本發(fā)明屬于圖像處理的技術領域，特別涉及區(qū)域分割和改進隨機hough變換的基于航拍圖像的輸電線檢測方法。

背景技術：

隨著國家電網(wǎng)投資規(guī)模的不斷擴大，網(wǎng)絡結構越來越復雜，電網(wǎng)巡視和維護的工作量巨大，傳統(tǒng)的輸電線路和變電站人工巡視操作方式已經滿足不了高效的電網(wǎng)巡檢工作要求。為此，國家電網(wǎng)公司大力推廣無人機線路巡檢。由于航拍圖像背景為復雜多變的自然背景，直接對航拍圖像進行輸電線的檢測會產生很高的誤檢率和漏檢率。

為了減弱背景噪音對輸電線目標的干擾，近年來國內對航拍圖像中檢測輸電線進行了多種方法的研究，趙利坡等人通過對輸電線目標進行基于方向約束的線狀目標增強以抑制豎直方向的干擾物體和其他非線狀背景和噪音，通過radon變換引入識別因子來去除水平干擾物體，但是該方法約束條件苛刻，只能識別近似水平方向的輸電線，局限性較大。(趙利坡,范慧杰,朱琳琳,等.面向巡線無人機高壓線實時檢測與識別算法[j].小型微型計算機系統(tǒng),2012,33(4):882-886.)。曹蔚等人用方向濾波的結果進行自相關增強能在大幅減弱航拍圖像中復雜環(huán)境背景的同時增強電力線目標，有效提高圖像的電力線目標檢測識別率。但是算法效率和增強效果依賴于迭代次數(shù)，需要人工控制迭代次數(shù)才能達到最佳效果。(曹蔚然,朱琳琳,韓建達.一種可迭代基于多向自相關的航拍電力線圖像增強方法[j].機器人,2015,37(6):738-747.)黃東芳等人利用搜索聚類提取像素點并結合形態(tài)學處理像素點從而去除圖像中的背景噪音。用閾值區(qū)間的自適應估算方法來計算hough變換的參數(shù)閾值，從而識別出圖像中的輸電線。但參數(shù)閾值的選取流程復雜，耗時長而且在對比度較低的情況下識別效果差。(黃東芳,胡桂明,周楊.基于一種改進的hough變換的輸電線提取與識別[j].計算技術與自動化,2016,35(3):50-53)。

技術實現(xiàn)要素：

本發(fā)明的目的是針對現(xiàn)有技術的不足而提供的一種基于航拍圖像的輸電線檢測方法，該方法結合大量航拍圖像實例和輸電線特征設計出航拍圖像中輸電線的簡化模型圖，確定輸電線區(qū)域邊界，對輸電線區(qū)域進行劃分并得到分割系數(shù)。消除了非輸電線區(qū)域的背景噪音，并對輸電線區(qū)域內線間距離進行計算刪除不符合要求的線狀物，減少隨機hough變換中參數(shù)空間遍歷所需時間，同時降低了誤檢和丟失輸電線目標的概率。

實現(xiàn)本發(fā)明目的的具體技術方案是：

一種基于航拍圖像的輸電線檢測方法，該方法包括以下步驟：

步驟1：圖像預處理

在獲取航拍圖像之后，使用hessian矩陣對圖像進行預處理，增強輸電線線性特征，減弱背景噪音，得到航拍圖像的邊緣信息；具體包括：

s11：對航拍圖像進行灰度化處理，將原始航拍圖像轉換成灰度圖像。

s12：計算灰度化圖像中每個像素點在x方向二階偏導數(shù)y方向的二階偏導數(shù)以及xy方向的二階導數(shù)yx方向的二階導數(shù)

s13：hessian矩陣公式為hessian描述了灰度圖像各個方向上灰度梯度變化，通過hessian矩陣計算得到灰度圖像的邊緣信息。步驟2：輸電線區(qū)域分割

依據(jù)航拍圖像中輸電線的分布特點，構建出航拍圖像中輸電線分布簡化模型；對航拍圖像進行分塊進行搜索，得到輸電線區(qū)域的邊界，將航拍圖像分割成輸電線區(qū)域和非輸電線區(qū)域，計算得到區(qū)域分割系數(shù)；具體包括：

s21：根據(jù)航拍圖像中輸電線分布的特點構建出航拍圖像輸電線分布簡化模型，模型中有四條平行的輸電線l1,l2,l3,l4，其中，輸電線之間間距為d1和d2，輸電線區(qū)域為s'；

s22：將航拍圖像進行垂直方向分塊，從左到右分成8塊，形成8個寬度相同像素條；

s23：以邊界為搜索的起點，首先從上至下搜索，在第一個像素條內搜索找到第一個最長的線狀物邊緣，即為l1的片段，然后繼續(xù)向下搜索，依次找到l2,l3,l4片段；尋找到l4片段后繼續(xù)搜索直到圖像下邊界，發(fā)現(xiàn)當搜索的距離超過d2時，也就是超過l6所在位置時，就再也搜索不到任何線段的片段；對l6位置進行標記，即為第一個像素條內輸電線區(qū)域下邊界，然后再從下一個像素條開始從下到上搜索，直到所有的像素條搜索完畢；

s24：拼接全部像素條中搜索到的輸電線區(qū)域上下邊界，得到abcd四個頂點包圍的完整輸電線區(qū)域s'；

s25：計算區(qū)域分割系數(shù)ic，ic是輸電線區(qū)域的像素和與航拍圖像像素和的比值；n'為輸電線區(qū)域像素的數(shù)量，n為航拍圖像像素的數(shù)量，si是航拍圖像中第i個像素，s'j是輸電線區(qū)域中第j個像素，其中，經過計算得到ic。

步驟3：輸電線檢測

對航拍圖像使用隨機hough變換進行檢測線段，并加入斜率判斷方法來剔除不符合要求的線段，最后使用線間距進一步剔除不符合要求的線段，只保留符合要求的線段即為輸電線；具體包括：

s31：建立航拍圖像空間i＝{(xi,yi)}和參數(shù)空間p＝{(ρi,θi)}；

s32：將航拍圖像中的參數(shù)空間量化成nρ×nθ的累加器陣，其中xm,ym分別為航拍圖像空間中橫坐標和縱坐標的最大值，nθ＝2π；

s33：將圖像空間上的每一點(x,y)映射到參數(shù)空間，其中，映射使用hough變換，公式為ρ＝xcosθ+ysinθ，每次映射都累加到ai(ρi,θi)累加器中；

s34：檢測航拍圖像的累加器ai(ρi,θi)局部最大值，通過預設閾值th，保留所有候選輸電線；

s35：對航拍圖像中所有候選輸電線的斜率值k進行計算統(tǒng)計計數(shù)，保留計數(shù)最多的輸電線；

其中直線上任意兩點(xm,ym)和(xn,yn),斜率值

s36：計算所有航拍圖像中候選輸電線之間的間距，間距di與d1,d2任意一個的方差小于0.01，則保留該候選輸電線；

直線方程一般式為ax+by+c＝0，(a,b不能同時為0)，適用于所有直線。

兩條平行直線分別為ax+by+c1＝0和ax+by+c2＝0，c1,c2不能相等，相等則兩條直線重合了，它們之間的距離

所述航拍圖像中輸電線分布的特點包括：

(1)輸電線的拓撲結構都是直線，并且穿過圖像；

(2)輸電線是互相平行，而且輸電線之間的距離都是固定的；

(3)輸電線的寬度是1到2個像素點；

(4)輸電線是成對出現(xiàn)的。

本發(fā)明的有益效果在于：

針對傳統(tǒng)hough變換方法檢測輸電線耗時太久，隨機hough變換方法丟失和誤檢輸電線概率偏大的問題，本發(fā)明基于區(qū)域分割的改進隨機hough變換方法，通過將輸電線區(qū)域和非輸電線區(qū)域分割，減少背景噪音干擾，然后通過輸電線間距減少虛假峰值帶來的影響。

本發(fā)明適合無人機在野外森林植被復雜的自然環(huán)境下進行輸電線巡檢，不僅能夠更準確的檢測出航拍圖像中的輸電線，同時減少檢測時間，能夠快速有效的檢測出航拍圖像中的輸電線，具有一定的實用性。

附圖說明

圖1是為本發(fā)明流程圖；

圖2是航拍圖像中輸電線分布簡化模型圖；

圖3是輸電線區(qū)域劃分時像素條分塊示意圖；

圖4是三組無人機航拍原圖像；

圖5是三組圖像預處理后檢測結果圖像；

圖6是三組圖像使用傳統(tǒng)方法檢測結果圖像；

圖7是三組圖像使用本發(fā)明檢測結果圖像。

具體實施方式

下面結合附圖及實施例對本發(fā)明作詳細描述。

本發(fā)明包括以下階段：

圖像預處理階段：在獲取航拍圖像之后，使用hessian矩陣對圖像進行預處理，增強輸電線線性特征，減弱背景噪音。

輸電線區(qū)域分割階段：根據(jù)輸電線發(fā)布特點，提出航拍圖像輸電線分布簡化模型。對圖像進行分塊進行搜索，得到輸電線區(qū)域的邊界，從而將航拍圖像分割成輸電線區(qū)域和非輸電線區(qū)域，計算出區(qū)域分割系數(shù)，然后根據(jù)輸電線之間距離和邊界信息生成該圖像的輸電線分布實例。

輸電線檢測階段：對航拍圖像使用改進的hough變換進行檢測，并加入斜率判斷機制來剔除不符合要求的輸電線，最后使用線間距進一步剔除不符合要求的線段，保留符合要求的線段即為輸電線。

所述圖像預處理階段包括以下步驟：

步驟a1：對航拍圖像進行灰度化處理，將原始航拍圖像轉換成灰度圖像。首先使用cvloadimage函數(shù)讀取如圖4所示的原始航拍圖像，讀取格式為原圖格式，然后使用cvcvtcolor函數(shù)將讀取的航拍圖像轉換成灰度圖像，灰度圖像深度為8。

步驟a2：計算灰度化圖像中每個像素點在x方向二階偏導數(shù)y方向的二階偏導數(shù)以及xy方向的二階導數(shù)yx方向的二階導數(shù)

步驟a3：hessian矩陣公式為hessian描述了灰度圖像各個方向上灰度梯度變化，對每個像素點使用hessian矩陣求取該點的特征向量和對應的特征值，較大特征值對應的特征向量是垂直于邊緣的，較小特征值對應的特征向量是沿著邊緣的方向，通過hessian矩陣計算得到灰度圖像的邊緣信息，而且增強了航拍圖像中的線狀目標，減少了背景的干擾信息，如圖5所示。

所述輸電線區(qū)域分割階段包括以下步驟：

步驟b1：根據(jù)航拍圖像中輸電線分布的特點構建出航拍圖像輸電線分布簡化模型，如圖2所示，模型中有四條平行的輸電線l1,l2,l3,l4，輸電線區(qū)域邊界線為l5,l6其中，輸電線之間間距為d1和d2，從圖2中可知d1是較小的間距，d2為較大的間距，以abcd四個頂點構成的四邊形為輸電線區(qū)域s'。

步驟b2:將航拍圖像進行垂直方向分塊，從左到右分成8塊，形成8個寬度相同像素條，如圖3所示，每個像素條的面積均相等。

步驟b3:所述航拍圖像由hessian預處理后的航拍圖像已經檢測到圖像中包括輸電線目標在內的所有邊緣信息。因為輸電線在圖像中總是從圖像一端橫穿到另一端，所以從圖像邊界開始搜索，以邊界為搜索的起點。首先從上至下搜索，在第一個像素條內搜索找到第一個最長的線狀物邊緣，即為l1的片段，然后繼續(xù)向下搜索，依次找到l2,l3,l4片段；尋找到l4片段后繼續(xù)搜索直到圖像下邊界，發(fā)現(xiàn)當搜索的距離超過d2時，也就是超過l6所在位置時，就再也搜索不到任何線段的片段；此時對l6位置進行標記，l6是第一個像素條內輸電線區(qū)域下邊界。

步驟b4：在所述航拍圖像中，接著從下至上搜索，以下邊界為起點，沿著垂直方向向上開始搜索。第一個找到的為l4的片段，依次找到l3,l2,l1片段。尋找到l1片段后繼續(xù)向上搜索直到圖像上邊界，同樣當搜索的距離超過d2時，也就是超過l5所在位置時，就再也搜索不到任何線段的片段。對l5位置進行標記，即為第二個像素條內輸電線區(qū)域的上邊界，依次循環(huán)搜索下一個像素條直到找到最后一個像素條的上邊界。

步驟b5：開始拼接全部像素條的輸電線區(qū)域上下邊界，即可得到abcd四個頂點包圍的完整輸電線區(qū)域s'。

步驟b6：計算區(qū)域分割系數(shù)ic，ic是輸電線區(qū)域的像素和與航拍圖像像素和的比值；n'為輸電線區(qū)域像素的數(shù)量，n為航拍圖像像素的數(shù)量，si是航拍圖像中第i個像素，s'j是輸電線區(qū)域中第j個像素，其中，經過計算得到ic。

步驟b7：理論證明區(qū)域分割系數(shù)ic如何降低輸電線檢測中丟失輸電線的概率。

假設航拍圖像中一根輸電線由n個像素組成，對隨機取樣兩個像素的一次試

驗中，在參數(shù)空間圖像中檢測到該輸電線的概率為pc；

m次試驗后，檢測到輸電線的次數(shù)是二項分布中的變量ξ；

則k0次實驗丟失該輸電線的概率為pmiss；

其中k為第k次實驗次數(shù)。

由于pc增大，pc(ξ＝k)變小，所以pmiss相對就變小了。

經過理論證明區(qū)域分割系數(shù)ic能降低輸電線檢測中丟失輸電線的概率。

步驟b8：理論證明區(qū)域分割系數(shù)ic如何降低輸電線檢測誤檢輸電線的概率。

假設航拍圖像中一根誤檢的輸電線由m個像素構成，對隨機取樣兩個像素的一次試驗中，在參數(shù)空間圖像中檢測到該輸電線的概率為pr；

m次試驗后，檢測到輸電線的次數(shù)是二項分布中的變量ξ；

則k0次實驗誤檢該輸電線的概率為pfalse；

其中k為第k次實驗次數(shù)。

由于pr增大，pr(ξ＝k)變小，所以pfalse相對就變小了。

經過上述理論證明，分割系數(shù)ic可以降低輸電線檢測誤檢輸電線的概率。

所述輸電線檢測階段包括以下步驟：

步驟c1：建立航拍圖像空間i＝{(xi,yi)}和參數(shù)空間p＝{(ρi,θi)}。

步驟c2：將航拍圖像中的參數(shù)空間量化成nρ×nθ的累加器陣，其中xm,ym分別為航拍圖像空間中橫坐標和縱坐標的最大值，nθ＝2π。

步驟c3:建立參數(shù)空間累加器ai(ρi,θi)，與步驟c2中的累加器陣一一對應，并將初始化值設為零。遍歷圖像空間上的每一點(x,y)，并將該點映射到參數(shù)空間，使用hough變換計算對應的ρ值，公式為ρ＝xcosθ+ysinθ，每次映射都累加到對應的累加器ai(ρi,θi)。

步驟c4：對累加器ai(ρi,θi)進行統(tǒng)計計數(shù)，檢測累加器ai(ρi,θi)局部峰值，通過預設閾值th，并對3*3領域中對除去峰值外的其他累加器進行清零，保留所有候選輸電線。

步驟c5：對航拍圖像中所有候選輸電線的斜率值k進行計算并統(tǒng)計計數(shù)，保留計數(shù)最多的輸電線；

其中直線上任意兩點(xm,ym)和(xn,yn),斜率值

步驟c6：計算所有航拍圖像中候選輸電線之間的間距，間距di與d1,d2任意一個的方差小于0.01，則保留該候選輸電線。

直線方程一般式為ax+by+c＝0，(a,b不能同時為0)，適用于所有直線。

兩條平行直線分別為ax+by+c1＝0和ax+by+c2＝0，c1,c2不能相等，相等則兩條直線重合了，它們之間的距離

最終檢測結果如圖7所示，航拍圖像中本發(fā)明的方法很好的過濾了輸電線附近的背景噪音，圓頂和田地信息被弱化從而抑制背景噪音，雖然輸電線目標清晰度有一定程度的減弱，但是輸電線目標依然清晰的被識別，提取的輸電線線段連貫完整，整體檢測效果優(yōu)于傳統(tǒng)方法，圖6中使用傳統(tǒng)方法檢測時檢測出大量背景噪音，尤其是輸電線目標與森林背景重合的地方出現(xiàn)輸電線邊緣部分模糊不清，田地和小茅屋圓頂部分產生大量干擾信息，部分干擾信息與輸電線混雜在一起，整體輸電線檢測效果不佳。

本發(fā)明的保護內容不局限于以上實施例。在不背離發(fā)明構思的精神和范圍下，本領域技術人員能夠想到的變化和優(yōu)點都被包括在本發(fā)明中，并且以所附的權利要求書為保護范圍。