CN112837313A - 一种输电线路异物的图像分割的方法 - Google Patents
一种输电线路异物的图像分割的方法 Download PDFInfo
- Publication number
- CN112837313A CN112837313A CN202110243600.0A CN202110243600A CN112837313A CN 112837313 A CN112837313 A CN 112837313A CN 202110243600 A CN202110243600 A CN 202110243600A CN 112837313 A CN112837313 A CN 112837313A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- probability
- calculating
- gray scale
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000005540 biological transmission Effects 0.000 title claims abstract description 38
- 238000003709 image segmentation Methods 0.000 title claims description 8
- 230000011218 segmentation Effects 0.000 claims abstract description 33
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 230000002708 enhancing effect Effects 0.000 claims abstract description 8
- 239000004020 conductor Substances 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000000926 separation method Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 7
- 230000001419 dependent effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036319 strand breaking Effects 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Images
Classifications
-
- 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
-
- G06T5/70—
-
- G06T5/92—
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种输电线路异物的图像分割的方法,包括采集输电导线图像,剔除不符合预设标准的图像,得到初始图像;对初始图像进行预处理,得到预处理图像;根据预处理图像的RGB值,计算所述预处理图像的灰度值,得到灰度图像;根据预设的阈值集合中的阈值,划分所述灰度图像的全部像素为背景区域和目标区域,计算得到背景区域和目标区域的最大方差值;根据所述最大方差值,确定分割阈值;根据所述分割阈值,增强所述分割阈值对应的目标区域的对比度,得到增强图像;划分所述增强图像的全部像素为背景区域和目标区域,重复执行计算得到背景区域和目标区域的最大方差值的步骤,确定最佳分割阈值,得到最终显示图像,避免像素丢失且分隔完全。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种输电线路异物的图像分割的方法。
背景技术
输电线路连接着发电厂和消费用户,在电路传输的过程中发挥着不可替代的作用。由于电力系统南北跨越维度大,气候条件复杂,电线需要长期暴露在冰天雪地或湿热天气,不同环境下的输电线路会遭受不同程度的损坏。输电导线通常会出现异物附着、落鸟、断股分叉等,诸多因素影响着输电导线的使用寿命,而且如果不及时的排除因素,会带来更严重的后果。
现有技术中,通常采用人工的方式进行排查,近年来也会通过无人机或飞机等进行巡检,同时产生大量的巡检图片,此时单一采用人工进行异物的判断将会耗费大量人力。图1为断股分叉原图,图2为断股分叉最大类间方差法分割图,图3为鸟类依附原图,图4为鸟类依附最大类间方差法分割图,由图1至图4可见,现有技术对图像中同属一类的情况,分割效果不明显,存在遗漏和分割不全的现象。
发明内容
为了解决上述问题,本申请提供一种输电线路异物的图像分割的方法,以解决现有技术对不同导线异物的分类效果不明显且效率低的问题。基于图像处理技术的输电线路智能检测,可以通过不同导线异物的图像来进行分类,进而采取不同的措施行动。
为了实现上述目的,本申请通过以下技术方案实现:
一种输电线路异物的图像分割的方法,所述方法包括:
采集输电导线图像,剔除不符合预设标准的图像,得到初始图像;
对所述初始图像进行预处理,得到预处理图像;
根据所述预处理图像的RGB值,计算所述预处理图像的灰度值,得到灰度图像;
根据预设的阈值集合中的阈值,划分所述灰度图像的全部像素为背景区域和目标区域,计算得到背景区域和目标区域的最大方差值;
根据所述最大方差值,确定分割阈值;
根据所述分割阈值,增强所述分割阈值对应的目标区域的对比度,得到增强图像;
根据预设的阈值集合中的阈值,划分所述增强图像的全部像素为背景区域和目标区域,重复执行上述计算得到背景区域和目标区域的最大方差值的步骤,确定最佳分割阈值,得到最终显示图像。
可选的,所述对所述初始图像进行预处理,得到预处理图像的步骤包括:消除所述初始图像的噪声。
可选的,所述消除所述初始图像的噪声的步骤包括:
遍历所述初始图像,通过预设的滑动窗口滑动覆盖所述初始图像,滑动过程中根据滑动窗口覆盖的像素的中值,计算得到滑动窗口值;
计算所述滑动窗口值的公式为:
y=med[x(i-N,j-N),…,x(i+N,j+N)]
其中,滑动窗口为(2N+1)*(2N+1),y为滑动窗口值,med为滑动窗口中覆盖的像素的中值,x为滑动窗口中覆盖的像素,i为行,j为列,N为行和列的数量。
可选的,所述根据所述预处理图像的RGB值,计算所述预处理图像的灰度值的公式为:
i=0.299R+0.587G+0.114B
其中,i为灰度值,R为红色分量值,G为绿色分量值,B为蓝色分量值。
可选的,所述计算得到背景区域和目标区域的最大方差值的步骤包括:
遍历所述灰度图像的全部像素,计算所述背景区域占全部像素的比例,得到背景区域概率,计算所述目标区域占全部像素的比例,得到目标区域概率;
根据所述背景区域概率,计算得到背景区域均值;根据所述目标区域概率,计算得到目标区域均值;
根据所述背景区域概率、目标区域概率、背景区域均值和目标区域均值,计算阈值集合中每个阈值对应的方差值,得到多个方差值;对比多个所述方差值,确定最大方差值。
可选的,所述计算所述背景区域占全部像素的比例,得到背景区域概率的公式为:
其中,P1为背景区域概率,i为灰度值,k为阈值,p(i)为灰度值占全部像素的概率,m为灰度图像的行数,n为灰度图像的列数,f(x,y)为灰度图像某一个点的灰度值,f(x,y)∈{0,L-1},记作:Gl,L为灰度值的等级。
可选的,所述计算所述目标区域占全部像素的比例,得到目标区域概率的公式为:
其中,P2为目标区域概率,i为灰度值,k为阈值,p(i)为灰度值占全部像素的概率,m为灰度图像的行数,n为灰度图像的列数,f(x,y)为灰度图像某一个点的灰度值,f(x,y)∈{0,L-1},记作:Gl,L为灰度值的等级。
可选的,所述计算得到背景区域均值的公式为:
其中,m1为背景区域均值,P1为背景区域概率,i为灰度值,k为阈值,p(i)为灰度值占全部像素的概率。
可选的,所述计算得到目标区域均值的公式为:
其中,m2为目标区域均值,P2为目标区域概率,i为灰度值,k为阈值,p(i)为灰度值占全部像素的概率,L为灰度值的等级。
可选的,所述计算阈值集合中每个阈值对应的方差值的公式为:
σ=P1*P2*(m1-m2)2
其中,σ为方差值,P1为背景区域概率,P2为目标区域概率,m1为背景区域均值,m2为目标区域均值。
由以上技术方案可知,本申请提供一种输电线路异物的图像分割的方法,所述方法包括:采集输电导线图像,剔除不符合预设标准的图像,得到初始图像;对所述初始图像进行预处理,得到预处理图像;根据所述预处理图像的RGB值,计算所述预处理图像的灰度值,得到灰度图像;根据预设的阈值集合中的阈值,划分所述灰度图像的全部像素为背景区域和目标区域,计算得到背景区域和目标区域的最大方差值;根据所述最大方差值,确定分割阈值;根据所述分割阈值,增强所述分割阈值对应的目标区域的对比度,得到增强图像;根据预设的阈值集合中的阈值,划分所述增强图像的全部像素为背景区域和目标区域,重复执行上述计算得到背景区域和目标区域的最大方差值的步骤,确定最佳分割阈值,得到最终显示图像。本申请提供的方法,通过图像增强来弥补在图像中不明显的区域,然后进行二次分割,效果更好,避免丢失图像中重要的像素信息,不会出现分割不完全的现象,且操作简单,对于不同导线异物的分类起到至关重要的作用。
附图说明
为了更清楚地说明本申请的技术方案,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,对于本领域普通技术人员而言,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为断股分叉原图;
图2为断股分叉最大类间方差法分割图;
图3为鸟类依附原图;
图4为鸟类依附最大类间方差法分割图;
图5为本申请实施例中一种输电线路异物的图像分割的方法的流程示意图;
图6为断股分叉图像对比增强图;
图7为鸟类依附图像对比增强图;
图8为本申请实施例中断股分叉最终显示图像;
图9为本申请实施例中鸟类依附最终显示图像。
具体实施方式
为使本申请实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本申请。
图5为本申请实施例中一种输电线路异物的图像分割的方法的流程示意图,参见图5,本申请提供一种输电线路异物的图像分割的方法,主要是针对输电线路的导线异物,以导线断股分叉和导线上鸟类为例,但不局限于上述两种异物。所述方法包括:
S1、采集输电导线图像,剔除不符合预设标准的图像,得到初始图像;
采集输电导线图像,一般是通过无人机或飞机在巡检过程中采集得到输电导线异物的图像,对于采集到的输电导线图像中,不包含导线和被遮挡等不合格的图像,采取剔除的方式处理,得到符合预设标准的初始图像。
S2、对所述初始图像进行预处理,得到预处理图像;
预处理采用的方法主要包括图像的滤波、增强以及边缘检测等方法。
所述对所述初始图像进行预处理,得到预处理图像的步骤包括:消除所述初始图像的噪声。目的是为了消除图像在拍摄过程以及传输过程中,包含的噪声等因素,中值滤波是一种非线性数字滤波器,可以用于去除图像的噪声。
所述消除所述初始图像的噪声的步骤包括:
遍历所述初始图像,通过预设的滑动窗口滑动覆盖所述初始图像,滑动过程中根据滑动窗口覆盖的像素的中值,计算得到滑动窗口值;
计算滑动窗口值的公式为:
y=med[x(i-N,j-N),…,x(i+N,j+N)]
其中,滑动窗口为(2N+1)*(2N+1),y为滑动窗口值,med为滑动窗口中覆盖的像素的中值,x为滑动窗口中覆盖的像素,i为行,j为列,N为行和列的数量。
S3、根据所述预处理图像的RGB值,计算所述预处理图像的灰度值,得到灰度图像;
根据预处理图像的RGB值,计算得到灰度值,根据灰度值,即可得到灰度图像。
所述根据所述预处理图像的RGB值,计算所述预处理图像的灰度值的公式为:
i=0.299R+0.587G+0.114B
其中,i为灰度值,R为红色分量值,G为绿色分量值,B为蓝色分量值。
S4、根据预设的阈值集合中的阈值,划分所述灰度图像的全部像素为背景区域和目标区域,计算得到背景区域和目标区域的最大方差值;
阈值集合为{0,1,2,…,L-1},L为灰度值的等级,一张灰度图有0~255共256个灰度等级,每一个灰度值隶属一个灰度等级。通过阈值k将全部像素分为背景区域和目标区域,小于阈值k的部分,即[0,k-1]为背景区域,大于等于阈值k的部分,即[k,L-1]为目标区域。其中,背景区域最终显示为白色,目标区域最终显示为黑色。
所述计算得到背景区域和目标区域的最大方差值的步骤包括:
遍历所述灰度图像的全部像素,计算所述背景区域占全部像素的比例,得到背景区域概率,计算所述目标区域占全部像素的比例,得到目标区域概率;
通过阈值k搜索范围,遍历图像,可以得到阈值范围[0,k-1]占整个图像的比例,以及阈值范围[k,L-1]占整个图像的比例,即背景区域概率和目标区域概率。
所述计算所述背景区域占全部像素的比例,得到背景区域概率的公式为:
其中,P1为背景区域概率,i为灰度值,k为阈值,p(i)为灰度值占全部像素的概率,m为灰度图像的行数,n为灰度图像的列数,f(x,y)为灰度图像某一个点的灰度值,f(x,y)∈{0,L-1},记作:Gl,L为灰度值的等级。
所述计算所述目标区域占全部像素的比例,得到目标区域概率的公式为:
其中,P2为目标区域概率,i为灰度值,k为阈值,p(i)为灰度值占全部像素的概率,m为灰度图像的行数,n为灰度图像的列数,f(x,y)为灰度图像某一个点的灰度值,f(x,y)∈{0,L-1},记作:Gl,L为灰度值的等级。
根据所述背景区域概率,计算得到背景区域均值;根据所述目标区域概率,计算得到目标区域均值;
所述计算得到背景区域均值的公式为:
背景区域均值计算得出的是阈值范围[0,k-1]中包含的每一个灰度值与其对应占整个图像的概率的乘积比上背景区域类占比的概率。
其中,m1为背景区域均值,P1为背景区域概率,i为灰度值,k为阈值,p(i)为灰度值占全部像素的概率。
所述计算得到目标区域均值的公式为:
目标区域均值计算得出的是阈值范围[k,L-1]中包含的每一个灰度值与其对应占整个图像的概率的乘积比上目标区域类占比的概率。
其中,m2为目标区域均值,P2为目标区域概率,i为灰度值,k为阈值,p(i)为灰度值占全部像素的概率,L为灰度值的等级。
根据所述背景区域概率、目标区域概率、背景区域均值和目标区域均值,计算阈值集合中每个阈值对应的方差值,得到多个方差值;对比多个所述方差值,确定最大方差值。
所述计算阈值集合中每个阈值对应的方差值的公式为:
σ=P1*P2*(m1-m2)2
其中,σ为方差值,P1为背景区域概率,P2为目标区域概率,m1为背景区域均值,m2为目标区域均值。
阈值k∈{0,1,2,…,L-1},每个阈值k对应分割一次灰度图像,共分割256次,相应的,需要共计算256次方差值,得到多个不同的方差值,并比较每个方差值的大小,确定最大方差值。
S5、根据所述最大方差值,确定分割阈值;最大方差值对应的阈值k就是分割阈值Th。再次参见图2和图4,均是直接应用最大类间方差法得到的分割图,其中图2的分割阈值为0.4588;图4分割阈值为0.4353,结果导致过度分割,缺少了关键信息,以及分割不全,含有较多的噪声。
S6、根据所述分割阈值,增强所述分割阈值对应的目标区域的对比度,得到增强图像;
将S5得到的分割阈值Th最为增强图像对比度的基底,通过增强图像对比度的方法,将分割阈值Th对应的背景区域(0,Th)范围作为增强图像对比度的输入,输出为(0,0.1),其中图2的背景区域为(0,0.458),图4的背景区域为(0,0.435)。
图6为断股分叉图像对比增强图,图7为鸟类依附图像对比增强图;参见图6和图7,通过上述步骤可以进一步的将S5中不明显的区域得到有效增强,得到增强图像。
S7、根据预设的阈值集合中的阈值,划分所述增强图像的全部像素为背景区域和目标区域,重复执行上述计算得到背景区域和目标区域的最大方差值的步骤,确定最佳分割阈值,得到最终显示图像。
将增强图像的全部像素划分为背景区域和目标区域,重复执行S4中的的计算方法,得到一个新的方差值θ,新的方差值θ对应的阈值即为最佳分割阈值T。图8为本申请实施例中断股分叉最终显示图像,图9为本申请实施例中鸟类依附最终显示图像,参见图8和图9,根据最佳分割阈值T,得到最终显示图像,实现图像分割,并且分割效果良好,既没有遗漏像素信息也没有多余的噪声。如表1所示,分别为断股分叉和鸟类依附的增强前后的分割阈值。
表1
通过分割图像对导线异物进行判别,以便后续采取不同的应对措施,达到不同导线异物不同应对措施的效果,为输电导线在后续的巡查过程中提供有利依据。
由以上技术方案可知,本申请提供一种输电线路异物的图像分割的方法,所述方法包括:采集输电导线图像,剔除不符合预设标准的图像,得到初始图像;对所述初始图像进行预处理,得到预处理图像;根据所述预处理图像的RGB值,计算所述预处理图像的灰度值,得到灰度图像;根据预设的阈值集合中的阈值,划分所述灰度图像的全部像素为背景区域和目标区域,计算得到背景区域和目标区域的最大方差值;根据所述最大方差值,确定分割阈值;根据所述分割阈值,增强所述分割阈值对应的目标区域的对比度,得到增强图像;根据预设的阈值集合中的阈值,划分所述增强图像的全部像素为背景区域和目标区域,重复执行上述计算得到背景区域和目标区域的最大方差值的步骤,确定最佳分割阈值,得到最终显示图像。本申请提供的方法,通过图像增强来弥补在图像中不明显的区域,然后进行二次分割,效果更好,避免丢失图像中重要的像素信息,不会出现分割不完全的现象,且操作简单,对于不同导线异物的分类起到至关重要的作用。
以上显示和描述了本申请的基本原理和主要特征以及本申请的优点,对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。
Claims (10)
1.一种输电线路异物的图像分割的方法,其特征在于,所述方法包括:
采集输电导线图像,剔除不符合预设标准的图像,得到初始图像;
对所述初始图像进行预处理,得到预处理图像;
根据所述预处理图像的RGB值,计算所述预处理图像的灰度值,得到灰度图像;
根据预设的阈值集合中的阈值,划分所述灰度图像的全部像素为背景区域和目标区域,计算得到背景区域和目标区域的最大方差值;
根据所述最大方差值,确定分割阈值;
根据所述分割阈值,增强所述分割阈值对应的目标区域的对比度,得到增强图像;
根据预设的阈值集合中的阈值,划分所述增强图像的全部像素为背景区域和目标区域,重复执行上述计算得到背景区域和目标区域的最大方差值的步骤,确定最佳分割阈值,得到最终显示图像。
2.根据权利要求1所述的一种输电线路异物的图像分割的方法,其特征在于,所述对所述初始图像进行预处理,得到预处理图像的步骤包括:消除所述初始图像的噪声。
3.根据权利要求2所述的一种输电线路异物的图像分割的方法,其特征在于,所述消除所述初始图像的噪声的步骤包括:
遍历所述初始图像,通过预设的滑动窗口滑动覆盖所述初始图像,滑动过程中根据滑动窗口覆盖的像素的中值,计算得到滑动窗口值;
计算所述滑动窗口值的公式为:
y=med[x(i-N,j-N),…,x(i+N,j+N)]
其中,滑动窗口为(2N+1)*(2N+1),y为滑动窗口值,med为滑动窗口中覆盖的像素的中值,x为滑动窗口中覆盖的像素,i为行,j为列,N为行和列的数量。
4.根据权利要求1所述的一种输电线路异物的图像分割的方法,其特征在于,所述根据所述预处理图像的RGB值,计算所述预处理图像的灰度值的公式为:
i=0.299R+0.587G+0.114B
其中,i为灰度值,R为红色分量值,G为绿色分量值,B为蓝色分量值。
5.根据权利要求1所述的一种输电线路异物的图像分割的方法,其特征在于,所述计算得到背景区域和目标区域的最大方差值的步骤包括:
遍历所述灰度图像的全部像素,计算所述背景区域占全部像素的比例,得到背景区域概率,计算所述目标区域占全部像素的比例,得到目标区域概率;
根据所述背景区域概率,计算得到背景区域均值;根据所述目标区域概率,计算得到目标区域均值;
根据所述背景区域概率、目标区域概率、背景区域均值和目标区域均值,计算阈值集合中每个阈值对应的方差值,得到多个方差值;对比多个所述方差值,确定最大方差值。
10.根据权利要求5-9任一项所述的一种输电线路异物的图像分割的方法,其特征在于,所述计算阈值集合中每个阈值对应的方差值的公式为:
σ=P1*P2*(m1-m2)2
其中,σ为方差值,P1为背景区域概率,P2为目标区域概率,m1为背景区域均值,m2为目标区域均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110243600.0A CN112837313A (zh) | 2021-03-05 | 2021-03-05 | 一种输电线路异物的图像分割的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110243600.0A CN112837313A (zh) | 2021-03-05 | 2021-03-05 | 一种输电线路异物的图像分割的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112837313A true CN112837313A (zh) | 2021-05-25 |
Family
ID=75934563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110243600.0A Pending CN112837313A (zh) | 2021-03-05 | 2021-03-05 | 一种输电线路异物的图像分割的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112837313A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344833A (zh) * | 2021-05-31 | 2021-09-03 | 电子科技大学中山学院 | 一种图像增强方法、装置、电子设备及存储介质 |
CN115496778A (zh) * | 2022-11-17 | 2022-12-20 | 诡谷子人工智能科技(深圳)有限公司 | 一种提高边缘光滑性的图像二值化方法、装置及存储介质 |
CN116760952A (zh) * | 2023-08-17 | 2023-09-15 | 山东欣晖电力科技有限公司 | 基于无人机的电力铁塔维护巡检方法 |
CN117315515A (zh) * | 2023-11-29 | 2023-12-29 | 深圳市大易电气实业有限公司 | 一种配电线路视觉辅助巡检方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081731A (zh) * | 2009-11-26 | 2011-06-01 | 中国移动通信集团广东有限公司 | 一种从图像中提取文本的方法和装置 |
CN104463097A (zh) * | 2014-10-31 | 2015-03-25 | 武汉工程大学 | 基于局部自适应阈值分割算法的高压线图像检测方法 |
CN105865329A (zh) * | 2016-03-31 | 2016-08-17 | 河北科技大学 | 基于视觉的成捆圆钢端面中心坐标的获取系统和方法 |
CN106650750A (zh) * | 2016-11-21 | 2017-05-10 | 云南电网有限责任公司电力科学研究院 | 用于输电线路地质灾害检测的无人机遥感图像处理系统 |
CN106650728A (zh) * | 2016-12-09 | 2017-05-10 | 浙江浩腾电子科技股份有限公司 | 一种阴影车牌图像二值化方法 |
-
2021
- 2021-03-05 CN CN202110243600.0A patent/CN112837313A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081731A (zh) * | 2009-11-26 | 2011-06-01 | 中国移动通信集团广东有限公司 | 一种从图像中提取文本的方法和装置 |
CN104463097A (zh) * | 2014-10-31 | 2015-03-25 | 武汉工程大学 | 基于局部自适应阈值分割算法的高压线图像检测方法 |
CN105865329A (zh) * | 2016-03-31 | 2016-08-17 | 河北科技大学 | 基于视觉的成捆圆钢端面中心坐标的获取系统和方法 |
CN106650750A (zh) * | 2016-11-21 | 2017-05-10 | 云南电网有限责任公司电力科学研究院 | 用于输电线路地质灾害检测的无人机遥感图像处理系统 |
CN106650728A (zh) * | 2016-12-09 | 2017-05-10 | 浙江浩腾电子科技股份有限公司 | 一种阴影车牌图像二值化方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344833A (zh) * | 2021-05-31 | 2021-09-03 | 电子科技大学中山学院 | 一种图像增强方法、装置、电子设备及存储介质 |
CN113344833B (zh) * | 2021-05-31 | 2023-12-15 | 电子科技大学中山学院 | 一种图像增强方法、装置、电子设备及存储介质 |
CN115496778A (zh) * | 2022-11-17 | 2022-12-20 | 诡谷子人工智能科技(深圳)有限公司 | 一种提高边缘光滑性的图像二值化方法、装置及存储介质 |
CN115496778B (zh) * | 2022-11-17 | 2023-03-14 | 诡谷子人工智能科技(深圳)有限公司 | 一种提高边缘光滑性的图像二值化方法、装置及存储介质 |
CN116760952A (zh) * | 2023-08-17 | 2023-09-15 | 山东欣晖电力科技有限公司 | 基于无人机的电力铁塔维护巡检方法 |
CN116760952B (zh) * | 2023-08-17 | 2023-10-20 | 山东欣晖电力科技有限公司 | 基于无人机的电力铁塔维护巡检方法 |
CN117315515A (zh) * | 2023-11-29 | 2023-12-29 | 深圳市大易电气实业有限公司 | 一种配电线路视觉辅助巡检方法及系统 |
CN117315515B (zh) * | 2023-11-29 | 2024-03-15 | 深圳市大易电气实业有限公司 | 一种配电线路视觉辅助巡检方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112837313A (zh) | 一种输电线路异物的图像分割的方法 | |
CN111402248B (zh) | 一种基于机器视觉的输电线路导线缺陷检测方法 | |
CN111402247B (zh) | 一种基于机器视觉的输电线路上悬垂线夹缺陷检测方法 | |
CN110146791A (zh) | 一种基于图像处理的电晕检测方法 | |
CN107679495B (zh) | 一种输电线路周边活动工程车辆的检测方法 | |
CN110728640B (zh) | 一种双通道单幅图像精细去雨方法 | |
CN111814678A (zh) | 一种基于视频监控的运输皮带中煤流识别方法及系统 | |
CN110726725A (zh) | 一种输电线路金具锈蚀检测方法及装置 | |
CN110866926B (zh) | 一种红外遥感图像快速精细海陆分割方法 | |
CN111008967B (zh) | 一种绝缘子rtv涂层缺陷识别方法 | |
CN114881869A (zh) | 一种巡检视频图像预处理方法 | |
CN110782409A (zh) | 一种去除多运动物体阴影的方法 | |
CN113112440A (zh) | 一种基于fpga的紫外与可见光图像融合系统及方法 | |
CN112037137A (zh) | 一种红外图像中绝缘子盘面边缘模糊区域消除方法及装置 | |
CN111931577A (zh) | 一种电网线路特定异物智能巡检方法 | |
CN106339995A (zh) | 一种基于时空多特征的车辆阴影消除方法 | |
CN115909033A (zh) | 一种摄像机镜头凝冻状态评估方法及装置 | |
CN114998889A (zh) | 一种沉浸式三维影像的智能识别方法及系统 | |
CN112816483A (zh) | 基于雾值分析的团雾识别预警方法、系统和电子设备 | |
CN110782431A (zh) | 一种基于深度学习的高压电线结冰区域检测方法 | |
CN111145219A (zh) | 一种基于Codebook原理的高效视频移动目标检测方法 | |
CN113591877B (zh) | 绝缘子覆冰类型辨识方法、装置、存储介质及设备 | |
CN108460778B (zh) | 面向有雾图像的类天空区域检测与定位方法 | |
CN114240995A (zh) | 一种基于ssd-改进帧间差分法-霍夫变换的结构系统运动状态检测方法 | |
CN116935341A (zh) | 一种基于消失点和颜色过滤器的车道线检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210525 |