 2021-05-13 | 2023-04-25 | 中煤科工开采研究院有限公司 | 一种基于广域电流暂态分量的多级供电系统接地故障定位方法 |
CN113588654B (zh) * | 2021-06-24 | 2024-02-02 | 宁波大学 | 一种发动机热交换器接口的三维视觉检测方法 |
CN113658098B (zh) * | 2021-07-16 | 2024-03-15 | 江苏森标科技有限公司 | 一种太阳能电池片色斑检测的方法、系统及存储介质 |
CN113554611B (zh) * | 2021-07-19 | 2024-02-02 | 广东电网有限责任公司 | 一种绝缘子自爆缺陷检测方法、装置、终端和存储介质 |
CN113516193B (zh) * | 2021-07-19 | 2024-03-01 | 中国农业大学 | 基于图像处理的红枣缺陷识别分类方法及装置 |
CN113686876B (zh) * | 2021-08-24 | 2022-10-04 | 华南农业大学 | 一种禽蛋裂纹检测方法、装置 |
CN113538418A (zh) * | 2021-08-27 | 2021-10-22 | 浙江工业大学 | 基于形态学分析的轮胎x射线图像缺陷提取模型构建方法 |
CN113793322A (zh) * | 2021-09-16 | 2021-12-14 | 上海安稷软件科技有限公司 | 一种对磁性材料自动检测的方法、电子设备和存储介质 |
CN114034706B (zh) * | 2021-10-29 | 2023-06-16 | 武汉理工大学 | 一种碳纤维零件表面缺陷检测装置及方法 |
CN114167889B (zh) * | 2021-11-29 | 2023-03-07 | 内蒙古易飞航空科技有限公司 | 基于图像ai与大数据应用的智能巡检飞行平台 |
CN114219863A (zh) * | 2021-12-16 | 2022-03-22 | 重庆傲雄在线信息技术有限公司 | 基于重建开操作的印章检测方法、存储介质及电子设备 |
CN114202543B (zh) * | 2022-02-18 | 2022-04-26 | 成都数之联科技股份有限公司 | Pcb板脏污缺陷检测方法、装置、设备及介质 |
CN114359286A (zh) * | 2022-03-21 | 2022-04-15 | 湖南应超智能计算研究院有限责任公司 | 一种基于人工智能的绝缘子缺陷识别方法、设备及介质 |
CN114625020B (zh) * | 2022-05-12 | 2022-08-12 | 慕思健康睡眠股份有限公司 | 一种电器控制方法、装置及系统 |
CN115049637B (zh) * | 2022-07-12 | 2023-03-31 | 北京奥乘智能技术有限公司 | 胶囊接缝图像获取方法、装置、存储介质和计算设备 |
CN115127479A (zh) * | 2022-09-02 | 2022-09-30 | 西安西动智能科技有限公司 | 一种基于机器视觉的胶辊螺纹在线检测及修正方法 |
CN115330802B (zh) * | 2022-10-17 | 2024-01-19 | 山东大学 | 一种碳纤维复合材料气瓶x射线图像脱粘缺陷提取方法 |
CN115631205B (zh) * | 2022-12-01 | 2023-03-21 | 阿里巴巴(中国)有限公司 | 图像分割及模型训练的方法、装置及设备 |
CN115661148B (zh) * | 2022-12-26 | 2023-04-11 | 视睿(杭州)信息科技有限公司 | 一种晶圆晶粒排列检测方法及系统 |
CN115690102B (zh) * | 2022-12-29 | 2023-04-18 | 摩尔线程智能科技(北京)有限责任公司 | 缺陷检测方法、装置、电子设备、存储介质和程序产品 |
CN115937549B (zh) * | 2023-01-09 | 2023-08-04 | 肇庆学院 | 一种基于颜色和形状特征的木材数量计数方法 |
CN116051543B (zh) * | 2023-03-06 | 2023-06-16 | 山东锦霖钢材加工有限公司 | 一种用于钢材剥皮的缺陷识别方法 |
CN116228778B (zh) * | 2023-05-10 | 2023-09-08 | 国网山东省电力公司菏泽供电公司 | 一种基于多模态信息融合的绝缘子破裂的检测方法及系统 |
CN116679171B (zh) * | 2023-05-15 | 2023-11-10 | 江苏云峰科技股份有限公司 | 风力发电开关的绝缘件的绝缘状态判断系统 |
CN116645364B (zh) * | 2023-07-18 | 2023-10-27 | 金乡县金沪合金钢有限公司 | 一种基于图像数据的合金钢铸件气孔缺陷检测方法 |
CN116823804B (zh) * | 2023-07-21 | 2024-02-09 | 北京化工大学 | 基于知识和数据联合驱动的输电通道安全监测方法 |
CN116630447B (zh) * | 2023-07-24 | 2023-10-20 | 成都海风锐智科技有限责任公司 | 一种基于图像处理的天气预测方法 |
CN116630332B (zh) * | 2023-07-26 | 2023-09-26 | 山东华航高分子材料有限公司 | 一种基于图像处理的pvc塑料管口缺陷检测方法 |
CN116645373B (zh) * | 2023-07-27 | 2023-10-20 | 济宁名居木业有限公司 | 一种木材表面缺陷识别方法 |
CN117197534B (zh) * | 2023-08-04 | 2024-04-05 | 广州电缆厂有限公司 | 一种基于特征识别的电缆表面缺陷自动检测方法 |
CN116824586B (zh) * | 2023-08-31 | 2023-12-01 | 山东黑猿生物科技有限公司 | 图像处理方法及应用该方法的黑蒜生产质量在线检测系统 |
CN117291911B (zh) * | 2023-11-24 | 2024-02-09 | 山东通广电子股份有限公司 | 一种用于电力设备的缺陷检测方法及系统 |
CN117571724A (zh) * | 2024-01-16 | 2024-02-20 | 季华实验室 | 留置针缺陷检测方法、系统、电子设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886610A (zh) * | 2014-04-05 | 2014-06-25 | 东北电力大学 | 一种绝缘子图像缺陷检测方法 |
CN104483326A (zh) * | 2014-12-19 | 2015-04-01 | 长春工程学院 | 基于深度信念网络的高压线绝缘子缺陷检测方法及系统 |
CN105160669A (zh) * | 2015-08-21 | 2015-12-16 | 马鞍山市安工大工业技术研究院有限公司 | 一种无人机巡检输电线路图像中绝缘子缺陷的检测和定位方法 |
CN105445283A (zh) * | 2016-02-01 | 2016-03-30 | 成都通甲优博科技有限责任公司 | 一种绝缘子图像污秽状态检测方法 |
CN105513039A (zh) * | 2015-07-10 | 2016-04-20 | 中国电力科学研究院 | 一种带电绝缘子串覆冰桥接度智能图像分析方法 |
CN105931198A (zh) * | 2016-04-14 | 2016-09-07 | 西安工程大学 | 一种基于小波变换的覆冰绝缘子图像增强方法 |
CN106097380A (zh) * | 2016-08-03 | 2016-11-09 | 中国电力科学研究院 | 一种基于图像的绝缘子芯棒缺陷在线检测的系统和方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6365581A (ja) * | 1986-09-05 | 1988-03-24 | Ngk Insulators Ltd | 画像センシング方法 |
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 |
-
2016
- 2016-11-11 CN CN201611040881.5A patent/CN106780438B/zh active Active
-
2017
- 2017-03-30 WO PCT/CN2017/078686 patent/WO2018086299A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886610A (zh) * | 2014-04-05 | 2014-06-25 | 东北电力大学 | 一种绝缘子图像缺陷检测方法 |
CN104483326A (zh) * | 2014-12-19 | 2015-04-01 | 长春工程学院 | 基于深度信念网络的高压线绝缘子缺陷检测方法及系统 |
CN105513039A (zh) * | 2015-07-10 | 2016-04-20 | 中国电力科学研究院 | 一种带电绝缘子串覆冰桥接度智能图像分析方法 |
CN105160669A (zh) * | 2015-08-21 | 2015-12-16 | 马鞍山市安工大工业技术研究院有限公司 | 一种无人机巡检输电线路图像中绝缘子缺陷的检测和定位方法 |
CN105445283A (zh) * | 2016-02-01 | 2016-03-30 | 成都通甲优博科技有限责任公司 | 一种绝缘子图像污秽状态检测方法 |
CN105931198A (zh) * | 2016-04-14 | 2016-09-07 | 西安工程大学 | 一种基于小波变换的覆冰绝缘子图像增强方法 |
CN106097380A (zh) * | 2016-08-03 | 2016-11-09 | 中国电力科学研究院 | 一种基于图像的绝缘子芯棒缺陷在线检测的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106780438A (zh) | 2017-05-31 |
WO2018086299A1 (zh) | 2018-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780438B (zh) | 基于图像处理的绝缘子缺陷检测方法及系统 | |
CN109215020B (zh) | 基于计算机视觉的高压输电线路故障识别方法 | |
CN104483326B (zh) | 基于深度信念网络的高压线绝缘子缺陷检测方法及系统 | |
Zhang et al. | Object-oriented shadow detection and removal from urban high-resolution remote sensing images | |
CN111260616A (zh) | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 | |
CN109558806B (zh) | 高分遥感图像变化的检测方法 | |
CN109191432B (zh) | 基于域变换滤波多尺度分解的遥感图像云检测方法 | |
WO2019062092A1 (zh) | 基于超像素-多色彩空间的人体轮廓提取方法 | |
CN111402247B (zh) | 一种基于机器视觉的输电线路上悬垂线夹缺陷检测方法 | |
CN108319973A (zh) | 一种树上柑橘果实检测方法 | |
CN105913421B (zh) | 基于自适应形状暗通道的遥感图像云检测方法 | |
CN106096491B (zh) | 一种眼底彩色照相图像中微动脉瘤自动化识别方法 | |
CN110390643B (zh) | 一种车牌增强方法、装置及电子设备 | |
US11282235B2 (en) | Vehicle surroundings recognition apparatus | |
CN111008967B (zh) | 一种绝缘子rtv涂层缺陷识别方法 | |
CN110175556B (zh) | 基于Sobel算子的遥感图像云检测方法 | |
Lee et al. | Color image enhancement using histogram equalization method without changing hue and saturation | |
Narkhede et al. | Color image segmentation using edge detection and seeded region growing approach for CIELab and HSV color spaces | |
CN106408025A (zh) | 基于图像处理的航拍图像绝缘子分类识别方法 | |
KR20150075728A (ko) | 문자 추출 장치 및 그 방법 | |
CN111429462A (zh) | 一种基于边缘检测和数学形态学的车牌定位方法 | |
CN108416351A (zh) | 路面病害区域的确定方法、装置和计算机设备 | |
CN102855627A (zh) | 基于光谱特性和拓扑关系的城市遥感影像阴影检测方法 | |
CN109741337B (zh) | 基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法 | |
CN109325956A (zh) | 一种基于图像处理的输电导线覆冰截面特征提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |