CN116758529B - 线路识别方法、装置和计算机设备 - Google Patents
线路识别方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN116758529B CN116758529B CN202311049410.0A CN202311049410A CN116758529B CN 116758529 B CN116758529 B CN 116758529B CN 202311049410 A CN202311049410 A CN 202311049410A CN 116758529 B CN116758529 B CN 116758529B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- line
- detected
- linear contour
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000001514 detection method Methods 0.000 claims abstract description 89
- 238000003708 edge detection Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 35
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 abstract description 15
- 241000345998 Calamus manan Species 0.000 description 13
- 235000012950 rattan cane Nutrition 0.000 description 13
- 238000007689 inspection Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种线路识别方法、装置和计算机设备。所述方法包括:对待识别的原始图像进行裁切并转换为HSI图像;提取HSI图像中的I分量,得到强度分量图像;对强度分量图像中的像素点进行边缘检测,得到轮廓图像;去除轮廓图像中的轮廓边缘点的杂散像素块,得到线性轮廓图像;对线性轮廓图像中的位于同一线性轮廓上的像素点进行光滑性检测、凹凸性检测和悬链线属性检测,剔除图像中不满足预设要求的像素点,得到悬链线图像;基于悬链线图像,对悬链线方程进行拟合,得到悬链线图像中线路的导线方程和极点坐标;基于导线方程和极点坐标,确定原始图像中的线路的位置。采用本方法能够解决架空输电线路图像识别率低,定位不准确以及漏检的问题。
Description
技术领域
本申请涉及图像识别技术领域,特别是涉及一种线路识别方法、装置和计算机设备。
背景技术
架空输电线路巡检包括传统的人工巡检和机器智能巡检两类。人工巡检劳动强度大,效率低,受建筑物、树木、河流、沟壑等的影响大;飞行器巡检是机器智能巡检的主要形式之一,比传统的人工巡检方法更加简单、经济、实时、准确与快捷。飞行器巡检具体有灰度方差归一化自适应阈值分割算法、熵及对比度纹理特征识别算法等经典算法,以及小波变换浮动阈值算法、数学形态学最佳阈值分割算法、模拟退火遗传算法等现代图像处理方法。
但是,现有的架空输电线路图像识别方法,通常不能在建筑物的屋面与立面、道路、树木、林地、草地、菜地等景观斑块或复杂图像背景的情况下,将架空输电线路精确区分出来,也不能准确区别架空输电线路与树枝条、藤条等条状背景,导致架空输电线路图像识别率低,定位不准确,甚至出现背景覆盖与遮挡时的漏检现象。
然而,对于现有技术存在架空输电线路图像识别率低,定位不准确以及漏检的问题,仍没有得到解决。
发明内容
基于此,有必要针对上述技术问题,提供一种线路识别方法、装置和计算机设备。
第一方面,本申请提供了一种线路识别方法。所述方法包括:
对待识别的原始图像进行裁切,并将裁切后的图像转换为HSI图像;提取所述HSI图像中的I分量,得到强度分量图像;对所述强度分量图像中的像素点进行边缘检测,确定所述强度分量图像中的轮廓边缘点,得到所述强度分量图像中的轮廓图像;去除所述轮廓图像中的轮廓边缘点的杂散像素块,得到线性轮廓图像;对所述线性轮廓图像中的位于同一线性轮廓上的像素点进行光滑性检测,剔除所述线性轮廓图像中不满足预设的线路光滑性检测要求的像素点,得到第一图像;对所述第一图像中的位于同一线性轮廓上的像素点进行凹凸性检测,剔除所述第一图像中不满足预设的线路凹凸性检测要求的像素点,得到第二图像;对所述第二图像中的位于同一线性轮廓上的像素点进行悬链线属性检测,剔除所述第二图像中不满足预设的悬链线属性检测要求的像素点,得到悬链线图像;基于所述悬链线图像,对悬链线方程进行拟合,得到所述悬链线图像中线路的导线方程,以及所述悬链线图像中线路的极点坐标;所述线路的极点坐标,包括所述线路的两个端点坐标和/或所述线路的最高点坐标;基于所述导线方程和所述极点坐标,确定所述原始图像中的线路的位置。
在其中一个实施例中,所述对所述强度分量图像中的像素点进行边缘检测,确定所述强度分量图像中的轮廓边缘点,得到所述强度分量图像中的轮廓图像,包括:
通过Sobel算子,对所述强度分量图像中的所有像素点进行差分计算;根据所述强度分量图像中差分计算结果超过预设阈值的所有轮廓边缘点,得到所述强度分量图像中的所述轮廓图像。
在其中一个实施例中,所述对所述线性轮廓图像中的位于同一线性轮廓上的像素点进行光滑性检测,剔除所述线性轮廓图像中不满足预设的线路光滑性检测要求的像素点,得到第一图像,包括:
根据所述线性轮廓图像中的位于同一线性轮廓上的待检测的像素点,以及待检测的所述像素点的左右相邻的像素点,确定待检测的所述像素点及其左右相邻的像素点所确定的线,在待检测的所述像素点处是否光滑,若光滑,则认定待检测的所述像素点为光滑像素点;针对所述线性轮廓图像中的每一个线性轮廓,遍历所述线性轮廓图像中的位于同一线性轮廓上的像素点,若当前所述线性轮廓上的所述光滑像素点的个数,小于设定第一阈值,则剔除当前所述线性轮廓上的所有像素点;在所述线性轮廓图像中的所有线性轮廓遍历结束后,得到所述第一图像。
在其中一个实施例中, 所述根据所述线性轮廓图像中的位于同一线性轮廓上的待检测的像素点,以及待检测的所述像素点的左右相邻的像素点,确定待检测的所述像素点及其左右相邻的像素点所确定的线,在待检测的所述像素点处是否光滑,包括:
基于所述线性轮廓图像中的位于同一线性轮廓上的待检测的所述像素点,以及待检测的所述像素点的左右相邻的所述像素点,计算待检测的所述像素点的左导数和右导数;计算所述左导数和所述右导数的相对差分;根据所述相对差分是否小于或等于设定第二阈值,确定待检测的所述像素点及其左右相邻的像素点所确定的线,在待检测的所述像素点处是否光滑。
在其中一个实施例中,所述对所述第一图像中的位于同一线性轮廓上的像素点进行凹凸性检测,剔除所述第一图像中不满足预设的线路凹凸性检测要求的像素点,得到第二图像,包括:
根据所述第一图像中的位于同一线性轮廓上的待检测的像素点,以及待检测的所述像素点的左右相邻的像素点,确定待检测的所述像素点及其左右相邻的像素点所确定的线,在待检测的所述像素点处是否存在凸起,若存在凸起,则认定待检测的所述像素点为凸起像素点;针对所述第一图像中的每一个线性轮廓,遍历所述第一图像中的位于同一线性轮廓上的像素点,若当前所述线性轮廓上的所述凸起像素点的个数大于设定第三阈值,则剔除当前所述线性轮廓上的所有像素点;在所述第一图像中的所有线性轮廓遍历结束后,得到所述第二图像。
在其中一个实施例中,所述根据所述第一图像中的位于同一线性轮廓上的待检测的像素点,以及待检测的所述像素点的左右相邻的像素点,确定待检测的所述像素点及其左右相邻的像素点所确定的线,在待检测的所述像素点处是否存在凸起,包括:
基于所述第一图像中的位于同一线性轮廓上的待检测的所述像素点,以及待检测的所述像素点的左右相邻的所述像素点,计算待检测的所述像素点的二阶导数;根据待检测的所述像素点的所述二阶导数,确定待检测的所述像素点及其左右相邻的像素点所确定的线,在待检测的所述像素点处是否存在凸起。
在其中一个实施例中,所述悬链线方程的表达式为:,其
中,,Ht为线路中张力的水平分量,ρ为单位长度线路当量比载,a0为最高点在原始图像
的坐标系中的横坐标,b0为最高点在原始图像的坐标系中的纵坐标。
在其中一个实施例中,对所述第二图像中的位于同一线性轮廓上的像素点进行悬链线属性检测,剔除所述第二图像中不满足预设的悬链线属性检测要求的像素点,得到悬链线图像,包括:
计算所述第二图像中的位于同一线性轮廓上的任意待检测的两个像素点的横坐标的差,以及待检测的两个所述像素点的二阶导数的差;计算两个差之间的商;当所述两个差之间的商等于D2时,判定待检测的两个所述像素点满足预设的所述悬链线属性检测要求;针对所述第二图像中的每一个线性轮廓,遍历所述第二图像中的位于同一线性轮廓上的像素点,若当前所述线性轮廓上满足所述悬链线属性检测要求的像素点的个数小于设定第四阈值,则剔除当前所述线性轮廓上的所有像素点;在所述第二图像中的所有线性轮廓遍历结束后,得到所述悬链线图像。
第二方面,本申请还提供了一种线路识别装置。所述装置包括:
转换模块,用于对待识别的原始图像进行裁切,并将裁切后的图像转换为HSI图像;提取模块,用于提取所述HSI图像中的I分量,得到强度分量图像;边缘检测模块,用于对所述强度分量图像中的像素点进行边缘检测,确定所述强度分量图像中的轮廓边缘点,得到所述强度分量图像中的轮廓图像;去杂散像素模块,用于去除所述轮廓图像中的轮廓边缘点的杂散像素块,得线性轮廓图像;光滑性检测模块,用于对所述线性轮廓图像中的位于同一线性轮廓上的像素点进行光滑性检测,剔除所述线性轮廓图像中不满足预设的线路光滑性检测要求的像素点,得到第一图像;凹凸性检测模块,用于对所述第一图像中的位于同一线性轮廓上的像素点进行凹凸性检测,剔除所述第一图像中不满足预设的线路凹凸性检测要求的像素点,得到第二图像;悬链线检测模块,用于对所述第二图像中的位于同一线性轮廓上的像素点进行悬链线属性检测,剔除所述第二图中不满足预设的悬链线属性检测要求的点,得到悬链线图像;拟合模块,用于基于所述悬链线图像,对悬链线方程进行拟合,得到所述悬链线图像中线路的导线方程,以及所述悬链线图像中线路的极点坐标;所述线路的极点坐标,包括所述线路的两个端点坐标和/或所述线路的最高点坐标;以及确定模块,用于基于所述导线方程和所述极点坐标,确定所述原始图像中的线路的位置。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一个方面所述的线路识别方法。
上述线路识别方法、装置和计算机设备,通过对获取到的原始图像进行处理转换为HSI图像,并提取HSI图像中的I分量,得到强度分量图像。其通过对线路目标较突出的一维的强度分量的提取,通过降维得到一维图像的数据,能够提高计算速度。进而对强度分量图像进行边缘检测以及去杂散像素块操作,得到满足线性轮廓要求的点,定位到图像中的线性轮廓。进而对同一线性轮廓的点进行光滑性、凹凸性和悬链线属性检测,剔除不满足光滑性、凹凸性和悬链线属性的点,得到的满足条件的点。最后通过对悬链线方程进行拟合,能够得到全面准确的线路的导线方程,以及线路的极点坐标,进而根据导线方程和极点坐标,确定原始图像中线路的位置。解决了现有技术存在架空输电线路图像识别率低,定位不准确以及漏检的问题。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请一实施例提供的线路识别方法的终端的硬件结构框图;
图2为本申请一实施例提供的线路识别方法的流程图;
图3为本申请一优选实施例提供的线路识别方法的流程图;
图4为本申请一实施例提供的线路识别装置的结构框图。
具体实施方式
为更清楚地理解本申请的目的、技术方案和优点,下面结合附图和实施例,对本申请进行了描述和说明。
除另作定义外,本申请所涉及的技术术语或者科学术语应具有本申请所属技术领域具备一般技能的人所理解的一般含义。在本申请中的“一”、“一个”、“一种”、“该”、“这些”等类似的词并不表示数量上的限制,它们可以是单数或者复数。在本申请中所涉及的术语“包括”、“包含”、“具有”及其任何变体,其目的是涵盖不排他的包含;例如,包含一系列步骤或模块(单元)的过程、方法和系统、产品或设备并未限定于列出的步骤或模块(单元),而可包括未列出的步骤或模块(单元),或者可包括这些过程、方法、产品或设备固有的其他步骤或模块(单元)。在本申请中所涉及的“连接”、“相连”、“耦接”等类似的词语并不限定于物理的或机械连接,而可以包括电气连接,无论是直接连接还是间接连接。在本申请中所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。通常情况下,字符“/”表示前后关联的对象是一种“或”的关系。在本申请中所涉及的术语“第一”、“第二”、“第三”等,只是对相似对象进行区分,并不代表针对对象的特定排序。
在本实施例中提供的方法实施例可以在不同飞行器的终端、计算机或者类似的运算装置中执行。比如在无人机的终端上运行,图1是本实施例的线路识别方法的终端的硬件结构框图。如图1所示,终端可以包括一个或多个(图1中仅示出一个)处理器102和用于存储数据的存储器104,其中,处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置。上述终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述终端的结构造成限制。例如,终端还可以包括比图1中所示更多或者更少的组件,或者具有与图1所示出的不同配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如在本实施例中的线路识别方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络包括终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(NetworkInterface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种线路识别方法,图2是本实施例的线路识别方法的流程图,如图2所示,该流程包括如下步骤:
步骤S210,对待识别的原始图像进行裁切,并将裁切后的图像转换为HSI图像。
其中,上述待识别的原始图像,可以是三维的RGB(Red Green Blue,用红绿蓝三色描述的三通道图像)图像。上述待识别的原始图像进行裁切,可以是将待识别的原始图像按照一定规格进行裁切。例如,可以将原始图像按照1024×1024的规格进行裁切。上述将裁切后的图像转换为HSI(Hue Saturation Intensity,用色调、饱和度和强度描述的图像)图像,可以是按照转换公式将三维的RGB图像转换为HSI图像。
具体地,强度分量I的转换公式为:
其中,R为RGB图像中的红色通道的颜色分量,G为RGB图像中的绿色通道的颜色分量,B为RGB图像中的蓝色通道的颜色分量。
饱和度分量S的转换公式为:
色调分量H的转换公式为:
其中,。
本步骤通过对三维的原始图像进行裁切,将图像裁切为便于计算的合适大小,并将裁切后的图像转换为HSI图像,便于后续提取线路目标较突出的强度分量I,通过将三维的图像数据降为一维的强度分量,能够在后续图像处理中提高运算的速度。
步骤S220,提取HSI图像中的I分量,得到强度分量图像。
在本步骤中,上述提取HSI图像中的I分量,可以是排除HSI图像中对线路目标不明显的色调分量H、饱和度分量S,得到线路目标较突出的强度分量I。上述强度分量图像,可以是每个像素点仅仅包括强度分量I的强度分量图像。在本步骤中,通过提取HSI图像中的线路目标较突出的强度分量I,得到仅仅包含一维的强度分量的强度分量图像,能够在后续图像处理中提高运算的速度,便于能够准确定位线路。
步骤S230,对强度分量图像中的像素点进行边缘检测,确定强度分量图像中的轮廓边缘点,得到强度分量图像中的轮廓图像。
其中,上述对强度分量图像中的像素点进行边缘检测,确定强度分量图像中的轮廓边缘点,可以是通过Sobel(Discrete Differentiation Operator,离散微分算子)算子,对强度分量图像中的所有像素点进行差分计算,确定强度分量图像中差分计算结果超过预设阈值的所有轮廓边缘点。具体地,Sobel算子的模版为:
利用Sobel算子,可以差分近似表示强度分量图像在像素点(x,y)处的偏导数。根
据Sobel算子,强度分量图像在像素点(x,y)处对x的偏导数Gx为:
强度分量图像在像素点(x,y)处对y的偏导数Gy为:
上述强度分量图像中的像素点的差分计算结果,可以用梯度值来表示。强度分量图像在像素点(x,y)处的梯度值g的计算公式为:
可以通过设置预设阈值T1,对强度分量图像中的像素点进行边缘检测,得到强度分量图像中差分计算结果超过预设阈值的所有轮廓边缘点。上述预设阈值,可以根据具体情况而设定,其目的是将线路目标、建筑、地面、树木、藤条、草地等差分计算结果超阈值的边缘点检测出来。其中,利用预设阈值T1对强度分量图像进行边缘检测,得到强度分量图像中的轮廓图像f 1 (x,y)的计算公式为:
本步骤通过强度分量图像中的像素点进行边缘检测,确定强度分量图像中的轮廓边缘点,通过本方法检测出导线目标、建筑、地面、树木、藤条、草地等差分超阈值的边缘点,得到强度分量图像中的导线目标、建筑、地面、树木、藤条、草地等轮廓图像。
步骤S240,去除轮廓图像中的轮廓边缘点的杂散像素块,得到线性轮廓图像。
在本步骤中,上述去除轮廓图像f 1 (x,y)中的轮廓边缘点的杂散像素块,可以是通过去除轮廓图像f 1 (x,y)中的轮廓边缘点的杂散像素块,得到满足线性轮廓要求的像素点,生成线性轮廓图像f 2 (x,y)。具体地,可以是预设杂散像素的阈值T2,将轮廓图像f 1 (x,y)中的轮廓边缘点的杂散像素的数目不满足预设杂散像素的阈值T2的杂散像素块剔除出去。上述预设杂散像素的阈值T2,可以根据具体情况而设定,其目的是将建筑、地面、树木、草地等非导线目标剔除出来。利用预设杂散像素的阈值T2,去除轮廓图像f 1 (x,y)中的轮廓边缘点的杂散像素块,得到线性轮廓图像f 2 (x,y)的计算公式为:
其中,n为轮廓边缘点的杂散像素的数目。本步骤通过去除轮廓图像中的轮廓边缘点的杂散像素块,剔除建筑、地面、树木、草地等非导线目标,得到线性轮廓图像。
步骤S250,对线性轮廓图像中的位于同一线性轮廓上的像素点进行光滑性检测,剔除线性轮廓图像中不满足预设的线路光滑性检测要求的像素点,得到第一图像。
具体地,对线性轮廓图像f 2 (x,y)中的位于同一线性轮廓上的像素点进行光滑性检测,剔除线性轮廓图像f 2 (x,y)中不满足预设的线路光滑性检测要求的像素点,得到第一图像,可以是根据线性轮廓图像f 2 (x,y)中的位于同一线性轮廓上的待检测的像素点,以及待检测的像素点的左右相邻的像素点,确定待检测的像素点及其左右相邻的像素点所确定的线,在待检测的像素点处是否光滑,若光滑,则认定待检测的像素点为光滑像素点。然后,针对线性轮廓图像f 2 (x,y)中的每一个线性轮廓,遍历线性轮廓图像f 2 (x,y)中的位于同一线性轮廓上的像素点,若当前线性轮廓上的光滑像素点的个数,小于设定第一阈值Y1,则剔除当前线性轮廓上的所有像素点。进而,在线性轮廓图像f 2 (x,y)中的所有线性轮廓遍历结束后,得到第一图像f 3 (x,y)。其中,上述设定第一阈值Y1,可以根据具体情况而设定,其目的是将树枝、建筑物转角等呈杂乱线条状与折线状的像素点剔除。本步骤通过对线性轮廓图像中的位于同一线性轮廓上的像素点进行光滑性检测,剔除线性轮廓图像中不满足预设的线路光滑性检测要求的像素点,实现剔除不满足要求的树枝、建筑物转角等呈杂乱线条状与折线状的像素点,得到满足线路光滑性检测要求的所有像素点所确定的第一图像。
步骤S260,对第一图像中的位于同一线性轮廓上的像素点进行凹凸性检测,剔除第一图像中不满足预设的线路凹凸性检测要求的像素点,得到第二图像。
在本步骤中,上述对第一图像f 3 (x,y)中的位于同一线性轮廓上的像素点进行凹凸性检测,剔除第一图像f 3 (x,y)中不满足预设的线路凹凸性检测要求的像素点,得到第二图像f 4 (x,y),可以是首先根据第一图像f 3 (x,y)中的位于同一线性轮廓上的待检测的像素点,以及待检测的像素点的左右相邻的像素点,确定待检测的像素点及其左右相邻的像素点所确定的线,在待检测的像素点处是否存在凸起,若存在凸起,则认定待检测的像素点为凸起像素点。然后,针对第一图像f 3 (x,y)中的每一个线性轮廓,遍历第一图像f 3 (x,y)中的位于同一线性轮廓上的像素点,若当前线性轮廓上的凸起像素点的个数大于设定第三阈值Y3,则剔除当前线性轮廓上的所有像素点。进而,在第一图像f 3 (x,y)中的所有线性轮廓遍历结束后,得到第二图像f 4 (x,y)。其中,上述设定第三阈值Y3,可以根据具体情况而设定,其目的是将时凸时凹状或凹状的藤条、树枝干等不规则排列的像素点剔除。本步骤通过第一图像中的位于同一线性轮廓上的像素点进行凹凸性检测,剔除第一图像中不满足预设的线路凹凸性检测要求的像素点,实现剔除不满足要求的时凸时凹状或凹状的藤条、树枝干等不规则排列的像素点,得到满足线路凹凸性检测要求的所有像素点所确定的第二图像。
步骤S270,对第二图像中的位于同一线性轮廓上的像素点进行悬链线属性检测,剔除第二图像中不满足预设的悬链线属性检测要求的像素点,得到悬链线图像。
其中,上述对第二图像f 4 (x,y)中的位于同一线性轮廓上的像素点进行悬链线属性检测,剔除第二图像f 4 (x,y)中不满足预设的悬链线属性检测要求的像素点,得到悬链线图像f 5 (x,y),可以包括计算第二图像f 4 (x,y)中的位于同一线性轮廓上的任意待检测的两个像素点的横坐标的差,以及待检测的两个像素点的二阶导数的差。然后,计算两个差之间的商,当两个差之间的商等于定值时,判定待检测的两个像素点满足预设的悬链线属性检测要求。进而,针对第二图像f 4 (x,y)中的每一个线性轮廓,遍历第二图像f 4 (x,y)中的位于同一线性轮廓上的像素点,若当前线性轮廓上满足悬链线属性检测要求的像素点的个数小于设定第四阈值Y4,则剔除当前线性轮廓上的所有像素点。进而,在第二图像f 4 (x,y)中的所有线性轮廓遍历结束后,得到悬链线图像f 5 (x,y)。本步骤通过对第二图像中的位于同一线性轮廓上的像素点进行悬链线属性检测,剔除第二图像中不满足预设的悬链线属性检测要求的像素点,实现剔除藤条、树枝干等不满足悬链线属性要求的像素点,得到满足悬链线属性要求的所有像素点所确定的悬链线图像。
步骤S280,基于悬链线图像,对悬链线方程进行拟合,得到悬链线图像中线路的导线方程,以及悬链线图像中线路的极点坐标;线路的极点坐标,包括线路的两个端点坐标和/或线路的最高点坐标。
具体地,上述悬链线方程的表达式为:
其中,,Ht为线路中张力的水平分量,ρ为单位长度线路当量比载,a0为最高
点在原始图像的坐标系中的横坐标,b0为最高点在原始图像的坐标系中的纵坐标。
上述基于悬链线图像f 5 (x,y),对悬链线方程进行拟合,可以是根据悬链线图像f 5 (x,y)上的像素点的坐标,对悬链线方程进行拟合,得到悬链线图像中线路的导线方程,以及悬链线图像f 5 (x,y)中线路的极点坐标。上述线路的极点坐标,可以是线路的两个端点坐标和/或线路的最高点坐标。当悬链线图像f 5 (x,y)中的线路存在最高点时,线路的极点坐标可以包括线路的两个端点坐标和线路的最高点坐标。当悬链线图像f 5 (x,y)中的线路不存在最高点时,线路的极点坐标可以包括线路的两个端点坐标。例如,可以根据悬链线图像上的像素点,对悬链线方程进行拟合,得到悬链线图像中三线制架空线路从上至下的导线方程为:
得到悬链线图像中三线制架空线路的极点坐标如下表一所示:
表一
例如,可以根据悬链线图像上的像素点,对悬链线方程进行拟合,得到悬链线图像中三相四线制架空线路从上至下的导线方程为:
得到悬链线图像中三相四线制架空线路的极点坐标如下表二所示:
表二
本步骤通过悬链线图像上的像素点的坐标,对悬链线方程进行拟合,得到悬链线图像中线路的导线方程,以及悬链线图像中线路的极点坐标,便于后续通过导线方程和极点坐标,实现准确的定位到原始图像中线路的位置。
步骤S290,基于导线方程和极点坐标,确定原始图像中的线路的位置。
在本步骤中,通过导线方程和极点坐标,能够准确的定位到原始图像中线路的位置。解决了现有技术存在架空输电线路图像识别率低,定位不准确以及漏检的问题。
上述步骤S210至步骤S290,首先对获取到的原始图像进行处理转换为HSI图像,并提取HSI图像中的I分量,得到强度分量图像。其通过对线路目标较突出的一维的强度分量的提取,通过降维得到一维图像的数据,能够提高计算速度。进而对强度分量图像进行边缘检测以及去杂散像素块操作,得到满足线性轮廓要求的点,定位到图像中的线性轮廓。进而对同一线性轮廓的点进行光滑性、凹凸性和悬链线属性检测,剔除不满足光滑性、凹凸性和悬链线属性的点,得到的满足条件的点。最后通过对悬链线方程进行拟合,能够得到全面准确的线路的导线方程,以及线路的极点坐标,进而根据导线方程和极点坐标,确定原始图像中线路的位置。采用此方式,可以精准定位原始图像中极点坐标,以及线路的导线方程,解决了现有技术存在架空输电线路图像识别率低,定位不准确以及漏检的问题。
在一个实施例中,基于步骤S250,对线性轮廓图像中的位于同一线性轮廓上的像素点进行光滑性检测,剔除线性轮廓图像中不满足预设的线路光滑性检测要求的像素点,得到第一图像,包括以下步骤:
步骤S252,根据线性轮廓图像中的位于同一线性轮廓上的待检测的像素点,以及待检测的像素点的左右相邻的像素点,确定待检测的像素点及其左右相邻的像素点所确定的线,在待检测的像素点处是否光滑,若光滑,则认定待检测的像素点为光滑像素点。
在本步骤中,上述确定待检测的像素点及其左右相邻的像素点所确定的线,在待检测的像素点处是否光滑,可以是基于线性轮廓图像f 2 (x,y)中的位于同一线性轮廓上的待检测的像素点,以及待检测的像素点的左右相邻的像素点,计算待检测的像素点的左导数和右导数。进而,计算左导数和右导数的相对差分。最后,根据相对差分是否小于或等于设定第二阈值Y2,确定待检测的像素点及其左右相邻的像素点所确定的线,在待检测的像素点处是否光滑。其中,设定第二阈值Y2,可以根据具体情况而设定,一般情况下第二阈值Y2设定为一个较小的数值,例如,可以设定第二阈值Y2为2%。
具体地,可以根据线性轮廓图像f 2 (x,y)中的位于同一线性轮廓上的待检测的像
素点A1(x1,y1),以及待检测的像素点A1(x1,y1)的左右相邻的像素点A0(x0,y0)和A2(x2,y2),
计算待检测的像素点A1(x1,y1)的左导数和右导数。其中,左导数的计算公式
为:
右导数的计算公式为:
进而,计算待检测的像素点A1(x1,y1)的左导数和右导数的相对差分
р1,相对差分р1的计算公式为:
然后,判断相对差分р1是否小于或等于设定第二阈值Y2。当相对差分р1小于或等于
设定第二阈值Y2时,则认为左导数约等于右导数,即待检测的像素点A1(x1,y1)
在线性轮廓上存在导数,也就是过A0(x0,y0)、A1(x1,y1)和A2(x2,y2)三点的线在待检
测的像素点A1(x1,y1)处可导,则确定待检测的像素点A1(x1,y1)及其左右相邻的像素点A0
(x0,y0)和A2(x2,y2)所确定的线,在待检测的像素点A1(x1,y1)处光滑,则认定待检测的像素
点A1(x1,y1)为光滑像素点;当相对差分р1大于设定第二阈值Y2时,则认为左导数不
约等于右导数,即待检测的像素点A1(x1,y1)在线性轮廓上不存在导数,也就
是过A0(x0,y0)、A1(x1,y1)和A2(x2,y2)三个像素点的线在待检测的像素点A1(x1,y1)处不可
导,则确定待检测的像素点A1(x1,y1)及其左右相邻的像素点A0(x0,y0)和A2(x2,y2)所确定的
线,在待检测的像素点A1(x1,y1)处不光滑,则认定待检测的像素点A1(x1,y1)不是光滑像素
点。
步骤S254,针对线性轮廓图像中的每一个线性轮廓,遍历线性轮廓图像中的位于同一线性轮廓上的像素点,若当前线性轮廓上的光滑像素点的个数,小于设定第一阈值,则剔除当前线性轮廓上的所有像素点。
在本步骤中,上述遍历线性轮廓图像f 2 (x,y)中的位于同一线性轮廓上的像素点,可以是从线性轮廓一端的第一个像素点A0(x0,y0)开始,首先得到第一个像素点A0(x0,y0)后面紧邻的两个像素点A1(x1,y1)和A2(x2,y2),根据上述步骤S252所述的方法,判断像素点A1(x1,y1)是否为光滑像素点。继而得到线性轮廓上的像素点A2(x2,y2)另一个相邻的像素点A3(x3,y3),采用上述步骤S252所述的方法,根据像素点A2(x2,y2),以及像素点A2(x2,y2)的左右相邻的像素点A1(x1,y1)和A3(x3,y3),确定像素点A2(x2,y2)及其左右相邻的像素点A1(x1,y1)和A3(x3,y3)所确定的线,在像素点A2(x2,y2)处是否光滑,进而判断像素点A2(x2,y2)是否为光滑像素点。按照此种方式,依次对线性轮廓中的所有像素点进行是否为光滑像素点的判定,得到线性轮廓上的光滑像素点的个数n,其中,n为正整数。上述设定第一阈值Y1,可以通过第一阈值Y1的计算公式得到,第一阈值Y1的计算公式为:
其中,σ1为光滑度系数,σ1与原始图像背景中的不规则线条纹理复杂程度有关。length[f 2 (x,y)]为线性轮廓图像f 2 (x,y)的大小。
当n大于或等于设定第一阈值Y1时,则认为线性轮廓图像f 2 (x,y)中的位于同一线性轮廓上的像素点的个数满足同一光滑的准直线或准曲线上的像素点的个数要求,则保留此线性轮廓上的所有光滑像素点。当n小于设定第一阈值Y1时,则认为线性轮廓图像f 2 (x,y)中的位于同一线性轮廓上的像素点的个数不满足同一光滑的准直线或准曲线上的像素点的个数要求,则剔除此线性轮廓上的所有像素点。
采用此种方式,能够剔除不满足要求的树枝、建筑物转角等呈杂乱线条状与折线状的线性轮廓的像素点,保留满足同一光滑的准直线或准曲线的线性轮廓的像素点。
步骤S256,在线性轮廓图像中的所有线性轮廓遍历结束后,得到第一图像。
本步骤通过遍历线性轮廓图像f 2 (x,y)中所有的线性轮廓,能够剔除所有不满足要求的树枝、建筑物转角等呈杂乱线条状与折线状的线性轮廓的像素点,得到满足同一光滑的准直线或准曲线的线性轮廓的像素点所确定的第一图像f 3 (x,y)。
上述步骤S252至步骤S256,根据线性轮廓图像中的位于同一线性轮廓上的待检测的像素点,以及待检测的像素点的左右相邻的像素点,确定待检测的像素点及其左右相邻的像素点所确定的线,在待检测的像素点处是否光滑,进而对待检测的像素点是否为光滑像素点进行判定,进而采用此种方式,遍历线性轮廓图像中的位于同一线性轮廓上的所有像素点,得到线性轮廓上的光滑像素点的个数,并根据线性轮廓上的光滑像素点的个数判定线性轮廓是否为同一光滑的准直线或准曲线,进而对不满足同一光滑的准直线或准曲线的像素点进行剔除。采用此种方式,能够在线性轮廓图像中的所有线性轮廓遍历结束后,能够剔除所有不满足要求的树枝、建筑物转角等呈杂乱线条状与折线状的线性轮廓的像素点,得到满足同一光滑的准直线或准曲线的线性轮廓的像素点所确定的第一图像。
在一个实施例中,基于步骤S260,对第一图像中的位于同一线性轮廓上的像素点进行凹凸性检测,剔除第一图像中不满足预设的线路凹凸性检测要求的像素点,得到第二图像,包括以下步骤:
步骤S262,根据第一图像中的位于同一线性轮廓上的待检测的像素点,以及待检测的像素点的左右相邻的像素点,确定待检测的像素点及其左右相邻的像素点所确定的线,在待检测的像素点处是否存在凸起,若存在凸起,则认定待检测的像素点为凸起像素点。
在本步骤中,上述确定待检测的像素点及其左右相邻的像素点所确定的线,在待检测的像素点处是否存在凸起,可以是基于第一图像f 3 (x,y)中的位于同一线性轮廓上的待检测的像素点,以及待检测的像素点的左右相邻的像素点,计算待检测的像素点的二阶导数。进而,根据待检测的像素点的二阶导数,确定待检测的像素点及其左右相邻的像素点所确定的线,在待检测的像素点处是否存在凸起。
具体地,可以是基于第一图像f 3 (x,y)中的位于同一线性轮廓上的待检测的像素
点B2(x2,y2),以及待检测的像素点B2(x2,y2)的左侧相邻的最近的两个像素点B0(x0,y0)和B1
(x1,y1)的右侧相邻的最近的两个像素点B3(x3,y3)和B4(x4,y4),计算待检测的像素点B2(x2,
y2)的二阶左导数和二阶右导数,其中,二阶左导数的计算公式为:
二阶右导数的计算公式为:
进而,计算待检测的像素点B2(x2,y2)的二阶左导数和二阶右导数的
二阶相对差分q1,二阶相对差分q1的计算公式为:
然后,判断二阶相对差分q1是否小于或等于设定二阶差分阈值T3。当二阶相对差分
q1小于或等于设定二阶差分阈值T3时,则认为二阶左导数约等于二阶右导数,
即待检测的像素点B2(x2,y2)在线性轮廓上存在二阶导数。当二阶导数小于或
等于0时,过B0(x0,y0)、B1(x1,y1)、B2(x2,y2)、B3(x3,y3)和B4(x4,y4)五个像素点的线在待检测
的像素点B2(x2,y2)处存在凸起,则认定待检测的像素点B2(x2,y2)为凸起像素点;当二阶导
数大于0时,过B0(x0,y0)、B1(x1,y1)、B2(x2,y2)、B3(x3,y3)和B4(x4,y4)五个像素点的线在
B2(x2,y2)处不存在凸起,则认定待检测的像素点B2(x2,y2)不是凸起像素点。其中,设定二阶
差分阈值T3,可以根据具体情况而设定,一般情况下二阶差分阈值T3设定为一个较小的数
值,例如,可以设定二阶差分阈值T3为2%。
步骤S264,针对第一图像中的每一个线性轮廓,遍历第一图像中的位于同一线性轮廓上的像素点,若当前线性轮廓上的凸起像素点的个数大于设定第三阈值,则剔除当前线性轮廓上的所有像素点。
在本步骤中,上述遍历第一图像f 3 (x,y)中的位于同一线性轮廓上的像素点,可以是从线性轮廓一端的第一个像素点B0(x0,y0)开始,首先得到第一个像素点B0(x0,y0)后面紧邻的四个像素点B1(x1,y1)、B2(x2,y2)、B3(x3,y3)和B4(x4,y4),根据上述步骤S262所述的方法,判断待检测的像素点B2(x2,y2)是否为凸起像素点。继而得到线性轮廓上的像素点B4(x4,y4)另一个相邻的像素点B5(x5,y5),采用上述步骤S262所述的方法,根据像素点B3(x3,y3),以及像素点B3(x3,y3)的左右相邻的像素点B1(x1,y1)、B2(x2,y2)、B4(x4,y4)和B5(x5,y5),确定像素点B3(x3,y3)及其左右相邻的像素点B1(x1,y1)、B2(x2,y2)、B4(x4,y4)和B5(x5,y5)所确定的线,在像素点B3(x3,y3)处是否存在凸起,进而判断像素点B3(x3,y3)是否为凸起像素点。按照此种方式,依次对线性轮廓中的所有像素点进行是否为凸起像素点的判定,得到线性轮廓上的凸起像素点的个数m,其中,m为正整数。上述设定第三阈值Y3,可以通过第三阈值Y3的计算公式得到,第三阈值Y3的计算公式为:
其中,σ2为凹凸性系数,σ2与原始图像背景中的曲线凹凸性复杂程度有关。length [f 3 (x,y)]为第一图像f 3 (x,y)的大小。
当m大于或等于设定第三阈值Y3时,则认为第一图像f 3 (x,y)中的位于同一线性轮廓上的像素点的个数满足同一光滑的准直线或准凸曲线上的像素点的个数要求,则保留此线性轮廓上的所有凸起像素点。当m小于设定第三阈值Y3时,则认为第一图像f 3 (x,y)中的位于同一线性轮廓上的像素点的个数不满足同一光滑的准直线或准凸曲线上的像素点的个数要求,则剔除此线性轮廓上的所有像素点。
采用此种方式,能够剔除不满足要求的呈时凸时凹状或凹状的藤条、树枝干等不规则排列的线性轮廓的像素点,保留满足同一光滑的准直线或准凸曲线的线性轮廓的像素点。
步骤S266,在第一图像中的所有线性轮廓遍历结束后,得到第二图像。
本步骤通过遍历第一图像中所有的线性轮廓,能够剔除所有不满足要求的呈时凸时凹状或凹状的藤条、树枝干等不规则排列的线性轮廓的像素点,得到满足同一光滑的准直线或准凸曲线的线性轮廓的像素点所确定的第二图像。
上述步骤S262至步骤S266,根据第一图像中的位于同一线性轮廓上的待检测的像素点,以及待检测的像素点的左右相邻的像素点,确定待检测的像素点及其左右相邻的像素点所确定的线,在待检测的像素点处是否存在凸起,进而对待检测的像素点是否为凸起像素点进行判定,进而采用此种方式,遍历第一图像中的位于同一线性轮廓上的所有像素点,得到线性轮廓上的凸起像素点的个数,并根据线性轮廓上的凸起像素点的个数判定线性轮廓是否为同一光滑的准直线或准凸曲线,进而对不满足同一光滑的准直线或准凸曲线的像素点进行剔除。采用此种方式,能够在第一图像中的所有线性轮廓遍历结束后,剔除所有不满足要求的呈时凸时凹状或凹状的藤条、树枝干等不规则排列的线性轮廓的像素点,得到满足同一光滑的准直线或准凸曲线的线性轮廓的像素点所确定的第二图像。
在一个实施例中,基于步骤S270,对第二图像中的位于同一线性轮廓上的像素点进行悬链线属性检测,剔除第二图像中不满足预设的悬链线属性检测要求的像素点,得到悬链线图像,包括以下步骤:
步骤S271,计算第二图像中的位于同一线性轮廓上的任意待检测的两个像素点的横坐标的差,以及待检测的两个像素点的二阶导数的差。
其中,设位于同一线性轮廓上的任意待检测的两个像素点为和,根据悬链线方程可知,待检测的两个像素点和的横坐标的
差的计算结果为:
根据悬链线方程可知,待检测的两个像素点和的二阶导数的差
的计算结果为:
步骤S272,计算两个差之间的商。
在本步骤中,根据待检测的两个像素点和的横坐标的差,以及待
检测的两个像素点和的二阶导数的差,计算两个差的商的计算结果为:
可见,位于同一线性轮廓上的任意待检测的两个像素点的横坐标的差,以及待检测的两个像素点的二阶导数的差,两个差的商的结果为D2,当线路一定时,线路中张力的水平分量Ht和单位长度线路当量比载ρ为确定的值,此时D2为定值。
步骤S273,当两个差之间的商等于D2时,判定待检测的两个像素点满足预设的悬链线属性检测要求。
在本步骤中,因为位于同一线性轮廓上的任意待检测的两个像素点的横坐标的差,以及待检测的两个像素点的二阶导数的差,两个差的商的结果为D2,可以以此为预设要求,对线性轮廓上的待检测的像素点进行悬链线属性要求的检测。当计算得到待检测的两个像素点横坐标的差以及二阶导数的差之后,计算两个差之间的商等于D2时,判定待检测的两个像素点满足预设的悬链线属性检测要求。当计算得到待检测的两个像素点横坐标的差以及二阶导数的差之后,计算两个差之间的商不等于D2时,判定待检测的两个像素点不满足预设的悬链线属性检测要求。
步骤S274,针对第二图像中的每一个线性轮廓,遍历第二图像中的位于同一线性轮廓上的像素点,若当前线性轮廓上满足悬链线属性检测要求的像素点的个数小于设定第四阈值,则剔除当前线性轮廓上的所有像素点。
其中,遍历第二图像f 4 (x,y)中的位于同一线性轮廓上的像素点,获取线性轮廓上
满足悬链线属性检测要求的像素点的个数,可以是从线性轮廓一端的第一个像素点开始,
获取线性轮廓一端紧邻的七个像素点,计算第三个像素点和第四个像素点横坐标的差以及二阶导数的差,进而得到两个差的商
S3,4。其中,两个差的商S3,4的计算公式为:
然后计算第四个像素点和第五个像素点横坐标的差以及二阶
导数的差,进而得到两个差的商S4,5。其中,两个差的商S4,5的计算公式为:
进而,计算第三个像素点和第四个像素点的两个差的商S3,4和
第四个像素点和第五个像素点的两个差的商S4,5的商的相对差分r1,商
的相对差分r1的计算公式为:
然后,判断商的相对差分r1是否小于或等于设定商的差分阈值T4。当商的相对差分
r1小于或等于设定商的差分阈值T4时,则认为七个像素点为同一悬
链线上的像素点,即认定当前线性轮廓上的第三个像素点、第四个像素点
和第五个像素点都满足悬链线属性检测要求。继而得到线性轮廓上的像素点另一个相邻的像素点,采用上述方法,根据新的七个像素点,确定当前线性轮廓上的第四个像素点、第五个像素点和第六个像素点是否都满足悬链线属性检测要求。按照此种方式,依
次对线性轮廓中的所有像素点进行是否为满足悬链线属性检测要求的像素点的判定,得到
线性轮廓上的满足悬链线属性检测要求的像素点的个数a,其中,a为正整数。上述设定第四
阈值Y4,可以通过第四阈值Y4的计算公式得到,第四阈值Y4的计算公式为:
其中,为线条长度系数,与原始图像的图幅及原始图像的采集方向有关,length[f 4 (x,y)]为第二图像f 4 (x,y)的大小。
当a大于或等于设定第四阈值Y4时,则认为第二图像f 4 (x,y)中的位于同一线性轮廓上的像素点的个数满足同一悬链线的像素点的个数要求,则保留此线性轮廓上的所有满足悬链线属性检测要求的像素点。当a小于设定第四阈值Y4时,则认为第二图像f 4 (x,y)中的位于同一线性轮廓上的像素点的个数不满足同一悬链线的像素点的个数要求,则剔除此线性轮廓上的所有像素点。
采用此种方式,能够剔除不满足悬链线属性要求的藤条等线性轮廓的像素点,保留满足同一悬链线属性要求的线性轮廓的像素点。
步骤S275,在第二图像中的所有线性轮廓遍历结束后,得到悬链线图像。
本步骤通过遍历第二图像f 4 (x,y)中所有的线性轮廓,能够剔除所有不满足悬链线属性要求的藤条等线性轮廓的像素点,得到满足同一悬链线属性要求的像素点所确定的悬链线图像f 5 (x,y)。
上述步骤S272至步骤S276,计算第二图像中的位于同一线性轮廓上的任意待检测的两个像素点的横坐标的差,以及待检测的两个像素点的二阶导数的差。进而,计算两个差之间的商,以两个差的商的结果为D2为预设要求,对线性轮廓上的待检测的像素点进行悬链线属性要求的检测。进而采用此种方式,遍历第二图像中的位于同一线性轮廓上的所有像素点,得到线性轮廓上的满足悬链线属性要求的像素点的个数,并根据线性轮廓上的满足悬链线属性要求的像素点的个数判定线性轮廓是否为同一悬链线,进而对不满足同一悬链线的像素点进行剔除。采用此种方式,能够在第二图像中的所有线性轮廓遍历结束后,剔除所有不满足悬链线属性要求的藤条的线性轮廓的像素点,得到满足悬链线的线性轮廓的像素点所确定的悬链线图像。
下面通过优选实施例对本实施例进行描述和说明。
图3是本申请一优选实施例提供的线路识别方法的流程图。如图3所示,该线路识别方法包括以下步骤:
步骤S310,对待识别的原始图像进行裁切,并将裁切后的图像转换为HSI图像,得到第一图像;
步骤S320,提取第一图像中的强度分量I,得到包括强度分量I信息的第二图像;
步骤S330,对第二图像中的像素点进行边缘检测,确定第二图像中的轮廓边缘点,得到第三图像;
步骤S340,去除第三图像中的轮廓边缘点的杂散像素块,得到包括线性轮廓的第四图像;
步骤S350,对第四图像中的位于同一线性轮廓上的像素点进行光滑性检测,剔除线性轮廓图像中不满足预设的线路光滑性检测要求的像素点,得到第五图像;
步骤S360,对第五图像中的位于同一线性轮廓上的像素点进行凹凸性检测,剔除第五图像中不满足预设的线路凹凸性检测要求的像素点,得到第六图像;
步骤S370,对第六图像中的位于同一线性轮廓上的像素点进行悬链线属性检测,剔除第六图像中不满足预设的悬链线属性检测要求的像素点,得到第七图像;
步骤S380,基于第七图像的像素点,对悬链线方程进行拟合,得到悬链线图像中线路的导线方程,以及悬链线图像中线路的极点坐标;
步骤S390,基于导线方程和极点坐标,确定原始图像中的线路的位置。
上述步骤S310至步骤S390,首先对获取到的原始图像进行处理转换为HSI图像,并提取HSI图像中的强度分量I,得到第一图像。其通过对线路目标较突出的一维的强度分量的提取,通过降维得到一维图像的数据,能够提高计算速度。进而对第一图像进行边缘检测以及去杂散像素块操作,得到满足线性轮廓要求的点,定位到图像中的线性轮廓。进而对同一线性轮廓的点进行光滑性、凹凸性和悬链线属性检测,剔除不满足光滑性、凹凸性和悬链线属性的点,得到的满足条件的点。最后通过对悬链线方程进行拟合,能够得到全面准确的线路的导线方程,以及线路的极点坐标,进而根据导线方程和极点坐标,确定原始图像中线路的位置。采用此方式,可以精准定位原始图像中极点坐标,以及线路的导线方程,解决了现有技术存在架空输电线路图像识别率低,定位不准确以及漏检的问题。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,在本实施例中还提供了一种线路识别装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。以下所使用的术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管在以下实施例中所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
在一个实施例中,图4是本申请一实施例提供的线路识别装置的结构框图,如图4所示,该线路识别装置,包括:
转换模块41,用于对待识别的原始图像进行裁切,并将裁切后的图像转换为HSI图像。
提取模块42,用于提取HSI图像中的I分量,得到强度分量图像。
边缘检测模块43,用于对强度分量图像中的像素点进行边缘检测,确定强度分量图像中的轮廓边缘点,得到强度分量图像中的轮廓图像。
去杂散像素模块44,用于去除轮廓图像中的轮廓边缘点的杂散像素块,得线性轮廓图像。
光滑性检测模块45,用于对线性轮廓图像中的位于同一线性轮廓上的像素点进行光滑性检测,剔除线性轮廓图像中不满足预设的线路光滑性检测要求的像素点,得到第一图像。
凹凸性检测模块46,用于对第一图像中的位于同一线性轮廓上的像素点进行凹凸性检测,剔除第一图像中不满足预设的线路凹凸性检测要求的像素点,得到第二图像。
悬链线检测模块47,用于对第二图像中的位于同一线性轮廓上的像素点进行悬链线属性检测,剔除第二图中不满足预设的悬链线属性检测要求的点,得到悬链线图像。
拟合模块48,用于基于悬链线图像,对悬链线方程进行拟合,得到悬链线图像中线路的导线方程,以及悬链线图像中线路的极点坐标;线路的极点坐标,包括线路的两个端点坐标和/或线路的最高点坐标。
以及确定模块49,用于基于导线方程和极点坐标,确定原始图像中的线路的位置。
上述线路识别装置,其通过对获取到的原始图像进行处理转换为HSI图像,并提取HSI图像中的强度分量I,得到第一图像。其通过对线路目标较突出的一维的强度分量的提取,通过降维得到一维图像的数据,能够提高计算速度。进而对第一图像进行边缘检测以及去杂散像素块操作,得到满足线性轮廓要求的点,定位到图像中的线性轮廓。进而对同一线性轮廓的点进行光滑性、凹凸性和悬链线属性检测,剔除不满足光滑性、凹凸性和悬链线属性的点,得到的满足条件的点。最后通过对悬链线方程进行拟合,能够得到全面准确的线路的导线方程,以及线路的极点坐标,进而根据导线方程和极点坐标,确定原始图像中线路的位置。采用此方式,可以精准定位原始图像中极点坐标,以及线路的导线方程,解决了现有技术存在架空输电线路图像识别率低,定位不准确以及漏检的问题。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述实施例中的任意一种线路识别方法。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种线路识别方法,其特征在于,所述方法包括:
对待识别的原始图像进行裁切,并将裁切后的图像转换为HSI图像;
提取所述HSI图像中的I分量,得到强度分量图像;
对所述强度分量图像中的像素点进行边缘检测,确定所述强度分量图像中的轮廓边缘点,得到所述强度分量图像中的轮廓图像;
去除所述轮廓图像中的轮廓边缘点的杂散像素块,得到线性轮廓图像;
对所述线性轮廓图像中的位于同一线性轮廓上的像素点进行光滑性检测,剔除所述线性轮廓图像中不满足预设的线路光滑性检测要求的像素点,得到第一图像;
对所述第一图像中的位于同一线性轮廓上的像素点进行凹凸性检测,剔除所述第一图像中不满足预设的线路凹凸性检测要求的像素点,得到第二图像;
对所述第二图像中的位于同一线性轮廓上的像素点进行悬链线属性检测,剔除所述第二图像中不满足预设的悬链线属性检测要求的像素点,得到悬链线图像;
基于所述悬链线图像,对悬链线方程进行拟合,得到所述悬链线图像中线路的导线方程,以及所述悬链线图像中线路的极点坐标;所述线路的极点坐标,包括所述线路的两个端点坐标和/或所述线路的最高点坐标;
基于所述导线方程和所述极点坐标,确定所述原始图像中的线路的位置。
2.根据权利要求1所述的线路识别方法,其特征在于,所述对所述强度分量图像中的像素点进行边缘检测,确定所述强度分量图像中的轮廓边缘点,得到所述强度分量图像中的轮廓图像,包括:
通过Sobel算子,对所述强度分量图像中的所有像素点进行差分计算;
根据所述强度分量图像中差分计算结果超过预设阈值的所有轮廓边缘点,得到所述强度分量图像中的所述轮廓图像。
3.根据权利要求1所述的线路识别方法,其特征在于,所述对所述线性轮廓图像中的位于同一线性轮廓上的像素点进行光滑性检测,剔除所述线性轮廓图像中不满足预设的线路光滑性检测要求的像素点,得到第一图像,包括:
根据所述线性轮廓图像中的位于同一线性轮廓上的待检测的像素点以及待检测的所述像素点的左右相邻的像素点,确定基于待检测的所述像素点及其左右相邻的像素点所确定的线在待检测的所述像素点处是否光滑,若光滑,则认定待检测的所述像素点为光滑像素点;
针对所述线性轮廓图像中的每一个线性轮廓,遍历所述线性轮廓图像中的位于同一线性轮廓上的像素点,若当前所述线性轮廓上的所述光滑像素点的个数,小于设定第一阈值,则剔除当前所述线性轮廓上的所有像素点;
在所述线性轮廓图像中的所有线性轮廓遍历结束后,得到所述第一图像。
4.根据权利要求3所述的线路识别方法,其特征在于,所述根据所述线性轮廓图像中的位于同一线性轮廓上的待检测的像素点以及待检测的所述像素点的左右相邻的像素点,确定基于待检测的所述像素点及其左右相邻的像素点所确定的线在待检测的所述像素点处是否光滑,包括:
基于所述线性轮廓图像中的位于同一线性轮廓上的待检测的所述像素点以及待检测的所述像素点的左右相邻的所述像素点,计算待检测的所述像素点的左导数和右导数;
计算所述左导数和所述右导数的相对差分;
根据所述相对差分是否小于或等于设定第二阈值,确定基于待检测的所述像素点及其左右相邻的像素点所确定的线在待检测的所述像素点处是否光滑。
5.根据权利要求1所述的线路识别方法,其特征在于,所述对所述第一图像中的位于同一线性轮廓上的像素点进行凹凸性检测,剔除所述第一图像中不满足预设的线路凹凸性检测要求的像素点,得到第二图像,包括:
根据所述第一图像中的位于同一线性轮廓上的待检测的像素点以及待检测的所述像素点的左右相邻的像素点,确定基于待检测的所述像素点及其左右相邻的像素点所确定的线在待检测的所述像素点处是否存在凸起,若存在凸起,则认定待检测的所述像素点为凸起像素点;
针对所述第一图像中的每一个线性轮廓,遍历所述第一图像中的位于同一线性轮廓上的像素点,若当前所述线性轮廓上的所述凸起像素点的个数大于设定第三阈值,则剔除当前所述线性轮廓上的所有像素点;
在所述第一图像中的所有线性轮廓遍历结束后,得到所述第二图像。
6.根据权利要求5所述的线路识别方法,其特征在于,所述根据所述第一图像中的位于同一线性轮廓上的待检测的像素点以及待检测的所述像素点的左右相邻的像素点,确定基于待检测的所述像素点及其左右相邻的像素点所确定的线在待检测的所述像素点处是否存在凸起,包括:
基于所述第一图像中的位于同一线性轮廓上的待检测的所述像素点,以及待检测的所述像素点的左右相邻的所述像素点,计算待检测的所述像素点的二阶导数;
根据待检测的所述像素点的所述二阶导数,确定基于待检测的所述像素点及其左右相邻的所述像素点所确定的线在待检测的所述像素点处是否存在凸起。
7.根据权利要求1所述的线路识别方法,其特征在于,所述悬链线方程的表达式为:,其中,/>,Ht为线路中张力的水平分量,ρ为单位长度线路当量比载,a0为最高点在原始图像的坐标系中的横坐标,b0为最高点在原始图像的坐标系中的纵坐标。
8.根据权利要求7所述的线路识别方法,其特征在于,对所述第二图像中的位于同一线性轮廓上的像素点进行悬链线属性检测,剔除所述第二图像中不满足预设的悬链线属性检测要求的像素点,得到悬链线图像,包括:
计算所述第二图像中的位于同一线性轮廓上的任意待检测的两个像素点的横坐标的差,以及待检测的两个所述像素点的二阶导数的差;
计算两个差之间的商;
当所述两个差之间的商等于D2时,判定待检测的两个所述像素点满足预设的所述悬链线属性检测要求;
针对所述第二图像中的每一个线性轮廓,遍历所述第二图像中的位于同一线性轮廓上的像素点,若当前所述线性轮廓上满足所述悬链线属性检测要求的像素点的个数小于设定第四阈值,则剔除当前所述线性轮廓上的所有像素点;
在所述第二图像中的所有线性轮廓遍历结束后,得到所述悬链线图像。
9.一种线路识别装置,其特征在于,所述装置包括:
转换模块,用于对待识别的原始图像进行裁切,并将裁切后的图像转换为HSI图像;
提取模块,用于提取所述HSI图像中的I分量,得到强度分量图像;
边缘检测模块,用于对所述强度分量图像中的像素点进行边缘检测,确定所述强度分量图像中的轮廓边缘点,得到所述强度分量图像中的轮廓图像;
去杂散像素模块,用于去除所述轮廓图像中的轮廓边缘点的杂散像素块,得线性轮廓图像;
光滑性检测模块,用于对所述线性轮廓图像中的位于同一线性轮廓上的像素点进行光滑性检测,剔除所述线性轮廓图像中不满足预设的线路光滑性检测要求的像素点,得到第一图像;
凹凸性检测模块,用于对所述第一图像中的位于同一线性轮廓上的像素点进行凹凸性检测,剔除所述第一图像中不满足预设的线路凹凸性检测要求的像素点,得到第二图像;
悬链线检测模块,用于对所述第二图像中的位于同一线性轮廓上的像素点进行悬链线属性检测,剔除所述第二图中不满足预设的悬链线属性检测要求的点,得到悬链线图像;
拟合模块,用于基于所述悬链线图像,对悬链线方程进行拟合,得到所述悬链线图像中线路的导线方程,以及所述悬链线图像中线路的极点坐标;所述线路的极点坐标,包括所述线路的两个端点坐标和/或所述线路的最高点坐标;
以及确定模块,用于基于所述导线方程和所述极点坐标,确定所述原始图像中的线路的位置。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至权利要求8中任一项所述的线路识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311049410.0A CN116758529B (zh) | 2023-08-21 | 2023-08-21 | 线路识别方法、装置和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311049410.0A CN116758529B (zh) | 2023-08-21 | 2023-08-21 | 线路识别方法、装置和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116758529A CN116758529A (zh) | 2023-09-15 |
CN116758529B true CN116758529B (zh) | 2023-11-14 |
Family
ID=87953712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311049410.0A Active CN116758529B (zh) | 2023-08-21 | 2023-08-21 | 线路识别方法、装置和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116758529B (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 (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005057956A (ja) * | 2003-08-07 | 2005-03-03 | Central Res Inst Of Electric Power Ind | 画像処理による電線異常検出方法および装置およびプログラム並びに電線点検用画像の作成方法 |
CN105023014A (zh) * | 2015-08-21 | 2015-11-04 | 马鞍山市安工大工业技术研究院有限公司 | 一种无人机巡检输电线路图像内的杆塔目标提取方法 |
CN107103324A (zh) * | 2017-04-05 | 2017-08-29 | 广东电网有限责任公司清远供电局 | 输电线路识别方法和装置 |
CN109325935A (zh) * | 2018-07-24 | 2019-02-12 | 国网浙江省电力有限公司杭州供电公司 | 一种基于无人机图像的输电线路检测方法 |
CN109934817A (zh) * | 2019-03-21 | 2019-06-25 | 大连大学 | 一种果体外部轮廓畸形检测方法 |
CN111814546A (zh) * | 2020-06-03 | 2020-10-23 | 国网浙江省电力有限公司 | 用于输电线弧垂测量的图像识别算法 |
CN112419284A (zh) * | 2020-11-27 | 2021-02-26 | 金华八达集团有限公司监理分公司 | 基于输电线路部分图像的弧垂测量方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NZ618805A (en) * | 2011-05-16 | 2015-09-25 | Fugro Roames Pty Ltd | Method and system for processing image data |
JP7319886B2 (ja) * | 2019-10-07 | 2023-08-02 | 株式会社日立ソリューションズ | 空中線抽出システム及び空中線抽出方法 |
US20220292761A1 (en) * | 2021-03-10 | 2022-09-15 | Oregon State University | Method and apparatus to extract powerlines from lidar point cloud data |
-
2023
- 2023-08-21 CN CN202311049410.0A patent/CN116758529B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005057956A (ja) * | 2003-08-07 | 2005-03-03 | Central Res Inst Of Electric Power Ind | 画像処理による電線異常検出方法および装置およびプログラム並びに電線点検用画像の作成方法 |
CN105023014A (zh) * | 2015-08-21 | 2015-11-04 | 马鞍山市安工大工业技术研究院有限公司 | 一种无人机巡检输电线路图像内的杆塔目标提取方法 |
CN107103324A (zh) * | 2017-04-05 | 2017-08-29 | 广东电网有限责任公司清远供电局 | 输电线路识别方法和装置 |
CN109325935A (zh) * | 2018-07-24 | 2019-02-12 | 国网浙江省电力有限公司杭州供电公司 | 一种基于无人机图像的输电线路检测方法 |
CN109934817A (zh) * | 2019-03-21 | 2019-06-25 | 大连大学 | 一种果体外部轮廓畸形检测方法 |
CN111814546A (zh) * | 2020-06-03 | 2020-10-23 | 国网浙江省电力有限公司 | 用于输电线弧垂测量的图像识别算法 |
CN112419284A (zh) * | 2020-11-27 | 2021-02-26 | 金华八达集团有限公司监理分公司 | 基于输电线路部分图像的弧垂测量方法 |
Non-Patent Citations (2)
Title |
---|
基于一种改进的Hough变换的输电线提取与识别;黄东芳 等;计算技术与自动化;第35卷(第3期);第50-53页 * |
基于机载LiDAR数据的输电线走廊单木三维分割;苏婷婷;《中国优秀硕士论文全文数据库 工程科技Ⅱ辑》(第第03期期);C042-624 * |
Also Published As
Publication number | Publication date |
---|---|
CN116758529A (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107578418B (zh) | 一种融合色彩和深度信息的室内场景轮廓检测方法 | |
CN116758529B (zh) | 线路识别方法、装置和计算机设备 | |
CN108206917B (zh) | 图像处理的方法及装置、存储介质、电子装置 | |
US8620076B2 (en) | Region extraction apparatus and region extraction method | |
CN109544583B (zh) | 一种提取皮革图像感兴趣区域的方法、装置及设备 | |
CN106548165A (zh) | 一种基于图像分块加权的卷积神经网络的人脸识别方法 | |
CN104966285B (zh) | 一种显著性区域的检测方法 | |
CN111489346B (zh) | 一种全参考图像质量评价方法及系统 | |
CN107818303B (zh) | 无人机油气管线影像自动对比分析方法、系统及软件存储器 | |
WO2020223963A1 (en) | Computer-implemented method of detecting foreign object on background object in image, apparatus for detecting foreign object on background object in image, and computer-program product | |
CN109190617B (zh) | 一种图像的矩形检测方法、装置及存储介质 | |
CN103577828B (zh) | 一种基于边缘特征的道路检测方法 | |
CN111476735B (zh) | 人脸图像处理方法、装置、计算机设备及可读存储介质 | |
CN115100226A (zh) | 一种基于单目数字图像的轮廓提取方法 | |
CN109712116B (zh) | 输电线路及其附件的故障识别方法 | |
CN114827562A (zh) | 投影方法、装置、投影设备及计算机存储介质 | |
CN107832773B (zh) | 一种场景匹配方法及装置 | |
CN109359531B (zh) | 一种面向自然场景的果实采收区域自动定位方法 | |
CN114862889A (zh) | 基于遥感图像的道路边缘提取方法和装置 | |
CN111723670B (zh) | 一种基于改进FastMBD的遥感目标检测算法 | |
CN111062863B (zh) | 3d模型与经纬度坐标绑定方法、装置、设备及存储介质 | |
CN114511567A (zh) | 舌体与舌苔图像识别分离方法 | |
CN109410169B (zh) | 一种图像背景干扰度的识别方法及装置 | |
CN113554037A (zh) | 一种基于模型简化的特征提取方法及装置 | |
CN111784636A (zh) | 一种基于纹理生长的皮肤图像纹理定量评估方法 |
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 |