一种基于边缘二阶统计与融合的电力线检测方法技术

本发明专利技术涉及一种基于边缘二阶统计与融合的电力线检测方法，包括步骤：将无人机采集的巡检图像变为灰度图，并采用边缘检测算法得到图像完整的边缘信息；对边缘图像进行形态学处理，平滑图像边缘，降低噪声干扰；提取边缘图像的一阶统计特征，获取图像的主要形态特征，减少背景对电力线提取的干扰；采用直线检测算法进行航拍图像中电力线的检测，得到粗糙的电力线初步检测结果；分析电力线初步检测结果，融合形态与位置上接近的电力线，实现二阶段的电力线检测结果精细化，实现由粗到细的电力线检测过程。本发明专利技术解决航拍背景对电力线检测的干扰，降低噪声的影响，同时解决电力线检测不完整的情况，能够检测出完整的电力线。

【技术实现步骤摘要】
一种基于边缘二阶统计与融合的电力线检测方法
本专利技术涉及电力系统航拍图像检测
，特别是一种基于边缘二阶统计与融合的电力线检测方法。
技术介绍
现有的技术方案主要分为以下三个角度，其一是边缘检测角度，边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。一些边缘检测的算子包括Prewitt算子、Sobel算子、Canny算子等。因电力线往往为悬链线，其形态特征类似图像中的边缘特征，因此从边缘检测角度出发能够实现电力线检测的目标。其二是图像分割的角度，图像分割是将图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法以及基于特定理论的分割方法等。根据电力线的灰度特征，选择合适的灰度阈值，筛选剔除阈值以外的像素目标，重点提取阈值内的目标，将电力线从航拍图像中分割出来。其三是基于深度学习的方法进行电力线的检测，深度学习是目前人工智能领域广泛应用的一项技术，通过深度学习算法能够快速学习目标内部潜在特征，进而达到对未训练目标本文档来自技高网...

【技术保护点】
1.一种基于边缘二阶统计与融合的电力线检测方法，其特征在于，包括以下步骤：/n将无人机采集的巡检图像变为灰度图，并采用边缘检测算法得到图像完整的边缘信息；/n对边缘图像进行形态学处理，平滑图像边缘，降低噪声干扰；/n提取边缘图像的一阶统计特征，获取图像的主要形态特征，减少背景对电力线提取的干扰；/n采用直线检测算法进行航拍图像中电力线的检测，得到粗糙的电力线初步检测结果；/n分析电力线初步检测结果，融合形态与位置上接近的电力线，实现二阶段的电力线检测结果精细化，实现由粗到细的电力线检测过程。/n

【技术特征摘要】
1.一种基于边缘二阶统计与融合的电力线检测方法，其特征在于，包括以下步骤：
将无人机采集的巡检图像变为灰度图，并采用边缘检测算法得到图像完整的边缘信息；
对边缘图像进行形态学处理，平滑图像边缘，降低噪声干扰；
提取边缘图像的一阶统计特征，获取图像的主要形态特征，减少背景对电力线提取的干扰；
采用直线检测算法进行航拍图像中电力线的检测，得到粗糙的电力线初步检测结果；
分析电力线初步检测结果，融合形态与位置上接近的电力线，实现二阶段的电力线检测结果精细化，实现由粗到细的电力线检测过程。


2.根据权利要求1所述的一种基于边缘二阶统计与融合的电力线检测方法，其特征在于，所述采用边缘检测算法得到图像完整的边缘信息具体包括以下步骤：
采用高斯滤波的方式抑制高斯噪声，选定一个大小为5×5，标准差为1的高斯核Ker5，将Ker5与灰度图像卷积得到抑制高斯噪声的图像；
设定水平与垂直两个方向的卷积算子分别表示为Sox和Soy；
遍历灰度图像，分别将灰度图像与Sox和Soy进行卷积操作，得到图像中像素点的水平和垂直方向的梯度值Gradx(k,m)和Grady(k,m)；
根据水平和垂直方向的梯度值，计算某点的梯度幅值：
Grad(k,m)＝|Grady(k,m)|+|Gradx(k,m)|；
式中，Grad(k,m)表示像素(k,m)的像素值，Gradx(k,m)表示(k,m)像素点处的水平梯度值，Grady(k,m)表示(k,m)像素点处的垂直梯度值；并将所有Grad(k,m)的值保存为一个二维梯度向量Gradv；
根据每一点的水平梯度与垂直梯度的大小关系确定该点的梯度方向，并将每一点梯度的方向保存为一个二维方向向量Directv；
设定阈值Threshg，判断图像中的像素点的像素值Grad(k,m)与阈值Threshg的大小关系，若Grad(k,m)小于Threshg，则将此点的像素值设为0，并更新二维梯度向量Gradv和二维方向向量Directv；
遍历像素点，根据梯度向量Gradv与方向向量Directv的关系求出锚点；
根据锚点位置关系，逐一连接锚点得到图像完整的边缘信息。


3.根据权利要求2所述的一种基于边缘二阶统计与融合的电力线检测方法，其特征在于，所述根据每一点的水平梯度与垂直梯度的大小关系确定该点的梯度方向具体为：若Gradx(k,m)＞Grady(k,m)，则表示垂直边缘通过这个像素，梯度方向为0，若Gradx(k,m)<Grady(k,m)，则表示水平边缘通过这个像素，梯度方向为90。


4.根据权利要求2所述的一种基于边缘二阶统计与融合的电力线检测方法，其特征在于，所述根据梯度向量Gradv与方向向量Directv的关系求出锚点具体为：
若Directv＝90，则判断以下条件，若满足条件，则该点为锚点：
Grad(k,m)-Grad(k,m-1)≥Threshanchor；
Grad(k,m)-Grad(k,m+1)≥Threshanchor；
若Directv＝0，则判断以下条件，若满足条件，则该点为锚点：
Grad(k,m)-Grad(k-1,m)≥Threshanchor；
Grad(k,m)-Grad(k+1,m)≥Threshanchor；
式中，Threshanchor表示锚阈值，用来调整锚的数量。


5.根据权利要求2所述的一种基于边缘二阶统计与融合的电力线检测方法，其特征在于，所述根据锚点位置关系，逐一连接锚点得到图像完整的边缘信息具体为：
若方向向量Directv＝90，则以这个锚点(k,m)开始，从左右两个方向开始遍历梯度图，每次都选择左侧三个像素即像素(k-1,m-1)、(k-1,m)、(k-1,m+1)处最大的梯度值或右侧三个像素(k+1,m-1)、(k+1,m)、(k+1,m+1)像素处的最大梯度值，直到当前像素的梯度值为0，或者移动到已处理过得像素；若方向向量Directv＝0，则以这个锚点(k,m)开始，从上下两个方向开始遍历梯度图，每次都选择上方三个像素即像素(k-1,m-1)、(k,m-1)、(k+1,m-1)处最大的梯度值或下方三个像素(k-1,m+1)、(k,m+1)、(k+1,m+1)像素处的最大梯度值，直到当前像素的梯度值为0，或者移动到已处理过得像素。


6.根据权利要求1所述的一种基于边缘二阶统计与融合的电力线检测方法，其特征在于，所述提取边缘图像的一阶统计特征，获取图像的主要形态特征，减少背景对电力线提取的干扰具体包括以下步骤：
1)利用固定阈值的二值化算法对形态学操作之后的...

【专利技术属性】
技术研发人员：吴志成，林秀贵，许家浩，杨昌加，王门鸿，叶学知，陈子良，李博宁，蔡志坚，
申请(专利权)人：国网福建省电力有限公司泉州供电公司，国网福建省电力有限公司，
类型：发明
国别省市：福建;35