邢曉敏，董 行，林永清，丁志敏，陳 舸

(1.東北電力大學(xué)，吉林 吉林 132012；2.江蘇和網(wǎng)源電氣有限公司，江蘇 南通 226400；3.貴州電網(wǎng)有限責(zé)任公司凱里供電局，貴州 凱里 556000)

桿塔標(biāo)牌是檢修人員確定工作地點的重要標(biāo)識，也是接地線工作位置的重要標(biāo)志，是輸電線路中必不可少的元件。通過圖像處理手段對標(biāo)牌內(nèi)容進(jìn)行識別并保存，為工作人員確認(rèn)工作地點的同時，也為管理人員提供實時的數(shù)據(jù)支撐，具有重要的工程意義。其中，定位是整個過程的關(guān)鍵環(huán)節(jié)，直接影響識別的準(zhǔn)確率和效率。

本文以手持設(shè)備獲取的桿塔標(biāo)牌圖像為研究對象，桿塔標(biāo)牌在輸電線路中安裝位置較高，因此，工作人員采集的圖像存在背景因素復(fù)雜、冗余像素信息較多、干擾較大、標(biāo)牌有效區(qū)域在圖像中占比較小等問題，尤其塔架在圖像中所占面積和明顯的線條特征，為桿塔標(biāo)牌的精確定位帶來極大負(fù)面影響。

傳統(tǒng)的圖像定位方法主要有灰度積分投影算法[1-2]、基于多特征融合的定位方法[3-4]、基于邊緣檢測的定位方法[5]。其中，灰度積分投影算法根據(jù)圖像的投影分布信息對局部圖像進(jìn)行定位，但魯棒性較差，易受拍攝角度和圖像曝光強(qiáng)度的影響，準(zhǔn)確率并不理想。多特征融合的方法主要應(yīng)用于視覺系統(tǒng)的視盤定位，該方法從多角度提取圖像的特征向量，提高圖像對比度和定位精度，但處理時間較長，處理效率有待提升?；谶吘墮z測的定位方法在交通系統(tǒng)的車牌定位中較為常見，通過勾勒車牌的邊緣輪廓提取圖像中車牌所在位置，缺點是漏檢率較大，速度不佳。另外，卷積神經(jīng)網(wǎng)絡(luò)在圖像定位識別領(lǐng)域亦受到廣泛關(guān)注，但由于其所需樣本數(shù)量較多，訓(xùn)練時間較長，定位速度較慢[6]，對于桿塔標(biāo)牌圖像并不適用。

綜合上述因素，本文提出了結(jié)合角點特征的邊緣檢測方法。對獲取的圖像進(jìn)行傾斜矯正處理，獲得標(biāo)準(zhǔn)坐標(biāo)系下的桿塔標(biāo)牌圖像；再檢測圖像邊緣并進(jìn)行像素灰度值的累計，初步確定標(biāo)牌行、列的起始位置和終止位置，完成標(biāo)牌的初步定位。最后結(jié)合圖像中有效角點特征，計算與初步定位邊緣頂點的最小歐幾里得距離，進(jìn)而實現(xiàn)標(biāo)牌的精確定位。

1 圖像預(yù)處理

1.1 濾波處理

由于自然環(huán)境、背景因素等影響，使獲取的圖像存在一定噪聲，為后續(xù)定位識別的準(zhǔn)確性帶來極大干擾，甚至無法識別，因此，需要進(jìn)行濾波處理。鑒于獲取的標(biāo)牌圖像為RGB形式，因此，將其分為R、G、B三個通道采用3×3的均值濾波器進(jìn)行分別處理，通過將鄰域的均值賦給中心元素達(dá)到降低噪聲的目的。圖1顯示了圖像降噪的過程，濾波后的圖像各分量像素更為均勻,噪聲有效減少使得圖像更加平滑。

圖1 濾波前后對比結(jié)果

1.2 傾斜矯正

桿塔標(biāo)牌圖像獲取過程中由于拍攝角度的多樣性，使得標(biāo)牌視覺輪廓發(fā)生畸變。為使得在標(biāo)準(zhǔn)坐標(biāo)系下標(biāo)牌區(qū)域呈現(xiàn)矩形的二維圖像，本文采用透視變換法對圖像進(jìn)行傾斜矯正。所謂透視變換，即將平面上一點投影到另一個平面中，從而獲取所期望的正視圖。對二維圖像而言，可看做三維圖像向二維圖像投影的特殊形式[7-9]。

(1)

(2)

設(shè)(xi，yi)是原圖像中桿塔標(biāo)牌邊緣頂點的初始坐標(biāo)，其中(x1，y1)、(x2，y2)、(x3，y3)、(x4，y4)分別左上、右上、左下、右下點坐標(biāo)。式中w、h分別表示新坐標(biāo)系下矩形的寬和高；將w、h、xi、yi帶入式(3)方程組求解透視變換的全局變換系數(shù)R。

(3)

得到的R是8×1矩陣，將其記為：

R=[abcdefgh]T

(4)

(5)

采用Matlab對獲取的桿塔標(biāo)牌圖像按照以上方法進(jìn)行傾斜矯正，使得標(biāo)牌區(qū)域在二維圖像中呈現(xiàn)形狀近乎矩形，消除視覺上的遠(yuǎn)近差異。本文以輸電線路110 kV鎮(zhèn)坪線117號牌為例進(jìn)行透視變換處理，最終得到的圖像見圖2。

圖2 傾斜矯正結(jié)果

此時的圖像可以清晰呈現(xiàn)標(biāo)牌輪廓，但周圍背景區(qū)域的干擾依舊存在，需通過定位的手段準(zhǔn)確提取感興趣區(qū)域(ROI)。

2 基于邊緣檢測法的標(biāo)牌圖像初步定位

傾斜矯正處理后的圖像背景干擾并未剔除，為后期的輸電線路桿塔標(biāo)牌識別帶來極大干擾。本文采用邊緣檢測法實現(xiàn)桿塔標(biāo)牌圖像的初步定位，去除部分干擾區(qū)域，具體過程如下。

a.將預(yù)處理后的圖像像素尺寸調(diào)整為400×200，先后進(jìn)行二值化、Canny算子邊緣檢測和形態(tài)學(xué)閉運(yùn)算處理。使得前景像素值為1，背景像素值為0。

b.分別橫、縱向掃描圖像，累計行列像素值。結(jié)合圖像尺寸，考慮到像素累計和一定小于圖像尺寸最大值，且采用手持設(shè)備獲取圖像時習(xí)慣性將圖像置于中心位置，標(biāo)牌邊框像素和大于橫、縱掃描時的字符像素，為確保標(biāo)牌區(qū)域可完整被截取，本文設(shè)定的閾值為尺寸值的十分之一，即行、列像素閾值分別為40、20。通過使用較小的閾值獲取較大的標(biāo)牌可能存在空間。

c.在行像素值最大處向兩側(cè)掃描，若該行像素值大于閾值，則繼續(xù)向上或向下掃描，反之，該行為行起始PY1或終止位置PY2。

d.列的起始終止位置PX1、PX2確定與行相同。

根據(jù)上述方法，最終可得到邊緣檢測法初步定位后桿塔標(biāo)牌圖像(見圖3)。其中，A、B、C、D分別是由PY1、PY2、PX1、PX2截取圖像的邊緣頂點。由圖3可知，經(jīng)邊緣檢測法處理后的桿塔標(biāo)牌圖像，定位結(jié)果較為明顯，但仍存在些冗余成分，對后續(xù)的識別工作產(chǎn)生極大干擾。對于桿塔背景區(qū)域應(yīng)進(jìn)一步剔除，定位精度有待提高。

圖3 圖像的初步定位

3 結(jié)合角點的邊緣檢測法實現(xiàn)標(biāo)牌圖像精確定位

3.1 拉東算法提取角點特征

圖像中桿塔標(biāo)牌區(qū)域占據(jù)空間近似矩形，角點特征明顯。通過提取特殊角點與圖像初步定位目標(biāo)范圍相結(jié)合的方式獲取的圖像ROI可更為精確。本文采用拉東變換的方法提取邊緣檢測法定位后桿塔標(biāo)牌的特殊角點。

拉東變換，對二維圖像而言，是通過對平面內(nèi)不同直線做線性積分得到響應(yīng)圖的過程[10-11]。其函數(shù)表達(dá)式具有線性、半對稱、關(guān)于參數(shù)θ的周期為2π的性質(zhì)：

(6)

L={(x,y)∈R2:xcosθ+ysinθ=ρ}

(7)

式中：L為直線的參數(shù)表達(dá)式；f(x,y)為原圖像；Rf為函數(shù)f(x,y)的拉東變換響應(yīng)；δ為沖擊函數(shù)，體現(xiàn)直線上的點對積分的貢獻(xiàn)程度；ρ為原點與直線L的距離；θ為直線L與x軸之間的夾角。

對圖3進(jìn)行拉東變換，亮度極值點(ρ，θ)對應(yīng)原始空間中的直線ax+by+c=0,該直線在對偶空間中對應(yīng)的點為(a/c,b/c),其中,a=cosθ,b=sinθ,c=-ρ。原始空間中的公共線對應(yīng)對偶空間中的公共點，同理，原始空間中線的距離可轉(zhuǎn)換為對偶空間中點的距離，聯(lián)立原始空間的直線方程得到潛在角點，以該角點為中心建立半徑為7的鄰域，計算經(jīng)過該角點的直線在鄰域內(nèi)的有效距離d，若大于設(shè)定閾值3且有效直線數(shù)目大于等于2，則為有效角點，反之，視為偽角點進(jìn)行剔除，角點提取結(jié)果見圖4，標(biāo)記處即為角點所在位置。

圖4 角點檢測

由圖4可知，檢測得到的角點種類繁多，包括X型、Y型、T型、L型、斜T型角點，由于標(biāo)牌的幾何形態(tài)為矩形，其頂點位置的角點形態(tài)屬于L型，角度為90°，因此，圖4中大部分為與目標(biāo)區(qū)域無關(guān)的無效角點，且主要分布在桿塔背景區(qū)域與標(biāo)牌邊緣的連接處和標(biāo)牌內(nèi)部字符的拐角位置。因此需要通過角度的估計完成角點的篩選，進(jìn)一步提取有效角點，過程如下：

a.設(shè)角點坐標(biāo)為(x0,y0)；

b.以角點為中心搜索由附近折線經(jīng)方差為σ0的高斯函數(shù)沿長度卷積所得的邊緣線鏈碼，并通過插值獲取單位σ1、σ2；

c.采用方差為、的高斯函數(shù)分別對角點進(jìn)行卷積，得到新位置(x1,y1)和(x2,y2)，分別計算(x1,y1)與(x0,y0)的距離l1和(x2,y2)與(x0,y0)的距離l2，本文取σ1=1，σ2=6。其中，l1、l2,有如下關(guān)系：

(8)

解得：

(9)

d.根據(jù)式(9)計算k值。設(shè)角點角度為α，且α∈(0,π)，根據(jù)式(10)計算角度α值。

(10)

由于上述方法對角度的計算是估計值，若僅提取α=90°的角點，極有可能發(fā)生漏選現(xiàn)象，為避免該情況發(fā)生，在提取有效角點過程中，對目標(biāo)范圍進(jìn)行一定程度的擴(kuò)大，本文選擇的85°≤α≤95°角點作為最終確定的有效角點，并進(jìn)行標(biāo)記，見圖5。標(biāo)記處為篩選后角點所在位置。由圖5可知，大部分干擾角點得以被去除。

圖5 角點篩選結(jié)果

3.2 結(jié)合角點的邊緣檢測法的標(biāo)牌圖像精確定位

將經(jīng)過篩選后的特殊角點所在位置(xi,yi)與圖3的圖像邊緣檢測定位頂點A、B、C、D相結(jié)合，計算兩者的歐幾里得距離d，選擇與邊緣頂點距離最小的4個點所構(gòu)成的最小有效區(qū)域作為標(biāo)牌的最終精確定位結(jié)果，具體過程如下。

a.分別計算角點與A、B、C、D個頂點的歐幾里得距離dAi、dBi、dCi、dDi，標(biāo)注d最小時角點所在位置(xA，yA)、(xB，yB)、(xC，yC)、(xD，yD)，結(jié)果見圖6a，其中，標(biāo)記處為角點所在位置。

b.選擇xA、xB中較大值為定位圖像起始行位置PX1，xC、xD中較小值為終止行位置PX2。

c.選擇yA、yC中的較大值為起始列位置PY1，yB、yD中較小值為終止列位置PY2。

d.獲取最終由PX1、PX2、PY1、PY2組成范圍的精確定位圖像，見圖6b。

圖6 角點檢測與精確定位結(jié)果

相比圖3初步定位結(jié)果，與角點相結(jié)合的邊緣檢測定位方法對桿塔標(biāo)牌圖像有效區(qū)域的提取更為精確，進(jìn)一步縮小目標(biāo)區(qū)域的有效范圍，干擾像素的排除更為徹底，使得標(biāo)牌主要內(nèi)容更為清晰的展現(xiàn)，更適合后續(xù)的識別處理。

4 試驗驗證及結(jié)果分析

4.1 光學(xué)字符識別(OCR)技術(shù)驗證

為驗證定位精度對字符識別的影響及本文方法的有效性，采用光學(xué)字符識別(OCR)技術(shù)對定位后的圖像進(jìn)行字符識別，使圖像信息轉(zhuǎn)化為文字形式?？紤]到標(biāo)牌底層字符過小，不適于通過識別檢驗，因此，將圖像進(jìn)行二值化處理，使得背景像素為0，前景像素為1，去除聯(lián)通區(qū)域像素小于100的小字符部分，識別標(biāo)牌中的線路位置和標(biāo)牌號碼。本文以110 kV鎮(zhèn)坪線117號牌為例，試驗步驟如下：

a.初步定位處理后的圖像經(jīng)上述處理后，見圖7a，保存為文檔1.jpg形式進(jìn)行OCR識別，輸出結(jié)果見圖7b；

b.精確定位的圖像經(jīng)上述處理，見圖7c，保存為文檔形式2.jpg形式進(jìn)行OCR識別處理，輸出識別結(jié)果見圖7d。

圖7 OCR結(jié)果

根據(jù)圖7OCR技術(shù)驗證結(jié)果可知，采用邊緣檢測法進(jìn)行像素灰度值累計，最終確定標(biāo)牌的行、列起始位置和終止位置，該方法泛化能力較強(qiáng)，但定位結(jié)果仍存在些許冗余，邊緣區(qū)域的干擾像素?zé)o法全部剔除，導(dǎo)致識別結(jié)果出現(xiàn)多檢、誤檢的情況；將邊緣檢測定位法與角點特征相結(jié)合，在原有方法基礎(chǔ)上，通過計算特殊角點與邊緣檢測定位頂點的最小距離，實現(xiàn)桿塔標(biāo)牌區(qū)域的精確定位，識別顯示結(jié)果與標(biāo)牌內(nèi)容相符，結(jié)果較為理想。

4.2 試驗對比分析

本文以某公司檢修時采用手持設(shè)備獲取的桿塔標(biāo)牌圖像為試驗樣本，共2 114張，將其像素尺寸歸一化為400×200，將本文方法與傳統(tǒng)的的灰度積分投影、多特征融合法分別進(jìn)行試驗，以O(shè)CR能否準(zhǔn)確識別線路名稱和牌號作為評定定位是否精確的指標(biāo)，最終定位準(zhǔn)確率見表1。

表1 采用不同方法的圖像定位

由試驗結(jié)果可知，本文方法相比于傳統(tǒng)方法，具有更高的定位準(zhǔn)確率，且較改進(jìn)前的邊緣檢測法提高10.64%。

5 結(jié)論

本文提出了改進(jìn)邊緣檢測的圖像定位方法。通過將濾波后的圖像進(jìn)行傾斜矯正，而后對邊緣檢測法進(jìn)行改進(jìn)，將之與拉東變換角點檢測相結(jié)合，進(jìn)而對圖像中的ROI區(qū)域進(jìn)行精確定位，并得到如下結(jié)論。

a.本文以110 kV鎮(zhèn)坪線117號牌為例，采用本文方法對通過手持設(shè)備現(xiàn)場拍攝的桿塔標(biāo)牌圖像進(jìn)行精確定位，體現(xiàn)了該方法的有效性。

b.通過實驗可知，本文方法相對于單獨(dú)使用邊緣檢測法對圖像精確定位的準(zhǔn)確率有所提高，相比于傳統(tǒng)經(jīng)典的灰度積分法和多特征融合法更具優(yōu)勢。

c.針對獲取圖像像素較低的情況，本文方法的定位效果不佳，后期要進(jìn)一步研究如何添加有效的模糊化特征，進(jìn)行模糊圖像的精確定位。