趙曉鵬，郭 威

(太原科技大學(xué)電子信息工程學(xué)院，太原 030024)

我國(guó)輸電線路的建設(shè)(特別是特高壓線路的建設(shè))行程十分緊密[1]，所以對(duì)輸電線路輸電的安全性建設(shè)提出挑戰(zhàn)。而輸電線路經(jīng)常會(huì)受到氣候變換、異物(如風(fēng)箏、塑料袋、氣球等)的影響，特別是異物懸掛于輸電線路上，它們會(huì)極大地縮短放電距離，對(duì)輸電線路下的行人、車輛造成危害，嚴(yán)重時(shí)導(dǎo)致輸電中斷，造成大面積停電[2]。所以對(duì)輸電線路進(jìn)行異物檢測(cè)是十分必要的。

原先，輸電線路主要采用人工巡檢方式，依靠巡檢人員徒步或借助直升機(jī)沿輸電線路巡檢，并以紙質(zhì)媒介方式記錄巡檢結(jié)果。巡檢勞動(dòng)強(qiáng)度大、工作效率低、可靠性差，還存在一定的危險(xiǎn)性，所以已經(jīng)不能適應(yīng)當(dāng)前輸電線路巡檢的需要。近年來(lái)，通過(guò)無(wú)人機(jī)技術(shù)結(jié)合圖像處理技術(shù)來(lái)自動(dòng)識(shí)別輸電線上的可見異常成為熱點(diǎn)[3]。在異物檢測(cè)相關(guān)文獻(xiàn)中：同濟(jì)大學(xué)的金立軍采用改進(jìn)的OTSU劃分圖像背景，用梯度法檢測(cè)輸電線路，最后采用Hough變換統(tǒng)計(jì)累加器中局部最大值個(gè)數(shù)與檢測(cè)到的線路數(shù)量，通過(guò)比較這兩個(gè)數(shù)是否一致檢測(cè)異物。這種方法對(duì)出現(xiàn)類似交叉線的背景誤檢率高[4]；華北電力大學(xué)的鄒棟采用檢測(cè)直線和輸電線路平行特點(diǎn)進(jìn)行輸電線提取、異物檢測(cè)。經(jīng)過(guò)Hough直線檢測(cè)和平行特點(diǎn)定位輸電線路，并通過(guò)不變矩特征和Adaboost算法在輸電線路范圍內(nèi)檢測(cè)異物目標(biāo)存在與否。然而，在復(fù)雜背景下輸電線路提取效果差，魯棒性差[5]；上海大學(xué)的王亞萍等[6]通過(guò)異物存在下或者輸電線路斷股情況下輸電線路的特征加之分類的直線對(duì)象給出了缺陷診斷流程，判斷是否有缺陷的存在；國(guó)網(wǎng)山東省電力公司電力科學(xué)院的王萬(wàn)國(guó)等[7]提出感知線性結(jié)構(gòu)的輸電線路異物的檢測(cè)方法，通過(guò)輸電線寬度變化、灰度相似度來(lái)檢測(cè)導(dǎo)線上的各種缺陷；國(guó)家電網(wǎng)公司河南省電力公司電力科學(xué)研究院的萬(wàn)迪明和郭祥富[8]提出一種基于視覺顯著性分析的輸電線路異物檢測(cè)方法通過(guò)分析顯著圖的顏色、形狀、空間分布等特點(diǎn)定位異物區(qū)域，以此來(lái)檢測(cè)異物；大連海事大學(xué)的廖圣龍、安居白[9]以檢測(cè)到的電力線為中軸線，統(tǒng)計(jì)灰度值的變化找出線路中可疑的故障位置，然后根據(jù)空間關(guān)系特征和Haar特征診斷故障。文獻(xiàn)[7-9]在異物顏色明顯時(shí)校測(cè)效果好，但對(duì)異物與輸電線灰度變化不大、顏色接近時(shí)的檢測(cè)效果差[10]。

針對(duì)以上研究問(wèn)題，本文設(shè)計(jì)了一種針對(duì)輸電線路異物輪廓特征分析的方法，通過(guò)對(duì)分割后的圖像尋找輪廓，然后計(jì)算各個(gè)輪廓的形狀系數(shù)和面積，通過(guò)設(shè)定形狀系數(shù)、面積閾值準(zhǔn)確的檢測(cè)出輸電線上的異物。

1 無(wú)人機(jī)圖像背景分割

無(wú)人機(jī)所獲取的圖像一般為RGB(彩色圖像)格式，為減少后續(xù)圖像處理的計(jì)算量并加快計(jì)算速度就需要進(jìn)行灰度化處理。彩色圖像能表達(dá)整幅圖像色度和亮度等級(jí)的分布和特征，而灰度圖像同樣能表達(dá)，所以進(jìn)行灰度化處理不會(huì)減少圖像的信息。一般采用基于人眼敏感度的加權(quán)平均法：

Gray(i，j)=0.299*R(i，j)+0.578*G(i，j)+

0.144*B(i，j)

(1)

無(wú)人機(jī)圖像背景復(fù)雜多變對(duì)于圖像的分割產(chǎn)生極大的影響，復(fù)雜背景中的冗余信息也會(huì)影響計(jì)算速度，所以必須準(zhǔn)確的分割圖像。

1.1 四種閾值分割方法

(1)固定閾值分割是采用固定閾值對(duì)灰度圖像進(jìn)行閾值操作獲取二值圖像。固定閾值分割需要操作者對(duì)圖像背景前景區(qū)分開的先驗(yàn)知識(shí)，對(duì)前景和背景進(jìn)行分析[11]。通過(guò)遍歷圖像的每一個(gè)像素，進(jìn)行統(tǒng)計(jì)分析，加之對(duì)圖像的分析，再通過(guò)實(shí)驗(yàn)驗(yàn)證分割效果，確定一個(gè)比較合理的固定值來(lái)進(jìn)行分割。這種方法需要人工賦值，不能實(shí)現(xiàn)閾值自動(dòng)確定，在樣本少的情況下可以采用，一般有五種閾值類型：二進(jìn)制閾值化、反二進(jìn)制閾值化、反閾值化為0、閾值化為0、截?cái)嚅撝怠?/p>

(2)OTSU(最大類間方差法):記t為前景與背景的分割閾值，前景點(diǎn)數(shù)占圖像比例為w0，平均灰度為u0；背景點(diǎn)數(shù)占圖像比例為w1，平均灰度為u1

則圖像的總平均灰度為：u=w0*u0+w1*u1

前景和背景圖象的方差：g=W0*W1*(U0-U1)*(U0-U1)

(3)自適應(yīng)閾值分割法：通過(guò)對(duì)圖像進(jìn)行閾值化處理進(jìn)而從圖像中提取我們感興趣的物體是一種好方法。固定閾值法、OTSU法、迭代閾值方法確定的閾值進(jìn)行圖像分割都是屬于全局閾值處理的方法。但不是什么時(shí)候用它都能將感興趣的物體分割出來(lái)，有時(shí)怎么選取全局閾值進(jìn)行分割，效果都達(dá)不到所需要求，要解決這一問(wèn)題，就是采用局部閾值，即根據(jù)每個(gè)像素的領(lǐng)域計(jì)算閾值。

(4)迭代閾值分割方法：迭代閾值算法是對(duì)直方圖雙峰法的加深，還可以自動(dòng)估計(jì)閾值。原理如下：

給定一個(gè)初始估計(jì)值T；用T分割圖像將產(chǎn)生兩個(gè)部分：G1和G2.G1是包含灰度值大于等于T的全部像素，G2由灰度值小于T的全部像素構(gòu)成；求取G1部分的所有像素灰度值m1和分析G1部分對(duì)于整張圖像來(lái)說(shuō)所占的權(quán)重λ1；求取G2部分的所有像素灰度值m2和分析G2部分對(duì)于整張圖像來(lái)說(shuō)所占的權(quán)重λ2；按如下式子求取新閾值：T=m1λ1+m2λ2；重復(fù)上面兩個(gè)步驟，直到連續(xù)迭代中的T值之間的差小于一個(gè)預(yù)定參數(shù)ΔT.以上原理中參數(shù)ΔT影響迭代次數(shù)。ΔT越大，所進(jìn)行的迭代次數(shù)越小。這就要求初始估計(jì)值必須大于圖像中的最低灰度級(jí)并且小于最高灰度級(jí)，通常使用平均灰度值作為初始估計(jì)。

1.2 四種分割方法試驗(yàn)比較

對(duì)無(wú)人機(jī)拍攝的輸電線路異物圖片采用以上四種算法對(duì)比驗(yàn)證結(jié)果如下：

其中圖1(a)是山西國(guó)網(wǎng)省檢修公司無(wú)人機(jī)拍攝的500 kV晉榆Ⅱ線懸掛風(fēng)箏圖，圖1(b)是其灰度圖。圖1(c)固定閾值法中閾值人為給定，此圖給定閾值為80，計(jì)算時(shí)間0.018 s；圖1(d)OTSU(最大類間方差法)計(jì)算閾值為97，計(jì)算時(shí)間0.048 s；圖1(e)自適應(yīng)閾值分割計(jì)算閾值為73，計(jì)算時(shí)間為0.13 s；圖1(f)迭代閾值法計(jì)算閾值55，計(jì)算時(shí)間0.097 s.

圖1 分割算法對(duì)比圖

迭代閾值算法與固定閾值算法相比能自動(dòng)估算閾值大小，不需人工設(shè)定；與最大類間方差法相比計(jì)算時(shí)間雖然長(zhǎng)，但最大類間方差法易產(chǎn)生死白區(qū)域，輸電線與異物邊緣融入背景之中，分割效果差；自適應(yīng)閾值法雖然能清晰的保留輸電線及異物的邊緣，但存在的背景噪聲很多，分割效果差；迭代閾值法能很好的將輸電線與異物跟背景分割開，雖然邊緣存在模糊情況，但絕大部分邊緣得到保留，背景噪聲也較少。通過(guò)對(duì)比及圖1結(jié)果，本文選擇迭代閾值法進(jìn)行圖像分割。

2 無(wú)人機(jī)圖像濾波

從圖1(f)可看出，閾值化處理后，雖然輸電線路及異物的邊緣得以體現(xiàn)，但是還存在著許多或大或小的白色區(qū)域噪聲，所以，還必須想辦法把這些噪聲區(qū)域去掉。

2.1 形態(tài)學(xué)濾波

經(jīng)過(guò)中值濾波后會(huì)出現(xiàn)輸電線路斷斷續(xù)續(xù)的情況，并且還有白色噪聲。這時(shí)數(shù)學(xué)形態(tài)學(xué)就可以解決這個(gè)問(wèn)題[12]。

數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)是數(shù)學(xué)幾何學(xué)和集合論學(xué)，可以用不同形狀的結(jié)構(gòu)元素進(jìn)行圖像結(jié)構(gòu)和形狀的識(shí)別判斷，被廣泛應(yīng)用于圖像處理領(lǐng)域之中。一方面，數(shù)學(xué)形態(tài)學(xué)通過(guò)計(jì)算元素與元素之間以及部分與部分的關(guān)系簡(jiǎn)化圖像數(shù)據(jù)，并且可以保持圖像中幾何形狀的形狀特征；另一方面，數(shù)學(xué)形態(tài)學(xué)算法簡(jiǎn)單、具有并行處理的結(jié)構(gòu)的優(yōu)勢(shì)。數(shù)學(xué)形態(tài)學(xué)處理的基礎(chǔ)操作包括：腐蝕、膨脹

用A表示待處理圖像集合，B表示處理結(jié)構(gòu)元素，形態(tài)學(xué)處理就是用B對(duì)A進(jìn)行操作。

(1)A被B腐蝕，計(jì)為AΘB，B為腐蝕算子，腐蝕的定義為:

AΘB={x|(B)xA}

(2)

上式說(shuō)明，B對(duì)A的腐蝕是用x平移的B卻還包含在A中的所有點(diǎn)x的集合。其含義為A被腐蝕算子B腐蝕后的結(jié)果是A完全包括B時(shí)，B的原點(diǎn)位置的集合。

(2)A被B膨脹，計(jì)為A⊕B，B為膨脹算子，膨脹的定義為:

(3)

運(yùn)用腐蝕運(yùn)算的矩形結(jié)構(gòu)元素消除小的白點(diǎn)噪聲，但會(huì)將直線的斷線進(jìn)一步加大。再運(yùn)用膨脹運(yùn)算，采用比腐蝕大一個(gè)像素的矩形結(jié)構(gòu)元素對(duì)出現(xiàn)的斷線區(qū)域進(jìn)行鏈接，恢復(fù)直線長(zhǎng)度。

2.2 基于輸電線圖像特征的改進(jìn)形態(tài)學(xué)濾波

輸電線路在無(wú)人機(jī)圖像中的特征比較明顯，總結(jié)如下：(1)輸電線路是4根，較長(zhǎng)，貫穿于整個(gè)圖像；(2)輸電線路是有一定弧度，但很接近于直線，接近平行，不會(huì)相交；(3)輸電線路背景復(fù)雜，如：道路、山體、雜草，有些背景融入到輸電線路中，造成很難識(shí)別輸電線路，有些跟輸電線路一樣是線狀物體，對(duì)輸電線路的識(shí)別造成干擾。

通過(guò)形態(tài)學(xué)處理后得到比較滿意的輸電線路二值圖，但是還有一些白色的連通斑塊。根據(jù)無(wú)人機(jī)圖像輸電線路很長(zhǎng)、貫穿全圖的特征，計(jì)算圖像中所有連通域的面積。但輸電線路的連通區(qū)域不小于w/32像素寬度，其中w為圖像的寬度。把面積小于w/32的區(qū)域去掉，從而去除圖像背景中的噪聲干擾。

形態(tài)學(xué)濾波與改進(jìn)形態(tài)學(xué)濾波的比較結(jié)果圖如下：

3 異物檢測(cè)

經(jīng)過(guò)濾波后圖像中包含輸電線路二值圖、異物二值圖還有極少量噪聲二值圖。通過(guò)尋找輪廓并運(yùn)用異物輪廓特征進(jìn)行輸電線路異物檢測(cè)。異物檢測(cè)過(guò)程如下：

(1)尋找輪廓：系統(tǒng)地掃描圖像，找到連續(xù)區(qū)域時(shí)停止。從區(qū)域的起點(diǎn)開始，沿著它的輪廓對(duì)邊界像素做標(biāo)記。標(biāo)記完當(dāng)前這個(gè)輪廓邊界后，就從當(dāng)前區(qū)域的起點(diǎn)繼續(xù)掃描，直到發(fā)現(xiàn)新的區(qū)域。標(biāo)記可選輪廓近似方法為輪廓的每個(gè)像素都被標(biāo)記，相鄰的兩個(gè)像素距離差小于等于1.

(2)對(duì)找到的輪廓用包含該輪廓的最小垂直矩形進(jìn)行標(biāo)注。

圖2 無(wú)人機(jī)圖像濾波比較圖

圖3 輸電線路異物檢測(cè)圖

(4)對(duì)于剩下的孤立背景輪廓與異物輪廓，計(jì)算用于標(biāo)注剩下孤立背景輪廓與異物輪廓的最小垂直矩形面積，面積最大的即為異物輪廓，異物輪廓面積一般在25 000像素到30 000像素。下面為對(duì)圖1(a)的異物檢測(cè)結(jié)果圖：

為了檢驗(yàn)算法的可行性及通用性，運(yùn)用本文設(shè)計(jì)算法對(duì)以下無(wú)人機(jī)圖像進(jìn)行檢測(cè)，如圖4-圖5所示。

圖4 塑料袋檢測(cè)圖

圖5 風(fēng)箏檢測(cè)圖

由上面的檢測(cè)結(jié)果圖像可以得出，本文設(shè)計(jì)的輸電線異物檢測(cè)方法對(duì)不同異物，不同背景都可以可以檢測(cè)出異物，檢測(cè)方法具有通用性。

4 結(jié)論

通過(guò)對(duì)比四種閾值分割算法，采用迭代閾值算法很好的將圖像進(jìn)行了分割。本文提出的基于輸電線路圖像特征的改進(jìn)形態(tài)學(xué)濾波方法很好的去除無(wú)人機(jī)圖像中的噪聲，減少了計(jì)算輪廓的計(jì)算量。通過(guò)設(shè)定輪廓形狀系數(shù)閾值和包含該輪廓的最小垂直矩形面積閾值很好的檢測(cè)出輸電線路上存在的異物。經(jīng)測(cè)試結(jié)果表明，該方法可以準(zhǔn)確檢測(cè)出異物存在與否。