趙常威，李森林，程登峰，操松元，嚴(yán) 波，陳 忠

(1.國(guó)網(wǎng)安徽省電力公司 電力科學(xué)研究院，合肥 230022；2.國(guó)網(wǎng)安徽省電力公司，合肥 230061)

基于切比雪夫多項(xiàng)式描述子的復(fù)雜背景下輸電線路提取算法

趙常威1，李森林1，程登峰1，操松元2，嚴(yán) 波2，陳 忠1

(1.國(guó)網(wǎng)安徽省電力公司 電力科學(xué)研究院，合肥 230022；2.國(guó)網(wǎng)安徽省電力公司，合肥 230061)

在電力系統(tǒng)中，利用計(jì)算機(jī)視覺和圖像處理技術(shù)對(duì)輸電線路的進(jìn)行檢測(cè)，在保障電力系統(tǒng)的安全運(yùn)行方面具有非常重要的作用；針對(duì)復(fù)雜背景下的輸電線路，提出了一種基于切比雪夫多項(xiàng)式描述子輸電線路提取算法，該算法首先對(duì)輸入圖像進(jìn)行預(yù)處理，其次利用隨機(jī)Hough 變換提取圖像中的直線和曲線，然后利用切比雪夫多項(xiàng)式描述子的曲線描述優(yōu)勢(shì)，對(duì)所提取的對(duì)象進(jìn)行特征描述，為了提高提取的精確度，通過K-means聚類分析方法來訓(xùn)練視覺字典，通過視覺字典的比對(duì)，最終確定圖像中的輸電線路；實(shí)驗(yàn)結(jié)果說明了所提出的算法可以精確地提取復(fù)雜背景下的輸電線路。

切比雪夫多項(xiàng)式描述子；隨機(jī)Hough變換；輸電線路；K-means聚類；曲線描述

0 引言

在電力系統(tǒng)中，架空線路輸電是電力工業(yè)發(fā)展以來所采用的主要輸電方式。依賴于人工對(duì)輸電線路進(jìn)行巡檢和維護(hù)的方式不僅效率低、成本高，而且存在著很大的安全性問題。隨著智能技術(shù)的發(fā)展，利用計(jì)算機(jī)視覺和圖像處理技術(shù)對(duì)輸電線路的進(jìn)行檢測(cè)，在保障電力系統(tǒng)的安全運(yùn)行方面具有非常重要的作用。由于圖像數(shù)據(jù)獲取易受到傳感器、拍攝環(huán)境、拍攝角度等多種因素的影響，所獲得的圖像都不是單純的輸電線路，大多含有復(fù)雜的背景，研究復(fù)雜背景下的輸電線路的提取算法具有重要的意義。

近期，研究者們提出了許多在可見光圖像中利用計(jì)算機(jī)視覺和圖像處理技術(shù)來識(shí)別提取輸電線路的算法。文獻(xiàn)[1]提出了一種在復(fù)雜自然背景條件下,用Ratio算子和分段Radon變換從航空影像中自動(dòng)提取550 kV高壓電力線的算法，該方法能自動(dòng)提取復(fù)雜自然背景下的高壓電力線； 文獻(xiàn)[2]在利用Canny算子提取圖像邊緣、Hough 變換生成破碎直線段的基礎(chǔ)上提出一種根據(jù)電力線的幾何特征恢復(fù)完整電力線的算法, 該算法可以無人機(jī)航拍影像中提取出完整的電力線；文獻(xiàn)[3]在分析輸電線路無人機(jī)巡檢系統(tǒng)航拍圖像中電力線特征的基礎(chǔ)上，運(yùn)用 Ratio算子和Hough變換，提出一種基于特征檢測(cè)的電力線提取算法；文獻(xiàn)[4]提出了一種基于Hough 變換和支持向量機(jī)(SVM)的輸電線路檢測(cè)算法，將該算法用于檢測(cè)毫米波雷達(dá)所獲取的視頻圖像；文獻(xiàn)[5]利用多個(gè)激光器用于定位，提出了一種基于HSV空間奇異值分解的輸電線路檢測(cè)算法，用于復(fù)雜環(huán)境和背景條件下的輸電線路檢測(cè)；文獻(xiàn)[6]提出了一種基于隨機(jī)Hough 變換和線追蹤技術(shù)的電力線檢測(cè)算法，并指出大多數(shù)的已有的電力線檢測(cè)工作側(cè)重于直線檢測(cè)，并不能應(yīng)用于具有較大曲率電力線圖像的檢測(cè)；目前在電力線提取方面有一定成果，但在復(fù)雜背景中提取電力線還是存在提取的電力線斷裂不完整、算法復(fù)雜不穩(wěn)定等不足之處[7]。

現(xiàn)有的輸電線路檢測(cè)算法很多處理的是航拍圖像或視頻，其中大多的航拍圖像或視頻中的輸電線路成直線狀或近乎于直線，實(shí)際上，由于輸電線路的圖像或視頻數(shù)據(jù)獲取受到傳感器、拍攝環(huán)境、拍攝角度等多種因素的影響，輸電線路的形狀可能并不是呈現(xiàn)直線、拋物線等規(guī)則形狀，而是一些復(fù)雜的曲線。針對(duì)上述問題，本文提出了一種基于切比雪夫多項(xiàng)式描述子的復(fù)雜背景下輸電線路提取算法，該算法利用隨機(jī)Hough 變換提取圖像中的直線和曲線，然后利用切比雪夫多項(xiàng)式描述子對(duì)所提取的對(duì)象進(jìn)行特征描述，并通過K-means聚類分析方法來訓(xùn)練視覺字典，通過視覺字典的比對(duì)，最終確定圖像中的輸電線路。

1 圖像預(yù)處理與特征提取

1.1 圖像濾波

由于圖像獲取的復(fù)雜性，直接對(duì)圖像進(jìn)行特征提取往往效果不好，在進(jìn)行圖像處理與分析之前，需要對(duì)包含輸電線路的圖像進(jìn)行必要的預(yù)處理以達(dá)到減少噪聲等因素的影響。首先對(duì)圖像進(jìn)行中值濾波，中值濾波可以克服邊緣模糊和噪聲等問題，可以較好地保留輸電線路的邊緣信息；利用直方圖均衡化來增強(qiáng)圖像的對(duì)比度，以方便輸電線路的定位；然后利用閾值分割法獲得二值圖像以實(shí)現(xiàn)前景和背景的分離。

1.2 特征提取

Hough變換是一種提取邊緣特征的方法，可以提取直線、圓、橢圓、曲線等形狀[8]。傳統(tǒng)的Hough變換雖然具有簡(jiǎn)單以及對(duì)于局部瑕疵是不敏感的優(yōu)點(diǎn)，但存在著計(jì)算時(shí)間長(zhǎng)，在復(fù)雜背景下容易誤檢測(cè)的缺點(diǎn)，隨機(jī)Hough變換[9]在提取邊緣像素時(shí)采用的是一種隨機(jī)的方法，效率高，同時(shí)對(duì)圖像的噪聲更魯棒[10]，因此采用隨機(jī)Hough變換來提取輸電線路。

2 切比雪夫多項(xiàng)式描述子

在計(jì)算機(jī)視覺和圖像處理領(lǐng)域中，圖像邊界是非常有用的信息，圖像的邊界一般表示成一個(gè)封閉的或者開的曲線，研究者提出了很多描述閉曲線的方法，如傅里葉描述子[11]、隱含多項(xiàng)式曲線[12]、曲率尺度空間[13]等，實(shí)際上，很多從圖像中提取得形狀是開的，如數(shù)字簽名[14]、含有蟲蛀缺陷的植物器官的形狀[15]等，因此一些開曲線的描述子，如：p型傅里葉描述子(P-type Fourier descriptor)、跟蹤開曲線(tracing open curves)等,上述開曲線描述子存在著對(duì)噪聲敏感、計(jì)算復(fù)雜度高等缺點(diǎn)[16]，因此，文獻(xiàn)[16]提出了切比雪夫多項(xiàng)式描述子(Chebyshev polynomial descriptors，CPDs)用于描述開曲線，該描述子具有很強(qiáng)的開曲線表示能力、準(zhǔn)確性和穩(wěn)定性高，計(jì)算簡(jiǎn)單等優(yōu)點(diǎn)?？紤]到電力線的特征，我們選用切比雪夫多項(xiàng)式描述子來描述電力線。

切比雪夫多項(xiàng)式定義為:

P0(t)=1,P1(t)=t，Pm(t)=

2tPm-1(t)-Pm-2(t),m=2,3,…

(1)

一維函數(shù)f(t)可展開為:

(2)

實(shí)際中，為了實(shí)現(xiàn)可計(jì)算性，一般取前m項(xiàng)作為f(t)的近似值，即:

(3)

一個(gè)開曲線C的參數(shù)方程可以表示為Z(t)=(x(t),y(t),t∈[0,L])，其中x(t)與y(t)表示長(zhǎng)度為t時(shí)的曲線橫坐標(biāo)和縱坐標(biāo)，是關(guān)于長(zhǎng)度t的函數(shù)，L是曲線的總長(zhǎng)度。x(t)與y(t)可以看成是兩個(gè)一維函數(shù)，按照切比雪夫多項(xiàng)式展開為:

(4)

其中:系數(shù)ai(i=0,1,…,m-1),bi(i=0,1,…,m-1),稱為曲線C的切比雪夫多項(xiàng)式描述子(CPDs)記為TC=(a0,a1,…,am-1,b0,b1,…,bm-1)。詳見文獻(xiàn)[16]。

3 輸電線路的提取

在訓(xùn)練階段，提取大量特征作為訓(xùn)練集，為了減少冗余的特征，首先利用聚類分析方法來選擇代表性的特征即視覺字典，本文使用K-Means作為聚類方法，K-Means聚類[17]的是一種無監(jiān)督學(xué)習(xí)方法，應(yīng)用非常廣的，是一個(gè)迭代的算法，其學(xué)習(xí)策略是最小化所有樣本到對(duì)應(yīng)聚類中心的聚類的平方和，從而使生成的相同類簇的樣本盡可能緊湊，不同類別之間的樣本盡可能分開。它是一種簡(jiǎn)單、快速的空間聚類方法，也是較為實(shí)用的聚類算法。K-Means算法[18]描述如下：

2)其次計(jì)算每個(gè)樣本點(diǎn)分別到K個(gè)中心點(diǎn)的距離，

(5)

并把每個(gè)樣本標(biāo)記為離它最近的中心點(diǎn)那一類；

3)根據(jù)當(dāng)前樣本的類別更新中心點(diǎn);

4)如果中心點(diǎn)沒更新則結(jié)束否則轉(zhuǎn)到2)繼續(xù)迭代。

最后電力線的視覺字典可以表示為：

L={(T1,μ1),(T2,μ2),…,(Tk,μk)}

(6)

其中：Tk表示第k個(gè)視覺單詞的直方圖向量，它是第k類中所有特征向量的平均值。μi(i=1,…,k)為匹配閾值，通過訓(xùn)練樣本來獲得。

圖1 本文算法的流程圖

4 實(shí)驗(yàn)結(jié)果與分析

本文使用大量含有輸電線路的圖像作為訓(xùn)練樣本，實(shí)驗(yàn)是在Windows 7環(huán)境下，編譯軟件為Visual Studio 2010和Matlab 2012(b)_，電腦配置為Intel core i7-4790 CPU@3.6 GHz，8核。

圖2是本文算法對(duì)輸電線路的檢測(cè)結(jié)果。圖2(a)是原始圖像，從圖中可以看出，圖像中含有多條輸電線路，還有建筑、樹木等復(fù)雜背景。圖2(b)是利用隨機(jī)Hough變換檢測(cè)出的曲線(灰色部分)，可見除了輸電線路之外，還有一些其他曲線，需要進(jìn)一步進(jìn)行判別，圖2(c)是利用在進(jìn)行視覺字典匹配之后，曲線是被識(shí)別為輸電線路和非輸電線路，圖2(d)為最終檢測(cè)結(jié)果，從結(jié)果可以發(fā)現(xiàn)，圖像中可見的輸電線路均已檢測(cè)出來。

圖2 輸電線路的檢測(cè)

5 結(jié)論

輸電線路的檢測(cè)是電力傳輸系統(tǒng)中非常重要的問題，為了解決復(fù)雜背景下的輸電線路檢測(cè)問題，本文提出了一種基于切比雪夫多項(xiàng)式描述子的復(fù)雜背景下輸電線路提取算法，該算法利用隨機(jī)Hough 變換提取圖像中的直線和曲線，然后利用切比雪夫多項(xiàng)式描述子的曲線描述優(yōu)勢(shì)，對(duì)所提取的對(duì)象進(jìn)行特征描述，并通過K-means聚類分析方法來訓(xùn)練視覺字典，通過視覺字典的比對(duì)，檢測(cè)出圖像中的輸電線路。

實(shí)驗(yàn)結(jié)果說明了本文方法可以精確地提取復(fù)雜背景下的輸電線路。但從實(shí)驗(yàn)結(jié)果看，本文算法只能夠檢測(cè)出圖像中可見的輸電線路，在檢測(cè)出的9條輸電線路中，有一條并不完整，這是由于該輸電線路可見度很低，未檢測(cè)部分基本不可見，這需要進(jìn)一步進(jìn)行經(jīng)驗(yàn)判斷，也是我們今后的研究方向。

[1] 李朝陽，閻廣建,等. 高分辨率航空影像中高壓電力線的自動(dòng)提取[J].中國(guó)圖象圖形學(xué)報(bào), 2007, 12(6):1041-1047.

[2] 李彩林，馮朝暉,等.復(fù)雜地物背景下的電力線提取方法[J].計(jì)算機(jī)工程與應(yīng)用，2016,52(22):198-202.

[3] 張少平，楊 忠,等.基于特征檢測(cè)的航拍圖像電力線提取方法[J].應(yīng)用科技，2012，39(5):36-39.

[4] Ma Q R, Goshi D S, Shih Y C, et al.An algorithm for power line detection and warning based on a millimeter-wave radar video[J].IEEE Transactions on Image Processing,2011,20(12):3534-3543.

[5] Song W, Hu X R, Fu J, et al.The method of hybrid-laser image spot extracts based on HSV space SVD for power transmission line detection[A].2016 IEEE International Conference on Information and Automation (ICIA)[C].2016:1361-1364.

[6] Baker L, Mills S, Langlotz T,et al.Power line detection using Hough transform and line tracing techniques[A].2016 International Conference on Image and Vision Computing，New Zealand (IVCNZ)[C].2016:1-6.

[7] 汪 林， 王燕午， 千 琳， 等.基于無人機(jī)的航空影像電力線提取方法的研究[J].城市勘測(cè)，2013，3：92-95.

[8] Ren D, Wang Q, Sun F. A fast and effective algorithm based on improved Hough transform[J]. Journal of the Indian Society of Remote Sensing, 2016, 44(3):465-469.

[9] Xu L, Oja E, Kultanen P.A new curve detection method:Randomized Hough transform (RHT)[J]. Pattern Recognition Letters,1990, 11: 331-338.

[10] Baker L, Mills S, Langlotz T,et al.Power line detection using Hough transform and line tracing techniques[A].2016 International Conference on Image and Vision Computing New Zealand (IVCNZ)[C].2016:1-6.

[11] Zahn C T, Roskies R Z. Fourier descriptors for plane closed curves[J]. IEEE Trans，Comput, 1972，21(3)：269-281.

[12] Rouhani M, Sappa A. Implicit polynomial representation through a fast fitting error estimation[J]. IEEE Trans. Image Process, 2012，21(4)：2089-2098.

[13] Mokhtarian F, Mackworth A K. A theory of multiscale curvature-based shape representation for planar curves[J]. IEEE Trans.Pattern Anal.Mach.Intell.,1992，14 (8) ：789-805.

[14] Mori M, Uchida S, Sakano H. Global feature for online character recognition[J]. Pattern Recognit.Lett., 2014，35 (1)：142-148.

[15] Tanaka E, Tamura Y, Hosoya M, et al. Protrusion fourier descriptor:skeleton-based representation of open curves[J]. Forma， 2008，23(1)：9-18.

[16] Wu G, Zhang Y C,A new Chebyshev polynomials descriptor applicable to open curves[J].Pattern Recognition Letters,2015,62:41-48.

[17] Macqueen J. Some methods for classification and analysis of multivariate observations[A]. Berkeley Symposium on Mathematical Statistics and Probability[C]. 1967:281-297.

[18]吳文峰.基于局部特征字典的圖像分類算法研究[D].深圳:深圳大學(xué)，2012.

Transmission Line Extraction Algorithm Based on Chebyshev Polynomial Descriptors in Complex Background

Zhao Changwei1，Li Senlin1，Cheng Dengfeng1，Cao Songyuan2，Yan Bo2, Chen Zhong1

(1.Electric Power Research Institute of State Grid Anhui Electric Power Company, Hefei 230022,China;2.State Grid Anhui Electric Power Company, Hefei 230061,China)

In the power system, there is a very important role in the protection of the safe operation of the power system by using computer vision and image processing technology to detect the transmission line. For the complex background, a transmission line detecting algorithm based on the Chebyshev polynomial descriptors(CPDs) is proposed. The algorithm firstly preprocesses the input image. Secondly, the random Hough transform is used to extract the straight lines and curves in the image, which are then described by the CPDs. In order to improve the accuracy of the extraction, the K-means clustering analysis method is used to train the visual dictionary, and the transmission lines in the image are finally determined by the comparison of the visual dictionary. The experimental results show that the proposed algorithm can accurately extract the transmission lines in complex background.

Chebyshev polynomial descriptors;random Hough transform; transmission line; K-means clustering; curve description

2017-05-08；

2017-05-22。

趙常威(1988-)，男，碩士，工程師，主要從事輸電線路狀態(tài)監(jiān)測(cè)技術(shù)方向的研究。

1671-4598(2017)12-0170-02

10.16526/j.cnki.11-4762/tp.2017.12.044

TP391.41

A