一种颜色不均匀情况下太阳能板红外图像的有效分割方法技术

本发明专利技术提供一种颜色不均匀太阳能板图像的分割方法，主要包括以下部分：对输入的颜色不均匀并且边界模糊的太阳能板图像进行导向滤波处理，得到增强图像；然后采用canny算子边缘检测和直线检测算法处理，找到图中所有的直线；通过K‑means聚类，最少的一类直线判断为噪声或者背景干扰区域，该类直线舍弃；根据太阳能板的特点，以包含的内嵌轮廓个数和面积为条件，对所有的闭合轮廓进行判别是否属于太阳板区域；寻找满足条件轮廓的最小外接矩形，进行旋转及边界线的重新更正，得到完整的太阳能板图像。本发明专利技术的优点在于，针对颜色不均匀的太阳能板图像，提出了一种对直线进行增强和聚类的策略，有效提高了图像分割的鲁棒性和准确率。

An Effective Segmentation Method for Infrared Image of Solar Panel under Non-uniform Colors

The present invention provides a method for segmentation of solar panel images with non-uniform colors, which mainly includes the following parts: directional filtering of the incoming solar panel images with non-uniform colors and blurred boundaries to obtain enhanced images; then using Canny operator edge detection and line detection algorithm to process to find all lines in the image; clustering by K_means, the least category. According to the characteristics of solar panels, all closed contours are judged whether they belong to the solar panels area or not, and the smallest outer rectangle satisfying the condition contour is found, and the complete solar panels image is obtained by rotating and correcting the boundary line. The advantages of the present invention are that a strategy of line enhancement and clustering is proposed for solar panel images with uneven color, which effectively improves the robustness and accuracy of image segmentation.

【技术实现步骤摘要】
一种颜色不均匀情况下太阳能板红外图像的有效分割方法
本专利技术涉及模式识别、图像处理领域，尤其涉及一种颜色不均匀太阳能板图像的分割方法。技术背景在当今社会，由于传统能源主要以不可再生能源为主，这些能源越用越少，将来必然有枯竭的时候，因此新能源的研究逐渐被提上日程。太阳能是一种绿色可再生能源，是清洁能源之一。太阳能具有不会造成环境污染，可以无限使用，并且不存在能量运输问题，不受到地域限制等优点，所以关于太阳能的研究也越来越多。太阳能不能直接的被人类使用，需要通过太阳能板将太阳能转化为人类可以使用的能量，比如电能等。因此太阳能板作为一种重要的能量转换介质被各个领域所研究。当太阳能板出现缺陷点或者裂痕时，这个区域光照产生的能量转化效率将会大幅度的减少。当太阳能作为用户太阳能电源使用时，太阳能板一般装在高原、海岛等区域，人工寻找太阳能板的损坏区域，将会浪费大量的人力物力。本专利技术研究的图像就是用无人机航拍所拍摄到的太阳能板红外图像。对于获取的红外图像，利用图像处理技术，将光伏板和背景分割，以检测和定位缺陷版，从而大量的节省了人力物力。太阳板损坏区域(一般为缺陷点或者裂痕)在热图像中会很明显的表现出来，主要是因为损坏区域的热量不能够有效的转化，因此在热图像中缺陷点的亮度会远高于正常的太阳能板。为了能够找到过热点区域，并且不受到背景环境的干扰，首先需要将完整的太阳能板区域分割出来，这是光伏板检测过程中的重点和难点。
技术实现思路
本专利技术提供了一种颜色不均匀太阳能板图像的分割方法，采用基于直线检测的算法进行分割。由于无人机拍摄的图像是热图像，根据温度呈现出颜色的亮度，图像整体的颜色分布不均匀。另外，拍摄时存在相机抖动，太阳能板的边界线出现模糊。由于以上两个方面的问题，如何准确有效的分割出光伏板，是一件困难的工作。本专利技术针对颜色不均匀太阳能板的图像，首先将图像进行导向滤波增强和canny边缘算法处理，找到图像中的边缘线，然后结合直线检测和K-means聚类算法寻找轮廓。导向滤波可以将图片中线条轮廓突出显示，K-means聚类使背景无关线条被去除，两者结合，大大提升了太阳能板的分割准确率。本专利技术技术解决方案如下：一种颜色不均匀太阳能板图像的分割方法，包括以下步骤：步骤1：将采集到的RGB图像拆分为三个通道，对每个通道通过方框滤波找到导向图，然后进行进行导向滤波；步骤2：将导向滤波的结果中消除掉的噪声部分和梯度边缘进行扩大，以达到图像增强的目的；步骤3：将增强后的图像进行canny算子处理，得到边缘轮廓检测图像；步骤4：对边缘检测图进行LineSegmentDetector(LSD)算法处理，找到图中所有的直线；步骤5：将所有的直线用角度作为分类标准进行K-means聚类，然后找到最少的聚类类别，将这一类别舍弃，即显示另外两类的所有直线；步骤6：对直线图进行膨胀操作，寻找闭合轮廓，如果某个轮廓中大于4个面积超过1000的子轮廓，则判定为太阳能板区域；步骤7：将太阳板区域提取出来，将其旋转扶正，然后计算直线检测图中每一列的均值和图片整体均值进行比较，对边界线进行修正，得到完整的太阳板区域图片。在一些实施方案中，其中步骤1计算导向滤波时依赖一个重要的假设：导向滤波器在导向图像I和滤波输出q之间在一个二维窗口ωk内是一个局部线性模型，即：qi＝akIi+bk,其中I为导向图像，原图像经过方框滤波可以直接得到，{ak,bk}为窗口ωk中的线性系数。为了求解线性系数{ak,bk}，引入噪声n，并且ni＝pi-qi，根据无约束图像复原方法，设定最优化目标为min||n||，等价地有minn2。为了解决最小二乘问题，引入约束项因此目标函数转化为：求解上述最优化问题，便可得到：将线性系数{ak,bk}带入导向滤波器：可以得到通过导向滤波进行去噪的结果。其有益效果是：通过导向滤波，可以得到去噪后的图像q和包含噪声和边界梯度信息的噪声n。在一些实施方案中，其步骤2中，噪声部分和梯度边缘进行扩大，可以得到增强图像A：A＝(pi-qi)*4+qi其中pi为原图像，qi为导向滤波后的图像，pi-qi为噪声和边界梯度的和。其得益效果是：本专利技术解决的图像是航拍的边界处模糊图像，将边界信息增大，有助于后面寻找边界进行直线检测。在一些实施方案中，其步骤3中使用canny算子进行边缘检测首先需要经过高斯滤波进行噪声去除，高斯滤波器的分布与高斯分布有着一定的关系。一个二维的高斯函数如下：将每个点与高斯内核进行卷积计算，并且将计算结果相加，输出到目标图像中。高斯函数是一个在频域上具有平滑性能的低通滤波器，可以很好的保留低频信息，去除噪声区域。然后对滤波后的图像进行寻找边缘，采用sobel滤波器，对图像X和Y方向分别进行卷积操作：然后计算梯度幅值和方向：对所有的像素点的梯度进行非极大值抑制和滞后阈值的判定保留边缘直线。其有益效果是：通过canny算子，得到图像中所有物体的轮廓边缘。在一些实施方案中，其步骤4中首先以s＝0.8的尺度对图像进行向下高斯采样，这样可以消除锯齿效应。计算每个像素点的梯度，梯度值越大，越可能是边缘点，对梯度值划分为1024个等级，每个等级选取一个值作为种子点。对每个种子点向周围区域搜索，计算该点的角度值，和它们形成的区域角度：如果邻域外的像素角度与区域角度之间的误差小于τ(一般取π/8弧度)，则加入区域内。然后计算NFA(thenumberoffalsealarms)：其中γ＝11，N和M分别是图像的长和宽，n为矩形框中的像素总数，k为矩形框中类内点的个数。当NFA＜ε时，确定矩形区域，如果不能满足条件，则调整矩形直到找到符合条件的矩形框为止。找到矩形的中心和主方向确定为所求直线。其有益效果是：找到图片中所有的直线。由于太阳能板的边界都是直线，这样可以舍弃一些背景干扰区域。在一些实施方案中，其步骤5中计算所有的直线角度，通过K-means算法对所有的直线角度进行聚类，聚类为3类。由于太阳能板图像为标准矩形，因此较多的两类直线角度为太阳能板矩形的长边与宽边，聚类中最少的一类直线为噪声或者背景中的无关直线。将聚类中最少类别的那一组直线舍弃。其有益效果是：通过K-means算法，舍弃部分无关直线，以保证后续太阳能板区域的分割过程中尽可以不包括背景区域，提高分割的准确率。在一些实施方案中，其步骤6和步骤7中，由于LSD直线检测算法可能出现断点等情况，为了找到闭合轮廓区域，首先需要对直线检测图进行膨胀，将其矩形区域连通。众所周知，太阳能板不是一块单纯的矩形区域，而是由很多小的矩形状的板拼接组成。由这个特征，算法中对所有的轮廓进行判断，如果某个轮廓区域中含有至少4个面积大于1000的子轮廓，则判定这个区域为太阳能板区域。找到该轮廓的最小外接矩形，截取出来。由于噪声的存在，在直线膨胀处理时，可能会将部分噪声包含进去，这样截取的太阳板区域会包含背景区域。为了消除这部分的背景区域，采取的方法是，将太阳板扶正，然后从外向内寻找边界。为了将太阳板扶正，首先找到太阳板长边的直线角度θ，角度范围为(-90°,90°],旋转角度为：其中当α为正时，为顺时针。将截取后的太阳板扶正之后，计算直线检测轮廓图的平均值，然后分别从图像的最左边和最右边计算列像素均值，如本文档来自技高网...

【技术保护点】
1.一种颜色不均匀情况下太阳能板红外图像的有效分割方法，其特征在于包括以下步骤：步骤1：将太阳能板红外彩色图像拆分为RGB三个通道，对每个通道通过方框滤波找到导向图，然后进行进行导向滤波；步骤2：将导向滤波的结果中消除掉的噪声部分和梯度边缘进行扩大，以达到图像增强的目的；步骤3：将增强后的图像进行canny算子处理，得到边缘轮廓检测图像；步骤4：对边缘检测图进行LSD算法处理，找到图中所有的直线；步骤5：将所有的直线用角度作为标准进行K‑means聚类，然后找到最少的聚类类别，将这一类别舍弃，即显示另外两类的所有直线；步骤6：对直线图进行膨胀操作，寻找闭合轮廓，如果某个轮廓中大于4个面积超过1000的子轮廓，则判定为太阳能板区域；步骤7：将太阳板区域提取出来，将其旋转扶正，然后计算直线检测图中每一列的均值和图片整体均值进行比较，对边界线进行修正，得到完整的太阳板区域图片。

【技术特征摘要】
1.一种颜色不均匀情况下太阳能板红外图像的有效分割方法，其特征在于包括以下步骤：步骤1：将太阳能板红外彩色图像拆分为RGB三个通道，对每个通道通过方框滤波找到导向图，然后进行进行导向滤波；步骤2：将导向滤波的结果中消除掉的噪声部分和梯度边缘进行扩大，以达到图像增强的目的；步骤3：将增强后的图像进行canny算子处理，得到边缘轮廓检测图像；步骤4：对边缘检测图进行LSD算法处理，找到图中所有的直线；步骤5：将所有的直线用角度作为标准进行K-means聚类，然后找到最少的聚类类别，将这一类别舍弃，即显示另外两类的所有直线；步骤6：对直线图进行膨胀操作，寻找闭合轮廓，如果某个轮廓中大于4个面积超过1000的子轮廓，则判定为太阳能板区域；步骤7：将太阳板区域提取出来，将其旋转扶正，然后计算直线检测图中每一列的均值和图片整体均值进行比较，对边界线进行修正，得到完整的太阳板区域图片。2.根据权利要求1所述的一种颜色不均匀太阳能板图像的分割方法，其特征在于，所述步骤1中，计算导向滤波时依赖一个重要的假设：导向滤波器在导向图像I和滤波输出q之间在一个二维窗口ωk内是一个局部线性模型，即：其中I为导向图像，原图像经过方框滤波可以直接得到，{ak,bk}为窗口ωk中的线性系数。为了求解线性系数{ak,bk}，引入噪声n，并且ni＝pi-qi，根据无约束图像复原方法，设定最优化目标为min||n||，等价地有minn2。为了解决最小二乘问题，引入约束项因此目标函数转化为：求解上述最优化问题，便可得到：将线性系数{ak,bk}带入导向滤波器：可以得到通过导向滤波进行去噪的结果。3.根据权利要求1所述的一种颜色不均匀太阳能板图像的分割方法，其特征在于，所述步骤2中噪声部分和梯度边缘进行扩大，可以得到增强图像A：A＝(pi-qi)*4+qi其中pi为原图像，qi为导向滤波后的图像，pi-qi为噪声和边界梯度的和。4.根据权利要求1所述的一种颜色不均匀太阳能板图像的分割方法，其特征在于，所述步骤3中使用canny算子进行边缘检测首先需要经过高斯滤波进行噪声去除，高斯滤波器的分布与高斯分布有着一定的关系。一个二维的高斯函数如下：将每个点与高斯内核进行卷积计算，并且将计算结果相加，输出到目标图像中。高斯函数是一个在频域上具有平滑性能的低通滤波器，可以很好的保留低频信息，去除噪声区域。然后对滤波后的图像进行寻找边缘，采用sobel滤波器，对图像X和Y方向分别进行卷积操作：然后计算梯度幅值和方向：...

【专利技术属性】
技术研发人员：孙战里，王楠，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34