CN110390672A - 一种基于EDLines的电力线快速提取方法 - Google Patents

一种基于EDLines的电力线快速提取方法 Download PDF

Info

Publication number
CN110390672A
CN110390672A CN201910638106.7A CN201910638106A CN110390672A CN 110390672 A CN110390672 A CN 110390672A CN 201910638106 A CN201910638106 A CN 201910638106A CN 110390672 A CN110390672 A CN 110390672A
Authority
CN
China
Prior art keywords
power line
straightway
edlines
image
method based
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
CN201910638106.7A
Other languages
English (en)
Inventor
李运堂
叶春泉
陈源
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
China University of Metrology
Original Assignee
China University of Metrology
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 University of Metrology filed Critical China University of Metrology
Priority to CN201910638106.7A priority Critical patent/CN110390672A/zh
Publication of CN110390672A publication Critical patent/CN110390672A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/0008—Industrial image inspection checking presence/absence
    • 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
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于EDLines的电力线快速提取方法，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采集电力线图像；步骤2，将电力线图像转换为灰度图；步骤3，采用Ratio算子增强图像；步骤4，采用EDLines算法提取直线段；步骤5，直线段编组；步骤6，采用最小二乘法拟合得到电力线。本发明计算代价低，效果好，鲁棒性好，能够快速提取电力线，满足实时性要求。

Description

一种基于EDLines的电力线快速提取方法
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EDLines的电力线快速提取方法。
背景技术：
近几年来，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不断的提高，电力输送网络将更加密集。目前，电力巡检主要依靠人工巡检，人工巡检效率低、周期长、危险程度大、成本高，受地理条件约束极易出现漏检或误检等情况。
随着无人机和图像处理技术的发展，无人机巡检电力线具有成本低，飞行快，采集数据方便等特点，成为了研究热点。无人机航拍采集得到电力线图像，结合图像处理技术巡检电力线，其中，在航拍图像中提取出电力线的位置是一大难点。采用Canny算子边缘检测，Hough变换提取直线段，再经过直线段编组合并，计算速度慢，消耗内存大。采用Sobel算子增强图像，再利用LSD算法进行直线段提取，最后直线段合并、拟合、筛选得到电力线，实时性较差，计算时间较长。
发明内容：
针对上述问题，本发明提供一种基于EDLines的电力线快速提取方法，计算代价低，能够快速地提取出电力线，鲁棒性好。
为了实现本发明之目的，拟采用以下技术方案：一种基于EDLines的电力线快速提取方法，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采集电力线图像；
步骤2：将电力线图像转换为灰度图；
步骤3：采用Ratio算子增强图像；
步骤4：采用EDLines算法提取直线段；
步骤5：直线段编组；
步骤6：采用最小二乘法拟合得到电力线。
本方案中所述步骤1无人机采集电力线图像时，无人机在电力线上方或者附近飞行，无人机飞行方向和电力线方向平行，搭载的摄像机或照相机朝向电力线，电力线在航拍图像上近似为竖直方向。
进一步地，所述步骤3采用Ratio算子增强图像，具体为设定竖直方向的Ratio算子滑动检测模板，模板的尺寸是3×3，取中心像素点为待检测点，计算模板两侧不重叠区域内各3个像素点的灰度均值U1和U2，定义R＝(1-min(U1/U2，U2/U1))×255，将R值作为此中心像素点新的灰度值，对图像进行遍历，得到新的灰度图。
进一步地，所述步骤4采用EDLines算法提取直线段，具体为：(1)采用高斯滤波抑制噪声，计算像素点的梯度和方向；(2)采用局部梯度极大值选取锚点，连接得到边缘；(3)对每一条边缘，从某一端点开始采用最小二乘法提取线段；(4)采用亥姆霍兹原理去除错误的直线段，最终得到直线段集合vector。
进一步地，所述步骤5直线段编组，具体为：(1)选取直线段集合vector中一个未进行编组的直线段li，同时删除vector中的直线段li；(2)查看直线段集合vector中是否有直线段和li的角度之差小于角度阈值，并且此直线段中点到li的垂直距离小于距离阈值，将集合vector中满足这两种条件的所有直线段和li编为一组，同时将集合vector中的这些直线段删除；(3)重复(1)-(2)操作，直至集合vector为空；(4)计算得到每组中所有直线段累加的长度，去除小于长度阈值的直线段组。
进一步地，所述步骤6采用最小二乘法拟合得到电力线，具体为：将步骤5保留下来的每组直线段通过最小二乘法拟合得到最终的电力线。
相比现有技术，本发明采用Ratio算子增强了电力线的特征，削弱了背景噪声的干扰，然后采用EDLines作为提取直线的算法，计算代价低，能够快速地提取出电力线，鲁棒性好。
附图说明：
图1为本发明整体流程图。
图2为无人机航拍的电力线原图。
图3为本算法的效果图。
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EDLines的电力线快速提取方法，具体包括以下步骤：
步骤1：无人机采集电力线图像时，无人机在电力线上方或者附近飞行，无人机飞行方向和电力线方向平行，搭载的摄像机或照相机朝向电力线，电力线在航拍图像上近似为竖直方向，如图2所示。
步骤2：将电力线图像转换为灰度图。
步骤3：采用Ratio算子增强图像，具体为设定竖直方向的Ratio算子滑动检测模板，模板的尺寸是3×3，取中心像素点为待检测点，计算模板两侧不重叠区域内各3个像素点的灰度均值U1和U2，定义R＝(1-min(U1/U2，U2/U1))×255，将R值作为此中心像素点新的灰度值，对图像进行遍历，得到新的灰度图。
步骤4：采用EDLines算法提取直线段，具体为(1)采用高斯滤波抑制噪声，计算像素点的梯度和方向；(2)采用局部梯度极大值选取锚点，连接得到边缘；(3)对每一条边缘，从某一端点开始采用最小二乘法来提取线段；(4)采用亥姆霍兹原理去除错误的直线段，最终得到直线段集合vector。
步骤5：直线段编组，具体为(1)选取直线段集合vector中一个未进行编组的直线段li，同时删除vector中的直线段li；(2)查看直线段集合vector中是否有直线段和li的角度之差小于角度阈值，并且此直线段中点到li的垂直距离小于距离阈值，将集合vector中满足这两种条件的所有直线段和li编为一组，同时将集合vector中的这些直线段删除；(3)重复(1)-(2)操作，直至集合vector为空；(4)计算得到每组中所有直线段累加的长度，去除小于长度阈值的直线段组。
步骤6：采用最小二乘法拟合得到电力线，具体为：将步骤5保留下来的每组直线段通过最小二乘法拟合得到最终的电力线，如图3所示。
通过本实施例上述6个步骤，可最终实现电力线快速提取。
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 (6)

1.一种基于EDLines的电力线快速提取方法，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采集电力线图像；
步骤2：将电力线图像转换为灰度图；
步骤3：采用Ratio算子增强图像；
步骤4：采用EDLines算法提取直线段；
步骤5：直线段编组；
步骤6：采用最小二乘法拟合得到电力线。
2.根据权利要求1所述的一种基于EDLines的电力线快速提取方法，其特征在于，所述步骤1中，无人机采集电力线图像时，无人机在电力线上方或者附近飞行，无人机飞行方向和电力线方向平行，搭载的摄像机或照相机朝向电力线，电力线在航拍图像上近似为竖直方向。
3.根据权利要求1所述的一种基于EDLines的电力线快速提取方法，其特征在于，所述步骤3采用Ratio算子增强图像，具体为设定竖直方向的Ratio算子滑动检测模板，模板的尺寸是3×3，取中心像素点为待检测点，计算模板两侧不重叠区域内各3个像素点的灰度均值U1和U2，定义R＝(1-min(U1/U2，U2/U1))×255，将R值作为此中心像素点新的灰度值，对图像进行遍历，得到新的灰度图。
4.根据权利要求1所述的一种基于EDLines的电力线快速提取方法，其特征在于，所述步骤4采用EDLines算法提取直线段，具体为：(1)采用高斯滤波抑制噪声，计算像素点的梯度和方向；(2)采用局部梯度极大值选取锚点，连接得到边缘；(3)对每一条边缘，从某一端点开始采用最小二乘法提取线段；(4)采用亥姆霍兹原理去除错误的直线段，最终得到直线段集合vector。
5.根据权利要求1所述的一种基于EDLines的电力线快速提取方法，其特征在于，所述步骤5直线段编组，具体为：(1)选取直线段集合vector中一个未进行编组的直线段li，同时删除vector中的直线段li；(2)查看直线段集合vector中是否有直线段和li的角度之差小于角度阈值，并且此直线段中点到li的垂直距离小于距离阈值，将集合vector中满足这两种条件的所有直线段和li编为一组，同时将集合vector中的这些直线段删除；(3)重复(1)-(2)操作，直至集合vector为空；(4)计算得到每组中所有直线段累加的长度，去除小于长度阈值的直线段组。
6.根据权利要求1所述的一种基于EDLines的电力线快速提取方法，其特征在于，所述步骤6采用最小二乘法拟合得到电力线，具体为：将步骤5保留下来的每组直线段通过最小二乘法拟合得到最终的电力线。
CN201910638106.7A 2019-07-11 2019-07-11 一种基于EDLines的电力线快速提取方法 Pending CN110390672A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910638106.7A CN110390672A (zh) 2019-07-11 2019-07-11 一种基于EDLines的电力线快速提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910638106.7A CN110390672A (zh) 2019-07-11 2019-07-11 一种基于EDLines的电力线快速提取方法

Publications (1)

Publication Number Publication Date
CN110390672A true CN110390672A (zh) 2019-10-29

Family

ID=68285016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910638106.7A Pending CN110390672A (zh) 2019-07-11 2019-07-11 一种基于EDLines的电力线快速提取方法

Country Status (1)

Country Link
CN (1) CN110390672A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111739042A (zh) * 2020-06-04 2020-10-02 中南大学 一种基于数字图像特征的复杂背景电力线提取方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018028103A1 (zh) * 2016-08-11 2018-02-15 河海大学常州校区 一种基于人眼视觉特性的电力线路无人机巡检方法
CN107833206A (zh) * 2017-10-24 2018-03-23 武汉大学 一种复杂背景下电力线精确提取方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018028103A1 (zh) * 2016-08-11 2018-02-15 河海大学常州校区 一种基于人眼视觉特性的电力线路无人机巡检方法
CN107833206A (zh) * 2017-10-24 2018-03-23 武汉大学 一种复杂背景下电力线精确提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
赵乐等: "复杂背景下电力线自动提取算法", 高电压技术, vol. 45, no. 1, pages 218 - 227 *
齐永菊: "基于ＥDLines 的遥感影像直线快速提取方法研究", 测绘与空间地理信息, vol. 41, no. 9, pages 109 - 113 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111739042A (zh) * 2020-06-04 2020-10-02 中南大学 一种基于数字图像特征的复杂背景电力线提取方法
CN111739042B (zh) * 2020-06-04 2023-06-09 中南大学 一种基于数字图像特征的复杂背景电力线提取方法

Similar Documents

Publication Publication Date Title
CN106290388B (zh) 一种绝缘子故障自动检测方法
CN103745224B (zh) 基于图像的铁路接触网鸟窝异常情况检测方法
CN109325935B (zh) 一种基于无人机图像的输电线路检测方法
KR20220023335A (ko) 결함 검출 방법 및 관련 장치, 기기, 저장 매체, 컴퓨터 프로그램 제품
CN107679495B (zh) 一种输电线路周边活动工程车辆的检测方法
CN108416316B (zh) 一种黑烟车的检测方法及系统
CN111814686A (zh) 一种基于视觉的输电线路识别及异物入侵在线检测方法
CN107742307A (zh) 基于改进帧差法的输电线路舞动特征提取及参数分析方法
US10861172B2 (en) Sensors and methods for monitoring flying objects
CN110276279B (zh) 一种基于图像分割的任意形状场景文本探测方法
CN116110036B (zh) 基于机器视觉的电力铭牌信息缺陷等级判断方法及装置
CN112652015A (zh) 基于bim的路面病害标记方法和装置
CN110221312A (zh) 一种基于激光雷达快速检测地面点云的方法
CN107273884A (zh) 一种基于移动终端摄像头的车辆牌照识别方法
CN113313107A (zh) 一种斜拉桥缆索表面多类型病害智能检测和识别方法
CN110276747B (zh) 一种基于图像分析的绝缘子故障检测和故障评级方法
WO2022233096A1 (zh) 一种基于深度视觉的钢坯最优剪切控制方法及装置
CN110390672A (zh) 一种基于EDLines的电力线快速提取方法
CN109447946B (zh) 一种架空通信光缆异常检测方法
Fang et al. Towards real-time crack detection using a deep neural network with a Bayesian fusion algorithm
CN107704864B (zh) 基于图像对象性语义检测的显著目标检测方法
Gao et al. Intelligent crack damage detection system in shield tunnel using combination of retinanet and optimal adaptive selection
Zhang et al. An automatic diagnostic method of abnormal heat defect in transmission lines based on infrared video
CN114419489A (zh) 特征提取网络的训练方法、装置、终端设备和介质
Mahphood et al. Density-based method for building detection from LiDAR point cloud

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