CN108257138A - 一种基于边缘检测的瓷质绝缘子裂缝特征检测方法 - Google Patents
一种基于边缘检测的瓷质绝缘子裂缝特征检测方法 Download PDFInfo
- Publication number
- CN108257138A CN108257138A CN201810078201.1A CN201810078201A CN108257138A CN 108257138 A CN108257138 A CN 108257138A CN 201810078201 A CN201810078201 A CN 201810078201A CN 108257138 A CN108257138 A CN 108257138A
- Authority
- CN
- China
- Prior art keywords
- edge
- pixel
- represent
- crack
- image
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Abstract
本发明公开了一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,具体按照以下步骤实施:步骤1:将采集到的彩色绝缘子图像分解为R、G、B三个通道,然后采用中值滤波去除图像在采集和传输过程中产生的噪声;步骤2:用改进的kirsch边缘检测算子分别对预处理后的三个单通道图像进行边缘检测;步骤3:采用最大类间方差法分割图像,提取得到绝缘子的裂缝区域;步骤4:计算裂缝与水平方向的夹角α,判断裂缝类型,然后分别计算R、G、B三个通道中裂缝的中心坐标、长度和面积,取其平均值作为最终检测到的绝缘子裂缝特征值。该方法能够通过边缘检测及拟合可以得到裂缝的中心坐标、面积、长度等特征,实现裂缝缺陷的非接触、在线监测。
Description
技术领域
本发明属于输电线路图像处理技术领域,具体涉及一种基于边缘检测的瓷质绝缘子裂缝特征检测方法。
背景技术
绝缘子在高压输电线路中占有重要的地位,一是为传输电流的导线提供机械支撑,二是防止电流对地形成通道接地。其在运行过程中不仅承受着导线垂直方向的荷重和水平方向的拉力,还经受着气候变化及化学物质的腐蚀,也是极易损坏的一个元件。绝缘子长期暴露在大气中,由于胶状水泥、瓷件和金属的膨胀系数差异,经常性的冷热变换会促使其产生裂缝,造成机械强度和绝缘性能下降,导致供电中断甚至电网解裂,给国民经济造成严重的损失。因此,必须定期对架空输电线路绝缘子进行检测,以保证线路的安全稳定运行。
绝缘子裂缝检测主要有直接观察法、电场测量法等,但由于人为登塔检查安全性差、电场法不能检测一些不影响电场的外绝缘缺陷等问题,使得这些检测方法都不具备一定的实用性。
发明内容
本发明的目的是提供一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,该方法能够通过边缘检测及拟合可以得到裂缝的中心坐标、面积、长度等特征,实现裂缝缺陷的非接触、在线监测。
本发明所采用的技术方案是,一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,具体按照以下步骤实施:
步骤1:将采集到的彩色绝缘子图像分解为R、G、B三个通道,然后采用中值滤波去除图像在采集和传输过程中产生的噪声;
步骤2:用改进的kirsch边缘检测算子分别对预处理后的三个单通道图像进行边缘检测;
步骤3:采用最大类间方差法分割图像,提取得到绝缘子的裂缝区域;
步骤4:计算裂缝与水平方向的夹角α,判断裂缝类型,然后分别计算R、G、B三个通道中裂缝的中心坐标、长度和面积,取其平均值作为最终检测到的绝缘子裂缝特征值。
本发明的特点还在于,
步骤1中,中值滤波去除图像在采集和传输过程中产生的噪声方法具体为:将二维滑动模板内的像素按照像素值的大小进行排序,取其中值作为滤波器的输出,去除噪声点的同时较好的保留图像的边缘细节信息,有利于后续处理。
步骤2具体为:
步骤2.1,kirsch算子边缘检测
算子由8个不同方向的3*3模板组成,图像中的每个像素点都用这8个模板进行卷积运算,将某个像素点(x,y)与上述8个模板卷积运算的结果统一标记为一个3*3的矩阵,第一行为f3、f2、f1,第二行为f4、f(x,y)、f0,第三行为f5、f6、f7,其中f(x,y)表示像素点(x,y)的灰度值,f0-f7表示像素点(x,y)与8个模板卷积运算的结果,则边缘的梯度幅度值为:
K(x,y)=max[1,max(|5sk-4tk|)],k=0,1,...,7 (2-1)
公式(2-1)中K(x,y)表示边缘梯度幅值,sk和tk表示卷积运算结果f0-f7按一定规律累加的结果,即sk=fk+fk+1+fk+2,tk=fk+3+fk+4+...+fk+7,下标超过7就除以8并取余数;
步骤2.2,骨架提取得到单像素宽的边缘并用最小二乘法对这些边缘像素点进行拟合
骨架提取的原理是将图像的边缘点标记为1,背景点标记为0,对图像中所有边缘点都用一个3×3区域进行操作,第一行为d3、d2、d9;第二行为d4、d1、d8;第三行为d5、d6、d7,其中,位于中心位置的是中心点d1,d1为待检测边缘点,d2d3...d9为其邻域内的8个点,若同时满足:(1)2≤N(d1)≤6,N(d1)是d1的非零邻点的个数;(2)S(d1)=1,S(p1)是以d1d2d3...d9为序时这些点的值从0到1变化的次数;(3)d2d4d6=0或者S(d1)≠1;(4)d4d6d8=0或者S(d1)≠1,则删除d1点,算法反复迭代直至没有满足删除条件的点,这时就得到了单像素宽的边缘线。
步骤2.2中,最小二乘法拟合图像边缘像素点的具体做法是:
假设图像的边缘像素点共有m个,像素点的坐标为(xi,yi)(i=0,1,...,m-1),根据边缘像素点的走势来确定拟合多项式的次数n,误差pn(xi)-yi的平方和最小时可以求得拟合多项式
式中F表示误差的平方和,pn(xi)表示第i个像素点的拟合值,yi第i个像素点的实际值,ak表示拟合多项式第k项的系数,求解可得到拟合多项式即为连续完整的图像边缘。
步骤3具体为:
假设一幅图像有L个灰度级[1,2,...,L],最大类间方差法通过一个灰度级门限s将像素点分为C0和C1两类,C0表示灰度级为[1,2,...,s]的像素点,C1表示灰度级为[s+1,s+2,...,L]的像素点,两类出现的概率为:
ω0表示C0出现的概率,ω1表示C1出现的概率,Pi表示灰度级为i的像素点出现的概率;
两类的平均灰度级为:
其中μ0表示C0的平均灰度级,μ1表示C1的平均灰度级,Pi表示灰度级为i的像素点出现的概率,是整幅图像的平均灰度级,则类间方差为:
最佳门限s*就是:
步骤4中,0°≤α≤90°。
步骤4中,裂缝类型为横裂缝或竖裂缝,当0°≤α≤45°为横裂缝,当45°<α≤90°为竖裂缝。
本发明一种基于边缘检测的瓷质绝缘子裂缝特征检测方法的有益效果是:为了保证后续裂缝特征检测的准确性,提出一种改进kirsch边缘检测算法,其原理是在kirsch算子边缘检测后,骨架提取得到单像素宽的边缘并用最小二乘法进行拟合得到连续完整的图像边缘,然后分割提取出裂缝区域并根据其与水平方向的夹角α(0°≤α≤90°)判断裂缝类型(0°≤α≤45°为横裂缝,45°<α≤90°为竖裂缝)。本发明用起点和终点连线AB的长度表示裂缝长度,白色边缘内黑色像素点的个数表示裂缝面积,分别计算R、G、B三个通道的中心坐标、长度和面积并取其平均值作为最终检测到的绝缘子裂缝特征值,提高了检测的准确性。
附图说明
图1是本发明一种基于边缘检测的瓷质绝缘子裂缝特征检测方法的流程图;
图2是本发明裂缝区域提取图;
图3是本发明裂缝区域在绝缘子图片中的识别结果图;
图4是本发明裂缝区域示意图;
图5是选取记录的1号裂缝示意图;
图6是选取记录的2号裂缝示意图;
图7是选取记录的3、4号裂缝示意图;
图8是选取记录的5号裂缝示意图。
图中,1.1号裂缝,2.2号裂缝,3.3号裂缝,4.4号裂缝,5.5号裂缝。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,如图1所示,具体按照以下步骤实施:
步骤1:将采集到的彩色绝缘子图像分解为R、G、B三个通道,然后采用中值滤波去除图像在采集和传输过程中产生的噪声。中值滤波的方法是将二维滑动模板内的像素按照像素值的大小进行排序,取其中值作为滤波器的输出,去除噪声点的同时较好的保留了图像的边缘细节信息。
步骤2:用改进kirsch算子分别对预处理后的三个单通道图像进行边缘检测,得到单像素宽的图像边缘。
由于传统kirsch算子检测得到的边缘不是单像素宽且不连续、存在部分间断,为了保证后续裂缝特征检测的准确性,本发明对kirsch边缘检测算子进行了改进,先用kirsch算子边缘检测后,骨架提取得到单像素宽的边缘并用最小二乘法对这些边缘像素点进行拟合,得到连续完整的图像边缘。具体步骤如下:
步骤2.1,kirsch算子边缘检测,算子由8个卷积核组成,模板如下:
图像中的每个像素点都用这8个模板进行卷积运算,将某个像素点(x,y)与上述8个模板卷积运算的结果统一标记为一个3*3的矩阵,第一行为f3、f2、f1,第二行为f4、f(x,y)、f0,第三行为f5、f6、f7:
f3 | f2 | f1 |
f4 | f(x,y) | f0 |
f5 | f6 | f7 |
其中f(x,y)表示像素点(x,y)的灰度值,f0-f7表示像素点(x,y)与8个模板卷积运算的结果,则边缘的梯度幅度值为:
K(x,y)=max[1,max(|5sk-4tk|)],k=0,1,...,7 (2-1)
公式(2-1)中K(x,y)表示边缘梯度幅值,sk和tk表示卷积运算结果f0-f7按一定规律累加的结果,即sk=fk+fk+1+fk+2,tk=fk+3+fk+4+...+fk+7,下标超过7就除以8并取余数。
步骤2.2,骨架提取得到单像素宽的边缘并用最小二乘法对这些边缘像素点进行拟合
骨架提取的原理是将图像的边缘点标记为1,背景点标记为0,对图像中所有边缘点都用一个3×3区域进行操作:
d3 | d2 | d9 |
d4 | d1 | d8 |
d5 | d6 | d7 |
所述的骨架提取模板的第一行依次为d3、d2、d9;第二行为d4、d1、d8;第三行为d5、d6、d7,其中,位于中心位置的是中心点d1。
中心点d1为待检测边缘点,其邻域内的8个点分别标记为d2d3...d9,若同时满足:(1)2≤N(d1)≤6,N(d1)是d1的非零邻点的个数;(2)S(d1)=1,S(p1)是以d1d2d3...d9为序时这些点的值从0到1变化的次数;(3)d2d4d6=0或者S(d1)≠1;(4)d4d6d8=0或者S(d1)≠1,则删除d1点,算法反复迭代直至没有满足删除条件的点,这时就得到了单像素宽的边缘线。
步骤2.2中,最小二乘法拟合图像边缘的具体做法是:假设图像的边缘像素点共有m个,像素点的坐标为(xi,yi)(i=0,1,...,m-1),根据边缘像素点的走势来确定拟合多项式的次数n,误差pn(xi)-yi的平方和最小时可以求得拟合多项式
式中F表示误差的平方和,pn(xi)表示第i个像素点的拟合值,yi第i个像素点的实际值,ak表示拟合多项式第k项的系数,求解可得到拟合多项式即为连续完整的图像边缘。
步骤3:采用最大类间方差法分割图像,提取得到绝缘子的裂缝区域。
假设一幅图像有L个灰度级[1,2,...,L],最大类间方差法通过一个灰度级门限s将像素点分为C0和C1两类,C0表示灰度级为[1,2,...,s]的像素点,C1表示灰度级为[s+1,s+2,...,L]的像素点,两类出现的概率为:
ω0表示C0出现的概率,ω1表示C1出现的概率,Pi表示灰度级为i的像素点出现的概率。
两类的平均灰度级为:
其中μ0表示C0的平均灰度级,μ1表示C1的平均灰度级,Pi表示灰度级为i的像素点出现的概率,是整幅图像的平均灰度级,则类间方差为:
最佳门限s*就是:
分割后得到的裂缝区域如图2-3所示,分别为裂缝二值图像以及绝缘子图中识别出的裂缝区域;
步骤4:计算裂缝与水平方向的夹角α(0°≤α≤90°)判断裂缝类型(横裂缝或竖裂缝),分别计算R、G、B三个通道裂缝的中心坐标、长度和面积,取其平均值作为最终检测到的绝缘子裂缝特征值。
裂缝区域如图4所示是一条弯曲的曲线,计算连线AB与水平方向的夹角α(0°≤α≤90°)判断裂缝类型,本发明定义0°≤α≤45°为横裂缝,45°<α≤90°为竖裂缝。裂缝区域的中心坐标为(x0,y0),用连线AB的长度|AB|来表示裂缝长度,首先求出裂缝区域在水平方向的投影长度x2-x1和垂直方向的投影长度y2-y1,然后用勾股定理计算出斜边的长度即为所求裂缝长度。步骤3分割后得到的裂缝二值图像如图2所示,白色像素点表示裂缝的边缘,统计边缘内黑色像素点的个数来表示裂缝面积。本发明选取R、G、B三个通道的特征均值来表示最终检测到的裂缝特征,选取记录了4幅裂缝绝缘子图像,1-5号裂缝如图5-8所示,5个裂缝的中心坐标如表1所示,水平方向投影长度、垂直方向投影长度及裂缝长度如表2所示,裂缝面积如表3所示。
表1裂缝中心坐标
表2裂缝长度
表3裂缝面积
注:单位均为像素(pixel)
本发明的优点是为了保证后续裂缝特征检测的准确性,提出一种改进kirsch边缘检测算法,其原理是在kirsch算子边缘检测后,骨架提取得到单像素宽的边缘并用最小二乘法进行拟合得到连续完整的图像边缘,然后分割提取出裂缝区域并根据其与水平方向的夹角α(0°≤α≤90°)判断裂缝类型(0°≤α≤45°为横裂缝,45°<α≤90°为竖裂缝)。本发明用起点和终点连线AB的长度表示裂缝长度,白色边缘内黑色像素点的个数表示裂缝面积,分别计算R、G、B三个通道的中心坐标、长度和面积并取其平均值作为最终检测到的绝缘子裂缝特征值,提高了检测的准确性。
Claims (7)
1.一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,其特征在于,具体按照以下步骤实施:
步骤1:将采集到的彩色绝缘子图像分解为R、G、B三个通道,然后采用中值滤波去除图像在采集和传输过程中产生的噪声;
步骤2:用改进的kirsch边缘检测算子分别对预处理后的三个单通道图像进行边缘检测;
步骤3:采用最大类间方差法分割图像,提取得到绝缘子的裂缝区域;
步骤4:计算裂缝与水平方向的夹角α,判断裂缝类型,然后分别计算R、G、B三个通道中裂缝的中心坐标、长度和面积,取其平均值作为最终检测到的绝缘子裂缝特征值。
2.根据权利要求1所述的一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,其特征在于,所述步骤1中,中值滤波去除图像在采集和传输过程中产生的噪声方法具体为:将二维滑动模板内的像素按照像素值的大小进行排序,取其中值作为滤波器的输出,去除噪声点的同时较好的保留图像的边缘细节信息,有利于后续处理。
3.根据权利要求1所述的一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,其特征在于,所述步骤2具体为:
步骤2.1,kirsch算子边缘检测
算子由8个不同方向的3*3模板组成,图像中的每个像素点都用这8个模板进行卷积运算,将某个像素点(x,y)与上述8个模板卷积运算的结果统一标记为一个3*3的矩阵,第一行为f3、f2、f1,第二行为f4、f(x,y)、f0,第三行为f5、f6、f7,其中f(x,y)表示像素点(x,y)的灰度值,f0-f7表示像素点(x,y)与8个模板卷积运算的结果,则边缘的梯度幅度值为:
K(x,y)=max[1,max(|5sk-4tk|)],k=0,1,...,7 (2-1)
公式(2-1)中K(x,y)表示边缘梯度幅值,sk和tk表示卷积运算结果f0-f7按一定规律累加的结果,即sk=fk+fk+1+fk+2,tk=fk+3+fk+4+...+fk+7,下标超过7就除以8并取余数;
步骤2.2,骨架提取得到单像素宽的边缘并用最小二乘法对这些边缘像素点进行拟合
骨架提取的原理是将图像的边缘点标记为1,背景点标记为0,对图像中所有边缘点都用一个3×3区域进行操作,第一行为d3、d2、d9;第二行为d4、d1、d8;第三行为d5、d6、d7,其中,位于中心位置的是中心点d1,d1为待检测边缘点,d2d3...d9为其邻域内的8个点,若同时满足:(1)2≤N(d1)≤6,N(d1)是d1的非零邻点的个数;(2)S(d1)=1,S(p1)是以d1d2d3...d9为序时这些点的值从0到1变化的次数;(3)d2d4d6=0或者S(d1)≠1;(4)d4d6d8=0或者S(d1)≠1,则删除d1点,算法反复迭代直至没有满足删除条件的点,这时就得到了单像素宽的边缘线。
4.根据权利要求3所述的一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,其特征在于,所述步骤2.2中,最小二乘法拟合图像边缘像素点的具体做法是:
假设图像的边缘像素点共有m个,像素点的坐标为(xi,yi)(i=0,1,...,m-1),根据边缘像素点的走势来确定拟合多项式的次数n,误差pn(xi)-yi的平方和最小时可以求得拟合多项式
式中F表示误差的平方和,pn(xi)表示第i个像素点的拟合值,yi第i个像素点的实际值,ak表示拟合多项式第k项的系数,求解可得到拟合多项式即为连续完整的图像边缘。
5.根据权利要求1所述的一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,其特征在于,所述步骤3具体为:
假设一幅图像有L个灰度级[1,2,...,L],最大类间方差法通过一个灰度级门限s将像素点分为C0和C1两类,C0表示灰度级为[1,2,...,s]的像素点,C1表示灰度级为[s+1,s+2,...,L]的像素点,两类出现的概率为:
ω0表示C0出现的概率,ω1表示C1出现的概率,Pi表示灰度级为i的像素点出现的概率;
两类的平均灰度级为:
其中μ0表示C0的平均灰度级,μ1表示C1的平均灰度级,Pi表示灰度级为i的像素点出现的概率,是整幅图像的平均灰度级,则类间方差为:
最佳门限s*就是:
6.根据权利要求1所述的一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,其特征在于,所述步骤4中,0°≤α≤90°。
7.根据权利要求6所述的一种基于边缘检测的瓷质绝缘子裂缝特征检测方法,其特征在于,所述步骤4中,裂缝类型为横裂缝或竖裂缝,当0°≤α≤45°为横裂缝,当45°<α≤90°为竖裂缝。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810078201.1A CN108257138B (zh) | 2018-01-26 | 2018-01-26 | 一种基于边缘检测的瓷质绝缘子裂缝特征检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810078201.1A CN108257138B (zh) | 2018-01-26 | 2018-01-26 | 一种基于边缘检测的瓷质绝缘子裂缝特征检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108257138A true CN108257138A (zh) | 2018-07-06 |
CN108257138B CN108257138B (zh) | 2021-07-30 |
Family
ID=62743264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810078201.1A Active CN108257138B (zh) | 2018-01-26 | 2018-01-26 | 一种基于边缘检测的瓷质绝缘子裂缝特征检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108257138B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785285A (zh) * | 2018-12-11 | 2019-05-21 | 西安工程大学 | 一种基于椭圆特征拟合的绝缘子破损检测方法 |
CN109859194A (zh) * | 2019-01-25 | 2019-06-07 | 淮阴师范学院 | 一种基于局部边缘检测的图像聚焦测度实现方法 |
CN110390669A (zh) * | 2019-06-26 | 2019-10-29 | 杭州电子科技大学 | 一种桥梁图像中裂缝的检测方法 |
CN111145163A (zh) * | 2019-12-30 | 2020-05-12 | 深圳市中钞科信金融科技有限公司 | 一种纸张褶皱缺陷检测方法及装置 |
CN112509026A (zh) * | 2020-11-06 | 2021-03-16 | 广东电网有限责任公司中山供电局 | 一种绝缘子裂缝长度识别方法 |
CN112528739A (zh) * | 2020-11-06 | 2021-03-19 | 广东电网有限责任公司中山供电局 | 一种复合绝缘外套裂缝图像识别嵌入式装置 |
CN112598623A (zh) * | 2020-12-02 | 2021-04-02 | 国网冀北电力有限公司经济技术研究院 | 一种利用边缘计算收集线路存量的方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104700395A (zh) * | 2014-11-11 | 2015-06-10 | 长安大学 | 一种构造物外观裂缝检测方法及系统 |
CN105158258A (zh) * | 2015-07-15 | 2015-12-16 | 广西师范大学 | 一种基于计算机视觉的竹条表面缺陷检测方法 |
US20160189005A1 (en) * | 2013-09-26 | 2016-06-30 | Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | Method and system for extracting image characteristic curve |
-
2018
- 2018-01-26 CN CN201810078201.1A patent/CN108257138B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160189005A1 (en) * | 2013-09-26 | 2016-06-30 | Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences | Method and system for extracting image characteristic curve |
CN104700395A (zh) * | 2014-11-11 | 2015-06-10 | 长安大学 | 一种构造物外观裂缝检测方法及系统 |
CN105158258A (zh) * | 2015-07-15 | 2015-12-16 | 广西师范大学 | 一种基于计算机视觉的竹条表面缺陷检测方法 |
Non-Patent Citations (3)
Title |
---|
T KALAISELVI等: "Modified Kirsch"s Method for Edge Based Image Segmentation", 《UGC SPONSORED NATIONAL CONFERENCE ON RECENT ADVANCES IN COMPUTER SCIENCE AND APPLICATIONS》 * |
康牧等: "自适应Kirsch边缘检测算法", 《华中科技大学学报(自然科学版)》 * |
王昊等: "高速公路裂缝检测算法研究与实现", 《信息技术》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785285A (zh) * | 2018-12-11 | 2019-05-21 | 西安工程大学 | 一种基于椭圆特征拟合的绝缘子破损检测方法 |
CN109785285B (zh) * | 2018-12-11 | 2023-08-08 | 西安工程大学 | 一种基于椭圆特征拟合的绝缘子破损检测方法 |
CN109859194A (zh) * | 2019-01-25 | 2019-06-07 | 淮阴师范学院 | 一种基于局部边缘检测的图像聚焦测度实现方法 |
CN110390669A (zh) * | 2019-06-26 | 2019-10-29 | 杭州电子科技大学 | 一种桥梁图像中裂缝的检测方法 |
CN111145163A (zh) * | 2019-12-30 | 2020-05-12 | 深圳市中钞科信金融科技有限公司 | 一种纸张褶皱缺陷检测方法及装置 |
CN112509026A (zh) * | 2020-11-06 | 2021-03-16 | 广东电网有限责任公司中山供电局 | 一种绝缘子裂缝长度识别方法 |
CN112528739A (zh) * | 2020-11-06 | 2021-03-19 | 广东电网有限责任公司中山供电局 | 一种复合绝缘外套裂缝图像识别嵌入式装置 |
CN112598623A (zh) * | 2020-12-02 | 2021-04-02 | 国网冀北电力有限公司经济技术研究院 | 一种利用边缘计算收集线路存量的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108257138B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108257138A (zh) | 一种基于边缘检测的瓷质绝缘子裂缝特征检测方法 | |
CN109785285B (zh) | 一种基于椭圆特征拟合的绝缘子破损检测方法 | |
CN103543394B (zh) | 一种高压电气设备放电紫外成像量化参数提取方法 | |
Yin et al. | Edge detection of high-voltage porcelain insulators in infrared image using dual parity morphological gradients | |
CN110189344B (zh) | 一种电力刀闸图像中直线段提取方法 | |
CN111260629A (zh) | 基于图像处理的受电弓结构异常检测算法 | |
CN103196372B (zh) | 一种电气化铁路接触网支持装置的光学成像检测方法 | |
CN109697717B (zh) | 一种基于图像自动搜索的衬砌裂缝识别方法 | |
CN103903008A (zh) | 一种基于图像识别输电线路的雾等级的方法以及系统 | |
CN110619146B (zh) | 基于结构相似性度量的多晶硅电池片裂纹缺陷检测方法 | |
CN114241364A (zh) | 一种架空输电线路异物目标快速标定方法 | |
CN107831409A (zh) | 特高频局放检测图谱特征参量提取的方法及异常检测方法 | |
CN105374029B (zh) | 变电站设备红外图像感兴趣区域的分割方法及系统 | |
CN112364834A (zh) | 一种基于深度学习和图像处理的表格识别的还原方法 | |
CN112308872A (zh) | 基于多尺度Gabor一阶导数的图像边缘检测方法 | |
CN111105396A (zh) | 一种基于人工智能的印刷品质量检测方法及系统 | |
CN114842243A (zh) | 一种基于大跨度巡线机器人的故障检测方法、系统及设备 | |
CN108921147B (zh) | 一种基于动态纹理和变换域时空特征的黑烟车识别方法 | |
CN105678731A (zh) | 一种识别带钢瓢曲的方法 | |
CN113920062A (zh) | 一种红外热成像电力设备故障检测方法 | |
CN113487563A (zh) | 一种基于el图像的光伏组件隐裂自适应检测方法 | |
CN107392127B (zh) | 基于切比雪夫多项式描述子的输电线路提取方法 | |
CN114581446B (zh) | 一种叠片电池的电芯异常检测方法及系统 | |
CN114092430A (zh) | 一种变电站绝缘设备在线监测ied系统 | |
CN112418123A (zh) | 一种基于Hough变换的工程图图线及线型识别的方法 |
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 |