CN110298845A - 一种基于图像处理的复杂背景下输电线检测方法 - Google Patents
一种基于图像处理的复杂背景下输电线检测方法 Download PDFInfo
- Publication number
- CN110298845A CN110298845A CN201910566009.1A CN201910566009A CN110298845A CN 110298845 A CN110298845 A CN 110298845A CN 201910566009 A CN201910566009 A CN 201910566009A CN 110298845 A CN110298845 A CN 110298845A
- Authority
- CN
- China
- Prior art keywords
- edge
- image
- line
- straightway
- complex background
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
一种基于图像处理的复杂背景下输电线检测方法,包括以下步骤:步骤1,通过无人机上搭载的摄像机或照相机航拍获取输电线图像;步骤2,对输电线图像采用Canny算子进行边缘检测;步骤3,采用区域生长方法去除小连通区域;步骤4,采用概率霍夫变换进行直线检测;步骤5,直线段筛选,去除伪直线段。本发明抗干扰能力强,稳定性好,能够在复杂背景下检测到真实的输电线信息,检测效果好,鲁棒性高。
Description
技术领域:
本发明涉及数字图像处理领域,具体涉及一种基于图像处理的复杂背景下输电线检测方法。
背景技术:
在日益增长的电力需求推动下,我国对于电网的投资建设力度不断增大,输电线路的电压等级也在不断的提高,电力输送网络将更加密集。人工巡检是最传统的巡检方式,也是目前电力公司采用最多的巡检方式,巡检人员主要多借助望远镜或者红外检测设备,在电力线路走廊内对电力线路及杆塔进行非接触式检查,这种巡检方式效率低、周期长、危险程度高、成本高,受地理约束且极易出现漏检或误检等情况。
近些年来,随着国家逐渐放开低空管制等政策的施行,小型商用无人机得到了快速发展。由于无人机结构简单、便携性强、易操作和飞行稳定的特性,无人机在各个领域的应用成为研究的热点,国内外研究人员也纷纷开启了无人机巡检输电线路相关领域的研究,但是复杂多样的背景极大地提高了输电线的检测难度。其中,利用基于方向约束的多尺度线状目标强化方法对目标进行强化,然后对强化后结果进行一定角度范围内的Radon变换,并在Radon变换中引入识别目标的权重因子,但是此种方法只能检测出近似水平的输电线。利用Ratio算子进行输电线边缘检测,然后对边缘图像进行四连通聚类分析去燥,再采用Hough变换提取输电线和最小二乘拟合,此种方法同样只能检测出近似水平的输电线,约束条件苛刻。利用Canny算子边缘检测,Hough变换提取直线,再经过直线段编组合并,此种方法在复杂背景下检测效果较差,容易提取出大量的杂线段,影响后续直线段编组合并。
发明内容:
针对上述问题,本发明提供一种基于图像处理的复杂背景下输电线检测方法,能够克服复杂背景的干扰,精确地检测出输电线,鲁棒性较高。
为了实现本发明之目的,拟采用以下技术方案:一种基于图像处理的复杂背景下输电线检测方法,包括以下步骤:
步骤1:通过无人机上搭载的摄像机或照相机航拍获取输电线图像;
步骤2:对输电线图像采用Canny算子进行边缘检测,得到边缘图像E1(x,y);
步骤3:采用区域生长方法去除小连通区域,得到边缘图像E2(x,y);
步骤4:采用概率霍夫变换进行直线检测;
步骤5:直线段筛选,去除伪直线段。
本方案中所述步骤2采用Canny算子进行边缘检测,具体为:(1)采用高斯模版对图像进行平滑滤波,抑制图像的噪声;(2)使用Sobel算子计算梯度幅度与方向;(3)通过非极大值抑制来排除非边缘像素;(4)通过双阈值获得包含边缘信息的二值图像E1(x,y),其中边缘像素值为1,非边缘像素值为0。
进一步地,所述步骤3采用区域生长方法去除小连通区域,具体为:(1)从上到下,从左到右,选取边缘图像E1(x,y)中一个未被分类的边缘像素点为种子点;(2)通过8-邻域像素点是否是边缘像素点的判定准则来完成区域生长,即8-邻域像素点是边缘像素点,则合并至同一类;(3)重复步骤(1)-(2),直至所有的边缘像素点都完成分类;(4)统计每类中边缘像素点的数量,如果数量小于设定阈值,则此类中的边缘像素点都置0,转换为非边缘像素点,最终得到去除小连通区域后的边缘图像E2(x,y)。
进一步地,所述步骤4采用概率霍夫变换对边缘图像E2(x,y)进行直线检测,得到待筛选的直线段集合vector。
进一步地,所述步骤5直线段筛选,具体为:(1)选取直线段集合vector中一个未进行筛选的直线段Li;(2)得到此直线段Li上所有像素点坐标(x1,y1),(x2,y2),(x3,y3)...(xn,yn);(3)查看边缘图像E2(x,y)中坐标为(x1,y1),(x2,y2),(x3,y3)...(xn,yn)的像素点,其中边缘像素点数量为num1,非边缘像素点数量为num2,计算边缘像素点数量占整条直线段Li所有像素点数量的比例ratio=num1/(num1+num2),如果所占比例ratio大于设定阈值,保留此直线段Li,否则,去除此直线段Li;(4)重复步骤(1)-(3),直至所有直线段都完成筛选,去除伪直线段,最终得到精确的输电线。
相比现有技术,本发明在得到边缘图像后,使用区域生长的方法去除小连通区域,去除了部分背景噪声,再通过概率霍夫变换提取直线段,然后提出了一种直线段筛选的方法,去除了伪直线段,最终在复杂背景下精确地检测出输电线。
附图说明:
图1为本发明整体流程图。
图2为无人机航拍的原始输电线图。
图3为Canny算子检测得到的边缘图。
图4为去除小连通区域的边缘图。
图5为概率霍夫变换的提取图。
图6为直线段筛选后的最终检测效果图。
具体实施方式:
下面通过具体实施例对本发明的目的作进一步详细地描述,实施例不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施例。
本发明的整体流程如图1所示,一种基于图像处理的复杂背景下输电线检测方法,具体包括以下步骤:
步骤1:通过无人机上搭载的摄像机或照相机航拍获取输电线图像,如图2所示。
步骤2:对电力线图像采用Canny算子进行边缘检测,具体为:(1)采用高斯模版对图像进行平滑滤波,抑制图像的噪声;(2)使用Sobel算子计算梯度幅度与方向;(3)通过非极大值抑制来排除非边缘像素;(4)通过双阈值获得包含边缘信息的二值图像E1(x,y),如图3所示,其中边缘像素值为1,非边缘像素值为0。
步骤3:采用区域生长方法去除小连通区域,具体为:(1)从上到下,从左到右,选取边缘图像E1(x,y)中一个未被分类的边缘像素点为种子点;(2)通过8-邻域像素点是否是边缘像素点的判定准则来完成区域生长,即8-邻域像素点是边缘像素点,则合并至同一类;(3)重复步骤(1)-(2),直至所有的边缘像素点都完成分类;(4)统计每类中边缘像素点的数量,如果数量小于设定阈值,则此类中的边缘像素点都置0,转换为非边缘像素点,最终得到去除小连通区域的边缘图像E2(x,y),如图4所示。
步骤4:采用概率霍夫变换对边缘图像E2(x,y)进行直线检测,得到待筛选的直线段集合vector,如图5所示。
步骤5:直线段筛选,去处伪直线段,具体为:(1)选取直线段集合vector中一个未进行筛选的直线段Li;(2)得到此直线段Li上所有像素点坐标(x1,y1),(x2,y2),(x3,y3)...(xn,yn);(3)查看边缘图像E2(x,y)中坐标为(x1,y1),(x2,y2),(x3,y3)...(xn,yn)的像素点,其中边缘像素点数量为num1,非边缘像素点数量为num2,计算边缘像素点数量占整条直线段Li所有像素点数量的比例ratio=num1/(num1+num2),如果所占比例ratio大于设定阈值,保留此直线段Li,否则,去除此直线段Li;(4)重复步骤(1)-(3),直至所有直线段都完成筛选,去除伪直线段,最终得到精确的输电线,如图6所示。
通过本实施例上述5个步骤,可最终实现复杂背景下输电线检测。
上述具体实施方式用来解释说明本发明,故不能依此限定本发明实施的范围,在本发明的精神和权利要求的保护范围内,所做的任何修改和改进,均应含在本发明的保护范围内。
Claims (5)
1.一种基于图像处理的复杂背景下输电线检测方法,其特征在于,包括以下步骤:
步骤1:通过无人机上搭载的摄像机或照相机航拍获取输电线图像;
步骤2:对输电线图像采用Canny算子进行边缘检测,得到边缘图像E1(x,y);
步骤3:采用区域生长方法去除小连通区域,得到边缘图像E2(x,y);
步骤4:采用概率霍夫变换进行直线检测;
步骤5:直线段筛选,去除伪直线段。
2.根据权利要求1所述的一种基于图像处理的复杂背景下输电线检测方法,其特征在于,所述步骤2中,采用Canny算子进行边缘检测,具体为:(1)采用高斯模版对图像进行平滑滤波,抑制图像的噪声;(2)使用Sobel算子计算梯度幅度与方向;(3)通过非极大值抑制来排除非边缘像素;(4)通过双阈值获得包含边缘信息的二值图像E1(x,y),其中边缘像素值为1,非边缘像素值为0。
3.根据权利要求1所述的一种基于图像处理的复杂背景下输电线检测方法,其特征在于,所述步骤3中,采用区域生长方法去除小连通区域,具体为:(1)从上到下,从左到右,选取边缘图像E1(x,y)中一个未被分类的边缘像素点为种子点;(2)通过8-邻域像素点是否是边缘像素点的判定准则来完成区域生长,即8-邻域像素点是边缘像素点,则合并至同一类;(3)重复步骤(1)-(2),直至所有的边缘像素点都完成分类;(4)统计每类中边缘像素点的数量,如果数量小于设定阈值,则此类中的边缘像素点都置0,转换为非边缘像素点,最终得到去除小连通区域后的边缘图像E2(x,y)。
4.根据权利要求1所述的一种基于图像处理的复杂背景下输电线检测方法,其特征在于,所述步骤4中,采用概率霍夫变换对边缘图像E2(x,y)进行直线检测,得到待筛选的直线段集合vector。
5.根据权利要求1所述的一种基于图像处理的复杂背景下输电线检测方法,其特征在于,所述步骤5直线段筛选,具体为:(1)选取直线段集合vector中一个未进行筛选的直线段Li;(2)得到此直线段Li上所有像素点坐标(x1,y1),(x2,y2),(x3,y3)...(xn,yn);(3)查看边缘图像E2(x,y)中坐标为(x1,y1),(x2,y2),(x3,y3)...(xn,yn)的像素点,其中边缘像素点数量为num1,非边缘像素点数量为num2,计算边缘像素点数量占整条直线段Li所有像素点数量的比例ratio=num1/(num1+num2),如果所占比例ratio大于设定阈值,保留此直线段Li,否则,去除此直线段Li;(4)重复步骤(1)-(3),直至所有直线段都完成筛选,去除伪直线段,最终得到精确的输电线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910566009.1A CN110298845A (zh) | 2019-06-17 | 2019-06-17 | 一种基于图像处理的复杂背景下输电线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910566009.1A CN110298845A (zh) | 2019-06-17 | 2019-06-17 | 一种基于图像处理的复杂背景下输电线检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110298845A true CN110298845A (zh) | 2019-10-01 |
Family
ID=68029008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910566009.1A Pending CN110298845A (zh) | 2019-06-17 | 2019-06-17 | 一种基于图像处理的复杂背景下输电线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110298845A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112115985A (zh) * | 2020-08-31 | 2020-12-22 | 南京航空航天大学 | 一种多信息级联聚类输电线检测方法 |
CN112686120A (zh) * | 2020-12-25 | 2021-04-20 | 国家电网有限公司 | 一种基于无人机航拍图像的输电线异常检测方法 |
CN112734840A (zh) * | 2020-12-31 | 2021-04-30 | 广东电网有限责任公司中山供电局 | 一种输电线安全距离测量方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110205363A1 (en) * | 2010-02-24 | 2011-08-25 | Denso Corporation | Boundary line detection system with improved detection-performance |
CN102663395A (zh) * | 2012-03-05 | 2012-09-12 | 西北工业大学 | 基于自适应多尺度快速离散Beamlet变换的直线检测方法 |
CN103839264A (zh) * | 2014-02-25 | 2014-06-04 | 中国科学院自动化研究所 | 一种车道线的检测方法 |
CN105389794A (zh) * | 2015-10-08 | 2016-03-09 | 西安电子科技大学 | 基于先验场景知识的sar目标检测虚警去除方法 |
CN105931259A (zh) * | 2016-06-21 | 2016-09-07 | 国网重庆市电力公司电力科学研究院 | 一种基于形态学处理的高压输电线提取方法及装置 |
CN106371453A (zh) * | 2016-05-27 | 2017-02-01 | 上海铸天智能科技有限公司 | 一种多旋翼无人机自主巡线中的视觉伺服方法 |
CN106525859A (zh) * | 2016-09-23 | 2017-03-22 | 广东工业大学 | 一种无人机实时检测高压输电导线断股缺陷的方法 |
US9898683B2 (en) * | 2016-05-31 | 2018-02-20 | Konica Minolta Laboratory U.S.A., Inc. | Robust method for tracing lines of table |
-
2019
- 2019-06-17 CN CN201910566009.1A patent/CN110298845A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110205363A1 (en) * | 2010-02-24 | 2011-08-25 | Denso Corporation | Boundary line detection system with improved detection-performance |
CN102663395A (zh) * | 2012-03-05 | 2012-09-12 | 西北工业大学 | 基于自适应多尺度快速离散Beamlet变换的直线检测方法 |
CN103839264A (zh) * | 2014-02-25 | 2014-06-04 | 中国科学院自动化研究所 | 一种车道线的检测方法 |
CN105389794A (zh) * | 2015-10-08 | 2016-03-09 | 西安电子科技大学 | 基于先验场景知识的sar目标检测虚警去除方法 |
CN106371453A (zh) * | 2016-05-27 | 2017-02-01 | 上海铸天智能科技有限公司 | 一种多旋翼无人机自主巡线中的视觉伺服方法 |
US9898683B2 (en) * | 2016-05-31 | 2018-02-20 | Konica Minolta Laboratory U.S.A., Inc. | Robust method for tracing lines of table |
CN105931259A (zh) * | 2016-06-21 | 2016-09-07 | 国网重庆市电力公司电力科学研究院 | 一种基于形态学处理的高压输电线提取方法及装置 |
CN106525859A (zh) * | 2016-09-23 | 2017-03-22 | 广东工业大学 | 一种无人机实时检测高压输电导线断股缺陷的方法 |
Non-Patent Citations (2)
Title |
---|
小武~~: "《Canny算子边缘检测原理及实现》", 《HTTPS://BLOG.CSDN.NET/WEIXIN_40647819/ARTICLE/DETAILS/91411424》 * |
戴渊明等: "《基于改进概率霍夫变换算法的车道检测方法研究》", 《杭州电子科技大学学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112115985A (zh) * | 2020-08-31 | 2020-12-22 | 南京航空航天大学 | 一种多信息级联聚类输电线检测方法 |
CN112686120A (zh) * | 2020-12-25 | 2021-04-20 | 国家电网有限公司 | 一种基于无人机航拍图像的输电线异常检测方法 |
CN112686120B (zh) * | 2020-12-25 | 2023-03-03 | 国家电网有限公司 | 一种基于无人机航拍图像的输电线异常检测方法 |
CN112734840A (zh) * | 2020-12-31 | 2021-04-30 | 广东电网有限责任公司中山供电局 | 一种输电线安全距离测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106295655B (zh) | 一种用于无人机巡检图像的输电线路部件自动提取方法 | |
CN109325935B (zh) | 一种基于无人机图像的输电线路检测方法 | |
CN102855622B (zh) | 一种基于显著性分析的红外遥感图像海面船只检测方法 | |
CN110298845A (zh) | 一种基于图像处理的复杂背景下输电线检测方法 | |
CN105023014B (zh) | 一种无人机巡检输电线路图像内的杆塔目标提取方法 | |
CN102393961A (zh) | 基于计算机视觉的飞行器输电线路实时检测跟踪方法 | |
CN109409205A (zh) | 基于线间距特征点聚类的航拍视频公路车道线检测方法 | |
CN102663385B (zh) | 一种星上点目标检测方法 | |
CN111027446B (zh) | 一种高分辨率影像的海岸线自动提取方法 | |
CN105787470A (zh) | 一种基于聚合多通道特征对图像中输电线路杆塔进行检测的方法 | |
CN104573713A (zh) | 一种基于图像纹理特征的互感器红外图像识别方法 | |
CN104867134A (zh) | 一种用于无人机巡检输电线路杆塔的识别方法 | |
CN106525859A (zh) | 一种无人机实时检测高压输电导线断股缺陷的方法 | |
CN110414308A (zh) | 一种针对输电线路上动态异物的目标识别方法 | |
CN108830311A (zh) | 一种基于Adaboost的红外图像光伏阵列识别方法 | |
CN105718964A (zh) | 一种输电线防振锤的视觉检测方法 | |
Ma et al. | An all-weather lane detection system based on simulation interaction platform | |
CN110221312A (zh) | 一种基于激光雷达快速检测地面点云的方法 | |
CN105787912A (zh) | 一种基于分类的阶跃型边缘亚像素定位方法 | |
CN107977968B (zh) | 基于建筑物阴影信息挖掘的建筑物分层检测方法 | |
Wang et al. | Effective segmentation approach for solar photovoltaic panels in uneven illuminated color infrared images | |
Tong et al. | Transmission line extraction and recognition from natural complex background | |
CN117197700B (zh) | 智能化无人巡检接触网缺陷识别系统 | |
CN109948629A (zh) | 一种基于sift特征的gis设备x射线图像故障检测方法 | |
CN106251351B (zh) | 一种基于云变换的输电线路山火监测阈值计算方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191001 |
|
WD01 | Invention patent application deemed withdrawn after publication |