CN112819843B - 一种夜间电力线的提取方法及系统 - Google Patents
一种夜间电力线的提取方法及系统 Download PDFInfo
- Publication number
- CN112819843B CN112819843B CN202110074439.9A CN202110074439A CN112819843B CN 112819843 B CN112819843 B CN 112819843B CN 202110074439 A CN202110074439 A CN 202110074439A CN 112819843 B CN112819843 B CN 112819843B
- Authority
- CN
- China
- Prior art keywords
- power line
- pixel
- value
- image
- candidate
- 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
- G06T7/10—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
- G06T2207/10016—Video; Image sequence
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
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
本发明公开了一种夜间电力线的提取方法及系统,方法包括:首先获取夜间电力线的视频图像,划定视频图像中电力线的初始范围;对视频图像进行边缘检测,获得二值化边缘图像;遍历二值化边缘图像,将二值化边缘图像中的在基准帧图像中对应像素点的灰度值大于灰度阈值的像素点的二值化数值设置为0,获得更新后的二值化边缘图像;在更新后的二值化边缘图像中选取二值化数值为1的像素点作为候选点,建立电力线的第一候选点集合;选取第一候选点集合中在电力线的初始范围内的候选点,建立电力线的第二候选点集合并进行二次曲线拟合,获得电力线的拟合曲线。本发明解决了因夜间能见度低导致的电力线检测困难的问题,也是对无人机白日巡检方式的补充。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种夜间电力线的提取方法及系统。
背景技术
电力线作为电力传输的载体,具有重要作用。因此,电力线巡检是保障电网平稳运行的重要手段。传统的人工巡视方法往往受到环境、天气的制约,成本高、效率低,难以保证巡检质量。同时,巡检方法无法实现对重点区域的长期不间断监控,而且目前的巡检大多在白天进行,无法监控夜间的电力线状况。另一方面,由于夜间能见度低,电力线与夜幕颜色相近,增加了检测难度。
发明内容
本发明的目的是提供一种夜间电力线的提取方法及系统,以实现夜间电力线的精确提取。
为实现上述目的,本发明提供了一种夜间电力线的提取方法,所述方法包括:
获取夜间电力线的视频图像,划定所述视频图像中电力线的初始范围;
对所述视频图像进行边缘检测,获得二值化边缘图像;
遍历所述二值化边缘图像,将所述二值化边缘图像中的在基准帧图像中对应像素点的灰度值大于灰度阈值的像素点的二值化数值设置为0,获得更新后的二值化边缘图像;
在更新后的二值化边缘图像中选取二值化数值为1的像素点作为候选点,建立电力线的第一候选点集合;
选取所述第一候选点集合中在电力线的初始范围内的候选点,建立电力线的第二候选点集合;
对所述第二候选点集合中的候选点进行二次曲线拟合,获得电力线的拟合曲线。
可选地,在所述遍历所述二值化边缘图像,将所述二值化边缘图像中的在基准帧图像中对应像素点的灰度值大于灰度阈值的像素点的二值化数值设置为0,获得更新后的二值化边缘图像之前还包括:
对电力线处于稳定状态的连续10帧的夜间图像进行取平均运算,得到基准帧图像;
计算所述基准帧图像中所有像素点的灰度值的均值和标准差;
根据所述基准帧图像中所有像素点的灰度值的均值和标准差,利用公式T=u+σ,确定灰度阈值;
其中,T表示灰度阈值,u表示基准帧图像中所有像素点的灰度值的均值,σ表示基准帧图像中所有像素点的灰度值的标准差。
可选地,所述遍历所述二值化边缘图像,将所述二值化边缘图像中的在基准帧图像中对应像素点的灰度值大于灰度阈值的像素点的二值化数值设置为0,获得更新后的二值化边缘图像,具体包括:
确定所述二值化边缘图像中的第(i,j)个像素点在基准帧图像中对应像素点的灰度值;
判断在基准帧图像中对应像素点的灰度值是否大于灰度阈值,获得判断结果;
若所述判断结果表示是,则将所述二值化边缘图像中的第(i,j)个像素点的二值化数值设置为0;
若所述判断结果表示否,则所述二值化边缘图像中的第(i,j)个像素点的二值化数值不变;
更新i和j的数值,返回步骤“确定所述二值化边缘图像中的第(i,j)个像素点在基准帧图像中对应像素点的灰度值”,进行下一个像素点的更新,直到遍历完成二值化边缘图像中的所有像素点。
可选地,所述对所述第二候选点集合中的候选点进行二次曲线拟合,获得电力线的拟合曲线,具体包括:
对电力线的第二候选点集合中的候选点进行二次曲线拟合,确定第二候选点集合中的候选点的拟合函数为:z(x)=p2x2+p1x+p0;
利用公式ATAp=ATy求解所述拟合函数中的系数;所述系数包括常数项系数p0、一次项系数p1和二次项系数p2;
其中,y表示第二候选点集合的纵坐标向量,y=[y1,y2,...,yn],y1、y2和yn分别表示第二候选点集合中第一个、第二个和第n个候选点的纵坐标;
p表示系数向量,p=[p0,p1,p2];
x1、x2和xn分别表示第二候选点集合中第一个、第二个和第n个候选点的横坐标;
z(x)表示拟合函数的因变量,x表示拟合函数的自变量。
可选地,在获取夜间电力线的视频图像,划定所述视频图像中电力线的初始范围之后还包括:
对所述视频图像进行中值滤波处理、方向滤波处理和2%线性拉伸处理,获得处理后的视频图像。
本发明还提供一种夜间电力线的提取系统,所述夜间电力线的提取系统包括:
获取模块,用于获取夜间电力线的视频图像,划定所述视频图像中电力线的初始范围;
边缘检测模块,用于对所述视频图像进行边缘检测,获得二值化边缘图像;
遍历模块,用于遍历所述二值化边缘图像,将所述二值化边缘图像中的在基准帧图像中对应像素点的灰度值大于灰度阈值的像素点的二值化数值设置为0,获得更新后的二值化边缘图像;
第一候选点集合确定模块,用于在更新后的二值化边缘图像中选取二值化数值为1的像素点作为候选点,建立电力线的第一候选点集合;
第二候选点集合确定模块,用于选取所述第一候选点集合中在电力线的初始范围内的候选点,建立电力线的第二候选点集合;
拟合模块,用于对所述第二候选点集合中的候选点进行二次曲线拟合,获得电力线的拟合曲线。
可选地,所述夜间电力线的提取系统还包括:
基准帧图像确定模块,用于对电力线处于稳定状态的连续10帧的夜间图像进行取平均运算,得到基准帧图像;
计算模块,用于计算所述基准帧图像中所有像素点的灰度值的均值和标准差;
灰度阈值确定模块,用于根据所述基准帧图像中所有像素点的灰度值的均值和标准差,利用公式T=u+σ,确定灰度阈值;
其中,T表示灰度阈值,u表示基准帧图像中所有像素点的灰度值的均值,σ表示基准帧图像中所有像素点的灰度值的标准差。
可选地,所述遍历模块包括:
灰度值确定单元,用于确定所述二值化边缘图像中的第(i,j)个像素点在基准帧图像中对应像素点的灰度值;
判断单元,用于判断在基准帧图像中对应像素点的灰度值是否大于灰度阈值,获得判断结果;
二值化数值更新单元,用于若所述判断结果表示是,则将所述二值化边缘图像中的第(i,j)个像素点的二值化数值设置为0;
若所述判断结果表示否,则所述二值化边缘图像中的第(i,j)个像素点的二值化数值不变;
返回单元,用于更新i和j的数值,返回步骤“确定所述二值化边缘图像中的第(i,j)个像素点在基准帧图像中对应像素点的灰度值”,进行下一个像素点的更新,直到遍历完成二值化边缘图像中的所有像素点。
可选地,所述拟合模块包括:
拟合函数确定单元,用于对电力线的第二候选点集合中的候选点进行二次曲线拟合,确定第二候选点集合中的候选点的拟合函数为:z(x)=p2x2+p1x+p0;
系数确定单元,用于利用公式ATAp=ATy求解所述拟合函数中的系数;所述系数包括常数项系数p0、一次项系数p1和二次项系数p2;
其中,y表示第二候选点集合的纵坐标向量,y=[y1,y2,...,yn],y1、y2和yn分别表示第二候选点集合中第一个、第二个和第n个候选点的纵坐标;
p表示系数向量,p=[p0,p1,p2];
x1、x2和xn分别表示第二候选点集合中第一个、第二个和第n个候选点的横坐标;
z(x)表示拟合函数的因变量,x表示拟合函数的自变量。
可选地,所述夜间电力线的提取系统还包括:
视频图像处理模块,用于对所述视频图像进行中值滤波处理、方向滤波处理和2%线性拉伸处理,获得处理后的视频图像。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开了一种夜间电力线的提取方法及系统,方法包括:首先获取夜间电力线的视频图像,划定视频图像中电力线的初始范围;对视频图像进行边缘检测,获得二值化边缘图像;遍历二值化边缘图像,将二值化边缘图像中的在基准帧图像中对应像素点的灰度值大于灰度阈值的像素点的二值化数值设置为0,获得更新后的二值化边缘图像;在更新后的二值化边缘图像中选取二值化数值为1的像素点作为候选点,建立电力线的第一候选点集合;选取第一候选点集合中在电力线的初始范围内的候选点,建立电力线的第二候选点集合并进行二次曲线拟合,获得电力线的拟合曲线。本发明解决了因夜间能见度低导致的电力线检测困难的问题,也是对无人机白日巡检方式的补充。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例夜间电力线的提取方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种夜间电力线的提取方法及系统,以实现夜间电力线的提取。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例夜间电力线的提取方法流程图,如图1所示,所述夜间电力线的提取方法包括:
S1:获取夜间电力线的视频图像,划定所述视频图像中电力线的初始范围。
S2:对所述视频图像进行边缘检测,获得二值化边缘图像。
S3:遍历所述二值化边缘图像,将所述二值化边缘图像中的在基准帧图像中对应像素点的灰度值大于灰度阈值的像素点的二值化数值设置为0,获得更新后的二值化边缘图像。
S4:在更新后的二值化边缘图像中选取二值化数值为1的像素点作为候选点,建立电力线的第一候选点集合。
S5:选取所述第一候选点集合中在电力线的初始范围内的候选点,建立电力线的第二候选点集合。
S6:对所述第二候选点集合中的候选点进行二次曲线拟合,获得电力线的拟合曲线。
在本发明实施例中,在所述遍历所述二值化边缘图像,将所述二值化边缘图像中的在基准帧图像中对应像素点的灰度值大于灰度阈值的像素点的二值化数值设置为0,获得更新后的二值化边缘图像之前还包括:
对电力线处于稳定状态的连续10帧的夜间图像进行取平均运算,得到基准帧图像。
计算所述基准帧图像中所有像素点的灰度值的均值和标准差。
根据所述基准帧图像中所有像素点的灰度值的均值和标准差,利用公式T=u+σ,确定灰度阈值。
其中,T表示灰度阈值,u表示基准帧图像中所有像素点的灰度值的均值,σ表示基准帧图像中所有像素点的灰度值的标准差。
在本发明实施例中,所述遍历所述二值化边缘图像,将所述二值化边缘图像中的在基准帧图像中对应像素点的灰度值大于灰度阈值的像素点的二值化数值设置为0,获得更新后的二值化边缘图像,具体包括:
确定所述二值化边缘图像中的第(i,j)个像素点在基准帧图像中对应像素点的灰度值。
判断在基准帧图像中对应像素点的灰度值是否大于灰度阈值,获得判断结果。
若所述判断结果表示是,则将所述二值化边缘图像中的第(i,j)个像素点的二值化数值设置为0。
若所述判断结果表示否,则所述二值化边缘图像中的第(i,j)个像素点的二值化数值不变。
更新i和j的数值,返回步骤“确定所述二值化边缘图像中的第(i,j)个像素点在基准帧图像中对应像素点的灰度值”,进行下一个像素点的更新,直到遍历完成二值化边缘图像中的所有像素点。
在本发明实施例中,所述对所述第二候选点集合中的候选点进行二次曲线拟合,获得电力线的拟合曲线,具体包括:
对电力线的第二候选点集合中的候选点进行二次曲线拟合,确定第二候选点集合中的候选点的拟合函数为:z(x)=p2x2+p1x+p0;
利用公式ATAp=ATy求解所述拟合函数中的系数;所述系数包括常数项系数p0、一次项系数p1和二次项系数p2;
其中,y表示第二候选点集合的纵坐标向量,y=[y1,y2,...,yn],y1、y2和yn分别表示第二候选点集合中第一个、第二个和第n个候选点的纵坐标;
p表示系数向量,p=[p0,p1,p2];
x1、x2和xn分别表示第二候选点集合中第一个、第二个和第n个候选点的横坐标;
z(x)表示拟合函数的因变量,x表示拟合函数的自变量。
作为另一种实施方式,所述对所述第二候选点集合中的候选点进行二次曲线拟合,获得电力线的拟合曲线,具体包括:
对电力线的第二候选点集合中的候选点进行二次曲线拟合,确定第二候选点集合中的候选点的拟合函数为:z(x)=p2x2+p1x+p0;
采用最小二乘法确定常数项系数p0、一次项系数p1和二次项系数p2。对于给定数据对{xi,yi}(i=1,2,...,n),极小化下式:
其中,数据对{xi,yi}(i=1,2,...,n)分别表示第二候选点集合中的候选点的横坐标和纵坐标,z(xi)为拟合后的第二候选点集合中的候选点纵坐标。
在本发明实施例中,在获取夜间电力线的视频图像,划定所述视频图像中电力线的初始范围之后还包括:对所述视频图像进行中值滤波处理、方向滤波处理和2%线性拉伸处理,获得处理后的视频图像,以对夜间电力线的视频图像进行增强。
方向滤波模板h如下:
进行2%线性拉伸具体为:统计方向滤波后的视频图像直方图,对直方图累积在2%~98%之间的像素灰度值进行线性拉伸。设直方图累积在2%处对应的灰度值为Imin,98%处对应的灰度值为Imax。若像素值大于Imin且小于Imax,则将其线性拉伸至0~255;若像素值小于Imin,则将其设为0;若像素值大于Imax,则将其设为255。
本发明还提供一种夜间电力线的提取系统,所述夜间电力线的提取系统包括:获取模块、边缘检测模块、遍历模块、第一候选点集合确定模块、第二候选点集合确定模块和拟合模块。
获取模块,用于获取夜间电力线的视频图像,划定所述视频图像中电力线的初始范围。边缘检测模块,用于对所述视频图像进行边缘检测,获得二值化边缘图像。遍历模块,用于遍历所述二值化边缘图像,将所述二值化边缘图像中的在基准帧图像中对应像素点的灰度值大于灰度阈值的像素点的二值化数值设置为0,获得更新后的二值化边缘图像。第一候选点集合确定模块,用于在更新后的二值化边缘图像中选取二值化数值为1的像素点作为候选点,建立电力线的第一候选点集合。第二候选点集合确定模块,用于选取所述第一候选点集合中在电力线的初始范围内的候选点,建立电力线的第二候选点集合。拟合模块,用于对所述第二候选点集合中的候选点进行二次曲线拟合,获得电力线的拟合曲线。
在本发明实施例中,所述夜间电力线的提取系统还包括:基准帧图像确定模块、计算模块和灰度阈值确定模块。
基准帧图像确定模块,用于对电力线处于稳定状态的连续10帧的夜间图像进行取平均运算,得到基准帧图像。计算模块,用于计算所述基准帧图像中所有像素点的灰度值的均值和标准差。灰度阈值确定模块,用于根据所述基准帧图像中所有像素点的灰度值的均值和标准差,利用公式T=u+σ,确定灰度阈值。其中,T表示灰度阈值,u表示基准帧图像中所有像素点的灰度值的均值,σ表示基准帧图像中所有像素点的灰度值的标准差。
在本发明实施例中,所述遍历模块包括:灰度值确定单元、判断单元、二值化数值更新单元和返回单元。灰度值确定单元,用于确定所述二值化边缘图像中的第(i,j)个像素点在基准帧图像中对应像素点的灰度值。判断单元,用于判断在基准帧图像中对应像素点的灰度值是否大于灰度阈值,获得判断结果;二值化数值更新单元,用于若所述判断结果表示是,则将所述二值化边缘图像中的第(i,j)个像素点的二值化数值设置为0;若所述判断结果表示否,则所述二值化边缘图像中的第(i,j)个像素点的二值化数值不变。更新单元,用于更新i和j的数值,返回步骤“确定所述二值化边缘图像中的第(i,j)个像素点在基准帧图像中对应像素点的灰度值”,进行下一个像素点的更新,直到遍历完成二值化边缘图像中的所有像素点。
在本发明实施例中,所述拟合模块包括:
拟合函数确定单元,用于对电力线的第二候选点集合中的候选点进行二次曲线拟合,确定第二候选点集合中的候选点的拟合函数为:z(x)=p2x2+p1x+p0;
系数确定单元,用于利用公式ATAp=ATy求解所述拟合函数中的系数;所述系数包括常数项系数p0、一次项系数p1和二次项系数p2;
其中,y表示第二候选点集合的纵坐标向量,y=[y1,y2,...,yn],y1、y2和yn分别表示第二候选点集合中第一个、第二个和第n个候选点的纵坐标;
p表示系数向量,p=[p0,p1,p2];
x1、x2和xn分别表示第二候选点集合中第一个、第二个和第n个候选点的横坐标;
z(x)表示拟合函数的因变量,x表示拟合函数的自变量。
在本发明实施例中,所述夜间电力线的提取系统还包括:视频图像处理模块,用于对所述视频图像进行中值滤波处理、方向滤波处理和2%线性拉伸处理,获得处理后的视频图像。
本发明提出一种夜间电力线的提取方法,通过普通固定摄像头对电力线重点区域进行监控,主要包括电力线初始范围划定、夜间电力线的视频图像增强和曲线拟合等3个步骤。其中,采用中值滤波处理、方向滤波处理和2%线性拉伸的图像处理方法进行夜间图像增强。该方法能实现夜间重点区域电力线的有效提取。
本发明针对夜间重点区域电力线检测问题,提出电力线的提取方法,是对当前运用较多的无人机白日巡检方式的有力补充。
本发明采用中值滤波处理、方向滤波处理和2%线性拉伸的图像处理方法,解决了因夜间能见度低导致的电力线检测难题。
本发明采用曲线拟合方法,滤除了电力线检测中的孤立噪声点,实现了电力线的精确检测。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种夜间电力线的提取方法,其特征在于,所述方法包括:
获取夜间电力线的视频图像,划定所述视频图像中电力线的初始范围;
对所述视频图像进行边缘检测,获得二值化边缘图像;
遍历所述二值化边缘图像,将所述二值化边缘图像中的在基准帧图像中对应像素点的灰度值大于灰度阈值的像素点的二值化数值设置为0,获得更新后的二值化边缘图像;
在更新后的二值化边缘图像中选取二值化数值为1的像素点作为候选点,建立电力线的第一候选点集合;
选取所述第一候选点集合中在电力线的初始范围内的候选点,建立电力线的第二候选点集合;
对所述第二候选点集合中的候选点进行二次曲线拟合,获得电力线的拟合曲线;
在获取夜间电力线的视频图像,划定所述视频图像中电力线的初始范围之后还包括:
2.根据权利要求1所述的夜间电力线的提取方法,其特征在于,在所述遍历所述二值化边缘图像,将所述二值化边缘图像中的在基准帧图像中对应像素点的灰度值大于灰度阈值的像素点的二值化数值设置为0,获得更新后的二值化边缘图像之前还包括:
对电力线处于稳定状态的连续10帧的夜间图像进行取平均运算,得到基准帧图像;
计算所述基准帧图像中所有像素点的灰度值的均值和标准差;
根据所述基准帧图像中所有像素点的灰度值的均值和标准差,利用公式T=u+σ,确定灰度阈值;
其中,T表示灰度阈值,u表示基准帧图像中所有像素点的灰度值的均值,σ表示基准帧图像中所有像素点的灰度值的标准差。
3.根据权利要求1所述的夜间电力线的提取方法,其特征在于,所述遍历所述二值化边缘图像,将所述二值化边缘图像中的在基准帧图像中对应像素点的灰度值大于灰度阈值的像素点的二值化数值设置为0,获得更新后的二值化边缘图像,具体包括:
确定所述二值化边缘图像中的第(i,j)个像素点在基准帧图像中对应像素点的灰度值;
判断在基准帧图像中对应像素点的灰度值是否大于灰度阈值,获得判断结果;
若所述判断结果表示是,则将所述二值化边缘图像中的第(i,j)个像素点的二值化数值设置为0;
若所述判断结果表示否,则所述二值化边缘图像中的第(i,j)个像素点的二值化数值不变;
更新i和j的数值,返回步骤“确定所述二值化边缘图像中的第(i,j)个像素点在基准帧图像中对应像素点的灰度值”,进行下一个像素点的更新,直到遍历完成二值化边缘图像中的所有像素点。
4.根据权利要求1所述的夜间电力线的提取方法,其特征在于,所述对所述第二候选点集合中的候选点进行二次曲线拟合,获得电力线的拟合曲线,具体包括:
对电力线的第二候选点集合中的候选点进行二次曲线拟合,确定第二候选点集合中的候选点的拟合函数为:z(x)=p2x2+p1x+p0;
利用公式ATAp=ATy求解所述拟合函数中的系数;所述系数包括常数项系数p0、一次项系数p1和二次项系数p2;
其中,y表示第二候选点集合的纵坐标向量,y=[y1,y2,...,yn],y1、y2和yn分别表示第二候选点集合中第一个、第二个和第n个候选点的纵坐标;
p表示系数向量,p=[p0,p1,p2];
x1、x2和xn分别表示第二候选点集合中第一个、第二个和第n个候选点的横坐标;
z(x)表示拟合函数的因变量,x表示拟合函数的自变量。
5.一种夜间电力线的提取系统,其特征在于,所述夜间电力线的提取系统包括:
获取模块,用于获取夜间电力线的视频图像,划定所述视频图像中电力线的初始范围;
边缘检测模块,用于对所述视频图像进行边缘检测,获得二值化边缘图像;
遍历模块,用于遍历所述二值化边缘图像,将所述二值化边缘图像中的在基准帧图像中对应像素点的灰度值大于灰度阈值的像素点的二值化数值设置为0,获得更新后的二值化边缘图像;
第一候选点集合确定模块,用于在更新后的二值化边缘图像中选取二值化数值为1的像素点作为候选点,建立电力线的第一候选点集合;
第二候选点集合确定模块,用于选取所述第一候选点集合中在电力线的初始范围内的候选点,建立电力线的第二候选点集合;
拟合模块,用于对所述第二候选点集合中的候选点进行二次曲线拟合,获得电力线的拟合曲线;
所述夜间电力线的提取系统还包括:
6.根据权利要求5所述的夜间电力线的提取系统,其特征在于,所述夜间电力线的提取系统还包括:
基准帧图像确定模块,用于对电力线处于稳定状态的连续10帧的夜间图像进行取平均运算,得到基准帧图像;
计算模块,用于计算所述基准帧图像中所有像素点的灰度值的均值和标准差;
灰度阈值确定模块,用于根据所述基准帧图像中所有像素点的灰度值的均值和标准差,利用公式T=u+σ,确定灰度阈值;
其中,T表示灰度阈值,u表示基准帧图像中所有像素点的灰度值的均值,σ表示基准帧图像中所有像素点的灰度值的标准差。
7.根据权利要求5所述的夜间电力线的提取系统,其特征在于,所述遍历模块包括:
灰度值确定单元,用于确定所述二值化边缘图像中的第(i,j)个像素点在基准帧图像中对应像素点的灰度值;
判断单元,用于判断在基准帧图像中对应像素点的灰度值是否大于灰度阈值,获得判断结果;
二值化数值更新单元,用于若所述判断结果表示是,则将所述二值化边缘图像中的第(i,j)个像素点的二值化数值设置为0;
若所述判断结果表示否,则所述二值化边缘图像中的第(i,j)个像素点的二值化数值不变;
返回单元,用于更新i和j的数值,返回步骤“确定所述二值化边缘图像中的第(i,j)个像素点在基准帧图像中对应像素点的灰度值”,进行下一个像素点的更新,直到遍历完成二值化边缘图像中的所有像素点。
8.根据权利要求5所述的夜间电力线的提取系统,其特征在于,所述拟合模块包括:
拟合函数确定单元,用于对电力线的第二候选点集合中的候选点进行二次曲线拟合,确定第二候选点集合中的候选点的拟合函数为:z(x)=p2x2+p1x+p0;
系数确定单元,用于利用公式ATAp=ATy求解所述拟合函数中的系数;所述系数包括常数项系数p0、一次项系数p1和二次项系数p2;
其中,y表示第二候选点集合的纵坐标向量,y=[y1,y2,...,yn],y1、y2和yn分别表示第二候选点集合中第一个、第二个和第n个候选点的纵坐标;
p表示系数向量,p=[p0,p1,p2];
x1、x2和xn分别表示第二候选点集合中第一个、第二个和第n个候选点的横坐标;
z(x)表示拟合函数的因变量,x表示拟合函数的自变量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110074439.9A CN112819843B (zh) | 2021-01-20 | 2021-01-20 | 一种夜间电力线的提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110074439.9A CN112819843B (zh) | 2021-01-20 | 2021-01-20 | 一种夜间电力线的提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819843A CN112819843A (zh) | 2021-05-18 |
CN112819843B true CN112819843B (zh) | 2022-08-26 |
Family
ID=75858394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110074439.9A Active CN112819843B (zh) | 2021-01-20 | 2021-01-20 | 一种夜间电力线的提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819843B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117237617B (zh) * | 2023-11-15 | 2024-03-01 | 广东电网有限责任公司广州供电局 | 一种架空输电线图像识别方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1757037A (zh) * | 2003-01-30 | 2006-04-05 | 实物视频影像公司 | 使用变化检测和分类的视频场景背景保持 |
CN106846359A (zh) * | 2017-01-17 | 2017-06-13 | 湖南优象科技有限公司 | 基于视频序列的运动目标快速检测方法 |
US10274532B1 (en) * | 2017-10-30 | 2019-04-30 | Nio Usa, Inc. | Resilient high-voltage interlock loop |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7983817B2 (en) * | 1995-06-07 | 2011-07-19 | Automotive Technologies Internatinoal, Inc. | Method and arrangement for obtaining information about vehicle occupants |
DE102009018320A1 (de) * | 2009-04-22 | 2010-10-28 | Wincor Nixdorf International Gmbh | Verfahren zum Erkennen von Manipulationsversuchen an einem Selbstbedienungsterminal und Datenverarbeitungseinheit dafür |
CN102346910B (zh) * | 2010-07-30 | 2015-09-09 | 中国科学院空间科学与应用研究中心 | 一种基于单帧红外图像的点目标的实时检测方法 |
CN101964108B (zh) * | 2010-09-10 | 2013-01-23 | 中国农业大学 | 基于实时在线系统的叶片田间图像边缘提取方法及其系统 |
CN102324019B (zh) * | 2011-08-12 | 2014-03-05 | 浙江大学 | 一种视频序列中自动提取手势候选区域的方法及系统 |
JP5514344B2 (ja) * | 2012-05-15 | 2014-06-04 | シャープ株式会社 | 映像処理装置、映像処理方法、テレビジョン受像機、プログラム、及び記録媒体 |
US8995749B2 (en) * | 2013-03-28 | 2015-03-31 | Mitutoyo Corporation | Enhanced edge detection tool for edges of irregular surfaces |
CN103400112B (zh) * | 2013-07-10 | 2017-02-15 | 重庆大学 | 高速公路摄像头监控范围偏差检测方法 |
CN103927526B (zh) * | 2014-04-30 | 2017-02-15 | 长安大学 | 一种基于高斯差分多尺度边缘融合的车辆检测方法 |
CN104008387B (zh) * | 2014-05-19 | 2017-02-15 | 山东科技大学 | 一种基于特征点分段线性拟合的车道线检测方法 |
CN104392212B (zh) * | 2014-11-14 | 2017-09-01 | 北京工业大学 | 一种基于视觉的道路信息检测及前方车辆识别方法 |
WO2018002932A1 (en) * | 2016-06-30 | 2018-01-04 | Ariel Scientific Innovations Ltd. | Lane level accuracy using vision of roadway lights and particle filter |
CN108921865B (zh) * | 2018-06-27 | 2022-03-18 | 南京大学 | 一种抗干扰的亚像素直线拟合方法 |
CN108986081B (zh) * | 2018-06-28 | 2021-11-23 | 湖南红太阳新能源科技有限公司 | 光伏组件玻璃裂纹检测方法、装置、设备及存储介质 |
CN109029256A (zh) * | 2018-07-10 | 2018-12-18 | 内蒙古工业大学 | 一种基于最大类间方差的分梳山羊绒长度检测方法 |
CN109035370B (zh) * | 2018-07-23 | 2022-02-22 | 郑州云海信息技术有限公司 | 一种图片标注方法与系统 |
CN109360217A (zh) * | 2018-09-29 | 2019-02-19 | 国电南瑞科技股份有限公司 | 输变电设备图像边缘检测方法、装置及系统 |
CN109341524A (zh) * | 2018-10-17 | 2019-02-15 | 上海理工大学 | 一种基于机器视觉的光纤几何参数检测方法 |
CN111382745A (zh) * | 2018-12-30 | 2020-07-07 | 深圳市邻友通科技发展有限公司 | 一种指甲图像分割方法、装置、设备和存储介质 |
CN109995964B (zh) * | 2019-02-21 | 2021-08-17 | 西安万像电子科技有限公司 | 图像数据处理方法及装置 |
CN112100869B (zh) * | 2020-11-16 | 2021-03-09 | 北京云圣智能科技有限责任公司 | 电力线补点方法、装置及电子设备 |
-
2021
- 2021-01-20 CN CN202110074439.9A patent/CN112819843B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1757037A (zh) * | 2003-01-30 | 2006-04-05 | 实物视频影像公司 | 使用变化检测和分类的视频场景背景保持 |
CN106846359A (zh) * | 2017-01-17 | 2017-06-13 | 湖南优象科技有限公司 | 基于视频序列的运动目标快速检测方法 |
US10274532B1 (en) * | 2017-10-30 | 2019-04-30 | Nio Usa, Inc. | Resilient high-voltage interlock loop |
Non-Patent Citations (4)
Title |
---|
"A Novel Foreign Object Detection Algorithm Based on GMM and K-Means for Power Transmission Line Inspection";Nan Yao 等;《Journal of physics》;20200621;全文 * |
"Automatic autonomous vision-based power line inspection: A review of current status and the potential role of deep learning";Van Nhan Nguyenab 等;《International Journal of Electrical Power & Energy Systems》;20171231;全文 * |
"Autonomous monitoring system for the detection of disrupting power cables on distribution networks using computer vision techniques";Del Hoyo,Ignacio Leonardo 等;《CIRED》;20190603;全文 * |
"The Research of Transmission Line Foreign Body Detection Based on Motion Compensation";Shengxi Jiao 等;《IEEE》;20160603;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112819843A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109785291B (zh) | 一种车道线自适应检测方法 | |
CN107204006B (zh) | 一种基于双背景差分的静止目标检测方法 | |
CN102202163B (zh) | 一种监控视频的自适应增强方法及其装置 | |
US10410361B2 (en) | Moving object detection method and system | |
US20210049744A1 (en) | Method for image dehazing based on adaptively improved linear global atmospheric light of dark channel | |
CN109785285B (zh) | 一种基于椭圆特征拟合的绝缘子破损检测方法 | |
CN101950416B (zh) | 基于双边滤波的实时图像去雾增强方法 | |
CN106682665B (zh) | 一种基于计算机视觉的七段式数显仪表数字识别方法 | |
WO2022027931A1 (zh) | 基于视频图像的运动车辆前景检测方法 | |
CN108564597B (zh) | 一种融合高斯混合模型和h-s光流法的视频前景目标提取方法 | |
US10395374B2 (en) | Surveillance video based video foreground extraction method | |
CN111709888B (zh) | 一种基于改进的生成对抗网络的航拍图像去雾方法 | |
CN102306307B (zh) | 一种彩色显微图像序列中固点噪声的定位方法 | |
CN109359593B (zh) | 一种基于图像局部栅格的雨雪环境画面模糊监测预警方法 | |
CN112819843B (zh) | 一种夜间电力线的提取方法及系统 | |
CN110782409B (zh) | 一种去除多运动物体阴影的方法 | |
CN108010050B (zh) | 一种基于自适应背景更新和选择性背景更新的前景检测方法 | |
CN113487559A (zh) | 一种变电站隔离开关开合状态实时检测方法 | |
CN113592750A (zh) | 一种基于梯度直方图的红外增强方法 | |
CN112396582A (zh) | 一种基于Mask RCNN的均压环歪斜检测方法 | |
CN109547777B (zh) | 一种复杂场景的视频噪声快速检测方法 | |
CN108898080B (zh) | 一种基于山脊线邻域评价模型的裂缝连接方法 | |
CN116309093A (zh) | 一种类背腹侧注意机制的视频降噪方法和系统 | |
CN111523583B (zh) | 一种利用无人机对设备铭牌照片自动识别分类的方法 | |
CN110798680B (zh) | 一种单帧无参考自适应的视频雪花噪声检测方法 |
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 |