一种用于无人机巡检图像的输电线路部件自动提取方法技术

本发明专利技术公开了一种用于无人机巡检图像的输电线路部件自动提取方法，读取巡检图像数据，进行缩放处理并将彩色图像进行RGB通道数据分离、直方图统计，遍历图像，确定图像的边缘信息；对图像进行分块处理，提取图像块的特性，对相似的特征进行聚合，得到特征块；结合输电线路部件的固有属性，对特征块进行特征分析，确定每个特征块的类别属性，对输电线路上的部件进行标注。本发明专利技术对巡检获得的图像进行筛选，减轻人工筛查的负担，在巡检领域有着广阔的应用前景。

【技术实现步骤摘要】

本专利技术属于输电线路设备监测
，涉及数字图像处理及模式识别技术，尤其涉及一种用于无人机巡检图像的输电线路部件自动提取方法。
技术介绍
随着我国国民经济的飞速发展和城市建设规模的日益扩大，对电力能源的需求随之增强。为了保证对企业、居民提供可靠性供电，要求电力公司对输电线路尤其是线路的附属设备进行定期的检查与维护，以保证整个电网的稳定供电与安全运行。由于我国地域广阔，导致输电线路传输里程大，而且途经的地理环境复杂(山区、河流、丘陵等)，输电线路的运行安全易受地理环境及气候环境的影响。传统的人工巡检输电线路的方式及工作效率，已经无法满足现在日益增加巡检需求。人工巡检通常依靠巡检人员携带相关设备(望远镜、红外成像仪等)进行观察，容易造成遗漏，而且劳动强度大。由于输电线路所处地理环境，巡检人员的人身安全受到威胁。为了克服人工巡检的诸多缺陷，无人机被应用到输电线路的日常巡检工作中来。近几年来，国网电力研究院、巡检公司也加强了对无人机巡检输电线路的研究投入，积极推广无人机在各地市巡检公司的试点工作。随着无人机巡检输电线路里程的增加，获得了海量的图像数据。如何处理巡检得到的图像数据，识别出图像中包含的输电线路部件，成为了目前无人机巡检输电线路应用的亟需解决的问题。现有的方法都是针对输电线路的某一部件进行识别或图像分割，例如专利CN105023014A利用角点检测的策略实现对杆塔的定位，该方法适用于背景较为简单的杆塔巡检图像，当拍摄的背景颜色与杆塔相近或者背景复杂时(如建筑物等)，会对定位造成干扰，降低了定位的准确率；专利CN101630411A通过计算巡检图像的像素熵值计算，实现了输电线路与背景的分割，但未实现具体部件的自动识别功能，而且该专利主要针对以天空为背景的巡检图像进行处理，不适合处理以大地为背景的无人机巡检图像；专利CN101625723A利用改进的Hough变换提取巡检图像中的现行特征，结合模板拟合方法实现图像中导线定位。由于导线在实际中存在多种姿态，为实现导线定位需要人工设计大量的模板，工作量较大。
技术实现思路
本专利技术为了解决上述问题，提出了一种用于无人机巡检图像的输电线路部件自动提取方法，本专利技术利用边缘检测算法提取图像的边缘信息，然后分析检测到的边缘信息间的关系并将边缘信息进行聚合分类，确定边缘的类别信息；将图像分块，分析每个分块中的边缘特征信息，从而实现对不同部件的提取。为了实现上述目的，本专利技术采用如下技术方案：一种用于无人机巡检图像的输电线路部件自动提取方法，包括以下步骤：(1)读取巡检图像数据，进行缩放处理并将彩色图像进行RGB通道数据分离、直方图统计；(2)遍历图像，确定图像的边缘信息；(3)对图像进行分块处理，提取图像块的特性，对相似的特征进行聚合，得到特征块；(4)结合输电线路部件的固有属性，对特征块进行特征分析，确定每个特征块的类别属性，对输电线路上的部件进行标注。所述步骤(1)中，具体过程包括图像的缩放，依据线性插值手段，对图像的长宽进行等比例缩放。所述步骤(1)中，对图像进行RGB三通道数据信息的分离，将RGB空间信息转换到YUV颜色空间，并对图像的灰度值进行统计，对其进行量化分区。所述步骤(2)中，采用prewitt算子进行边缘的计算。所述步骤(2)中，具体方法为：利用像素上下、左右邻点的像素差，计算图像的边缘信息，并通过低通滤波技术抑制噪声。所述步骤(2)中，根据图像的像素值计算前景与背景的区分阈值，根据计算得到的阈值对梯度进行二值化处理，最终输出关于梯度的二值化图。所述步骤(3)中，将分块后的二值化图像内利用区域生长方式进行聚类分析得到多种类型的聚类块。具体步骤包括：(3-1)初始化所有的像素点标签为未使用；(3-2)以第一个标签为未使用的二值像素点为锚点，扫描其八邻域内的点，将非零的、未使用的像素点聚合到此锚点下，将像素点标签设置为使用并形成数据链；(3-3)遍历数据链下所有像素点，执行步骤(3-2)操作，直到没有新的像素点加入到队列中则停止搜索；(3-4)遍历图像块的所有像素点，执行步骤(3-2)与步骤(3-3)；(3-5)保存形成的数据链即特征块，经过区域生长计算后就将所有像素按照梯度值进行了聚类。所述步骤(4)中，输电线路部件具体包括杆塔和导线，杆塔的属性是具有典型的交叉、对称结构，导线为贯通、平行的特性。所述步骤(4)中，对图像块中的杆塔识别包括：(4-1)根据图像块中的聚类数据，利用直线拟合算法计算每条直线的角度；(4-2)对不同角度的直线进行统计，记录每个区间中直线的数目，并记录每条直线的起始、终结的坐标信息、角度和长度信息；(4-3)设置长度阈值，对直线进行过滤，如果图像块中斜向上与斜向下的直线数目均大于设置阈值，或者水平和垂直方向的直线数目均大于设置阈值，将图像块标记为杆塔。对每个图像块执行上述判断，完成图像块分类。所述步骤(4)中，对图像块中的导线识别包括：(4-a)根据航拍距离的不同，设定不同的掩模大小和阈值，提取导线的边缘信息；(4-b)将图像中的直线依据长度值进行排序，删除长度小于设置阈值像素的直线；(4-c)统计每个图像块中垂直与水平边缘的数目，计算边缘的中心点坐标并保存直线的端点与中心点坐标信息。本专利技术的有益效果为：(1)本专利技术使用的边缘特征，为最简单的图像特征，算法实现简单、计算开销小、运行速度快、运行稳定。通过分析无人机巡检图像制定部件判断标准，提高了算法与无人机巡检图像的匹配度。利用分块分析手段，实现图像属性的快速分析，加速了部件识别的分析过程，同时本专利技术算法具有较高的鲁邦性，并且可以一次性实现多种部件的识别与定位。(2)利用统一的、客观的标准实现对部件高效的自动识别、定位，在提高巡检图像处理效率的同时降低了由人工处理带来的主观性误差；可对巡检获得的图像进行筛选，减轻人工筛查的负担，在巡检领域有着广阔的应用前景。附图说明图1为本专利技术的流程示意图；图2(a)、(b)为本专利技术导线、引流线识别、标注结果示意图；图3(a)、(b)为本专利技术杆塔的标记结果示意图。具体实施方式：下面结合附图与实施例对本专利技术作进一步说明。如图1所示，一种基于无人机巡检图像的输电线路部件自动提取方法，具体步骤包括：1)图像读取：读取巡检图像数据，进行缩放处理并将彩色图像进行RGB通道数据分离、直方图统计等数据计算，作为后期处理的原始数据；2)利用prewitt算子，遍历图像，计算图像的边缘信息；3)对图像进行分块处理，分析每个图像块中图像的特性，将相似的特征进行聚合处理形成特征块；4)根据输电线路部件固有属性，对特征块进行贯通性、平行性、交叉性等特性分析，确定每个特征块的类别属性；5)根据特征块的类别属性，对各部件进行标注。所述步骤1)的图像读取包括：(a)为了加速图像的处理速度，图像的长宽进行等比例缩放。依据线性插值手段，将图像尺寸缩小的原来的四分之一；(b)分离图像的RGB三通道数据信息(0～255)；(c)将RGB空间信息转换到YUV颜色空间，具体转换方程如下所示：Y＝0.299R+0.587G+0.114BU＝-0.147R-0.289G+0.436BV＝0.615R-0.515G-0.100B(d)统计直方图。对图像的灰度值进行统计，并将其量化到1本文档来自技高网...

【技术保护点】
一种用于无人机巡检图像的输电线路部件自动提取方法，其特征是：包括以下步骤：(1)读取巡检图像数据，进行缩放处理并将彩色图像进行RGB通道数据分离、直方图统计；(2)遍历图像，确定图像的边缘信息；(3)对图像进行分块处理，提取图像块的特性，对相似的特征进行聚合，得到特征块；(4)结合输电线路部件的固有属性，对特征块进行特征分析，确定每个特征块的类别属性，对输电线路上的部件进行标注。

【技术特征摘要】
1.一种用于无人机巡检图像的输电线路部件自动提取方法，其特征是：包括以下步骤：(1)读取巡检图像数据，进行缩放处理并将彩色图像进行RGB通道数据分离、直方图统计；(2)遍历图像，确定图像的边缘信息；(3)对图像进行分块处理，提取图像块的特性，对相似的特征进行聚合，得到特征块；(4)结合输电线路部件的固有属性，对特征块进行特征分析，确定每个特征块的类别属性，对输电线路上的部件进行标注。2.如权利要求1所述的一种用于无人机巡检图像的输电线路部件自动提取方法，其特征是：所述步骤(1)中，具体过程包括图像的缩放，依据线性插值手段，对图像的长宽进行等比例缩放；所述步骤(1)中，对图像进行RGB三通道数据信息的分离，将RGB空间信息转换到YUV颜色空间，并对图像的灰度值进行统计，对其进行量化分区。3.如权利要求1所述的一种用于无人机巡检图像的输电线路部件自动提取方法，其特征是：所述步骤(2)中，采用prewitt算子进行边缘的计算。4.如权利要求1所述的一种用于无人机巡检图像的输电线路部件自动提取方法，其特征是：所述步骤(2)中，具体方法为：利用像素上下、左右邻点的灰度差，计算图像的边缘信息，并通过低通滤波技术对噪声抑制。5.如权利要求1所述的一种用于无人机巡检图像的输电线路部件自动提取方法，其特征是：所述步骤(2)中，根据图像的像素值计算前景与背景的区分阈值，根据计算得到的阈值对梯度进行二值化处理，最终输出关于梯度的二值化图。6.如权利要求1所述的一种用于无人机巡检图像的输电线路部件自动提取方法，其特征是：所述步骤(3)中，将分块后的二值化图像内利用区域生长方式进行聚类分析得到多重类型的聚类块。7.如权利要求6所述的一种用于无人机巡检图像的输电线路部件自动提取方法，其特征是：所述步骤(3)中，具体步骤包括：(...

【专利技术属性】
技术研发人员：刘越，王万国，刘俍，张方正，杨波，田源，朱德袆，雍军，慕世友，李超英，魏传虎，李建祥，赵金龙，李勇，吴观斌，许乃媛，
申请(专利权)人：国网山东省电力公司电力科学研究院，山东鲁能智能技术有限公司，国家电网公司，
类型：发明
国别省市：山东;37