一种基于区域生长的导线散股检测方法技术

本发明专利技术公开了一种基于区域生长的导线散股检测方法，步骤包括：1)输入航拍的输电导线俯视图像I，得到灰度图像A；再通过区域生长法得到导线区域图像C；2)对导线区域图像C进行反色得到反色图像D，再用Bersen算法进行阈值分割，得到二值图E；3)对二值图E进行形态学处理，先去除小于指定像素面积的小区域再进行膨胀处理，分别得到图像F和图像H，再进行中心轴提取，若不平行对图像F进行旋转得到图像J；4)根据拟合得到的导线单股斜率判断散股位置，并进行标记。本发明专利技术的原理简单、直观易行，能够准确定位出散股位置。

A method of detecting wire loose parts based on region growing

The invention discloses a detection method for scattered strands of conductors based on region growth, which comprises the following steps: 1) inputting aerial overhead image I of transmission lines to obtain gray image A; then obtaining conductor region image C by region growth method; 2) decoloring conductor region image C to get anti-color image D, and then thresholding by Bersen algorithm. Cut and get the binary graph E; 3) Morphological processing of the binary graph E. First remove the small area less than the specified pixel area, then expand the image F and H, respectively, and then extract the central axis. If the image F is not rotated parallel to get the image J; 4) Judge the scattered stock position according to the single slope of the fitting wire. Set and mark. The principle of the invention is simple, intuitive and feasible, and can accurately locate the stock position.

【技术实现步骤摘要】
一种基于区域生长的导线散股检测方法
本专利技术属于电力检测设备
，涉及一种基于区域生长的导线散股检测方法。
技术介绍
钢芯铝绞线是单层或多层铝股线绞合在镀锌钢芯线外的加强型导线，是架空导线的一种，主要应用于电力系统的高压输电线路中。因为高压输电时，当电压达到10kV以上情况下，厚度30mm的橡胶、塑料绝缘往往已经失去作用(易被高电压击穿)，因此高压输电通常采用裸电线，通过拉大线间、线对地距离以及加装绝缘子等措施达到线间绝缘的目的。同时采用钢芯加强导线的力学性能，镀锌用于保护钢芯免于受到自然环境的侵蚀，延长导线的使用寿命，使得导线的整体性能满足长距离高压输电的需要。钢芯铝绞线具有结构简单、架设与维护方便、线路造价低、传输容量大、又利于跨越江河和山谷等特殊地理条件的敷设、具有良好的导电性能和足够的机械强度、抗拉强度大、塔杆距离可放大等特点。因此广泛应用于各种电压等级的架空输配电线路中。据统计，目前我国每年敷设的长距离输电线路中，以钢芯铝绞线为代表的架空导线占据90％以上，在电力系统传输中占据举足轻重的地位，为国民经济的发展输送源源不断的动力。架空高压输电线路长期处于野外露天之下，导线受到风的激励时，易产生振动，一般认为导线一直处于微风振动状态。微风振动幅度虽小，但由于导线是通过铝线和钢线之间成一定角度缠绕组合在一起，在轴向拉力、剪切力以及弯曲作用下可使导线与线夹之间、导线内部金属线之间产生局部的微小滑移，随着使用年限的增加，导线会出现长度拉伸的情况，随着绞合紧密的下降，导线容易出现松股而起“灯笼”现象，这不仅会降低导线的机械性能导致出现进一步的损坏，而且会增加输电线路本身的电能损耗造成输电线路末端电压偏低，降低负载设备的用电效率。由于我国无人机与直升机巡检检测的研究起步相较于欧美一些发达国家较晚，在许多技术方面还存在诸多难题，当前还不能全部实现无人机与直升机巡检技术的全面实施。即使如此，目前，我国对无人机与直升机配置的图像采集设备获取的图像资料主要依靠后期人工检测，检测结果不仅受到人为主观因素的影响，且效率较低。为此，实现基于图像处理的输电导线散股自动检测与识别不仅能提高工作效率与检测精度，还能有效降低巡检人员的劳动强度，弥补人工巡检方式的诸多缺陷，有效保证电力巡检的安全性与检测结果的准确性，使得相关工作人员能够根据导线状态信息及时进行维修处理，有效防止输电线路断电的发生，对保障电力线路安全稳定运行具有非常重要的意义，同时也能给人们的生活质量带来安全保障。
技术实现思路
本专利技术的目的是提供一种基于区域生长的导线散股检测方法，解决了现有技术采用人工检测输电线路的导线图像资料，检测结果不仅受到人为主观因素的影响，且效率较低的问题。本专利技术所采用的技术方案是，一种基于区域生长的导线散股检测方法，按照以下步骤实施：步骤1、输入航拍获取的输电导线俯视图像I，先进行灰度化，得到灰度图像A；再通过区域生长法提取导线区域，得到导线区域图像C；步骤2、对导线区域图像C进行反色处理得到反色图像D，再用Bersen算法进行阈值分割，得到导线区域的二值图E；步骤3、对二值图E进行形态学处理，先去除小于指定像素面积的小区域再进行膨胀处理，分别得到图像F和图像H，再进行中心轴提取，若不平行对图像F进行旋转得到图像J；步骤4、根据拟合得到的导线单股斜率判断散股位置，并进行标记。本专利技术的有益效果是，包括以下方面：1)与现有的红外图像检测方法、紫外图像检测方法相比，本专利技术的导线散股检测方法，利用无人机图像采集器来采集可见光图像，通过图像处理的方法检测输电导线散股缺陷，可以更直观准确定位出散股位置，为输电导线状态的检修排查提供了一种有效方式；2)本专利技术的导线散股检测方法，是在分析导线表面各股之间排列特征的基础上，提出基于区域生长的导线散股检测方法，该方法原理简单、直观易行，能为输电线路的安全稳定运行提供一种新的检测思路。附图说明图1是本专利技术导线散股检测方法的流程示意图；图2a是完好导线的灰度化图；图2b是本专利技术方法对完好导线的处理结果图；图3a是散股导线的灰度化图；图3b是本专利技术方法对散股导线的处理结果图；图4本专利技术方法步骤4中坐标(θ，ρ)的位置示意图。具体实施方式下面结合附图和具体实施方式对本专利技术进行详细说明。参照图1，本专利技术基于区域生长的导线散股检测方法，按照以下步骤实施：步骤1、输入航拍获取的输电导线俯视图像I，先灰度化处理，得到灰度图像A；再通过区域生长法提取导线区域，得到导线区域图像C；由于架空输电导线受到风速及气流的影响，大多时间存在微风振动，通过无人机图像采集器获取的输电导线的视图图像极易出现模糊现象；除此之外，受光照影响通过仰视、俯视和左右视拍摄获取的输电导线图像均呈现不同特点，通过左右视拍摄到的输电导线图像受到上方太阳光的影响，向阳区域亮度较高，而下方表面受阴影的影响导致获取的输电导线图像中的导线目标域不够清晰，不易进行后续的导线分割提取与故障识别；仰视图以蓝天为背景极易实现输电导线图像的分割提取，但是由于处于背光状态其表面颜色暗淡，使得输电导线图像表面的灰度值变换不明显；相较之下，顺应太阳光照方向拍摄获取的输电导线图像的俯视图像更能清晰获取导线表面的细节信息，且太阳光照均匀，能通过获取的输电导线图像清楚地分辨出单股导线的具体轮廓。综合以上优缺点，本专利技术方法以能清晰表征单股导线轮廓的无人机航拍获取的输电导线图像俯视图为处理对象，分别进行相应的图像处理以实现输电导线散股检测的准确判断。1.1)输入能清晰表征单股导线轮廓的无人机航拍获取的输电导线图像俯视图I后，通过公式(1)进行灰度化：A(x,y)＝0.299R(x,y)+0.578G(x,y)+0.114B(x,y)(1)其中，R(x,y)、G(x,y)、B(x,y)代表无人机俯拍图像I中每个像素点红、绿、蓝分量的值；1.2)由无人机拍摄的输电导线图像背景相差大，不同背景会对导线区域的精确提取造成影响，而钢芯铝导线组成简单且具有规律的纹理特征，所以选用包括平均灰度值、纹理、颜色等信息相似性度量分割图像的区域生长法，从输电导线图像复杂背景中分离出导线区域图像C。区域生长法的具体过程是：先遍历灰度化处理后的灰度图像A，得到灰度图像A中各像素点的像素值和图像尺寸，设定图像尺寸为m×n，创建一个m×n的矩阵Z，且将矩阵Z中的所有值都设为0，即起始的矩阵Z为一个m×n的零矩阵，(x,y)表示Z矩阵中任一像素点位置，其中，Z(x,y)＝0表示该点属于未生长区域或不属于生长区域；Z(x,y)＝1表示该点已被生长。种子点的选取根据某种原则自动选择，也能够人为提前指定；实施例采用自动选取，选取灰度图像A导线区域中的一点作为种子点(x0,y0)，或称为种子起始点，且设Z(x0,y0)＝1，实施例中选择点(100,200)为种子点，该像素点灰度值为A(x0,y0)；对该像素点8邻域未被阙值判定过的像素点(x,y)位置进行依次判定，当选定的外围点与种子点像素灰度值的数值差小于设定阙值T，T为相似度阈值也就是生长准则，将Z矩阵中的相应位置值更新为1，即对于种子点(x0,y0)的邻域中任一像素点(x,y)，必须满足以下两个条件：其中，S(A(x0,y0),A(x,y))表示像素点(x0,y本文档来自技高网...

【技术保护点】
1.一种基于区域生长的导线散股检测方法，其特征在于，按照以下步骤实施：步骤1、输入航拍获取的输电导线俯视图I，先进行灰度化，得到灰度图像A；再通过区域生长法提取导线区域，得到导线区域图像C；步骤2、对导线区域图像C进行反色处理得到反色图像D，再用Bersen算法进行阈值分割，得到导线区域的二值图E；步骤3、对二值图E进行形态学处理，先去除小于指定像素面积的小区域再进行膨胀处理，分别得到图像F和图像H，再进行中心轴提取，若不平行对图像F进行旋转得到图像J；步骤4、根据拟合得到的导线单股斜率判断散股位置，并进行标记。

【技术特征摘要】
1.一种基于区域生长的导线散股检测方法，其特征在于，按照以下步骤实施：步骤1、输入航拍获取的输电导线俯视图I，先进行灰度化，得到灰度图像A；再通过区域生长法提取导线区域，得到导线区域图像C；步骤2、对导线区域图像C进行反色处理得到反色图像D，再用Bersen算法进行阈值分割，得到导线区域的二值图E；步骤3、对二值图E进行形态学处理，先去除小于指定像素面积的小区域再进行膨胀处理，分别得到图像F和图像H，再进行中心轴提取，若不平行对图像F进行旋转得到图像J；步骤4、根据拟合得到的导线单股斜率判断散股位置，并进行标记。2.根据权利要求1所述的基于区域生长的导线散股检测方法，其特征在于，所述的步骤1中，具体过程是：1.1)输入能清晰表征单股导线轮廓的航拍的输电导线图像俯视图I，通过公式(1)进行灰度化：A(x,y)＝0.299R(x,y)+0.578G(x,y)+0.114B(x,y)(1)其中，R(x,y)、G(x,y)、B(x,y)代表无人机俯拍图像I中每个像素红、绿、蓝分量的值；1.2)选用区域生长法，从输电导线图像复杂背景中分离出导线区域图像C，区域生长法的具体过程是：先遍历灰度化处理后的灰度图像A，得到灰度图像A中各像素点的像素值和图像尺寸，设定图像尺寸为m×n，创建一个m×n的矩阵Z，且将矩阵Z中的所有值都设为0，即起始的矩阵Z为一个m×n的零矩阵，(x,y)表示Z矩阵中任一像素点位置，其中，Z(x,y)＝0表示该点属于未生长区域或不属于生长区域；Z(x,y)＝1表示该点已被生长，选取灰度图像A导线区域中的一点作为种子点(x0,y0)，且设Z(x0,y0)＝1，该像素点灰度值为A(x0,y0)；对该像素点8邻域未被阙值判定过的像素点(x,y)位置进行依次判定，当选定的外围点与种子点像素灰度值的数值差小于设定阙值T，T为相似度阈值也就是生长准则，将Z矩阵中的相应位置值更新为1，即对于种子点(x0,y0)的邻域中任一像素点(x,y)，必须满足以下两个条件：其中，S(A(x0,y0),A(x,y))表示像素点(x0,y0)与像素点(x,y)灰度值之间的相似程度，通常直接取该两个像素点灰度值的差，即|A(x0,y0)-A(x,y)|；则令Z(x,y)＝1，依次在8领域内判断，直到种子点的8领域内没有新像素点的Z(x,y)值被标记为1为止，选用8领域中最后一个满足生长准则的点作为下一轮的种子点，所有Z(x,y)值等于1的像素组成的区域就是最终分割出的区域；如果当前种子点的下一级种子点是已经被划归合并的同类点时，则结束该点的生长，接着再寻找8邻域内的下一个点；如果最后一个种子点的8邻域内的所有像素点不符合继续生长的条件或已被标记为同类点时，整个生长过程结束；经过区域生长输出的图像称为导线区域图像C。3.根据权利要求1所述的基于区域生长的导线散股检测方法，其特征在于，所述的步骤2中，具体过程是：2.1)对导线区域图像C做反色处理，在m×n的导线区域图像C中循环，因为导线区域图像C的灰度值为0-255，所以用255减去原像素点的灰度值就是反色处理后的反色图像D，即：D(x,y)＝255-C(x,y)，其中C(x,y)是导线区域图像C在位置(x,y)处的灰度值；2.2)对于每一个像素点(x,y)，以该像素点为中心取一个长宽均为(2w+1)×(2w+1)的核，利用这个核计算图像中各点(x,y)的阈值，取与这个核重合的区域当中的极大值和极小值的平均值作为阈值；分别创建两个矩阵，一个为(m+2)×(n+2)的矩阵U，另一个为(m-2w+2)×(n-2w+2)的矩阵V；矩阵U的值表示如下：矩阵V的值表示如下：V(x,y)＝0.5(maxU(x+i,y+j)+minU(x+i,y+j))，-w≤j≤w，-w≤j≤w(4)其中，maxU(x+i,y+j)和minU(x+i,y+j)分别是与这个核重合的区域的最大值...

【专利技术属性】
技术研发人员：黄新波，章小玲，张烨，杨璐雅，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西,61