本發(fā)明屬于電力系統(tǒng)檢測，具體涉及一種電力線識別方法、系統(tǒng)、設備及存儲介質(zhì)。

背景技術(shù)：

1、電力線巡線是電網(wǎng)日常維護的重要組成部分，對保障電網(wǎng)健康運行起著至關(guān)重要的作用。然而，大量輸電線路架設在交通不便的山區(qū)，人工巡線的效率較低，而使用無人機巡線可以克服以上缺點，但實時回傳的畫面清晰度不足，容易造成漏檢，因此將故障識別部署到無人機上輔助人工判斷是一個較好的方案。

2、從圖像中將電力線分割出來是進行電力線缺陷檢測的基礎(chǔ)，目前，電力線提取可以分為傳統(tǒng)方法和基于數(shù)據(jù)的深度學習方法。有人采用canny算子獲取邊緣圖并利用hough變換提取邊緣圖中的電力線，但canny算法在圖像分割時在噪聲影響下會出現(xiàn)過分割效果不準確的情況；有人在利用r-cnn(region-convolutional?neural?network)算法對線檢測時，提出一種改進的錨框生成策略，但使用r-cnn圖像分割時對出現(xiàn)對圖像邊緣不敏感，出現(xiàn)欠分割過多等誤差；相位拉伸變換(phase?stretch?transform，pst)是在模擬信號的時間拉伸變換(time?stretch?transform，tst)的基礎(chǔ)上發(fā)展起來的，目前，pst已用于數(shù)字圖像邊緣特征檢測、視覺損傷圖像的特征增強及數(shù)字圖像壓縮等場合，但由于pst各頻譜的相位平移量相等，使得檢測到的邊緣包含大量噪聲，尤其是那些孤立的細碎高頻噪點均被誤認為是圖像中的高頻成份而得以保留，給后續(xù)的閾值化處理帶來困難。

3、綜上所述，由于電力線目標細小，成像時反射能量微弱，使得無人機航拍電力線圖像極易受環(huán)境線狀要素及噪聲的干擾，致使電力線成像噪聲嚴重，成像微弱模糊，不易分辨，從而使得上述幾種檢測算法提取電力線的效果不理想。

技術(shù)實現(xiàn)思路

1、為了克服電力線提取效果不理想的不足，本發(fā)明提供了一種電力線識別方法，包括如下步驟：

2、獲取包含有電力線的待檢測圖像；

3、基于相位平移核函數(shù)及卷積定理，對所述相位平移核函數(shù)進行相位拉伸變換及卷積操作，構(gòu)建相位濾波器拉伸核函數(shù)；

4、將待檢測圖像輸入相位濾波器拉伸核函數(shù)，使用相位濾波器拉伸核函數(shù)對待檢測圖像進行拉伸變換，將頻率域的待檢測圖像轉(zhuǎn)化為空間域的角度圖像，并對角度圖像中的輪廓邊緣進行提取；

5、將所述待檢測圖像與包含有輪廓邊緣的角度圖像進行疊加，得到疊加圖像，使用相對總變分rtv對疊加圖像進行銳化增強處理，從銳化增強處理后的圖像中識別出電力線。

6、優(yōu)選的，所述構(gòu)建相位濾波器拉伸核函數(shù)，包括如下步驟：

7、對相位平移核函數(shù)的頻率域的復拉伸核所對應的空間域復矩陣與圖像卷積后進行角度變換，得到相位拉伸后的角度圖像；

8、對相位拉伸后的的角度圖像進行簡化，并對非線性相位扭曲核函數(shù)進行極坐標轉(zhuǎn)化及歸一化處理，得到帶有相位拉伸強度參數(shù)s和扭曲參數(shù)w的相位濾波器拉伸核函數(shù)。

9、優(yōu)選的，所述將待檢測圖像輸入相位濾波器拉伸核函數(shù)之前，還包括對待檢測圖像進行灰度化處理和濾波處理；所述灰度化處理具體為：將待檢測圖像中的像素的r分量、g分量和b分量3個數(shù)值的加權(quán)平均值作為灰度圖的灰度值；所述濾波處理是對待檢測圖像的所有像素值進行加權(quán)平均，其中每一個像素點的像素值都由其本身值和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。

10、優(yōu)選的，所述相位濾波器拉伸核函數(shù)為：

11、

12、式中，s為相位拉伸強度參數(shù)，w為扭曲參數(shù)，r為轉(zhuǎn)換極坐標時的極徑。

13、優(yōu)選的，所述角度圖像為：

14、

15、其中，為相位濾波器拉伸核函數(shù)，ifft2為二維傅里葉變換的逆變換，為輸入圖像b(x，y)經(jīng)反傅里葉變換處理后結(jié)果。

16、本發(fā)明還提供有一種電力線識別系統(tǒng)，包括：

17、圖像獲取模塊，用于獲取包含有電力線的待檢測圖像；

18、核函數(shù)構(gòu)建模塊，用于基于相位平移核函數(shù)及卷積定理，對所述相位平移核函數(shù)進行相位拉伸變換及卷積操作，構(gòu)建相位濾波器拉伸核函數(shù)；

19、輪廓提取模塊，用于將待檢測圖像輸入相位濾波器拉伸核函數(shù)，使用相位濾波器拉伸核函數(shù)對待檢測圖像進行拉伸變換，將頻率域的待檢測圖像轉(zhuǎn)化為空間域的角度圖像，并對角度圖像中的輪廓邊緣進行提?。?/p>

20、電力線識別模塊，用于將所述待檢測圖像與包含有輪廓邊緣的角度圖像進行疊加，得到疊加圖像，使用相對總變分rtv對疊加圖像進行銳化增強處理，從銳化增強處理后的圖像中識別出電力線。

21、本發(fā)明還提供有一種計算機設備，包括存儲器和處理器；所述存儲器存儲有計算機程序，所述處理器用于運行所述存儲器內(nèi)的計算機程序，以執(zhí)行所述電力線識別方法。

22、本發(fā)明還提供有一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，所述計算機程序適于處理器進行加載，以執(zhí)行所述電力線識別方法。

23、本發(fā)明提供的電力線識別方法、系統(tǒng)、設備及存儲介質(zhì)具有以下有益效果：

24、本發(fā)明通過構(gòu)建相位濾波器拉伸核函數(shù)模型，并使用相位濾波器拉伸核函數(shù)對無人機拍攝的待檢測圖像實施拉伸變換，從而能夠?qū)㈩l率域的待檢測圖像轉(zhuǎn)化為空間域的角度圖像，角度圖像能夠更好地反應空間域線狀目標；再通過相對總變分rtv對疊加圖像進行銳化增強處理，優(yōu)化分離主要結(jié)構(gòu)與微弱細碎紋理，使得銳化后的圖像更好地突出了主要邊緣輪廓、結(jié)構(gòu)紋理，抑制了微弱細小紋理，很好地去除了噪聲，提高了電力線識別的精度。

技術(shù)特征：

1.一種電力線識別方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的電力線識別方法，其特征在于，所述構(gòu)建相位濾波器拉伸核函數(shù)，包括如下步驟：

3.根據(jù)權(quán)利要求1所述的電力線識別方法，其特征在于，所述將待檢測圖像輸入相位濾波器拉伸核函數(shù)之前，還包括對待檢測圖像進行灰度化處理和濾波處理；所述灰度化處理具體為：將待檢測圖像中的像素的r分量、g分量和b分量3個數(shù)值的加權(quán)平均值作為灰度圖的灰度值；所述濾波處理是對待檢測圖像的所有像素值進行加權(quán)平均，其中每一個像素點的像素值都由其本身值和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。

4.根據(jù)權(quán)利要求1所述的電力線識別方法，其特征在于，所述相位濾波器拉伸核函數(shù)為：

5.根據(jù)權(quán)利要求1所述的電力線識別方法，其特征在于，所述角度圖像為：

6.一種電力線識別系統(tǒng)，其特征在于，包括：

7.一種計算機設備，其特征在于，包括存儲器和處理器；所述存儲器存儲有計算機程序，所述處理器用于運行所述存儲器內(nèi)的計算機程序，以執(zhí)行權(quán)利要求1-5任一項所述的電力線識別方法。

8.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有計算機程序，所述計算機程序適于處理器進行加載，以執(zhí)行權(quán)利要求1-5任一項所述的電力線識別方法。

技術(shù)總結(jié)
本發(fā)明提供了一種電力線識別方法、系統(tǒng)、設備及存儲介質(zhì)，屬于電力系統(tǒng)檢測技術(shù)領(lǐng)域，其方法包括如下步驟：獲取包含有電力線的待檢測圖像；基于相位平移核函數(shù)及卷積定理，構(gòu)建相位濾波器拉伸核函數(shù)；將待檢測圖像輸入相位濾波器拉伸核函數(shù)，使用相位濾波器拉伸核函數(shù)對待檢測圖像進行拉伸變換，將頻率域的待檢測圖像轉(zhuǎn)化為空間域的角度圖像，并對角度圖像中的輪廓邊緣進行提??；將待檢測圖像與包含有輪廓邊緣的角度圖像進行疊加，得到疊加圖像，使用相對總變分RTV對疊加圖像進行銳化增強處理，識別出電力線。本發(fā)明能夠提高識別電力線的精度。

技術(shù)研發(fā)人員：徐鵬飛,丁亞飛,趙江偉,崔兵,王悅燕,王晨陽,閆子靖,岳雪亭
受保護的技術(shù)使用者：平頂山學院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30