陳榮保， 唐大為， 盛雨婷， 韋 盛

(合肥工業(yè)大學(xué) 電氣與自動化工程學(xué)院，安徽 合肥 230009)

0 引 言

輸電線路屬于電力系統(tǒng)重要組成部分，其安全運行保障國家的供電可靠性。由于輸電線路局域性廣、穿越區(qū)域地形復(fù)雜且易受不良自然環(huán)境侵害，通常采用人工巡檢方式監(jiān)測輸電線路運行情況。人工巡檢勞動強(qiáng)度大、耗時長，效率低下，且現(xiàn)代輸電線路通常傳輸高壓，危險性較高。輸電線路監(jiān)測需要明確故障，保障安全[1,2]。

為實現(xiàn)檢測目的，本文據(jù)地形地貌調(diào)整無人機(jī)航拍線路和高度，獲取有效圖像信息。在傳統(tǒng)Hough變換算法基礎(chǔ)上[3～5]，提出圖像拼接與Hough變換相融合的檢測方法，并借助MATLAB仿真驗證。結(jié)果表明，該算法降低了原始捕獲圖像的失真度，增加了目標(biāo)電纜占據(jù)圖像的比重，提高了輸電線路圖像檢測的準(zhǔn)確度。

1 圖像拼接與Hough變換融合算法

以自適應(yīng)非極大值抑制算法檢測與篩選圖像特征角點，將篩選后的角點進(jìn)行區(qū)域生長與匹配，去縫融合成拼接結(jié)果圖，并通過Hough變換提取目標(biāo)電纜。

設(shè)圖像I(x,y)，若圖中像素點(x,y)移動(Δx,Δy)，據(jù)泰勒公式展開，其自相似函數(shù)為

c(x,y,Δx,Δy)≈[ΔxΔy]M(x,y)[ΔxΔy]

(1)

通過二次項函數(shù)計算角點的響應(yīng)值R，判斷是否為角點。

R=detM-α(traceM)2

(2)

式中 detM為矩陣M(x,y)的行列式；traceM為矩陣的直跡；α為經(jīng)驗常數(shù)，設(shè)計取值范圍[0.04，0.05]。

將小于設(shè)定閾值的R值置零，即

R={R:detM-α(traceM)2

(3)

在5×5的附近區(qū)域進(jìn)行自適應(yīng)的非極大值抑制，計算局部最大值點，獲取特征角點。將特征角點作為種子點，執(zhí)行區(qū)域增長和局部區(qū)域匹配。結(jié)束生長的閾值條件：生長區(qū)域中像素PG(i,j)與種子點PS(x,y)的行數(shù)和列數(shù)的絕對值之和超過閾值；出現(xiàn)越界行為。

采用逆翹曲法填補(bǔ)空洞，據(jù)圖像融合前兩幅圖像的采樣密度，映射及填補(bǔ)后獲得拼接圖像[6～9]。核心算法流程圖如圖1所示。

圖1 核心算法流程

2 實驗仿真結(jié)果分析

數(shù)字圖像的輸電線路檢測算法分為2個步驟：首先進(jìn)行圖像拼接算法的仿真；然后結(jié)合輸電線路的特征，運用Hough變換提取目標(biāo)電纜。

2.1 圖像拼接算法的仿真結(jié)果分析

高壓輸電線路需要固定距離的檢測，有限的拍攝范圍導(dǎo)致目標(biāo)電線所占圖像比重固定。為提高檢測準(zhǔn)確度，改進(jìn)并提出圖像拼接與Hough變換相融合的研究方法。其中，拼接后的圖像需確保拼接后圖像不失真，且有效提高目標(biāo)電纜所占圖像的比例。

圖2 拍攝原圖與拼接圖的角點檢測

在輸電線路的檢測研究中，考慮到樹木、桿塔以及飛行物體等干擾，對無人機(jī)拍攝圖像進(jìn)行拼接，結(jié)果如圖2(a)～2(c)所示。拼接中，為避免拼接后圖像失真，匹配角點需在同一水平和豎直方向上，而實際的拍攝難以滿足上述條件。如圖2(a)和圖2(b)所示，兩圖的角點不在同一位置。因此，本文選取仿真圖像的總角點數(shù)、目標(biāo)電纜的角點數(shù)以及目標(biāo)電纜長度的相對值作為特征參數(shù)，經(jīng)統(tǒng)計后繪制成柱狀圖，如圖3所示。

圖3 特征參數(shù)統(tǒng)計圖

統(tǒng)計表明，拼接圖像總角點數(shù)869個，相較于原圖1(角點數(shù)787個)和原圖2(角點128個)均明顯增加，圖像無失真。此外，目標(biāo)電纜的長度相對值也由原圖450 cm增加至拼接圖550 cm，證明本算法有效增加了目標(biāo)電線在圖像中的占比，同時便于Hough變換對目標(biāo)電纜的提取。

2.2 Hough變換仿真結(jié)果分析

結(jié)合電線特征，對原圖2(a)以及對應(yīng)的拼接結(jié)果圖2(c)分別進(jìn)行Hough變換仿真，結(jié)果如圖4(a)和圖4(b)所示。其中，灰色標(biāo)記線為識別提取后的目標(biāo)電纜，統(tǒng)計Hough變換的提取結(jié)果并繪制柱狀圖，如圖4(c)所示。結(jié)果顯示，在輸電線路檢測中，常受到外界直線的干擾，如塔桿的邊緣，不利于電線的識別提取，因此圖4(c)僅檢測出一條有效電線。而本算法經(jīng)圖像拼接，增加了目標(biāo)電纜在圖像中的占比，降低了外界因素對提取目標(biāo)電纜的影響，最終準(zhǔn)確識別出3條有效電線數(shù)，其有效匹配率也高達(dá)92 %，有效實現(xiàn)了目標(biāo)電纜的提取。

圖4 融合算法的仿真分析

考慮到圖像特征的提取會受到圖像像素的影響，對于同一張圖像，像素的不同會直接影響最后特征的提取，通過對上述不同像素大小的圖像進(jìn)行多組匹配，將結(jié)果進(jìn)行對比，如圖5所示。

圖5 Hough變換與本文算法對不同大小圖像的識別對比

結(jié)果表明，對于同等像素的圖像，本算法在總電線數(shù)的提取、有效匹配電線數(shù)等方面均具備優(yōu)勢，且有效提高了實測圖像中輸電線路檢測的準(zhǔn)確度。

綜上所述，本文所提出的圖像拼接與Hough變換融合算法，通過角點的特征檢測和角點區(qū)域的生長與匹配，降低圖像失真度，提高了輸電線路圖像檢測的準(zhǔn)確度。

3 結(jié) 論

從人工巡檢到無人機(jī)實測圖像監(jiān)測，檢測準(zhǔn)確度是輸電線路的研究重點。本文提出了一種圖像拼接與Hough變換相融合的算法檢測輸電線路。對采集圖像進(jìn)行灰度歸一化處理后，以自適應(yīng)非極大值抑制算法檢測篩選圖像中的角點，將其作為種子點進(jìn)行區(qū)域生長與匹配，降低了原始捕獲圖像的失真度。通過Hough變換提取了拼接圖像中的目標(biāo)輸電線路，有效增加了目標(biāo)電纜長度，使目標(biāo)電纜的提取更加清晰準(zhǔn)確。在實驗室條件下，借助數(shù)字圖像處理工具M(jìn)ATLAB進(jìn)行仿真，結(jié)果證明：本文所提出的算法在傳輸線路檢測的準(zhǔn)確度和匹配度等方面都有顯著的優(yōu)勢，具有工程實踐意義。高壓輸電線路檢測是架空線路檢測領(lǐng)域的研究熱點，對于纜車索道等高山、懸崖處的架空線路檢測具有參考價值。