基于梯度约束Radon变换的无人机视觉电线巡检方法技术

本发明专利技术公开了一种基于梯度约束Radon变换的无人机视觉电线巡检方法，1：利用无人机图像采集设备，获得要处理的高压线图像，并将获得的降质图像转换为灰度图F；2：对灰度图F进行边缘提取处理得到边缘图F’；3：对边缘图F’梯度计算得到梯度幅值Gk；4：设边缘图F’中第k个像素的八方向像素点为ki，其中i＝0,1,…,7，当相邻两个像素ki的梯度幅值Gk相等，则将其组到同一个直线支持区域；5：针对步骤4得到的直线支持区域，拟合出符合条件的直线，并使用数学形态学对拟合出的直线作后续处理；6：对步骤5的拟合结果通过Radon变化检测输电直线。本发明专利技术实现了对图像中输电线的检测准确，去掉了冗余的边缘信息，提高了识别输电线的准确度。

【技术实现步骤摘要】

本专利技术属于图像处理
，具体涉及基于梯度约束Radon变换的无人机视觉电线巡检方法。
技术介绍
目前，我国长距离电力输配的主要方式是高压和超高压架空输电线，高压输电线绝大多数采用钢芯锅绞线，而钢芯招绞线在风力、覆冰、温度等外界因素综合作用下，会产生局部疲劳损伤引起局部断股。如果存在断股缺陷的输电线不及时维修更换，不仅会增加输电线路的功率损耗造成电力浪费，严重时会造成导线断裂，直接威胁到人的生命安全；而且输电线路通常经过丘陵、高山和不良地质地区等、有时还需要横跨大江大河、湖泊和海峡，因此，我国现有的低效率的人工输电线巡检和维护已远远不能满足现实生活生产的需要。同时，随着直升飞机输电线路巡检作业的普及，既为利用图像处理和识别技术自动检测输电线路中的缺陷提供了机遇，也带来了挑战，如何有效的从直升飞机巡检获得的电力线图像中获取电力线的运行基本信息已成为了研究的热点。无人机巡线可以大大提高电力维护和检修的速度和效率，使许多工作能在完全带电的环境下迅速完成。使用无人机巡检，可使作业范围迅速扩大，且不为污泥和雪地所困扰。能够发现人工巡视所难以发现的线路缺陷，提高了电网运行的稳定性。无人机可以到达地面人员无法接近的山谷地带，可以迅速跨越两个工作地点，不仅速度快，而且不会像汽车那样破坏庄稼、轧坏土地，这在日益重视环境保护的今天，具有深远的意义。未来，利用无人机进行输电线的智能巡检将普遍应用于我国电网线路的架设和巡检作业中，特别是用在我国高山、河流较多的地区，不仅降低线路架设的成本和劳动强度，也将缩短线路巡检时间，提高我国电网在自然灾害面前的应急抢险速度。输电线路一般是由杆塔、基础、导线、地线、绝缘子、金具和接地装置等构成。其中导线是线路的主要部分，作用是传输电能。输电线路具有面广、线长、高空、野外的特点，极易受到外力的破坏。导线作为输电线路最重要的部分，如果能在无人机巡检的过程中，及时的发现导线的安全隐患，防患于未然，必然能够避免一些损失。无人机以输电直线作为导航目标，来进行线状目标的自动识别。由于高压输电线周围环境的复杂性、成像条件恶劣等因素的影响，图像中高压输电线的边缘不是很明显，另外加上环境的复杂性，提取的边缘信息不是很准确，而且还包含很多冗余的边缘信息，给后续判断和识别带来了很大困难。
技术实现思路
本专利技术的目的在于提供基于梯度约束Radon变换的无人机视觉电线巡检方法，以克服上述现有技术存在的缺陷，本专利技术实现了对图像中输电线的检测准确，去掉了冗余的边缘信息，提高了识别输电线的准确度。为达到上述目的，本专利技术采用如下技术方案：基于梯度约束Radon变换的无人机视觉电线巡检方法，包括以下步骤：步骤1：利用无人机图像采集设备，获得要处理的高压线图像，并将获得的降质图像转换为灰度图F；步骤2：对灰度图F进行边缘提取处理得到边缘图F’；步骤3：对边缘图F’梯度计算得到梯度幅值Gk；步骤4：设边缘图F’中第k个像素的八方向像素点为ki，其中i＝0,1,…,7，当相邻两个像素ki的梯度幅值Gk相等，则将其组到同一个直线支持区域；步骤5：针对步骤4得到的直线支持区域，拟合出符合条件的直线，并使用数学形态学对拟合出的直线作后续处理；步骤6：对步骤5的拟合结果通过Radon变化检测输电直线。进一步地，步骤2中对灰度图S采用Canny算子进行边缘提取处理得到边缘图F’。进一步地，步骤5中采用最小二乘法拟合符合条件的直线。进一步地，步骤5中拟合出的直线满足以下条件：0≤|k|≤1，S≥10，其中k为斜率，S为直线长度。进一步地，步骤5中使用数学形态学对拟合出的直线做后续处理具体为：采用先膨胀后腐蚀的方式对拟合出的直线做后续处理。进一步地，膨胀处理及腐蚀处理时均采用圆形结构元素，且膨胀时选用的圆形结构元素的直径为5个像素，腐蚀时选用的圆形结构元素的直径为4个像素。与现有技术相比，本专利技术具有以下有益的技术效果：本专利技术采用梯度约束拟合直线的方法，充分利用了图像相位携带的大量构成直线的相关像素点的空间信息，把灰度变化的相位作为了考虑的第一要素，幅度作为辅助条件；通过扫描直线支持区从而拟合出直线。该算法分辨率很高，即使对图像中存在的弱对比度直线也能成功提取出来，本专利技术实现了对图像中输电线的检测准确，去掉了冗余的边缘信息，提高了识别输电线的准确度。附图说明图1是八方向划分的示意图；图2是形成直线支持区域的示意图；其中，(a)为边缘图，(b)为梯度变化区域被直线代替示意图；图3是本专利技术的流程示意图；图4是传统Radon变化法检测与使用梯度约束Radon变换法检测的对比图；其中，(a)为使用梯度约束后拟合出的直线边缘，(b)为使用数学形态学处理后的结果，(c)为使用梯度约束Radon变换法检测出的图像，(d)为传统Radon变化法检测出的图像。具体实施方式下面结合附图对本专利技术作进一步详细描述：1.步骤1中获得高压线图像：利用无人机图像采集设备，获得要处理高压线图像，并将获得的降质图像转换为灰度图。2.步骤2中用Canny算子进行图片边缘提取处理：在各类边缘检测算子中，Roberts算子对于边缘灰度值变化较大且低噪声图像具有较好的边缘检测效果，但是该算子提取的直线不连续；Sobel算子的优点是方法简单、运算速度快和图像边缘光滑连续，但是，由于处理时需作二值化处理，加上边缘结果受选取的阈值大小的影响，使得图像边缘粗糙；Prewitt边缘算子检测图像边缘会获得较好的效果在噪声抑制特性方面却没有Canny算子的抗噪能力强；Log算子边缘检测的效果受高斯空间系数σ的取值的影响，但是受噪声影响较大；Canny算子也应用高斯滤波器，所以获取图像的边缘会随高斯滤波器系数σ变小越来越清晰。总体来讲，Canny算子边缘定位的精确性和抗噪声能力效果较好，适合无人机载图像处理。因此本专利技术中采用Canny算子来进行图片边缘提取，提取图像为F’。3.步骤3中梯度计算：灰度变化的剧烈程度可由梯度幅值来反映，边缘信息能够很好地被梯度幅值的大小所表示，所以梯度幅值常被用作局部边缘重要性的一个测度，用以检测边缘。灰度表面上升(下降)最快的方向，或像素邻域内灰度变化最大的方向，就是梯度方向。它是非常重要的信息，若在某个区域，各点的梯度方向相同或者相近的输电线路图像中导线的识别方法研究情况下，则这个区域很可能存在边缘。计算梯度的模板有很多，尺寸大的模板对噪声不敏感，可减少噪声的影响，对图像有平滑作用，但是同时也滤除了细节部分；尺寸小的模板可保留较多的细节部分，但对噪声较敏感。所以应该根据需要选择适合的模板。本专利技术中，虽然尺寸过大的模板对图像有平滑作用，但是不利于低对比度直线的提取。因此在这里采用2×2模板计算梯度。部分模板如下所示: ( 11 ) ( 101 ) 本文档来自技高网...

【技术保护点】
基于梯度约束Radon变换的无人机视觉电线巡检方法，其特征在于，包括以下步骤：步骤1：利用无人机图像采集设备，获得要处理的高压线图像，并将获得的降质图像转换为灰度图F；步骤2：对灰度图F进行边缘提取处理得到边缘图F’；步骤3：对边缘图F’梯度计算得到梯度幅值Gk；步骤4：设边缘图F’中第k个像素的八方向像素点为ki，其中i＝0,1,…,7，当相邻两个像素ki的梯度幅值Gk相等，则将其组到同一个直线支持区域；步骤5：针对步骤4得到的直线支持区域，拟合出符合条件的直线，并使用数学形态学对拟合出的直线作后续处理；步骤6：对步骤5的拟合结果通过Radon变化检测输电直线。

【技术特征摘要】
1.基于梯度约束Radon变换的无人机视觉电线巡检方法，其特征在于，包括以下步骤：步骤1：利用无人机图像采集设备，获得要处理的高压线图像，并将获得的降质图像转换为灰度图F；步骤2：对灰度图F进行边缘提取处理得到边缘图F’；步骤3：对边缘图F’梯度计算得到梯度幅值Gk；步骤4：设边缘图F’中第k个像素的八方向像素点为ki，其中i＝0,1,…,7，当相邻两个像素ki的梯度幅值Gk相等，则将其组到同一个直线支持区域；步骤5：针对步骤4得到的直线支持区域，拟合出符合条件的直线，并使用数学形态学对拟合出的直线作后续处理；步骤6：对步骤5的拟合结果通过Radon变化检测输电直线。2.根据权利要求1所述的基于梯度约束Radon变换的无人机视觉电线巡检方法，其特征在于，步骤2中对灰度图S采用Canny算子进行边缘提取处理得到边...

【专利技术属性】
技术研发人员：黄鹤，雷旭，易盟，汪贵平，王萍，许哲，张弢，郭璐，黄莺，李艳波，孔艺天，王会峰，陈志强，袁东亮，胡凯益，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西;61