錢金菊+韓正偉+易琳+向林+許志海

摘要：高效、安全的無人機電力巡線已經(jīng)成為了高壓輸電線路巡檢的一種重要的方式。通過對無人機航拍采集到的通道圖像進行分析與處理，我們可以發(fā)現(xiàn)線路部件是否出現(xiàn)缺陷。圖像處理技術(shù)可以突破處理海量圖像的技術(shù)瓶頸，替代人工觀察檢測圖像，降低了因為人為導致的誤檢率，在無人機電力巡檢中具有良好的應用前景。本文闡述了國內(nèi)外無人機電力巡線中圖像處理技術(shù)的研究現(xiàn)狀，分析了圖像處理在電力巡檢中的典型干擾因素，并探討了圖像處理在電力巡檢中的應用。

【關(guān)鍵詞】輸電線路 圖像處理 無人機巡檢 電力巡檢

在電力行業(yè)，由于電力線路覆蓋范圍廣、所在地形復雜、自然環(huán)境惡劣等特點，電力部門每年需要花費巨大的人力和物力進行電力巡檢。無人機電力巡線因為安全性高、不受地理條件限制、巡線效率高，已經(jīng)逐漸成為了我國輸電線路巡檢的一種重要方式。在無人機電力巡檢過程中，無人機機載攝像設(shè)備拍攝了大量的輸電線路圖像，我們通過對采集到的圖像進行分析處理，可以發(fā)現(xiàn)桿塔、導地線、絕緣子等部件的運行狀態(tài)。利用圖像處理技術(shù)對這些部件的檢測分析，我們可以得到線路的基本運行狀況，發(fā)現(xiàn)線路部件缺陷。

目前，智能診斷線路部件缺陷的技術(shù)尚不成熟，但圖像預處理技術(shù)和圖像檢測技術(shù)能有效提高無人機巡檢圖像處理的使用水平。本文通過剖析電力巡檢中圖像預處理技術(shù)和圖像檢測技術(shù)，研究圖像處理技術(shù)在國內(nèi)外電力巡線中的研究狀況，分析圖像處理應用中的主要干擾因素，提高無人機電力巡檢的作業(yè)效率，實現(xiàn)系統(tǒng)性功能的提升。

1 國內(nèi)外研究現(xiàn)狀

無人機是一門綜合性學科，包含了姿態(tài)控制、航空電子、圖像處理等多門學科。其中，圖像處理在判斷線路運行狀況方面有著重要的作用。目前，我國的無人機巡線技術(shù)的研究起步較歐洲等發(fā)達國家晚很多，我國從20世紀80年代開始進行無人機巡線方面的研究，2002年華北電網(wǎng)公司正式啟動無人機電力巡線項目。但是目前國內(nèi)無人機電力巡線項目還處于硬件開發(fā)層面，而發(fā)達國家已經(jīng)逐漸關(guān)注后續(xù)的圖像數(shù)據(jù)處理方面，其巡檢技術(shù)已經(jīng)相對完善。Campoy和Mejias將機器視覺應用于無人直升機巡視導航，實現(xiàn)了無人機路徑導航。日本關(guān)西和千葉大學共同開發(fā)了無人機線路檢測系統(tǒng)，其特點是故障自檢和圖像實時監(jiān)測。所以，我們對圖像處理在無人機電力巡檢方面的研究是十分必要的。

2 圖像處理在電力巡檢中的典型干擾因素

圖像處理在電力巡檢中的應用中會遇到很多干擾因素，對輸電線路巡檢工作造成了很大的困擾。在電力巡檢過程中，典型的干擾因素如下：

2.1 光學像差

在光學系統(tǒng)中，存在著遠軸區(qū)產(chǎn)生的實際像與近軸區(qū)產(chǎn)生的理想像之間的偏離。這些像差嚴重影響了圖像的質(zhì)量，會導致檢測電力部件時準確率降低。

2.2 輻射失真

利用傳感器觀測目標的反射或輻射能量時，輻射的失真導致了遙感圖像的失真，進一步影響遙感圖像的判讀和解釋。

2.3 幾何失真

由于傳感器的不同及無人機飛行姿態(tài)的干擾等因素，導致電力巡檢中獲取的無人機圖像失真扭曲，這類圖像退化現(xiàn)象稱為幾何失真。

2.4 運動模糊

由于無人機在飛行過程中其成像系統(tǒng)受到運動、姿態(tài)變化、機械振動等影響比較常見，所以運動模糊對無人機電力巡檢的干擾尤為嚴重。

2.5 噪聲

圖像噪聲是無人機在攝取或傳輸圖像時所受的隨機信號干擾，在圖像中出現(xiàn)了椒鹽噪聲或高斯噪聲等。噪聲對無人機電力巡檢的干擾是非常嚴重的。

2.6 四季變化、光照、復雜場景等

這些因素導致了輸電線路附近的自然環(huán)境和景象的不斷變化。輸電線路及其相關(guān)部件的圖像背景也會變得非常復雜，干擾增多。這對復雜場景下的目標提取與識別做出了很高的要求。

3 圖像處理在電力巡檢中的應用

3.1 圖像預處理

針對上述典型干擾因素的影響，結(jié)合圖像處理在電力巡檢中的應用，也為了保證電力巡檢的后續(xù)圖像檢測的準確性，我們需要對無人機采集到的圖像進行一些相關(guān)圖像處理。

3.1.1 圖像亮度調(diào)整

由于一個給定目標亮度在不同場景中可能引起不同的亮度感覺，或者拍攝圖像的亮度過亮或過暗，導致了計算機識別難度的增加，所以我們對亮度進行調(diào)整是十分必要的。這可以細分為三類方法：

（1）轉(zhuǎn)換到HSL（HSV）顏色空間調(diào)整。這可以說是最直觀也是最低效的方法：因為HSL顏色空間天然有一個L分量表示亮度，直接進行調(diào)整即可。但是這種方法有很大的缺陷就是低效。由于電腦屏幕本身的特點決定了多數(shù)圖像在RGB色彩空間被解析，所以需要轉(zhuǎn)換為HSL，方便圖像的進一步處理。

（2）線性調(diào)整。線性調(diào)整可以直接對像素值進行調(diào)整，這樣的好處是更直觀的表示出電力巡檢需要突出的物體，所以對亮度的線性調(diào)整是必需的。圖像亮度計算公式如下：

l= （max（rgb）+min（rgb））/2

（1）

式中，rgb代表圖像RGB三個通道的像素值，1表示圖像亮度。

所以，同時對三個通道進行調(diào)整也就近似地直接調(diào)整1值。

（3）曲線調(diào)整。以上方法調(diào)節(jié)亮度會有一個常見的問題：圖像的亮度變化不分層，通常整個區(qū)域有明暗，所以調(diào)整圖像層的整體亮度是有益的。

3.1.2 圖像對比度調(diào)整。

圖像的對比度調(diào)整就是在保證平均亮度不變的情況下，擴大或縮小亮暗點的差異。調(diào)整公式如下：

l_out=l_average+（l_n-l_average）*（l+percent） （2）

其中，l_n表示原始像素點亮度，l_average表示整張圖片的平均亮度，l_out表示調(diào)整后的亮度，而percent即調(diào)整范圍[-1，1]。endprint

3.1.3 去除霧雨背景

在陰霾或陰雨天氣中，可見度降低。去除圖像中遮擋真實物體的霧雨，恢復真實背景信息是有必要的。從圖像類型的角度來看，目前的除霧方法分為兩種：基于單幀的去霧方法和基于視頻的去霧方法。

對于基于視頻的檢測，主要利用霧雨特點，達到目的。Stank和Werman認為雨線更明亮，時域變化很快，建議使用時域中每個像素的中值濾波器去除雨滴。但這種方法只能對簡單視頻做出有效處理。針對運動視頻來說，Garg和Nayar建立了霧雨相關(guān)模型，并開發(fā)了描述物理特性的模型來表達雨的像素值。Baraum等引入了頻域來過濾掉雨雪，并且很有成效。Bossu等設(shè)計了基于背景分離的圖像處理模型，通過檢測前景圖像大小和亮度，然后通過直方圖來檢測雨線，去除霧雨。

單一圖像去霧方法方面，雙邊濾波是基于高斯濾波函數(shù)的，邊緣的像素影響很小，這樣可以在去除霧雨的時候更好地保持邊緣像素。Buades等人提出了全局濾波來更好地處理圖像中的霧噪聲?；谧钚《朔ǖ臑V波器的思想是保持平滑的優(yōu)化框架，使得圖像濾波的效果達到最佳。有指導的圖像濾波器是通過引導圖像的內(nèi)容產(chǎn)生輸出的局部線性模型導出的，其中指導圖像可以是輸入圖像本身或另一不同圖像，有指導的圖像濾波器比雙邊濾波器具有更好的邊緣特征保留。

3.1.4 圖像拼接

由于無人直升機機載攝像機分辨率很有限，所以導致拍攝場景越大，但是圖像分辨率越低。我們無法在獲取大場景照片的條件下有效提升圖像分辨率，所以我們可以通過圖像拼接融合來滿足實際生產(chǎn)工作中的需求。

由于拍攝環(huán)境復雜多變，所以沒有這樣的算法來解決圖像匹配問題。根據(jù)相似判斷標準，圖像匹配方法可以分為三類：基于輪廓特征、基于模型匹配和基于頻域的圖像匹配?；谔卣鞯姆椒ú恢苯邮褂脠D像像素值，而從圖像的特征導出像素，然后取出有效特征作為參考，匹配圖像疊加的相應特征區(qū)域。這種拼接算法具有很強的魯棒性和魯棒性?；谀Ｐ偷钠ヅ浜馁M時間較長而且效率不高。圖像旋轉(zhuǎn)，會導致該方法性能下降?；陬l域變換的方法計算量過大，對工程設(shè)備要求較高。

一般來說，灰度在兩幅圖像邊界上的細微差別將導致明顯的差距，但實際圖像拼接的灰度差是不可避免的，因此圖像融合可以有效的對這種情況做出處理。通過采用平滑重疊部分的漸進方法。實現(xiàn)從第一圖像到第二圖像的轉(zhuǎn)變。

其中d₁和d₂分別表示與重疊區(qū)域的寬度相關(guān)的權(quán)重值。

3.2 圖像識別

傳輸線路識別就是找到由計算機拍攝的圖像中的傳輸線區(qū)域。傳輸線的拍攝經(jīng)常伴隨著復雜天氣的影響下，因此，目標提取很多時候是很困難的，我們必須使用圖像處理算法的強適用性來解決圖像識別問題。比如，基于統(tǒng)計的方法具有適用性強的特點，其中Adaboost算法可以有較好的識別效果。具體如下：

Adaboosr算法通過組合弱分類器而得到的強分類器，算法運算快，解決了檢測速度慢的問題，而且使得電力線路檢測模型具有更好的識別效果。

4 結(jié)論

高壓輸電線路故障將導致大面積電網(wǎng)斷電，這可能導致道路交通擁堵，鐵路停電，商業(yè)機構(gòu)和政府部門癱瘓等重大后果。因此，為了確保電力系統(tǒng)安全可靠，及時發(fā)現(xiàn)異?，F(xiàn)象和潛在故障，日常電力檢查具有重要意義。無人機電力巡檢己逐漸成為我國線路檢測的重要途徑，圖像處理已成為自動電力線檢測發(fā)展的方向。圖像處理技術(shù)將應用于無人機動力檢測線的各個環(huán)節(jié)，大力推動中國無人機電力巡檢的發(fā)展，保護中國電力系統(tǒng)的正常運行。

電力巡線圖像處理，包括圖像預處理、圖像檢測和模式識別，涉及了多個前沿學科和技術(shù)。我們相信隨著我國無人機自動巡線的發(fā)展，圖像處理必然成為國內(nèi)外電力巡線的研究熱點，在其中能發(fā)揮不可替代的實用價值。

參考文獻：

[1] Mej í as L， Correa J F，Mondrag 6 n IF， et al. COLIBRI： A vision-guided UAV for surveillance and visual inspection[J]. 2007： 2760-2761.

[2] Montambault S， Beaudry J， Toussaint K， et al On the application of VTOL UAVs to the inspection of power utility assets [C] . International Conference on Applied Robotics for the Power Industry. 2010： 1-7.

[3] Katrasnik J， Pernus F， Likar B. A Survey of Mobile Robots for Distribution Power Line Inspection[J]. IEEE Transactions on Power Delivery， 2010， 25 （01）： 485-493.

[4]Garg K，Nayar SK.Detection and removal of rain from videos.Computer Vision and Pattern Recognition，2004 CVPR 2004 Proceedings of the 2004 IEEE Computer Society Conference on： IEEE； 2004. p. I-528-I-35 Vol.l.

[5] Garg K， Nayar SK. Vision and rain [J]， International Journal of Computer Vision， 2007； 75： 3-27.

[6] Barnum P， KanadeT， Narasimhan SG Spatio-temporal frequency analysis for removing rain and snow from videos. Proceedings of the First International Workshop on Photometric Analysis For Computer Vision-PACV 2007.

[7] BarnumPC， Nara s imhan S， Kanade T. Analysis of rain and snow in frequency space[J]. International journal of computer vision，2010； 86： 256-74.

[8] FreundY， Schapir E R. A Short Introduction to Boosting [J]. Journal of Japanese Society For Artificial Inteligence， 1999， 14 （05） ： 771-78 0.endprint