專利名稱：基于位置關(guān)系識別高壓線路桿塔、引流線、導(dǎo)線的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于位置關(guān)系識別高壓線路桿塔、引流線、導(dǎo)線的方法。該方法可 以應(yīng)用到紅外圖像、紫外圖像、可見光圖像上準(zhǔn)確識別出線路的桿塔、引流線及導(dǎo)線。
背景技術(shù)：
采用直升機對高壓送電線路進(jìn)行巡檢具有較高的效率。通過在直升機上安裝具有 多光譜的圖像采集設(shè)備，用于對輸電線路的缺陷進(jìn)行檢測。由于每次巡檢采集圖像數(shù)據(jù)量 大，完全采用人眼分析診斷線路圖像缺陷，工作強度很大，同時會因為人眼的疲勞導(dǎo)致缺陷 的遺漏或誤判。因此采用智能缺陷診斷的方法自動分析采集的圖像，發(fā)現(xiàn)線路中的可疑缺 陷，有效減少人工診斷的數(shù)據(jù)量，進(jìn)而降低人工分析的強度，同時提高線路維護(hù)的效率與可 靠性。智能缺陷診斷的基礎(chǔ)首先是圖像上高壓線路的各個部件的自動識別，這里主要研究 桿塔、弓I流線、導(dǎo)線三個部件的識別，其次是在部件識別的基礎(chǔ)上對部件進(jìn)行診斷。現(xiàn)有的高壓線路部件識別的文獻(xiàn)較少，且主要涉及導(dǎo)線的識別。Guangjian Yan 等人在"Automatic Extraction of Power Lines From Aerial Images，，一文中首先使 用radon變換從電力線上提取線段，然后使用組的方法連接這些線段，最后使用卡爾曼濾 波器將這些線段連接成完整的導(dǎo)線，從而實現(xiàn)導(dǎo)線的識別；Zhengrong Li等人在“Towards automatic power line detection for a UAV surveillance system using pulse coupled neural filter and an improved Hough transform，，一文中首先使用脈沖偶合神 經(jīng)濾波器剔除背景噪聲，產(chǎn)生清晰的邊緣，應(yīng)用Hough變換檢測直線，在Hough空間中應(yīng)用 基于知識的線聚類方法，改進(jìn)hough變換，進(jìn)而獲得識別的結(jié)果。這兩種識別方法存在的問 題是兩種方法使用了 radon變換和hough變換，故計算量較大，同時由于在野外環(huán)境下高 壓線路圖像上的線對象較多，意味著更不適合使用hough或radon算法；其次，由于這兩種 方法僅僅根據(jù)導(dǎo)線本身的特性對導(dǎo)線進(jìn)行識別，沒有結(jié)合高壓線路上其他部件與導(dǎo)線的位 置關(guān)系識別導(dǎo)線，容易將與導(dǎo)線特性類似的背景干擾誤判成導(dǎo)線，導(dǎo)致后續(xù)產(chǎn)生誤診斷。

發(fā)明內(nèi)容
為了解決上述技術(shù)問題，本發(fā)明的目的在于提供一種基于位置關(guān)系識別架空高壓 線路桿塔、引流線、導(dǎo)線的方法。該方法能準(zhǔn)確的識別桿塔、引流線及導(dǎo)線，通過充分利用 桿塔、引流線、導(dǎo)線三個部件的自身特征以及位置關(guān)系來進(jìn)行識別，克服了因使用hough、 radon變換時計算量大，以及排除部件本身特性而帶來的背景的干擾，降低了識別算法的復(fù) 雜度、提高了識別的準(zhǔn)確性。為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案一種基于位置關(guān)系識別高壓線路桿塔、引流線、導(dǎo)線的方法，其步驟如下(1)、對輸入的架空高壓線路圖像進(jìn)行預(yù)處理；(2)、在預(yù)處理后的圖像上分別提取水平、垂直、傾斜小線段；(3)、以圖像各個分塊中水平、垂直、傾斜小線段數(shù)量的分布判斷圖像中是否存在塔桿。將圖像縱向分成塊，各個分塊中分別具有水平、垂直、傾斜小線段，以圖像中各個分塊 中水平、垂直、傾斜小線段的數(shù)量，判斷圖像中是否存在桿塔。如果圖像中不存在桿塔，則當(dāng) 前處理的圖像為第一類圖像，則轉(zhuǎn)步驟(4)；如果圖像上存在桿塔，則轉(zhuǎn)步驟(5)；(4)、圖像上不存在桿塔，則當(dāng)前圖像為第一類圖像，在第一類圖像中采用小線段 跟蹤、合并的方法生成長直線，在長直線中識別導(dǎo)線；(5)、圖像上存在桿塔，根據(jù)引流線與桿塔的位置關(guān)系選擇擬合小曲線段的小線 段，采用小線段擬合小曲線段，跟蹤、合并擬合小曲線段生成曲線段，在生成的曲線段中識 別引流線，判斷圖像中是否存在引流線，如果不存在引流線，則圖像為第二類圖像，轉(zhuǎn)步驟 (6)；如果存在引流線，則圖像為第三類圖像，則跳至步驟(7)；(6)、圖像上不存在引流線，在第二類圖像中采用小線段跟蹤、合并生成長直線，在 長直線中識別導(dǎo)線；(7)、圖像上存在引流線，在第三類圖像中采用小線段跟蹤、合并生成長直線，在長 直線中識別導(dǎo)線。所述的步驟(1)中對高壓線路圖像進(jìn)行預(yù)處理包括圖像的灰度化、用Prewitt算 子提取圖像邊緣、用綜合二值法二值化邊緣提取后的圖像、最后采用線性細(xì)化對二值化后 的圖像進(jìn)行細(xì)化。所述的步驟(6)在長直線中識別導(dǎo)線是在生成的長直線中，按照斜率將長直線 歸入各個平行線組中，找到兩組平行線，其中一組平行線鄰近圖像左邊，另一組鄰近圖像右 邊，如果兩組平行線具有相交區(qū)域，并且兩組平行線的夾角為鈍角時，則該兩組平行線是第 二類圖像中在長直線中識別出的導(dǎo)線。所述的步驟(7)在長直線中識別導(dǎo)線是在生成的長直線中，按照斜率將長直線 歸入各個平行線組中，找到一組平行線與已識別出的引流線之間存有相交區(qū)域，則該組平 行線是第三類圖像中在長直線中識別出的導(dǎo)線。本發(fā)明的基于位置關(guān)系識別高壓線路桿塔、引流線、導(dǎo)線的方法與現(xiàn)有技術(shù)相比 具有的有益效果是該方法利用桿塔、引流線、導(dǎo)線之間的位置關(guān)系為依據(jù)進(jìn)行識別，能夠 排除背景中的干擾，使得識別的結(jié)果更可靠、精確。該方法可以應(yīng)用到紅外圖像、紫外圖像、 可見光圖像上，準(zhǔn)確識別出線路的桿塔、引流線及導(dǎo)線。進(jìn)一步在紅外熱圖像中準(zhǔn)確、智能 診斷出線路上熱缺陷；在紫外圖像上診斷出線路上的放電缺陷；在可見光圖像上診斷出導(dǎo) 線上的斷股、異物附著等缺陷。


圖1為貫穿整幅圖像的導(dǎo)線的第一類圖像的實物圖；圖2為出現(xiàn)了桿塔、導(dǎo)線且為直線塔線路的第二類圖像的實物圖；圖3為出現(xiàn)了桿塔、引流線、導(dǎo)線且為耐張塔線路的第三類圖像的實物圖；圖4為本發(fā)明的基于位置關(guān)系識別高壓線路桿塔、引流線、導(dǎo)線的方法的流程圖；圖5為第一類圖像中，導(dǎo)線從圖像左邊進(jìn)入，右邊離開，貫穿整幅圖像的示意圖；圖6為第一類圖像中，導(dǎo)線從圖像下邊進(jìn)入，上邊離開，貫穿整幅圖像的示意圖；圖7為第一類圖像中，導(dǎo)線從圖像下邊進(jìn)入，右邊離開，貫穿整幅圖像的示意圖；圖8為第一類圖像中，導(dǎo)線從圖像左邊進(jìn)入，上邊離開，貫穿整幅圖像的示意圖9為第二類圖像中導(dǎo)線識別示意圖；圖10為第三類圖像中桿塔在圖像左邊時的導(dǎo)線識別示意圖；圖11為第三類圖像中桿塔在圖像中間時的導(dǎo)線識別示意圖；圖12為第三類圖像中桿塔在圖像右邊時的導(dǎo)線識別示意圖；圖13為本發(fā)明的步驟(5)中引流線識別的流程圖。
具體實施例方式下面結(jié)合附圖和具體實施方式
對本發(fā)明的實施例作進(jìn)一步詳細(xì)的描述。本實施例是以從直升機上采集到的真實高壓線路可見光圖像為例進(jìn)行的說明，圖 像的分辨率為1280*762。將高壓線路桿塔、引流線、導(dǎo)線的識別算法設(shè)計成標(biāo)準(zhǔn)的動態(tài)連接 庫，在庫中定義一組輸入輸出函數(shù)。初始化，包括分配空間，定義圖像格式，預(yù)設(shè)一些后續(xù) 判斷需要用的閾值；去初始化，包括釋放在初始化時分配的空間；調(diào)用識別函數(shù)，輸入圖 像，輸出診斷結(jié)果；應(yīng)用在機載實時在線診斷系統(tǒng)，事后線路缺陷分析系統(tǒng)中。將圖像分為三類第一類圖像，如圖1所示圖中只出現(xiàn)了貫穿整幅圖像的導(dǎo)線；第 二類圖像，如圖2所示，圖中出現(xiàn)了桿塔、導(dǎo)線，桿塔為直線塔；第三類圖像，如圖3所示，圖 中出現(xiàn)了桿塔、引流線、導(dǎo)線，桿塔為耐張塔。如圖4所示，為本發(fā)明的基于位置關(guān)系識別高壓線路桿塔、引流線、導(dǎo)線的方法， 其步驟如下(1)、對輸入的架空高壓線路圖像進(jìn)行預(yù)處理對讀入的架空高壓線路可見光圖像進(jìn)行預(yù)處理，其步驟包括圖像灰度化、用 Prewitt算子提取圖像邊緣、用綜合二值化的方法二值化邊緣圖像、最后采用線性細(xì)化的方 法細(xì)化二值化后的圖像。(2)、在預(yù)處理后的圖像上分別提取水平、垂直、傾斜小線段在預(yù)處理后的圖像上根據(jù)圖像上各個像素點的屬性分別提取水平、垂直、傾斜小 線段是首先在預(yù)處理完的圖像上依據(jù)各個像素點與其8領(lǐng)域中各個像素點的位置關(guān)系分 別定義為水平像素點、垂直像素點、孤立像素點，然后分別提取水平、垂直、傾斜小線段。提 取的步驟如下(2-1)、在預(yù)處理完的圖像上提取水平小線段，其具體步驟如下(2-1-1)、在圖像中找到屬性為水平像素點的像素點，以這個點為起點開始搜索， 將這個點記為seed。如果存在水平像素點，則轉(zhuǎn)步驟(2-1-2)；否則轉(zhuǎn)步驟(2_1_5)；(2-1-2)、分別搜索seed的右、右下、右上三個方向，如果其中任何一個方向上存 在水平像素點，則繼續(xù)在該方向上進(jìn)行搜索，同時記錄下當(dāng)前的搜索方向為向右，還是向右 下,還是向右上；(2-1-3)、直到當(dāng)前被搜索的像素點在記錄下的搜索方向上不存在水平像素點時， 停止搜索，將seed作為提取的水平小線段的起點，以搜索停止時的像素點為終點，計算小 線段的斜率，截距，長度，并定義小線段結(jié)構(gòu)用來保存提取的小線段的信息，該結(jié)構(gòu)包括1)小線段的起點；2)小線段終點；3)小線段斜率；
4)小線段截距；5)小線段長度；6)小線段落在哪個圖像分塊中。小線段結(jié)構(gòu)的定義用偽代碼表示為Segment {Point startP ；Point endP ；Double slope ；Double intercept ；Int length ；Int locate ；}(2-1-4)、回到步驟(2-1-1)，繼續(xù)水平小線段的提取。(2-1-5)、圖像中不存在沒有搜索過的屬性為水平像素點的像素點，停止水平小線 段的提取。(2-2)、在預(yù)處理完的圖像上提取垂直小線段，其具體步驟采用與上述步驟(2-1) 基本相同的步驟，只是將上述步驟(2-1)中的“水平像素點”改為“垂直像素點”，經(jīng)步驟 (2-2-1)、(2-2-2)、(2-2-3)、(2-2-4)、(2-2-5)提取垂直小線段；(2-3)、在預(yù)處理完的圖像上提取傾斜小線段，其具體步驟采用與上述步驟(2-1) 基本相同的步驟，只是將上述步驟(2-1)中“水平像素點”改為“孤立像素點”經(jīng)步驟 (2-3-1)、(2-3-2)、(2-3-3)、(2-3-4)、(2-3-5)提取傾斜小線段；(3)、以圖像中的各個圖像分塊中水平、垂直、傾斜小線段數(shù)量的分布判斷圖像中 是否存在桿塔，其具體步驟如下(3-1)、將圖像縱向等分成10塊，分別統(tǒng)計各個圖像分塊中水平、垂直、傾斜小線 段的數(shù)量。定義圖像分塊結(jié)構(gòu)用來保存每個圖像分塊的信息，該結(jié)構(gòu)包括1)分塊中水平小線段的數(shù)量；2)分塊中垂直小線段的數(shù)量；3)分塊中傾斜小線段的數(shù)量；4)分塊是否為桿塔區(qū)域的標(biāo)志。圖像分塊結(jié)構(gòu)的定義用偽代碼表示為BlockInfo {Int Hnum ；Int Vnum ；Int Snum ；B00L Tower_Area ；} (3-2)、計算各個分塊中水平、垂直、傾斜小線段數(shù)量的均值和方差，用偽代碼表示 為
Hmean ==1/10* Σ BlockInfoi, Hnum (1)
Vmean ==1/10* Σ BlockInfoi, Vnum(2)
Smean ==1/10* Σ BlockInfoi, Snum(3)
Hvar =1/10* Σ (BlockInfoi, Hnum-Hmean)2(4)
Vvar =1/10* Σ (BlockInfoi, Vnum-Vmean)2(5)
Svar =1/10* Σ (BlockInfoi, Snum-Smean)2(6)其中Hmean、Vmean, Smean為整幅圖像上水平、垂直、傾斜小線段數(shù)量的均值，H var.V var、S var為整幅圖像上水平、垂直、傾斜小線段數(shù)量的方差。如果水平小線段、垂直小線段、傾斜小線段數(shù)量的方差同時大于預(yù)設(shè)的三個閾值 時，則圖像中存在桿塔。該判斷過程采用的偽代碼表示如下if (Hvar > α ^feVvar > α 2&&Svar > α 3)Tower_Exist = 1(7)elseTower_Exist = 0其中Cii為閾值。(3-3)、如果存在桿塔時，則根據(jù)分塊中水平、垂直、傾斜小線段的數(shù)量判斷桿塔所 在分塊。如果圖像中某個分塊滿足1)水平小線段的數(shù)量與整幅圖像水平小線段數(shù)量的均值之差大于整幅圖像水平 小線段數(shù)量的方差；2)垂直小線段的數(shù)量與整幅圖像垂直小線段數(shù)量的均值之差大于整幅圖像垂直 小線段數(shù)量的方差；3)傾斜小線段的數(shù)量與整幅圖像傾斜小線段數(shù)量的均值之差大于整幅圖像傾斜 小線段數(shù)量的方差。將該判斷條件用偽代碼表示如下BlockInfoi. Hnum-Hmean > Hvar (8)BlockInfoi. Vnum-Vmean > Vvar (9)BlockInfoi. Snum-Smean > Svar (10)此時，則認(rèn)為桿塔在該圖像分塊中，將桿塔所在分塊結(jié)構(gòu)Bl0CkInf0中的字段 Tower—Area 置為 TRUE。(3-4)、以桿塔識別的結(jié)果為依據(jù)，判斷當(dāng)前處理的圖像為第一類圖像還是第二、 第三類圖像。如果不存在桿塔時圖像為第一類圖像，繼續(xù)步驟(4)；如果存在桿塔時圖像是 第二類圖像或第三類圖像，跳至步驟(5)繼續(xù)處理。(4)、圖像上不存在桿塔，則當(dāng)前處理的圖像為第一類圖像，在圖像上跟蹤、合并小 線段生成長直線，在長直線中識別導(dǎo)線，定義長直線結(jié)構(gòu)
1)長直.線起點；
2)長直線錄占. ▲ -^A;廣、/、、、 ，
3)長直.線斜率；
4)長直.線截距；6)用來標(biāo)記長直線屬于哪個平行線組的字段t 長直線結(jié)構(gòu)的定義用偽代碼表示為 line {
Point startP ； Point endP ； Double slope ； Double intercept ； Int length ； Int Group ；
ι
定義平行線組結(jié)構(gòu)
1)平行線組的組號；
2)平行線組內(nèi)直線的條數(shù)；
3)平行線組的起點
4)平行線組的終點
5)平行線組的斜率
6)用來標(biāo)記平行線組是否接近圖像左邊緣的字段
7)用來標(biāo)記平行線組是否接近圖像右邊緣的字段
8)用來標(biāo)記平行線組是否接近圖像下邊緣的字段
9)用來標(biāo)記平行線組是否接近圖像上邊緣的字段。 平行線組結(jié)構(gòu)的定義用偽代碼表示為 Parallel{
Int Group ； Int size ； Point startP ； Point endP ； Double slope ； Int left—edge ； Int right—edge ； Int bottom—edge ； Int up—edge ；
ι
建立一個長直線對象鏈表，記為PoWer_line，用來存放跟蹤、合并后的長直線。新 個平行線組鏈表，記為Parallel，用來存放PowerJine中斜率相同的長直線對象。 在圖像上跟蹤、合并小線段生成長直線，在長直線中識別導(dǎo)線的具體步驟如下 (4-1)、分別跟蹤、合并水平、垂直、傾斜小線段 (4-1-1)、跟蹤、合并水平小線段，其步驟如下
(4-1-1-1)、首先在提取出的水平小線段中拿出一條水平小線段，記為seecLline，
8該小線段需要滿足條件小線段結(jié)構(gòu)中的長度字段length不為-1。在取出后需要將Seed_ line, length置為-1。如果存在這樣的直線段，則轉(zhuǎn)到步驟(4_1_1_2)，否則轉(zhuǎn)到步驟 (4-1-1-4)。(4-1-1-2)、然后再在已提取出的水平小線段中尋找下一條水平小線段，記為 curr_line，該條小線段滿足如下條件1)起點的χ坐標(biāo)大于seecLline終點的χ坐標(biāo)；2) curr_line. length字段不為_1。以seedjine的起點，Curr_line的終點為一條新的直線
的兩個端點，計算新直線的斜率，用偽代碼表示如下
權(quán)利要求
一種基于位置關(guān)系識別高壓線路桿塔、引流線、導(dǎo)線的方法，其特征在于，該方法步驟如下(1)、對輸入的架空高壓線路圖像進(jìn)行預(yù)處理；(2)、在預(yù)處理后的圖像上分別提取水平、垂直、傾斜小線段；(3)、以圖像中各個分塊中水平、垂直、傾斜小線段數(shù)量的分布判斷圖像中是否存在塔桿，將圖像縱向分成塊，各個分塊中分別具有水平、垂直、傾斜小線段，以圖像中各個分塊中水平、垂直、傾斜小線段的數(shù)量，判斷圖像中是否存在桿塔，如果圖像中不存在桿塔，則當(dāng)前處理的圖像為第一類圖像，則轉(zhuǎn)步驟(4)；如果圖像上存在桿塔，則轉(zhuǎn)步驟(5)；(4)、圖像上不存在桿塔，則當(dāng)前圖像為第一類圖像，在第一類圖像中采用小線段跟蹤、合并的方法生成長直線，在長直線中識別導(dǎo)線；(5)、圖像上存在桿塔，根據(jù)引流線與桿塔的位置關(guān)系選擇擬合小曲線段的小線段，采用小線段擬合小曲線段，跟蹤、合并擬合小曲線段生成曲線段，在生成的曲線段中識別引流線，判斷圖像中是否存在引流線，如果不存在引流線，則圖像為第二類圖像，轉(zhuǎn)步驟(6)；如果存在引流線，則圖像為第三類圖像，則跳至步驟(7)；(6)、圖像上不存在引流線，在第二類圖像中采用小線段跟蹤、合并生成長直線，在長直線中識別導(dǎo)線；(7)、圖像上存在引流線，在第三類圖像中采用小線段跟蹤、合并生成長直線，在長直線中識別導(dǎo)線。
2.根據(jù)權(quán)利要求1所述的基于位置關(guān)系識別高壓線路桿塔、引流線、導(dǎo)線的方法，其特 征在于所述的步驟(1)中對高壓線路圖像進(jìn)行預(yù)處理包括圖像的灰度化、用Prewitt算 子提取圖像邊緣、用綜合二值法二值化邊緣提取后的圖像、最后采用線性細(xì)化對二值化后 的圖像進(jìn)行細(xì)化。
3.根據(jù)權(quán)利要求1所述的基于位置關(guān)系識別高壓線路桿塔、引流線、導(dǎo)線的方法，其 特征在于所述的步驟(6)在長直線中識別導(dǎo)線是在生成的長直線中，按照斜率將長直線 歸入各個平行線組中，找到兩組平行線，其中一組平行線鄰近圖像左邊，另一組鄰近圖像右 邊，如果兩組平行線具有相交區(qū)域，并且兩組平行線的夾角為鈍角時，則該兩組平行線是第 二類圖像中在長直線中識別出的導(dǎo)線。
4.根據(jù)權(quán)利要求1所述的基于位置關(guān)系識別高壓線路桿塔、引流線、導(dǎo)線的方法，其特 征在于所述的步驟(7)在長直線中識別導(dǎo)線是在生成的長直線中，按照斜率將長直線歸 入各個平行線組中，找到一組平行線與已識別出的引流線有相交區(qū)域，則該組平行線是第 三類圖像中在長直線中識別出的導(dǎo)線。
全文摘要
本發(fā)明公開了一種基于位置關(guān)系識別高壓線路桿塔、引流線、導(dǎo)線的方法，該方法步驟如下(1)對輸入的高壓線路圖像進(jìn)行預(yù)處理；(2)在預(yù)處理后的圖像上分別提取水平、垂直、傾斜小線段；(3)以圖像中各個分塊中水平、垂直、傾斜小線段的數(shù)量識別桿塔；(4)圖像上不存在桿塔，在第一類圖像上識別導(dǎo)線；(5)圖像上存在桿塔，在圖像中采用小線段擬合的方式生成曲線，并判斷圖像上是否存在引流線；(6)圖像上不存在引流線，在第二類圖像上識別導(dǎo)線；(7)圖像上存在引流線，在第三類圖像上識別導(dǎo)線。該方法利用桿塔、引流線、導(dǎo)線之間的位置關(guān)系為依據(jù)進(jìn)行識別，能夠排除背景中的干擾，使得識別的結(jié)果更可靠、精確。
文檔編號G06K9/52GK101950357SQ20101029000
公開日2011年1月19日 申請日期2010年9月21日 優(yōu)先權(quán)日2010年9月21日
發(fā)明者李建彬, 邱君華, 韓軍 申請人:上海大學(xué)