基于无人机图像处理的输电线路提取技术研究

为进一步减轻输电线路进行定期检查、巡视的任务,文章提出了一种利用智能化无人机巡检技术,对航拍图像进行线路的提取和跟踪。采用直方图均衡化及图像滤波对航拍图像进行预处理,解决了航拍图像光照强度以及背景对输电线路元素提取的干扰;采用LSD算法实现了线路边缘的提取,在去除图像背景信号的基础上使用Hough变换数学算法实现了输电线路的准确连接;分别采用粒子滤波和扩展卡尔曼滤波两种图像跟踪方法对航拍视频进行线路跟踪,通过建立输电线运动模型,用仿真软件对其进行识别,两种方法的检测准确度分别为95.34%和94.72%,证实文章处理算法可实现输电线路的提取和跟踪。     

基于红外图像识别的输电线路故障诊断

红外图像中输电线路故障的准确识别一直是困扰检测人员的难题。本文借助红外成像仪获取输电线路温升变化图像,从分析输电线路红外图像的特征入手,通过比较各颜色空间的优缺点,应用HSI颜色空间转换获得图像边缘信息,借助中值滤波保持边缘信息的优势,利用改进的中值滤波排除干扰,采用梯度法提取其中的温度最高区域,从而迅速准确地诊断输电线路温升故障。以输电线路的红外图像为例,验证了HSI空间梯度法识别温度最高区域的可行性和有效性。     

基于激光测距成像和图像处理的输电线路防护技术

针对目前输电线路防外力破坏自动化水平不高的现状,考虑激光扫描成像的特点,结合图像直线特征提取和空间转换,以及样本匹配理论,提出了一种在参数空间内的危险目标自动识别方法。通过脉冲飞行时间法来扫描获取目标各点的空间位置数据,并将原始数据映射为一幅灰度图像,将灰度图像进行图像处理,包括二值化、去噪、边缘检测,最终通过Hough变换提取出图像中的直线特征,在参数空间中,提出了判断图像间相似性的度量函数,并建立了目标图像与危险目标数据库的匹配函数,从而实现输电线下方危险目标的自动识别,防止输电线路遭受外力破坏。实验结果显示,能顺利检测到危险目标且不会发生误报,是一种可行的检测输电线路中危险目标的方法。     

基于红外图像的输电线路故障识别

传统红外图像输电线路故障识别方法易受到噪声的干扰,故障边缘特征信息模糊,不能准确找出输电线路故障的位置,存在识别准确率低,抗干扰性差等难题,为此提出了基于红外图像对输电线路故障识别方法。采用红外成像仪器采集输电线路的温度变化图像,并采用粒子滤波算法去除故障图像中的噪声干扰,通过RGB色彩通道转换对输电线路红外图像的故障区域进行划分,利用共轭梯度法对输电线路故障区域的故障点进行识别和定位。实验结果表明,该方法能够实现输电线路故障的准确定位和高精度识别,且定位精度高达80%。     

高压输电线路红外图像的边缘检测

高压输电线路的导线，金具及绝缘子串等的红外图像的特点有：边缘模糊，对比度差，空间域上存在孤立的点和小块噪声。采用中值滤波方法。在保护图像边缘细节信息的前提下有效地降低了图像空间域高频噪声，用分段线性灰度变换增强了图像边缘的对比度，提高了图像的温度分辨力和空间分辨力。通过对Roberts边缘算子、Sobel边缘算子、Prewit边缘算子、Laplace边缘算子和Laplace改进算子等常用边缘检测算子对噪声的抑制效果和边缘定位精度的对比分析，选用Roberts算子完成了图像的边缘轮廓检测，并对不连续边缘进行跟踪和连接，得到了清晰连续的图像边缘，完成了高压输电线路红外图像的边缘特征提取。以一幅耐张绝缘子串的红外图像为应用实例，验证了图像预处理及边缘检测方法的有效性。     

基于支持向量机的自适应均值滤波超声图像降噪

医学超声图像在成像过程中由于超声散射回波的相互干渉,导致所成图像中出现难以与器官、组织等人体结构区分的斑点噪声,给后期的临床诊断和图像后续处理带来了极大的不便。针对超声图像中的斑点噪声,提出了一种基于支持向量机(SVM)的自适应均值滤波超声图像降噪模型。该方法利用SVM的分类特性,将超声图像中的噪声信号和非噪声信号作出区分,再将SVM的分类结果和均值滤波相结合去对噪声图像进行去噪。这样可以保证医学含噪图像的组织区域和细节特征做到最大保留,噪声区域获得最大的平滑处理。在实验部分,通过对物理体膜和人体超声肝脏图像分别进行实验,结果表明,该方法可以有效抑制并降低超声图像中的斑点噪声,并保留了其边缘特征,使得去噪图像的信噪比显著增加,是一种有效的医学超声图像降噪方法。     

基于YOLOv2网络的绝缘子自动识别与缺陷诊断模型

针对无人机或机器人获取的输电线路绝缘子图像,提出了一种基于深度学习图像识别框架（YOLOv2）网络的输电线路绝缘子在线识别与缺陷诊断模型,训练YOLOv2网络学习复杂背景下各种绝缘子的特征并准确识别,结合边缘检测、直线检测、图像旋转和垂直投影方法,对识别出各种状态的绝缘子进行缺陷诊断。输电线路巡检图像的仿真结果表明,所提出的绝缘子自动识别与缺陷诊断方法能迅速准确地从输电线路巡检图像中识别出绝缘子,并诊断出绝缘子是否破损以及缺陷位置,有利于提升输电线路智能巡检水平。     

基于Retinex理论的低照度下输电线路图像增强方法及应用

为提高低照度环境下输电线路图像视频在线监测设备分析的准确性,提出一种基于Retinex理论的低照度图像增强方法。首先采用改进型同态滤波算法增强低照度图像的RGB分量,然后将图像转换至HSV色彩空间中。对多尺度Retinex算法增强图像进行改进,采用双边滤波函数替代Gaussian函数作为Retinex算法的环绕函数,引入色彩恢复函数进行图像色彩恢复,入射分量采用幂律变换校正,反射分量采用Sigmoid函数处理。最后将图像再转换至RGB空间得到增强后的输电线路图像。对实拍低照度输电线路图片进行仿真处理,结果表明该方法可以有效提高低照度图像的对比度、清晰度和信息熵,并在覆冰预警和异物识别中实现较好的应用。     

输电线路覆冰图像边缘检测方法研究

输电线路覆冰图像边缘轮廓的提取方法有多种,通过列举对比经典边缘检测方法和新型边缘检测方法的原理、性能和特点,对处理输电线路覆冰图像边缘检测方法的选择具有指导意义。     

基于无人机激光扫描的输电通道安全距离诊断技术

结合输电线路巡线和维护的需求,提出了利用机载激光扫描数据诊断输电线路安全距离的方法。该方法首先采用顾及地形起伏特征的点云自动滤波方法分离地面点和非地面点,利用维数特征对非地面点进行初分类,并根据投影点密度获取杆塔点。然后采用二维霍夫变换以及分块质心解算方法获取输电线的三维节点,采用区域生长方法获取建筑物目标,根据植被的最高点以及边缘点获取植被目标。从而可以量测出输电线与其周围物体之间的距离,进而根据距离的大小对输电线路及其周围环境高程信息进行诊断。采用有人、无人机载激光数据对算法进行验证,实验结果表明了文中方法的有效性和精确性。该诊断机制可以判别线路附近的建筑物或植被等目标是否已达到危险的高度或位置,以便及时修剪或清除,确保线路运行安全。     

基于径向基概率神经网络的输电导线缺陷状态识别

输电导线作为承担电能传输任务的重要部件,及时发现其本体缺陷对指导维修避免重大电力事故的发生具有重要意义。考虑到无人机巡检中输电导线背景的复杂性和导线表面缺陷检测的困难度,提出一种基于径向基概率神经网络的输电导线缺陷状态识别方法。首先,依次采用加权色差法、最大类间方差法以及形态学滤波实现复杂背景下输电导线的准确分割。其次,将分割出的导线区域等距划分为10个导线子图像,通过Gabor滤波器获得输电导线8个角度、5个尺度的40幅纹理增强子图像,提取各个子图像的粗糙度、对比度和方向度3个纹理特征量,结合特征方差比筛选出10个强纹理特征;最后,将10个强纹理特征量作为径向基概率神经网络的输入,完成输电导线缺陷状态的识别。实验结果表明所提方法可以实现复杂背景下输电导线快速分割与缺陷状态的准确识别,为无人机巡检中输电导线的运行状态检测提供了新的思路。     

基于随机Hough变换的线路覆冰厚度图像识别技术

为了提高输电导线覆冰厚度的计算精度,提出了一种基于随机Hough变换计算输电导线覆冰厚度的方法。首先对导线的图像进行灰度处理,去除色调和色彩饱和度;然后利用Canny算子检测,对图像进行去噪和去除图像背景处理,只保留图像前景;再利用随机Hough变换和最小二乘法确定导线边缘直线;最后根据覆冰前后导线图像的像素来计算覆冰厚度。计算结果表明,该方法的计算精度比基于传统Hough变换的计算精度提升了14%,可以显著地提高输电线路覆冰厚度的监测精度和水平。     

基于改进MPEG-7纹理特征的绝缘子图像识别

绝缘子的良好状态保障着电力系统的安全运行,绝缘子的状态监控也是未来电力系统智能监控中的一个重要问题,因此开发无人飞行器的输电线路巡视系统具有重要的意义。笔者首先在分析数字图像预处理方法的基础上,采用图像灰度化、对比度增强和图像去噪三个步骤对绝缘子图像进行预处理;随后利用MPEG-7边缘直方图法对绝缘子纹理特征提取与识别,并在此基础上对原始的MPEG-7边缘直方图进行优化和改进,很大程度上提高了识别的准确性。大量实验结果表明,该方法能在稍复杂背景下有效的识别出图片中绝缘子。     

基于背景色彩和PCNN的磨粒图像单通道分割

为有效地从磨粒图像中分离出磨粒区域,根据彩色磨粒图像背景相对单一的特点,提出了一种基于背景色彩和脉冲耦合神经网络(PCNN)的磨粒图像单通道分割方法.首先,利用Otsu算法对磨粒图像进行预分割处理,并计算图像背景色彩的统计特征,以此作为背景的特征色彩矢量;然后,引入综合色距函数,通过计算图像中各像素与背景特征色彩之间的色差,将彩色磨粒图像三通道问题转化成单通道问题;最后,利用简化PCNN对构造的色差矩阵进行分割,从而得到彩色磨粒图像的分割结果.实验结果表明,该方法对含有单个磨粒和多个磨粒的彩色磨粒图像均能进行精确自动分割,是一种比较理想的分割方法.     

血管内超声图像的预处理

对血管内超声图像进行噪声滤波和边缘增强是对图像进一步处理分析的基础工作。针对采集到的强背景噪声的血管内超声图像,双边滤波利用像素间的空间距离和灰度值之差来控制滤波效果,即平滑了图像又保持了边缘。Retinex算法把图像分解为反射物体图像和入射光图像,在增强管壁边缘的同时对噪声影响小。实验结果表明,综合利用双边滤波和Retinex增强算法,在滤除噪声增强边缘有较满意的效果,对血管壁边缘检测有明显的改善。     

一种多特征融合的图像检索新方法

如何提高基于内容的图像检索的准确率是图像检索领域中的一大难题,其关键在于特征提取方法。针对单一特征检索效果的不足,从图像的多特征入手,先使用颜色和边缘的方向性描述符提取图像的颜色和纹理特征,再使用分层梯度方向直方图提取图像的形状特征,最后采用图像底层特征串行关联的方法将3种特征结合进行检索。使用Corel标准图像集进行测试,结果表明本文方法的查准率和AvgP值比两种原算法均有提高,是一种有效的多特征融合的图像检索方法。     

基于Cycle-GAN的绝缘子图像生成方法

深度学习模型应用于输电线路绝缘子目标检测时,在训练样本方面存在公开样本集缺乏和优质样本不足的问题,为此提出一种基于循环一致性生成对抗网络(cycle-generative adversarial networks,Cycle-GAN)的绝缘子图像生成方法。首先分析绝缘子样本集,对绝缘子图像基于背景色彩特征进行风格域划分;之后在划分好的绝缘子风格域样本集基础上,采用Cycle-GAN生成绝缘子图像样本;最后,搭建分类网络验证生成图像用于扩充的有效性,并进一步探究了生成图像不同扩增比例对分类性能的影响。结果表明:绝缘子生成样本可一定程度上替代真实样本;生成图像不同扩充比例对网络性能影响不同,当扩充比例在40%~50%时,分类网络性能提升效果最佳。