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 PDF

Info

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
Application number
CN201910566009.1A
Other languages
English (en)
Inventor
李运堂
叶春泉
李孝禄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Jiliang University
Original Assignee
China Jiliang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Jiliang University filed Critical China Jiliang University
Priority to CN201910566009.1A priority Critical patent/CN110298845A/zh
Publication of CN110298845A publication Critical patent/CN110298845A/zh
Pending legal-status Critical Current

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

一种基于图像处理的复杂背景下输电线检测方法
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。
CN201910566009.1A 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 Pending CN110298845A (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (8)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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