夏 斌，張紅陽，李 冶，鄭日平，龐世強(qiáng)

(1.廣東電網(wǎng)有限責(zé)任公司江門供電局，廣東 江門 529000；2.江門電力設(shè)計(jì)院有限公司，廣東 江門 529000)

電力系統(tǒng)規(guī)模逐漸擴(kuò)大，其結(jié)構(gòu)也變得更為復(fù)雜，人工巡檢已不能滿足巡檢的需要[1-3]。與傳統(tǒng)的人工檢測(cè)方式相比，無人機(jī)檢測(cè)不僅降低了檢測(cè)成本，而且可以高效、安全地完成檢測(cè)任務(wù)[4-5]。無人機(jī)航拍圖像多以植物或建筑物為背景，輸電線在航拍圖像中的表現(xiàn)相對(duì)較弱。而圖像中的道路和樹木作為背景的一部分，也包含了許多與輸電線一樣的線性特征。所以在無人機(jī)航拍圖像中，由于背景干擾，很容易導(dǎo)致誤檢或漏檢[6]。

近年來，人們對(duì)輸電線的檢測(cè)方法進(jìn)行了許多研究。文獻(xiàn)[7]中提出了一種利用基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的濾波器，可以使噪聲得到效果較好的篩除。其有利于解決誤檢測(cè)問題，且定位精度較好，但算法較復(fù)雜，并且增加經(jīng)驗(yàn)控制適應(yīng)范圍較窄。文獻(xiàn)[8]中通過將基于方向約束的線性目標(biāo)擴(kuò)展到輸電線目標(biāo)上，并引入Radon 變換因子，從而有效抑制了非目標(biāo)對(duì)象的干擾，該方法主要應(yīng)用于識(shí)別近似水平方向的輸電線。文獻(xiàn)[9]中針對(duì)無人機(jī)圖像中輸電線兩個(gè)方向的局部灰度分布進(jìn)行濾波，對(duì)圖像中的復(fù)雜背景信息進(jìn)行弱化，使輸電線目標(biāo)得到增強(qiáng)，需經(jīng)過多次迭代才能夠成功提取出圖像中所有輸電線。

直線檢測(cè)主要應(yīng)用于線類目標(biāo)物的檢測(cè)，主要有基于邊緣圖像和基于圖像梯度兩種方法。其中基于邊緣圖像的方法主要采用Hough 變換，主要是因?yàn)镠ough 變換的魯棒性好，易于實(shí)現(xiàn)[10]。文獻(xiàn)[11]就采用了Canny 算子與Hough 變換相結(jié)合的直線特征提取算法，但一些傳統(tǒng)的邊緣檢測(cè)算子如Canny、Sobel、Prewitt 等傳統(tǒng)邊緣檢測(cè)算子在抗噪性能以及線型特征檢測(cè)精度方面表現(xiàn)出明顯的不足[12]。而Ratio 算子受背景信息干擾較小、檢測(cè)精度高，可以滿足輸電線路自動(dòng)提取技術(shù)的要求。

本文為實(shí)現(xiàn)無人機(jī)圖像中復(fù)雜背景信息下輸電線的準(zhǔn)確提取，利用Ratio 算子結(jié)合Hough 變換，對(duì)輸電線路進(jìn)行初步提取，并根據(jù)輸電線路幾何特征對(duì)直線段編組合并，能夠快速、高效地完成對(duì)輸電線目標(biāo)的識(shí)別。

1 算法總體框架

算法設(shè)計(jì)總體流程如圖1 所示。本文為實(shí)現(xiàn)復(fù)雜圖像背景中輸電線路的準(zhǔn)確提取，主要思路為:首先采用Ratio 算子檢測(cè)線路邊緣，并結(jié)合Hough 變換完成對(duì)直線段初步提取，其次針對(duì)線路在空間中的幾何特征，計(jì)算初步提取出的直線段的斜率，將相同斜率的直線段編為一個(gè)組別，那么相同組別中線段垂直距離最小的即可最終合并成一條輸電線。需要注意的是，直線段端點(diǎn)的連接需設(shè)置合適的閾值，且遵循最小距離原則，則可以提取出完整的輸電線路。

圖1 算法設(shè)計(jì)總體流程

2 邊緣檢測(cè)與直線段提取

2.1 Ratio 算子檢測(cè)輸電線邊緣

輸電線像素的準(zhǔn)確二值化圖像是直線檢測(cè)的基礎(chǔ)[13]。考慮輸電線航拍圖像的以下特點(diǎn):一方面，輸電線拓?fù)浣Y(jié)構(gòu)簡(jiǎn)單，可以近似看作直線，且相互平行；另一方面，輸電線的寬度通常只占1 個(gè)～2 個(gè)像素，而輸電線檢測(cè)圖像的背景通常是自然的山脈、森林和建筑物，因此提取其像素比較復(fù)雜[14]。使用Canny、Sobel、Prewitt 等幾種經(jīng)典的邊緣檢測(cè)算子對(duì)一幅航拍圖像進(jìn)行輸電線邊緣檢測(cè)，其原始灰度圖像和邊緣檢測(cè)圖像如圖2 所示。

圖2 原始灰度圖像和邊緣檢測(cè)圖像

由于樹木的影響，由以上結(jié)果中我們可以看到大量的干擾信息。為了消除這些噪聲干擾，本文采用Ratio 檢測(cè)算子對(duì)輸電線邊緣進(jìn)行提取。Ratio 檢測(cè)算子是一種通過對(duì)中心像素的鄰域像素進(jìn)行平均來平滑噪聲的均值比例算子，以中心區(qū)域和兩個(gè)鄰域區(qū)域的平均比值的較小值作為響應(yīng)，并通過特定的模型進(jìn)行計(jì)算[15]。

在無人機(jī)輸電線檢測(cè)飛行實(shí)驗(yàn)中，輸電線的方向通常是垂直或傾斜的，設(shè)在航拍圖像中輸電線的寬度僅占一個(gè)像素。因此，可以設(shè)計(jì)兩種方向的Ratio 檢測(cè)模型，如圖3 所示。

圖3 Ratio 檢測(cè)算子分析

首先，設(shè)置包含ni個(gè)像素的區(qū)域Ri(i＝1，2，3)，其中心像素點(diǎn)為x0，每個(gè)像素的灰度值記作Vk，則R1、R2、R3平均灰度值A(chǔ)i為:

考慮到輸電線以上特點(diǎn)，采用Ratio 檢測(cè)可以設(shè)計(jì)大小包含5 pixel×5 pixel，R1面積為1 pixel×5 pixel，R2和R3面積各為2 pixel×5 pixel。則R1、R2、R3區(qū)域的邊緣檢測(cè)響應(yīng)函數(shù)f12、f13可以定義為:

線特征響應(yīng)函數(shù)F定義如下:

由于實(shí)驗(yàn)中采取了兩個(gè)方向的檢測(cè)算子，分別得到兩個(gè)響應(yīng)函數(shù)，定義為F90、F45。那么，最終的線特征響應(yīng)函數(shù)Fm取兩者中較大者:

設(shè)置合適的判定閾值FTH，若Fm＞FTH，可以將中心像素x0認(rèn)為輸電線像素點(diǎn)。針對(duì)不同形式或方向Ratio 算子檢測(cè)，可以重新設(shè)計(jì)并調(diào)整閾值以適應(yīng)不同的情況?；赗atio 算子的輸電線路檢測(cè)圖像如圖4 所示。由圖像結(jié)果可知，該方法實(shí)現(xiàn)了大部分非直線邊緣特征的消除，使輸電線輪廓更加清晰。

圖4 基于Ratio 算子的輸電線路檢測(cè)圖像

2.2 Hough 變換提取直線段

Hough 具有良好的抗噪性能，可將具有相同特征的幾何圖形從灰度圖像中分離出來[16-17]。其主要基于點(diǎn)與線的對(duì)偶性來實(shí)現(xiàn)直線檢測(cè)，極坐標(biāo)系下直線方程表示為:

平面直角坐標(biāo)系下任一點(diǎn)的坐標(biāo)(x，y)，對(duì)應(yīng)于與極坐標(biāo)系下的過點(diǎn)(ρ，θ)的正弦曲線，而直角坐標(biāo)系下同屬于一條直線上的點(diǎn)在極坐標(biāo)系下會(huì)出現(xiàn)交集。首先，由定義θ∈[0，180)，ρ表示為坐標(biāo)原點(diǎn)到該直線的距離，那么可以根據(jù)每一個(gè)點(diǎn)(x，y)及離散的θ值將ρ計(jì)算出來。通過累計(jì)所有的(ρ，θ)可以獲得最終的權(quán)值，并選擇其最大值，記作Am(ρ，θ)。如果Am(ρ，θ)的值大于設(shè)定的閾值，即可以找到直角坐標(biāo)系中直線的位置。Hough 變換原理分析如圖5 所示。

圖5 Hough 變換原理

由以上分析可知，直線檢測(cè)的Hough 變換可以定義為:

式中:A(xi，yj)表示提取的每個(gè)像素的灰度值；q是關(guān)于ρ的總體樣本數(shù)；P是所取離散的θ總數(shù)，二值圖像尺寸則定義為N·N。

將Hough 變換應(yīng)用于基于Ratio 檢測(cè)算子后的二值圖像，如圖6 所示。由于初始圖像中背景信息較單一，且無其他的線性干擾，可以看到使用Hough變換能夠使一些處于相同直線的短線段得到了較好的連接，但如果輸電線背景圖像復(fù)雜程度增大，要想獲取圖像中的完整的輸電線路，仍有必要對(duì)初步提取后的線路作進(jìn)一步處理。

圖6 Hough 變換二值圖像直線提取

3 基于線性特征的輸電線編組合并提取

針對(duì)背景較復(fù)雜的輸電線路拍攝圖像，非電力線目標(biāo)可能包含許多的線性干擾，相對(duì)使輸電線在圖像信息中表現(xiàn)較弱。且通過Hough 變換對(duì)輸電線路進(jìn)行直線段的初步提取后，對(duì)于較短的直線目標(biāo)效果較好，即難以滿足對(duì)完整的輸電線信息的恢復(fù)。以下采用基于線性特征的輸電線編組合并提取算法對(duì)初步獲得的二值圖像作進(jìn)一步處理。

3.1 直線段編組

經(jīng)過Hough 變換后，圖像中的輸電線主要表現(xiàn)為破碎的直線段，任意選擇其中的兩條線段，根據(jù)其在坐標(biāo)系中的位置可以計(jì)算獲得各自對(duì)應(yīng)的斜率。首先選取兩直線段，并規(guī)定其一般方程形式分別為:

A1、B1、C1和A2、B2、C2則表示為兩直線方程中的系數(shù)，直線段L1的端點(diǎn)取為M1(a1，b1)、N1(a2，b2)，直線段L2的端點(diǎn)取為M2(a3，b3)、N2(a4，b4)。以直線L1為例，可以計(jì)算線段M1N1所在直線的斜率k1及轉(zhuǎn)換為相應(yīng)角度α1:

那么，同理可以計(jì)算M2N2所在直線的斜率為k2及轉(zhuǎn)換為相應(yīng)角度α2:

將所得到的角度值做差，若其絕對(duì)值｜α1-α2｜小于所設(shè)定的閾值ε，即可以認(rèn)為兩直線段彼此近似平行，那么將所有找到的平行線段分為同一組。

3.2 輸電線路合并

已知同一組中的直線段彼此平行，而對(duì)于任意兩條平行線段是否同屬于一條輸電線路則需要進(jìn)行下一步的判斷。對(duì)于兩直線段L1、L2，假設(shè)兩者彼此平行，可以計(jì)算得到L1、L2之間的垂直距離d。

首先由直線段L1、L2上已知的端點(diǎn)的坐標(biāo)將直線的一般方程式(7)改寫為兩點(diǎn)式方程:

再改寫為相對(duì)應(yīng)的一般式方程為:

由式(7)、(11)可以獲得關(guān)于兩直線方程中相關(guān)參數(shù)信息A1、B1、C1和A2、B2、C2的準(zhǔn)確表達(dá)式，那么取L1上一點(diǎn)M1(a1，b1)可以計(jì)算到平行直線L2的距離，亦為直線L1到L2的距離d1:

使用同樣的方法，還可以得到點(diǎn)N1(a2，b2)到直線段L2的距離d2，點(diǎn)M2(a3，b3)到直線段L1的距離d3以及點(diǎn)N2(a4，b4)到直線段L1的距離d4。對(duì)以上計(jì)算獲得的距離d1、d2、d3、d4求平均值，記作。設(shè)初步提取并分為同一組中的直線段總數(shù)為n，分別記作L1、L2、…、Ln。那么以上述方法還需求出直線段L1與剩余的(n-1)條直線段的垂直距離，最終計(jì)算得到相應(yīng)的距離平均值記作的大小進(jìn)行排序。其中，垂直距離最小的所對(duì)應(yīng)的直線段Lmin，可認(rèn)為與直線段L1同屬于一條輸電線路，則將兩直線段進(jìn)行連接可以實(shí)現(xiàn)輸電線路的合并。

對(duì)于已經(jīng)通過垂直距離判別方法確定為同屬于一條輸電線的兩條直線段(為簡(jiǎn)化分析過程，此處仍假設(shè)直線段L1、L2為航拍圖像中兩條共線的直線段)，需將直線段L1、L2連接為一條輸電線路以實(shí)現(xiàn)電力線完整、有效的提取。

如圖7 所示，為兩條共線的直線段L1、L2，要保證直線段的有效連接，以下需要對(duì)彼此間的距離作進(jìn)一步的計(jì)算。已知，各端點(diǎn)的坐標(biāo)，由兩點(diǎn)間距離公式可得點(diǎn)M1(a1，b1)到點(diǎn)M2(a3，b3)的距離

圖7 共線直線段合并計(jì)算

由于通過Hough 變換初步提取得到的平行直線段，可能會(huì)出現(xiàn)線與線間的距離d或點(diǎn)與點(diǎn)間的距離D過大而難以進(jìn)行有效判別的情況，此時(shí)對(duì)兩直線段是否共線的判斷需設(shè)定合適的閾值dTH、DTH。若d、D在有效的范圍內(nèi)，則認(rèn)為兩條破碎的直線段同屬于一條輸電線路，那么可以進(jìn)行算法下一步驟，并最終擬合得到航拍圖像中完整的輸電線邊緣。

4 實(shí)驗(yàn)驗(yàn)證

為驗(yàn)證本文采用以上算法能夠準(zhǔn)確提取出航拍圖像中復(fù)雜背景下的輸電線路，實(shí)驗(yàn)針對(duì)兩種復(fù)雜背景下的輸電線圖像信息，分別采用一般方法和本文算法所得提取效果進(jìn)行對(duì)比分析。一般方法由當(dāng)前使用較多的Canny 算子，同時(shí)結(jié)合Hough 變換直接提取獲得輸電線。本文算法過程由以上分析所述，最終可得實(shí)驗(yàn)效果對(duì)比如圖8 所示。

圖8 實(shí)驗(yàn)結(jié)果分析

由以上結(jié)果可以看出，當(dāng)圖像背景信息比較復(fù)雜時(shí)，使用一般方法結(jié)果中出現(xiàn)了更多的干擾影響，在圖8(b1)中有許多地物線性特征也被識(shí)別為輸電線，而在圖8(b2)中由于植被的影響，所提取出的輸電線出現(xiàn)了斷裂，即無法完整提取出一條線路。由此可見，基于Canny 算子的抗噪聲能力差，檢測(cè)精度不高。而對(duì)比使用本文所設(shè)計(jì)的算法，如圖8(c1)、(c2)所示，所提取的輸電線受背景信息干擾較小，最終得到的輸電線路圖像較為清晰，且未出現(xiàn)破碎，驗(yàn)證了該算法能夠?qū)崿F(xiàn)復(fù)雜背景圖像中輸電線路準(zhǔn)確、完整的提取。

5 結(jié)論

本文設(shè)計(jì)了一種基于無人機(jī)圖像的輸電線自動(dòng)提取算法，能夠從復(fù)雜的背景圖像中完成輸電線路的有效識(shí)別。首先由Ratio 算子結(jié)合Hough 變換對(duì)電力線進(jìn)行初步提取，再經(jīng)編組合并最終完成輸電線路的提取過程。由實(shí)驗(yàn)結(jié)果可知，該方法能夠有效削弱復(fù)雜的背景噪聲的干擾，且基于線路線性特征進(jìn)行合并，進(jìn)一步實(shí)現(xiàn)了線路準(zhǔn)確、完整的提取，驗(yàn)證了此方法的有效性。