趙永生++徐海青++吳立剛++袁睿智++梁翀

摘要：本文主要針對(duì)輸電線路上的漂浮異物搭掛潛在故障進(jìn)行圖像識(shí)別研究，提出利用霍夫直線變換對(duì)輸電線路進(jìn)行提取，然后對(duì)輸電線所處的小塊區(qū)域進(jìn)行卷積操作，結(jié)合實(shí)際誤差來(lái)對(duì)輸電線路異物進(jìn)行識(shí)別。通過(guò)及時(shí)定位輸電線路安全隱患點(diǎn)和故障點(diǎn)，縮短巡檢周期，提升檢修工作人員的工作效率，降低巡檢人力成本，進(jìn)一步增強(qiáng)輸電線路相關(guān)設(shè)備的狀態(tài)巡維能力，為有效監(jiān)測(cè)分析奠定基礎(chǔ)，具有較高的工程應(yīng)用價(jià)值。

關(guān)鍵詞：霍夫直線變換；圖像識(shí)別；輸電線路；異物識(shí)別

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2017）03-0127-03

Abstract：This paper mainly aims at the potential failure on the transmission line of foreign bodies floating to research image recognition， presents a method of extracting transmission lines using Hough linear transformation， then carries out the convolution operation of the small area of the transmission line， identification of foreign bodies in transmission line based on actual error. Through the timely positioning of transmission line safety hidden points and fault points， shortens the inspection cycle， reduces manpower cost， improves the efficiency of the maintenance staff， and further enhances the ability of the state of the transmission line equipment， provides a basis for effective monitoring and analysis， and has high application value in engineering.

Key Words：Hough linear transformation；image recognition；transmission line； foreign body recognition

1 引言

電力是我國(guó)能源的大動(dòng)脈，而輸電線路網(wǎng)則是電力傳輸?shù)闹饕d體，維護(hù)輸電線路正常運(yùn)行顯得尤為重要。搭建這些輸電線路較為迅速，但是長(zhǎng)期維護(hù)需要巨大的人力、財(cái)力和物力。近年來(lái)，各地因?yàn)轱L(fēng)箏、氣球等懸掛異物危及電網(wǎng)安全的事件屢見(jiàn)不鮮。輸電線路懸掛異物會(huì)使高壓電的極限放電距離縮短，甚至?xí)斐纱竺娣e停電的嚴(yán)重后果。因此，及時(shí)識(shí)別出輸電線路上的異物具有十分重要的意義。

由于傳統(tǒng)人工巡線的方式存在安全隱患大，工作效率低，且針對(duì)一些復(fù)雜地形的輸電線路操作難度大等缺點(diǎn)，近幾年出現(xiàn)了借助飛行器作為運(yùn)載工具，裝載可見(jiàn)光成像檢測(cè)設(shè)備對(duì)110～1000kV高壓輸電線走廊進(jìn)行巡檢的方法[1]，并應(yīng)用計(jì)算機(jī)智能處理巡檢帶回的大量圖像數(shù)據(jù)來(lái)判斷線路上是否存在異物。文獻(xiàn)[2-6]針對(duì)圖像空間直線進(jìn)行了提取和檢測(cè)，為輸電線路的識(shí)別提供了思路。本文主要利用Otsu法（最大類間方差法）來(lái)進(jìn)行圖像分割，然后基于Hough變換原理提取含有異物的輸電線路特征向量，對(duì)輸電線進(jìn)行卷積操作，將提取到的輸電線與正常輸電線進(jìn)行比較，以判斷輸電線是否懸掛異物。

2 圖像預(yù)處理

航拍巡檢圖像往往受到光照、天氣和濕度等因素影響，得到的圖像往往有很多噪聲等干擾因素，為了消除這些干擾因素，提高識(shí)別精度和識(shí)別效率，需要對(duì)圖像進(jìn)行相應(yīng)的預(yù)處理操作。本文主要采用中值濾波和形態(tài)學(xué)處理來(lái)進(jìn)行預(yù)處理：

2.1 中值濾波

常見(jiàn)的濾波器包括高斯濾波[7]、中值濾波[8]和雙邊濾波[9]等方法，經(jīng)過(guò)試驗(yàn)最終我們選取中值濾波作為本文的濾波器，以保證能夠有效去除噪聲，又不影響算法的時(shí)效性。中值濾波是一種非線性濾波方法，基本思想：以某像素為中心的窗口中所有像素的灰度按從小到大排列，取排序結(jié)果的中間值作為該像素的灰度值。該方法運(yùn)算簡(jiǎn)單方便，能較好地保護(hù)邊界。實(shí)驗(yàn)結(jié)果如圖1所示。

根據(jù)大量的測(cè)試實(shí)驗(yàn)結(jié)果，本文采用5×5中值濾波。

2.2 形態(tài)學(xué)運(yùn)算

最基本的形態(tài)學(xué)轉(zhuǎn)換是膨脹和腐蝕。分析采集圖像，我們采用閉運(yùn)算對(duì)圖像進(jìn)行先膨脹后腐蝕操作，以消除圖像噪聲點(diǎn)，連接圖像中相鄰元素。

3 圖像分割

巡檢圖像背景往往是我國(guó)復(fù)雜的地貌，對(duì)圖像處理和目標(biāo)異物檢測(cè)精度帶來(lái)極大的干擾，因此，必須準(zhǔn)確地分割航拍圖像背景。本文采用Otsu法來(lái)進(jìn)行圖像分割得到待識(shí)別二值圖。

Otsu法[10]又叫最大類間方差法，是由 Otsu與1979年提出的一種閾值分割方法，它是建立在一幅圖像的灰度直方圖基礎(chǔ)上的，依據(jù)類間距離極大準(zhǔn)則來(lái)確定區(qū)域分割門限，根據(jù)門限閾值來(lái)得到所需要的二值圖。

Otsu法按圖像的灰度特性，將圖像分成背景和前景兩部分。背景和前景之間的類間方差越大，說(shuō)明構(gòu)成圖像的兩部分的差別越大，當(dāng)部分前景錯(cuò)分為背景或部分背景錯(cuò)分為前景都會(huì)導(dǎo)致兩部分差別變小。因此，使類間方差最大的分割意味著錯(cuò)分概率最小。

具體實(shí)現(xiàn)方法如下：

（1）設(shè)圖像有L個(gè)灰度級(jí)，灰度值是i的像素為n，則總的像素?cái)?shù)是N= n1+n2+n3+…..+nL-1。各灰度值出現(xiàn)的概率pi=ni/N，很顯然p1+p2+p3+…..+pL-1=1。

（2）設(shè)閾值為t，則t將圖像分割為兩個(gè)區(qū)域，即把灰度級(jí)分為兩類：

背景類A={0，1，2，…...，t}

前景類B={t+1，t+2，……，L-1}

兩類出現(xiàn)的概率分別為：

A，B兩類的灰度均值分別為：

圖像總的灰度均值為：

由此可以得到A，B兩個(gè)區(qū)域的類間方差：

類間方差越大，兩類灰度差別就越大，則使類間方差最大的t值就是我們所要求的閾值。最后我們根據(jù)所求的閾值t，將t以上的像素值設(shè)為255，將t以下的像素值設(shè)為0，就得到了最后待識(shí)別的二值圖片。

4 輸電線路異物識(shí)別

如圖2所示，本文針對(duì)此圖片進(jìn)行異物識(shí)別。

本文的識(shí)別流程如圖3所示。

4.1 圖像識(shí)別前處理

為了提取更好結(jié)果的輸電線，對(duì)圖像進(jìn)行灰度化和中值濾波后，利用Otsu法進(jìn)行圖像分割，再進(jìn)行Canny邊緣檢測(cè)，然后利用形態(tài)學(xué)對(duì)所得二值圖進(jìn)行相應(yīng)處理。實(shí)驗(yàn)結(jié)果如圖4所示。

4.2 異物識(shí)別

（1）霍夫直線變換。本文采用OpenCV提供的霍夫直線變換[11，12]函數(shù)來(lái)檢測(cè)輸電線路?；舴蛑本€變換的基本原理是對(duì)圖像中每一個(gè)像素點(diǎn)進(jìn)行遍歷，然后對(duì)經(jīng)過(guò)這個(gè)點(diǎn)的所有直線進(jìn)行頻率統(tǒng)計(jì)，出現(xiàn)頻率較大的直線作為該圖像中的被檢測(cè)到的直線。但是在實(shí)際操作中，本文發(fā)現(xiàn)用（a，b）表示直線存在斜率 a 為無(wú)窮時(shí)無(wú)法表示等問(wèn)題，因此本文采用極坐標(biāo)來(lái)標(biāo)識(shí)直線，從而來(lái)解決這一弊端。OpenCV 提供了兩種變換：標(biāo)準(zhǔn)霍夫變換（SHT）和累計(jì)概率霍夫變換（PPHT），本文采用累計(jì)概率霍夫變換。

（2）識(shí)別異物。獲取圖像中所有的直線序列后，首先提取出正常的輸電線，上述提到，正常輸電線的斜率大都在區(qū)間 [0，0.2]內(nèi)。在識(shí)別異物的方法，本文采用的是對(duì)提取的正常的輸電線進(jìn)行卷積操作，即輸電線周圍制作一個(gè)高度為10像素，寬度為直線兩個(gè)端點(diǎn)的 x 坐標(biāo)的差的絕對(duì)值這么多像素的矩形，為了便于計(jì)算，本文選取直線兩個(gè)端點(diǎn)的“最低點(diǎn)”（即x 和 y坐標(biāo)最小的點(diǎn)），并以該點(diǎn)的上4個(gè)像素和該點(diǎn)的下5個(gè)像素共同構(gòu)成矩形的高度。接下來(lái)，對(duì)每條正常輸電線計(jì)算像素值為255的點(diǎn)總數(shù)n，并且約定如果n 除以矩形的高度與寬度之積超過(guò)某個(gè)值resultRate（稱為“異點(diǎn)率”）就表示出現(xiàn)異物，根據(jù)大量實(shí)驗(yàn)，resultRate設(shè)定為0.3。上述過(guò)程的流程圖如圖5所示。

針對(duì)圖2所示圖片，利用本文算法進(jìn)行檢測(cè)的識(shí)別結(jié)果如圖6所示（將檢測(cè)到的直線像素點(diǎn)設(shè)為綠色，將異物像素點(diǎn)設(shè)置為紅色）。

可以看出本文識(shí)別算法良好，對(duì)輸電線路中的異物識(shí)別準(zhǔn)確率較高。

5 結(jié)語(yǔ)

本文提出一種經(jīng)過(guò)圖像預(yù)處理和霍夫直線變換后，利用異物附在輸電線路周圍這一特征提出對(duì)輸電線路進(jìn)行卷積操作的算法思想，對(duì)一般的異物識(shí)別結(jié)果較好，能滿足對(duì)基本的巡檢圖像進(jìn)行異物檢測(cè)識(shí)別需求。將本文算法應(yīng)用在輸電線路巡檢中，對(duì)于降低巡檢人力成本，提高巡檢效率和精度都將具有很大的工程應(yīng)用價(jià)值，為輸電線路異物識(shí)別提供了新的手段。

參考文獻(xiàn)

[1]肖世杰.構(gòu)建中國(guó)智能電網(wǎng)技術(shù)思考[J].電力系統(tǒng)自動(dòng)化，2009，33（9）：1-4.

[2]Li Z，Liu Y，Walker R，et al. Towards automatic power line detection for a UAV surveillance system using pulse coupled neural filter and an improved Hough transform[J].Machine Vision and Applications，2010，21（5）：677-686.

[3]Chan T S，Yip R K K. Line Detection Algorithm[C]// International Conference on Pattern Recognition.IEEE Xplore，1996：126-130 vol.2.

[4]Aggarwal N，Karl W C. Line detection in images through regularized Hough transform.[J].Image Processing IEEE Transactions on，2006，15（3）：582-91.

[5]張春森.基于Hough變換的空間點(diǎn)位自動(dòng)檢測(cè)[J].計(jì)算機(jī)工程，2006，32（13）：200-202.

[6]王化楠.Hough變換在視覺(jué)檢測(cè)系統(tǒng)中的應(yīng)用研究[D].大連理工大學(xué)，2006.

[7]劉西成.隨機(jī)噪聲濾除及運(yùn)動(dòng)模糊圖像復(fù)原技術(shù)研究[D].西北工業(yè)大學(xué)，2006.

[8]吳玉蓮.圖像處理的中值濾波方法及其應(yīng)用[D].西安電子科技大學(xué)，2006.

[9]李俊峰.雙邊濾波算法的快速實(shí)現(xiàn)及其在圖像處理的應(yīng)用[D].南方醫(yī)科大學(xué)，2013.

[10]胡穎.Otsu算法的研究及改進(jìn)[J].棗莊學(xué)院學(xué)報(bào)，2009，26（5）：68-72.

[11]夏磊，蔡超，周成平，等.一種用Hough變換檢測(cè)圓的快速算法[J].計(jì)算機(jī)應(yīng)用研究，2007，24（10）：197-199.

[12]歐祥印.基于HOUGH變換對(duì)已知形狀的圖像識(shí)別與特征點(diǎn)的計(jì)算[D].吉林大學(xué)，2005.