趙浩程，雷俊峰，王先培，趙 樂(lè)，田 猛，曹文彬，姚鴻泰，蔡兵兵

(武漢大學(xué)電子信息學(xué)院，湖北 武漢 430072)

隨著高壓輸電線(xiàn)網(wǎng)絡(luò)的不斷建設(shè)，電力線(xiàn)的安全性檢測(cè)與維護(hù)工作變得越加繁重。傳統(tǒng)的人工巡檢電力線(xiàn)方式無(wú)法滿(mǎn)足日益繁重的電力線(xiàn)巡檢工作要求。因此，電力企業(yè)開(kāi)始大范圍使用搭載攝像頭的無(wú)人機(jī)進(jìn)行電力線(xiàn)巡檢。但復(fù)雜多變的背景(如河流、數(shù)目、草地、房屋、農(nóng)田等)對(duì)電力線(xiàn)識(shí)別過(guò)程造成了困難。因此，如何從充滿(mǎn)復(fù)雜背景的航拍圖像中完整準(zhǔn)確地識(shí)別出電力線(xiàn)已成為電力線(xiàn)無(wú)人巡檢的關(guān)鍵問(wèn)題之一[1-7]。

近年來(lái)，國(guó)內(nèi)外科研人員對(duì)從航拍圖像中檢測(cè)電力線(xiàn)進(jìn)行了許多研究。其中，文獻(xiàn)[8]利用搜索聚類(lèi)算法與形態(tài)學(xué)處理相結(jié)合降低了圖像中的背景噪音，并使用閾值區(qū)間方法計(jì)算Hough變換的參數(shù)自適應(yīng)估算，從而識(shí)別出圖像中的輸電線(xiàn)，但該方法參數(shù)選擇過(guò)程復(fù)雜，識(shí)別效果在低對(duì)比度的情況下較差。文獻(xiàn)[9]設(shè)計(jì)了一種電力線(xiàn)快速提取算法，該算法將形態(tài)學(xué)處理、Canny算子和Hough變換相結(jié)合，實(shí)現(xiàn)了對(duì)電力線(xiàn)的完整提取，但該方法的穩(wěn)健性較差，處理不同背景下的電力線(xiàn)效果差別較大。文獻(xiàn)[10]使用黑塞矩陣實(shí)現(xiàn)了對(duì)圖像的邊緣檢測(cè)，然后利用隨機(jī)Hough變換檢測(cè)各條塊區(qū)域內(nèi)的輸電線(xiàn)，但該方法只針對(duì)電力線(xiàn)從左到右橫跨圖像的情況，未對(duì)電力線(xiàn)從上到下跨越圖像的情況進(jìn)行分析。

針對(duì)上述方法對(duì)背景復(fù)雜航拍圖像的電力線(xiàn)識(shí)別問(wèn)題，本文提出一種復(fù)雜背景下電力線(xiàn)識(shí)別新方法。為提高圖像對(duì)比度，首先對(duì)無(wú)人機(jī)俯拍圖像進(jìn)行直方圖均衡化處理，增強(qiáng)邊緣檢測(cè)效果；然后為適應(yīng)多種復(fù)雜背景，使用無(wú)參數(shù)的邊緣繪圖-參數(shù)自由(edge drawing-parameter free,EDPF)算法檢測(cè)電力線(xiàn)邊緣與濾除大量背景噪聲，同時(shí)將LoG算子引入EDPF算法中改善錨點(diǎn)的選擇過(guò)程；最后將先驗(yàn)知識(shí)與Radon變換相結(jié)合實(shí)現(xiàn)對(duì)電力線(xiàn)的準(zhǔn)確識(shí)別。

1 復(fù)雜背景下電力線(xiàn)識(shí)別

無(wú)人機(jī)低空俯拍的電力線(xiàn)圖像具有對(duì)比度低、電力線(xiàn)近似為直線(xiàn)、電力線(xiàn)寬度較窄、背景復(fù)雜等特點(diǎn)。根據(jù)這些特征，本文算法主要包括圖像增強(qiáng)處理、圖像邊緣檢測(cè)、電力線(xiàn)識(shí)別等。

1.1 電力線(xiàn)圖像增強(qiáng)處理

航拍圖像中存在對(duì)比度低和灰度分布不均勻的現(xiàn)象，因此需要利用直方圖均衡化方法[11]對(duì)電力線(xiàn)圖像進(jìn)行處理，該方法是將原圖像的直方圖中灰度分布調(diào)整為均勻分布。如圖1—圖3所示。

從直方圖均衡化后的灰度圖(如圖4所示)可知，雖然電力線(xiàn)得到了增強(qiáng)，但是仍然受到復(fù)雜背景的干擾。

1.2 電力線(xiàn)圖像邊緣檢測(cè)

為完整地檢測(cè)出電力線(xiàn)邊緣并濾除復(fù)雜背景的干擾，本文利用無(wú)參數(shù)、適應(yīng)性強(qiáng)的EDPF算法實(shí)現(xiàn)對(duì)電力線(xiàn)邊緣的檢測(cè)。EDPF算法[12]是從ED(edege drawing)算法[13]發(fā)展而來(lái)。ED算法與傳統(tǒng)的邊緣檢測(cè)器Canny、Ratio、形態(tài)學(xué)檢測(cè)方法不同，傳統(tǒng)的邊緣檢測(cè)器通過(guò)閾值梯度幅度聚類(lèi)以確定邊緣元素，而ED算法先沿著行和列調(diào)用稀疏點(diǎn)(稱(chēng)為錨點(diǎn))，然后通過(guò)智能的啟發(fā)式邊緣追蹤程序連接這些錨點(diǎn)。該算法主要分為4個(gè)步驟：

(1) 對(duì)圖像進(jìn)行濾波操作，如利用高斯濾波器，以抑制噪聲并平滑圖像。

(2) 計(jì)算平滑圖像的每個(gè)像素處的梯度大小和方向，可以使用任何已知的梯度算子，如Prewitt、Sobel、Scharr等。

(3) 計(jì)算一組特殊像素，稱(chēng)為錨點(diǎn)，這些像素是具有很高概率邊緣元素的像素。錨對(duì)應(yīng)于由梯度算子產(chǎn)生最大值的像素，即梯度圖的峰值。

(4) 通過(guò)在邊緣點(diǎn)之間繪制邊緣來(lái)連接步驟(3)中計(jì)算的錨點(diǎn)。

EDPF算法是所有參數(shù)處于最大值時(shí)的原始ED算法，以檢測(cè)所有的可能邊緣段，然后利用亥姆霍茲原理檢測(cè)出無(wú)效的假性線(xiàn)段。對(duì)線(xiàn)段的驗(yàn)證過(guò)程為：

定義如下

(1)

式中，MN為圖像尺寸；C為組合方法的數(shù)量；n為線(xiàn)段長(zhǎng)度；p=0.125，為線(xiàn)方向的精度；k為沿著線(xiàn)段的梯度角對(duì)齊像素?cái)?shù)。若NFA(n,k)≤1，則線(xiàn)段為有效線(xiàn)段，否則為無(wú)效線(xiàn)段。

EDPF算法中錨點(diǎn)是指梯度局部最大值，錨點(diǎn)的選取是通過(guò)與鄰近點(diǎn)比較進(jìn)行的，若比較值大于閾值，則為錨點(diǎn)。本文為降低EDPF算法中錨點(diǎn)選取的錯(cuò)誤率，將五階LoG算子作為比較時(shí)的權(quán)重判定，公式如下

(2)

像素點(diǎn)的比較值T(x,y)可表示為

T(x,y)=16G(x,y)-2G(x+1,y)-

2G(x,y+1)-2G(x-1,y)-2G(x,y-1)-

G(x,y-2)-G(x+1,y-1)-G(x+2,y)-

G(x+1,y+1)-G(x,y+2)-G(x-1,y+1)-

G(x-2,y)-G(x-1,y-1)

(3)

在錨點(diǎn)的選擇過(guò)程中，計(jì)算像素點(diǎn)的T(x,y)，若T(x,y)≥Tth，則G(x,y)點(diǎn)為錨點(diǎn)，否則為普通邊緣點(diǎn)。

圖5中噪聲多為點(diǎn)狀，且集中分布在圖像的中間部分；圖6中噪聲多為線(xiàn)段，且零散分布在圖像中。通過(guò)比較，改進(jìn)的EDPF算法可獲取完整的邊緣圖像，同時(shí)濾除大部分背景噪聲。

1.3 基于先驗(yàn)知識(shí)和Radon變換識(shí)別電力線(xiàn)

邊緣檢測(cè)后的圖像中依然存在大量的背景噪聲，為從邊緣信息中提取出電力線(xiàn)，利用Radon變換從中提取直線(xiàn)段。Radon變換是將數(shù)字圖像矩陣在某一指定角度射線(xiàn)方向上作線(xiàn)性變換。連續(xù)圖像的Radon變換為

(4)

(5)

式中，ρ表示直線(xiàn)空間坐標(biāo)原點(diǎn)到直線(xiàn)的距離；θ表示垂直距離和x的夾角；S表示圖像平面；f(x,y)為圖像上某一點(diǎn)(x,y)的像素灰度值。Radon變換將圖像中每一條直線(xiàn)對(duì)應(yīng)為ρ-θ空間內(nèi)的一個(gè)點(diǎn)，當(dāng)原圖像中存在一條直線(xiàn)時(shí)，在法線(xiàn)方向上的投影值最大，在ρ-θ空間內(nèi)表現(xiàn)為峰值。

雖然Radon變換對(duì)電力線(xiàn)提取范圍作了一定約束，但仍存在部分直線(xiàn)干擾物，因此需要進(jìn)一步對(duì)電力線(xiàn)進(jìn)行識(shí)別處理，如圖7所示。

在無(wú)人機(jī)的俯拍電力線(xiàn)圖像中，電力線(xiàn)之間近似平行，且兩條電力線(xiàn)保持著一定距離。在通過(guò)Radon變換獲得ρ-θ空間信息后，將傾角相近且距離相近的直線(xiàn)歸為同一組，篩選出與電力線(xiàn)夾角差值較大的其他直線(xiàn)。

2 試驗(yàn)結(jié)果與分析

為驗(yàn)證本文所提出算法的可行性，進(jìn)行了兩組對(duì)比試驗(yàn)。首先為驗(yàn)證算法對(duì)于不同復(fù)雜背景的處理效果，選擇不同背景下的4組圖像作為試驗(yàn)對(duì)象，如圖8所示；然后選擇本文提出的改進(jìn)EDPF算法、Canny算法[14]、ED算法和LoG算子對(duì)4組圖像進(jìn)行邊緣檢測(cè)；最后利用本文算法、傳統(tǒng)的Canny算法與Hough變換相結(jié)合的方法、LSD算法[15]分別對(duì)4組圖像中的電力線(xiàn)進(jìn)行識(shí)別和對(duì)比分析，如圖9、圖10所示。

圖9中，ED算法對(duì)邊緣敏感，導(dǎo)致背景1、3、4情況下電力線(xiàn)邊緣被背景噪聲嚴(yán)重干擾，對(duì)于低對(duì)比度的背景2情況下可檢測(cè)到完整的電力線(xiàn)；Canny算法檢測(cè)出背景1、2情況下電力線(xiàn)模糊不清，同時(shí)電力線(xiàn)多為不連續(xù)的短線(xiàn)段，無(wú)法檢測(cè)出背景3、4情況下的電力線(xiàn)；LoG算子可檢測(cè)出背景1、2情況下的電力線(xiàn)，但無(wú)法從背景3、4情況下的噪聲中檢測(cè)出電力線(xiàn)，同時(shí)LoG算子檢測(cè)結(jié)果為離散不連續(xù)的邊緣點(diǎn)；本文所改進(jìn)后的EDPF算法在完整檢測(cè)出背景1、2、3情況下的電力線(xiàn)的同時(shí)，也濾除了大部分背景噪聲，對(duì)于更復(fù)雜的背景4，可檢測(cè)出以荒土為背景的電力線(xiàn)。通過(guò)比較，相對(duì)于ED算法、Canny算法、LoG算子，改進(jìn)后的EDPF算法對(duì)復(fù)雜背景下電力線(xiàn)的檢測(cè)效果整體優(yōu)于其他3種，且可以濾除更多的背景噪聲，抑制背景噪聲的干擾。

圖10中，Canny算法與Hough變換相結(jié)合的方法存在斷裂與漏檢現(xiàn)象，且檢測(cè)出了一些無(wú)關(guān)的背景線(xiàn)段，在背景1的處理中更為明顯，同時(shí)檢測(cè)出背景4中左上角的電力線(xiàn)；LSD算法將電力線(xiàn)均能識(shí)別出來(lái)，不存在漏檢現(xiàn)象，但會(huì)將無(wú)關(guān)的背景噪聲線(xiàn)段識(shí)別出來(lái)，如識(shí)別出背景1中屋頂?shù)脑肼暰€(xiàn)段，且在背景4左上角的區(qū)域識(shí)別出大量的噪聲線(xiàn)段；本文算法可完整識(shí)別出4幅圖像中的電力線(xiàn)，尤其可以識(shí)別出背景4左上角區(qū)域中的電力線(xiàn)，且不存在漏檢現(xiàn)象和檢測(cè)出噪聲現(xiàn)象。相比于LSD算法、傳統(tǒng)的Canny算法與Hough變換相結(jié)合的方法，本文方法可完整地識(shí)別出多種復(fù)雜背景下的電力線(xiàn)，且識(shí)別準(zhǔn)確率更高，更適用于復(fù)雜背景下的電力線(xiàn)識(shí)別工作。

3 結(jié) 語(yǔ)

本文提出了一種電力線(xiàn)識(shí)別新算法。該算法的主要過(guò)程為：直方圖均衡化增強(qiáng)圖像，改進(jìn)EDPF算法檢測(cè)電力線(xiàn)邊緣，基于先驗(yàn)知識(shí)和Radon變換識(shí)別電力線(xiàn)。本文算法的主要?jiǎng)?chuàng)新點(diǎn)為：

(1) 將LoG算子引入EDPF算法的錨點(diǎn)選取過(guò)程中，降低了錨點(diǎn)的誤選率。該算法可在濾除大量背景噪聲的基礎(chǔ)上，檢測(cè)出電力線(xiàn)邊緣。

(2) 將電力線(xiàn)先驗(yàn)知識(shí)與Radon變換相結(jié)合，可實(shí)現(xiàn)對(duì)電力線(xiàn)的完整識(shí)別，同時(shí)可濾除背景噪聲。

試驗(yàn)結(jié)果表明，該算法可在多種背景下完整地識(shí)別出電力線(xiàn)，且具備高識(shí)別準(zhǔn)確度、高抗噪聲干擾性、少參數(shù)、高穩(wěn)健性等優(yōu)點(diǎn)。