一種無人機巡檢輸電線路圖像內的桿塔目標提取方法
【技術領域】
[0001] 本發明屬于模式識別與智能計算技術領域，更具體地說，涉及一種無人機巡檢輸 電線路圖像內的桿塔目標提取方法。
【背景技術】
[0002] 隨著我國國民經濟持續快速發展和城市建設規模日益擴大，高科技產業、金融、醫 療衛生等行業快速密集發展，對電力能源的需求日益增強，而經濟發展不僅使城鄉電網負 荷快速增長，也對供電的可靠性和供電質量提出了更高的要求。因此，電力公司需要對電力 線路設備尤其是電力線和電力桿塔進行定期巡檢，以保證電力傳輸系統的穩定安全運行和 社會生產生活的正常進行。我國的電力線路走廊，經常需要穿越各種復雜的地理環境，頻繁 經過湖泊水庫以及崇山峻嶺等，因此，輸電線路具有覆蓋范圍大、分布區域廣、傳輸距離長、 地理條件復雜多變及受環境氣候影響顯著等特點，從而給線路的日常運行、維護和檢修帶 來極大挑戰。
[0003] 我國輸電線路的巡視一般采用人工巡視方式，這種方法雖簡單，但效率較低，周期 較長，且需要配備大量光學設備和素質高、經驗豐富的巡線人員，對人力、財力的要求較高。 且當桿塔較高、周圍地理環境較復雜時，人工巡線就更加困難，容易遺漏故障，造成巡線不 徹底，從而使得人工巡線方式逐漸難以滿足高壓電網的運行維護要求。
[0004] 從上世紀九十年代開始，歐美一些發達國家就已經嘗試將無人機應用于輸電線路 搶修等工作。直升機巡檢輸電線路技術，具有安全快捷、受地域限制小、能快速發現故障等 優點。我國從上世紀后期開始嘗試直升機巡線作業，近幾年來，我國加大了對無人機巡線 技術的研發投入，2012年山東電力在全國率先實現了將無人機巡線納入線路巡檢常態化應 用。2013年，由國家電網青海省電力公司檢修公司承擔的"高海拔地區輸電線路無人巡檢 技術的應用研究"順利通過國家電網公司的驗收，并通過了青海省科技廳的鑒定。
[0005] 電力桿塔是輸電線路中的重要組成部分，其按作用可以分為：直線桿塔、跨越桿 塔、耐張桿塔、轉角桿塔、T接桿塔、終端桿塔、換位桿塔七種。桿塔是架空電力線路最主要 的設備之一，用來支持導線、避雷線和各類連接金具，圖像中桿塔區域的確定對于直升機巡 檢有著深遠的意義。通過檢測圖像中的桿塔區域，可以給出檢測各類部件的小范圍區域，同 時，每具桿塔在電力部門都備用詳細的基建資料可供查詢，其中包括其地理信息、各類線路 部件安裝數目和位置信息等等，依據這些信息我們可以更加準確地提取圖像中各類部件包 括絕緣子、電力線、引流線、地線、防震錘、間隔棒、懸垂線夾等的具體位置及其數量，并且進 一步實現各類部件常見故障的智能診斷。
[0006]目前國內外關于電力桿塔圖像識別方法的研究均較少，且由于電力桿塔的圖像背 景較為復雜，現有檢測方法的適應性不強，對電力桿塔的識別精度相對較低，從而不能對電 力桿塔中各部件的常見故障進行有效診斷。如，中國專利申請號為CN201210250850. 8的專 利公開了一種電力桿塔輪廓的快速圖像識別方法，該申請案是基于改進的Harris角點檢 測方法，來實現對已知區域形狀的輪廓圖像中電力塔桿像素的檢測，但由于航拍圖像噪聲 大，harris角點檢測對噪聲較為敏感，不利于角點量的提取，且其對于圖像幾何尺度變化不 具有不變性，即當圖像的幾何尺度發生變化時，Harris角點檢測的性能則下降，從而導致對 電力桿塔的識別精度降低。此外，角點檢測的速度關系到后續工作的效率，而harris角點 算法運行時間較長，不利于航拍圖像的實時處理，使得圖像的邊緣變的模糊，易造成人眼視 覺上的失真。
【發明內容】
[0007] 1?發明要解決的技術問題
[0008] 本發明的目的在于克服采用現有電力桿塔圖像識別方法不能對輸電線路中的電 力桿塔圖像進行有效提取，提取精度較低，且運行時間較長，導致不能對電力桿塔圖像進行 實時提取的不足，提供了一種無人機巡檢輸電線路圖像內的桿塔目標提取方法。通過使用 本發明中輸電線路圖像內的桿塔目標提取方法，可以對輸電線路中的電力桿塔進行精確提 取，且運行時間較短，能夠實現對圖像的實時處理，同時也為桿塔上絕緣子、金具等電力部 件的故障診斷提供了預研基礎。
[0009] 2?技術方案
[0010] 為達到上述目的，本發明提供的技術方案為：
[0011] 本發明的一種無人機巡檢輸電線路圖像內的桿塔目標提取方法，其步驟為：
[0012] 步驟一、將航拍得到的圖像由RGB色彩空間轉換到HSI色度飽和度亮度空間，提取 HSI色度飽和度亮度空間的I分量圖像，并將該I分量圖像經中值濾波后進行二值化處理得 到電力桿塔輪廓的二值圖像；
[0013] 步驟二、基于Susan角點檢測方法，結合電力桿塔在航拍圖像中表現為可視的中 軸對稱多邊形且呈角點密集分布的特征，采用經過改進的Susan角點檢測方法對電力桿塔 輪廓的二值圖像進行角點檢測，并在電力桿塔輪廓的二值圖像中標記出所有角點的位置；
[0014] 步驟三、采用基于不變矩的質心檢測算法檢測出上述角點序列的質心，并以此為 中心，標注出電力桿塔在原圖中的位置。
[0015] 更進一步地，步驟一中將拍攝的圖像由RGB色彩空間轉換到HSI色度飽和度亮度 空間的轉換方程為：
[0016] (1),
[0017] 式（1)中，H、S、I分別為HSI色度飽和度亮度空間的色調分量、色飽和度分量和亮 度分量，
[0018] 更進一步地，步驟一中對提取的亮度I分量圖像進行中值濾波時，選用3*3中值濾 波模板遍歷亮度I分量圖像中的各像素點，對任一像素點，取以該像素點為中心3*3鄰域內 的亮度平均值重新給該像素點賦值，即實現了對亮度I分量圖像的中值濾波。
[0019] 更進一步地，步驟一中采用最大類間方差法對亮度I分量圖像進行二值化處理， 其具體步驟為：遍歷亮度I分量圖像中每個像素點的亮度值，取出各像素點的亮度值，假設 亮度I分量圖像中各像素點的亮度取值范圍為〇~m-1，此處m-1為亮度I分量圖像中像素 點的最大亮度，上述亮度范圍內的亮度均值為y，亮度為i的圖像出現的概率為Pi，給定亮 度閾值T，該亮度閾值T將圖像中的桿塔目標與背景分離為6。= {0~T-1}和G{T~ m-1}兩個亮度區間，且G。出現的概率為WyGi出現的概率為wi，則G。和G屈間內的平均亮 度^以及這兩個區間的類間方差S2(T)分別為：
[0020] (2)，
[0021] 上式中，
且Wo+Wi: 1，w0yo+Wiy!=y;
[0022] 隨著亮度閾值T在0~m-1亮度范圍內逐步遞增，使亮度閾值T取到0~m-1范 圍內的所有數值，求解出最大類間方差maxS2 (T)，此時對應的T值即為亮度最佳分割閾值， 將亮度值小于該T值的像素點的亮度值設為0,大于該T值的像素點的亮度值設為1，即得 到電力桿塔輪廓的二值圖像。
[0023] 更進一步地，采用經過改進的Susan角點檢測方法對電力桿塔輪廓的二值圖像進 行角點檢測的具體步驟為：
[0024] 步驟a、使用一個圓形窗口模版作為Susan角點檢測的模板，該圓形模板的半徑r =37個像素，且該圓形模板的中心為模板的核；
[0025] 步驟b、使上述圓形模板在電力桿塔輪廓的二值圖像上進行移動，對電力桿塔輪廓 的二值圖像上的每個像素點進行逐一檢測，使待檢測點處于圓形模板的核，給定閾值g，并 將圓形模板內其他所有像素點的亮度值分別與待檢測點的亮度值按照式（3)進行運算：