久久一区二区免费播放,国产在线欧美日韩一区二区,国产综合色在线视频,精品伊人久久久香线蕉,精品视频麻豆网站,玖玖国产,国内精品久久久久影,在线观看精品视频一区二区三区,午夜久久影院,国产精品一区久久

一種空中輸電線路絕緣子檢測方法
【專利摘要】本發(fā)明涉及輸電線路巡檢領(lǐng)域，具體公開了一種空中輸電線路絕緣子檢測方法；包括：從航拍終端或錄像中的輸電線路提取相鄰幀圖像；對提取的相鄰幀圖像進行圖像的預(yù)處理，并采用中值濾波法進行圖像平滑處理；再先后采用改進的模糊c-均值聚類法和馬爾科夫隨機場相結(jié)合的方法，對預(yù)處理后的相鄰幀圖像進行圖像分割；并識別相鄰幀圖像中所包含的待檢測的絕緣子，再采用形態(tài)學(xué)濾波進行濾除，得到絕緣子的準確位置；最后采用8-鄰域方式來標記分割后的每一幀圖像中絕緣子的輪廓。本發(fā)明能夠從復(fù)雜的航拍圖像中完整地提取絕緣子圖像，為后續(xù)有效檢測輸電線路絕緣子缺陷提供技術(shù)保障。
【專利說明】一種空中輸電線路絕緣子檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及輸電線路巡檢領(lǐng)域，尤其是涉及一種空中輸電線路絕緣子檢測方法?！颈尘凹夹g(shù)】
[0002]對于架空輸電線路，由于長期暴露在自然環(huán)境中，存在人為或自然的破壞和線路老化問題，還要經(jīng)受污穢、雷擊、風(fēng)雪、洪水和鳥害等外界因素的侵害。以上因素會促使線路上設(shè)備老化，如果不及時發(fā)現(xiàn)和消除這些隱患就有可能引發(fā)各種故障甚至出現(xiàn)事故，會影響電網(wǎng)的安全運行和電力系統(tǒng)穩(wěn)定。輸電線路的絕緣子是用來防止輸電線路的帶電部件形成接地通道，因此是架空輸電線路的重要部件之一。隨著計算機視覺和圖像技術(shù)的快速發(fā)展以及航空數(shù)字相機拍攝技術(shù)的極大提高，利用直升機進行輸電線路巡檢和維護，將數(shù)字相機的數(shù)據(jù)采集和圖像處理與識別技術(shù)相結(jié)合，自動診斷輸電線路的各種缺陷，生成缺陷報告清單和檢修報告清單是航拍輸電線路巡檢技術(shù)發(fā)展的必然趨勢。
[0003]利用數(shù)字圖像處理技術(shù)，從航拍影像中提取絕緣子圖像，可為絕緣子缺陷的自動診斷提供可能。由于航拍影像中圖像背景復(fù)雜，如何從航拍影像中提取輸電線路的絕緣子，從而為自動診斷輸電線路的各種缺陷，生成缺陷報告清單和檢修報告清單提供依據(jù)；至今在國內(nèi)外一直是研究的難題。
[0004]目前還沒有有效的空中輸電線路絕緣子檢測方法來解決上述問題。

【發(fā)明內(nèi)容】

[0005]本發(fā)明所解決的技術(shù)問題是提供一種空中輸電線路絕緣子檢測方法，本發(fā)明能夠從復(fù)雜的航拍圖像中完整地提取絕緣子圖像，為后續(xù)有效檢測輸電線路絕緣子缺陷提供技術(shù)保障。
[0006]為了解決上述技術(shù)問題，本發(fā)明提供了一種空中輸電線路絕緣子檢測方法，包括:
[0007]步驟一:從航拍終端或錄像中的輸電線路提取相鄰幀圖像；
[0008]步驟二:對提取的所述相鄰幀圖像進行圖像的預(yù)處理；
[0009]步驟三:先后采用改進的模糊C-均值聚類法和馬爾科夫隨機場相結(jié)合的方法，對預(yù)處理后的所述相鄰幀圖像進行圖像分割；并識別所述相鄰幀圖像中所包含的待檢測的絕緣子；
[0010]步驟四:采用連通區(qū)域標識來標記分割后的所述每一幀圖像中所述絕緣子的輪廓。
[0011 ] 優(yōu)選的，所述絕緣子采用鋼化玻璃絕緣子。
[0012]更加優(yōu)選的，所述步驟二的預(yù)處理過程是:將彩色圖像的RGB空間轉(zhuǎn)換為HSI空間；所述HSI空間中的H表示色度；S表示飽和度；1表示亮度；從所述RGB空間到所述HSI空間轉(zhuǎn)換過程如下:
[0013]所述HSI空間中H、S、I這三個分量相互獨立；當光線越強，S分量的值越小；當光線越強，S分量的值越??；所述HSI空間為[O，255]的像素空間；
[0014]轉(zhuǎn)換為所述HSI空間后，再對所述相鄰幀圖像進行圖像平滑的處理。
[0015]更加優(yōu)選的，所述圖像平滑采用中值濾波法，采用5X5模板。
[0016]更加優(yōu)選的，所述步驟三中采用在收斂速度方面進行改進的模糊C-均值聚類法對所述相鄰幀圖像中的每一幀圖像進行圖像一次分割的過程是:設(shè)為圖像中所有非邊緣點的集合，為所有邊緣點的集合；首先確定參數(shù)c, m, η和t ;t代表迭代的次數(shù)，t從O開始，每次加I ;首先設(shè)置t = O開始迭代第一次，t = I開始迭代第二次，以此類推，進行迭代；
[0017]假設(shè)有個樣本數(shù)據(jù)組成樣本集合表示為:；其中；代表每個聚類的中心，其中；為預(yù)定的聚類數(shù)目，表示第個樣本對于第類聚類中心的隸屬度；
[0018]首先將非邊緣部分的點分成互不相交的塊，然后將邊緣部分的點劃分到相鄰的塊中，形成一些互不相交的、連續(xù)的子類，完成一次圖像的初步分割，得到c個互不相交的子類:，其中，，則當位于第類時，則，否則；在進行迭代時，輸入初始化參數(shù)c，m，n，t，分別調(diào)用下述隸屬度公式和類中心公式進行迭代，比較類中心公式和；當時，迭代結(jié)束；否則持續(xù)迭代；閾值的設(shè)定范圍O?10的自然數(shù)；完成圖像的一次分割；
[0019]隸屬度公式為:
[0020]類中心公式為:
[0021]得到個互不相交的子類:，其中；
[0022]式中，，是加權(quán)指數(shù)，η為圖像中的像素數(shù)或模式數(shù)，c為預(yù)先設(shè)置的類別數(shù)Kc ( η ;其中為樣本與第類的聚類中心間的歐式距離，表示樣本是否在第類的聚類中，即樣本對于的隸屬度；
[0023]當點時，即為邊緣點，其計算公式與所述隸屬度公式相同，采用的是模糊化隸屬關(guān)系的方法；當點，即為非邊緣點時，隸屬度均不發(fā)生變化，不再重新計算；重新計算和確定歸屬的只是所述邊緣點。
[0024]更加優(yōu)選的，所述步驟三中，采用馬爾科夫隨機場的方法對所述相鄰幀圖像經(jīng)過一次分割后的圖像進行二次分割的過程是:對經(jīng)過一次分割后的圖像，通過下述先驗概率公式計算各像素點的隸屬類別先驗概率，再通過下述更新的隸屬度公式計算隸屬度，通過上述類中心公式計算各個聚類中心；t代表迭代的次數(shù)，t從O開始，每次加I ;首先設(shè)置t=O開始迭代第一次，t = I開始迭代第二次，以此類推，進行迭代；比較類中心公式和；當時，迭代結(jié)束；否則持續(xù)迭代；閾值的設(shè)定范圍O?10的自然數(shù)；
[0025]馬爾科夫隨機場與吉布斯分布具有對等性，馬爾科夫隨機場由一個吉布斯分布來表示，第像素屬于第類的先驗概率為:
[0026]其中為鄰域標記為j的節(jié)點個數(shù)，I為類別集；
[0027]通過吉布斯模型提供的先驗概率，即第i像素屬于第j類的概率值，則隸屬度更新為，其中為控制權(quán)重因子，其值隨著圖像中噪聲的值而增大，范圍為，則更新的隸屬度公式為:
[0028]更加優(yōu)選的，所述步驟三中，所述相鄰幀圖像經(jīng)過二次分割后，分割成前景圖像和背景圖像，所述前景圖像指所述絕緣子所在區(qū)域的圖像，所述背景圖像指所述絕緣子所在區(qū)域之外的圖像；所述前景圖像的像素值設(shè)置為255，即白色；所述背景圖像的像素值設(shè)置為0，即黑色；輸出分割結(jié)果的圖像，得到所述絕緣子的位置。[0029]更加優(yōu)選的，所述步驟三中，所述相鄰幀圖像經(jīng)過二次分割后，得到所述絕緣子的位置；當二次分割后的圖像存在影響絕緣子定位的準確度的塊狀和線條狀區(qū)域時，則采用形態(tài)學(xué)濾波進行濾除；所述濾除的過程是:先使用5X5的圓形結(jié)構(gòu)元對圖像進行閉運算，再使用5X5的方形結(jié)構(gòu)元對閉運算后的圖像進行開運算，最終經(jīng)過形態(tài)學(xué)濾波后，得到所述絕緣子的準確位置。
[0030]更加優(yōu)選的，所述步驟四中標識所述每一幀圖像中所識別的所述絕緣子的輪廓的過程是:經(jīng)過所述步驟三處理后，得到所述絕緣子的準確位置，采用連通所述絕緣子的準確位置來標識所述絕緣子的輪廓，即對絕緣子邊緣采用8-鄰域方式進行標記；所述絕緣子邊緣的像素值為255，背景的像素值為0，首先對所述步驟三處理后的圖像進行一次完整的掃描，標記出所有目標像素點，然后對每個所述像素點的8-連通區(qū)域進行標記，即對每個所述像素點的上、下、左、右、左上、右上、右下、左下，共8個相鄰的像素點進行比較，然后根據(jù)比較結(jié)果進行標記。
[0031]更加優(yōu)選的，將所述八個相鄰的像素點進行比較，根據(jù)比較結(jié)果進行標記的過程是:
[0032]采用逐行掃描方式，從左向右從上向下掃描所述步驟三處理后的圖像的每一個像素點，判斷當前點8-鄰域中的左、左上、上、右上位置是否有像素點，則表示一個新的待標記區(qū)域的開始；
[0033]若當前點8-鄰域中的左的位置上有像素點，則標記當前像素點為左的像素點的標記值；
[0034]若當前點8-鄰域中的左的位置上沒有像素點,左上的位置上有像素點，則標記當前像素點為左上的像素點的標記值；
[0035]依次按照左、左上、上、右上的順序，標記當前像素點為四個像素點中的一個；
[0036]繼續(xù)掃描直到掃描完成。
[0037]其中，所述鋼化玻璃絕緣子(英文名稱:Toughenedglassbead)，鋼化玻璃絕緣子產(chǎn)品用于高壓和超高壓交、直流輸電線路中絕緣和懸掛導(dǎo)線用。早年間鋼化玻璃絕緣子多用于電線桿，慢慢發(fā)展于高型高壓電線連接塔的一端掛了很多盤狀的絕緣體，它是為了增加爬電距離的，通常由玻璃或陶瓷制成，就叫絕緣子。
[0038]其中，所述中值濾波法是一種非線性平滑技術(shù)，它將每一像素點的灰度值設(shè)置為該點某鄰域窗口內(nèi)的所有像素點灰度值的中值。中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的噪聲點。方法是用某種結(jié)構(gòu)的二維滑動模板，將板內(nèi)像素按照像素值的大小進行排序，生成單調(diào)上升(或下降)的為二維數(shù)據(jù)序列。二維中值濾波輸出為g(x，y)=med{f (x-k, y-1), (k, I e W)}，其中，f (χ, y)，g (χ, y)分別為原始圖像和處理后圖像。W為二維模板，通常為3*3，5*5區(qū)域，也可以是不同的形狀，如線狀，圓形，十字形，圓環(huán)形等。
[0039]其中，所述模糊C-均值聚類法，英文為fuzzyc-meansalgorithm (FCMA)或稱(FCM)。在眾多模糊聚類算法中，模糊C-均值(FCM)算法應(yīng)用最廣泛且較成功，它通過優(yōu)化目標函數(shù)得到每個樣本點對所有類中心的隸屬度，從而決定樣本點的類屬以達到自動對樣本數(shù)據(jù)進行分類的目 的。FCM算法簡介:假設(shè)樣本集合為X= {xl，x2,…，xn}，將其分成C個模糊組，并求每組的聚類中心h(j = 1，2，…，C)，使目標函數(shù)達到最小。模糊聚類分析作為無監(jiān)督機器學(xué)習(xí)的主要技術(shù)之一，是用模糊理論對重要數(shù)據(jù)分析和建模的方法，建立了樣本類屬的不確定性描述，能比較客觀地反映現(xiàn)實世界，它已經(jīng)有效地應(yīng)用在大規(guī)模數(shù)據(jù)分析、數(shù)據(jù)挖掘、矢量量化、圖像分割、模式識別等領(lǐng)域，具有重要的理論與實際應(yīng)用價值，隨著應(yīng)用的深入發(fā)展，模糊聚類算法的研究不斷豐富。
[0040]其中，所述馬爾科夫隨機場(MarkovRandomField,簡稱MRF),也有人翻譯為馬爾科夫隨機場，它包含兩層意思:即馬爾可夫和隨機場。馬爾可夫一般是馬爾可夫性質(zhì)的簡稱。它指的是一個隨機變量序列按時間先后關(guān)系依次排開的時候，第N+1時刻的分布特性，與N時刻以前的隨機變量的取值無關(guān)。拿天氣來打個比方。如果我們假定天氣是馬爾可夫的，其意思就是我們假設(shè)今天的天氣僅僅與昨天的天氣存在概率上的關(guān)聯(lián)，而與前天及前天以前的天氣沒有關(guān)系。其它如傳染病和謠言的傳播規(guī)律，就是馬爾可夫的。隨機場包含兩個要素:位置(site),相空間(phasespace)。當給每一個位置中按照某種分布隨機賦予相空間的一個值之后，其全體就叫做隨機場。我們不妨拿種地來打個比方?！拔恢谩焙帽仁且划€畝農(nóng)田；“相空間”好比是種的各種莊稼。我們可以給不同的地種上不同的莊稼，這就好比給隨機場的每個“位置”，賦予相空間里不同的值。 [0041]其中，所述吉布斯分布是將具有不連續(xù)點的周期函數(shù)(如矩形脈沖)進行傅立葉級數(shù)展開后，選取有限項進行合成。當選取的項數(shù)越多，在所合成的波形中出現(xiàn)的峰起越靠近原信號的不連續(xù)點。當選取的項數(shù)很大時，該峰起值趨于一個常數(shù)，大約等于總跳變值的9%。吉布斯函數(shù)(Gibbsfunction)，系統(tǒng)的熱力學(xué)函數(shù)之一。又稱熱力勢、自由焓、吉布斯自由能等。符號G，定義為:G = H-TS，式中H、T、S分別為系統(tǒng)的焓、熱力學(xué)溫度(開爾文溫度K)和熵。吉布斯函數(shù)是系統(tǒng)的廣延性質(zhì)，具有能量的量綱。由于H，T，S都是狀態(tài)函數(shù)，因而G也必然是一個狀態(tài)函數(shù)。當體系發(fā)生變化時，G也隨之變化。其改變值A(chǔ)G，稱為體系的吉布斯自由能變，只取決于變化的始態(tài)與終態(tài)，而與變化的途徑無關(guān):Λ G = Gft-Gfe,按照吉布斯自由能的定義，可以推出當體系從狀態(tài)I變化到狀態(tài)2時，體系的吉布斯自由能變?yōu)?Λ G = G2-G1 =Δ H- Δ (TS)，對于等溫條件下的反應(yīng)而言，有Τ2 = Tl = Τ,則Λ G= AH-TAS,上式稱為吉布斯-赫姆霍茲公式(亦稱吉布斯等溫方程)。由此可以看出，Λ G包含了Λ H和Λ S的因素，若用Λ G作為自發(fā)反應(yīng)方向的判據(jù)時，實質(zhì)包含了Λ H和Λ S兩方面的影響，即同時考慮到推動化學(xué)反應(yīng)的兩個主要因素。因而用AG作判據(jù)更為全面可靠。而且只要是在等溫、等壓條件下發(fā)生的反應(yīng)，都可用Λ G作為反應(yīng)方向性的判據(jù)，而大部分化學(xué)反應(yīng)都可歸人到這一范疇中，因而用Λ G作為判別化學(xué)反應(yīng)方向性的判據(jù)是很方便可行的。馬爾可夫隨機場由于能夠有效地表征圖像數(shù)據(jù)的空間相關(guān)性，并且有優(yōu)化算法的支持，在SAR圖像處理中起著越來越重要的作用。隨機場的局部特征很難表達，實用中總是米用聯(lián)合概率分布。若MRF的聯(lián)合概率用高斯分布表不,稱為高斯馬爾可夫隨機場(Gauss-MRF);若米用吉布斯分布表不，稱為吉布斯馬爾可夫隨機場。吉布斯馬爾可夫隨機場(Gibbs-MRF)Gibbs-MRF主要用于圖像復(fù)原算法中，一般都和優(yōu)化的參數(shù)估計方法模擬退火相聯(lián)系。
[0042]其中，所述形態(tài)學(xué)濾波是圖像處理中經(jīng)典的濾波算法；形態(tài)學(xué)濾波算法包括形態(tài)學(xué)運算和結(jié)構(gòu)元選取兩個部分，形態(tài)學(xué)運算采用膨脹和腐蝕，它們互為對偶運算，對圖像先腐蝕再膨脹稱為開運算，可以清除圖像某些微小的聯(lián)結(jié)、邊緣毛邊和孤立點；先膨脹再腐蝕則稱為閉運算，可以用來填充孔洞，提高圖像的連通性；其中膨脹和腐蝕是最基本的形態(tài)學(xué)運算，它們互為對偶運算。形態(tài)學(xué)濾波器的濾波性能主要取決于結(jié)構(gòu)元的選取，常用的結(jié)構(gòu)元素有線結(jié)構(gòu)元、方形結(jié)構(gòu)元和圓形結(jié)構(gòu)元等。
[0043]所述，8-連通區(qū)域是指，以點(X，y)為例，點(x，y)的8_連通區(qū)域指這個點周圍的 8 個點，點(X，y)的 8-連通區(qū)域為(x-l，y-l) ； (χ-l, y) ； (χ-l, y+1) ； (x, y-1) ； (x, y+1)；(x+l,y-l) ； (x+1, y) ； (x+1, y+1);在用濾波器提取完邊緣后找邊緣的8連通區(qū)域的意思是找到那些邊緣點屬于一條完整的邊緣。因為一條邊緣線上的點總是上下左右相鄰的。
[0044]本發(fā)明與現(xiàn)有技術(shù)相比，具有如下有益效果:
[0045]本發(fā)明提供了一種空中輸電線路絕緣子檢測方法，本發(fā)明能夠從復(fù)雜的航拍圖像中完整地提取絕緣子圖像，為后續(xù)有效檢測輸電線路絕緣子缺陷提供技術(shù)保障。
【專利附圖】

【附圖說明】
[0046]圖1示例性的示出了本發(fā)明一種空中輸電線路絕緣子檢測方法的流程示意圖；
[0047]圖2示例性的示出了本發(fā)明一種空中輸電線路絕緣子圖像分割的流程示意圖。
【具體實施方式】
[0048]為了更好的理解本發(fā)明所解決的技術(shù)問題、所提供的技術(shù)方案，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。此處所描述的具體實施例僅用以解釋本發(fā)明的實施，但并不用于限定本發(fā)明。
[0049]在優(yōu)選的實施例中，圖1示例性的示出了本發(fā)明一種空中輸電線路絕緣子檢測方法的流程示意圖，包括:
[0050]A:從航拍終端或錄像中的輸電線路提取相鄰幀圖像；
[0051]B:對提取的所述相鄰幀圖像進行圖像的預(yù)處理；
[0052]C:先后采用改進的模糊C-均值聚類法和馬爾科夫隨機場相結(jié)合的方法，對預(yù)處理后的所述相鄰幀圖像進行圖像分割；并識別所述相鄰幀圖像中所包含的待檢測的絕緣子;
[0053]D:采用連通區(qū)域標識來標記分割后的所述每一幀圖像中所述絕緣子的輪廓。
[0054]在更加優(yōu)選的實施例中，所述絕緣子采用鋼化玻璃絕緣子。
[0055]在更加優(yōu)選的實施例中，所述步驟B的預(yù)處理過程是:將彩色圖像的RGB空間轉(zhuǎn)換為HSI空間；所述HSI空間中的H表示色度；S表示飽和度；1表示亮度；從所述RGB空間到所述HSI空間轉(zhuǎn)換過程如下:
[0056]所述HSI空間中H、S、I這三個分量相互獨立；當光線越強，S分量的值越?。划敼饩€越強，S分量的值越?。凰鯤SI空間為[0，255]的像素空間；
[0057]轉(zhuǎn)換為所述HSI空間后，再對所述相鄰幀圖像進行圖像平滑的處理。
[0058]在更加優(yōu)選的實施例中，所述圖像平滑采用中值濾波法，采用5X5模板。
[0059]在更加優(yōu)選的實施例中，圖2示例性的示出了本發(fā)明一種空中輸電線路絕緣子圖像分割的流程示意圖；所述步驟C中采用在收斂速度方面進行改進的模糊C-均值聚類法對所述相鄰幀圖像中的每一幀圖像進行圖像一次分割的過程是:設(shè)為圖像中所有非邊緣點的集合，為所有邊緣點的集合；首先確定參數(shù)c, m, η和t ；t代表迭代的次數(shù)，t從O開始,每次加I ;首先設(shè)置t = O開始迭代第一次，t = I開始迭代第二次，以此類推，進行迭代；
[0060]假設(shè)有個樣本數(shù)據(jù)組成樣本集合表示為:；其中；代表每個聚類的中心,其中；為預(yù)定的聚類數(shù)目，表示第個樣本對于第類聚類中心的隸屬度；
[0061]首先將非邊緣部分的點分成互不相交的塊，然后將邊緣部分的點劃分到相鄰的塊中，形成一些互不相交的、連續(xù)的子類，完成一次圖像的初步分割，得到c個互不相交的子類:，其中，，則當位于第類時，則，否則；在進行迭代時，輸入初始化參數(shù)c，m，n，t，分別調(diào)用下述隸屬度公式和類中心公式進行迭代，比較類中心公式和；當時，迭代結(jié)束；否則持續(xù)迭代；閾值的設(shè)定范圍O?10的自然數(shù)；完成圖像的一次分割；
[0062]隸屬度公式為:
[0063]類中心公式為:
[0064]得到個互不相交的子類:，其中；
[0065]式中，，是加權(quán)指數(shù)，η為圖像中的像素數(shù)或模式數(shù)，c為預(yù)先設(shè)置的類別數(shù)Kc ( η ;其中為樣本與第類的聚類中心間的歐式距離，表示樣本是否在第類的聚類中，即樣本對于的隸屬度；
[0066]當點時，即為邊緣點，其計算公式與所述隸屬度公式相同，采用的是模糊化隸屬關(guān)系的方法；當點，即為非邊緣點時，隸屬度均不發(fā)生變化，不再重新計算；重新計算和確定歸屬的只是所述邊緣點。
[0067]在更加優(yōu)選的實施例中，所述步驟C中，采用馬爾科夫隨機場的方法對所述相鄰幀圖像經(jīng)過一次分割后的圖像進行二次分割的過程是:對經(jīng)過一次分割后的圖像，通過下述先驗概率公式計算各像素點的隸屬類別先驗概率，再通過下述更新的隸屬度公式計算隸屬度，通過上述類中心公式計算各個聚類中心；首先確定參數(shù)c，m，η和t;t代表迭代的次數(shù)，t從O開始，每次加I ;首先設(shè)置t = O開始迭代第一次，t = I開始迭代第二次，以此類推，進行迭代；比較類中心公式和；當時，迭代結(jié)束；否則持續(xù)迭代；閾值的設(shè)定范圍O?10的自然數(shù)；
[0068]馬爾科夫隨機場與吉布斯分布具有對等性,馬爾科夫隨機場由一個吉布斯分布來表示，第像素屬于第類的先驗概率為:
[0069]其中為鄰域標記為j的節(jié)點個數(shù)，I為類別集；
[0070]通過吉布斯模型提供的先驗概率，即第i像素屬于第j類的概率值，則隸屬度更新為，其中為控制權(quán)重因子，其值隨著圖像中噪聲的值而增大，范圍為，則更新的隸屬度公式為:
[0071]在更加優(yōu)選的實施例中，所述步驟C中，所述相鄰幀圖像經(jīng)過二次分割后，分割成前景圖像和背景圖像，所述前景圖像指所述絕緣子所在區(qū)域的圖像，所述背景圖像指所述絕緣子所在區(qū)域之外的圖像；所述前景圖像的像素值設(shè)置為255，即白色；所述背景圖像的像素值設(shè)置為0，即黑色；輸出分割結(jié)果的圖像，得到所述絕緣子的位置。
[0072]在更加優(yōu)選的實施例中，所述步驟C中，所述相鄰幀圖像經(jīng)過二次分割后，得到所述絕緣子的位置；當二次分割后的圖像存在影響絕緣子定位的準確度的塊狀和線條狀區(qū)域時，則采用形態(tài)學(xué)濾波進行濾除；所述濾除的過程是:先使用5X5的圓形結(jié)構(gòu)元對圖像進行閉運算，再使用5X5的方形結(jié)構(gòu)元對閉運算后的圖像進行開運算，最終經(jīng)過形態(tài)學(xué)濾波后，得到所述絕緣子的準確位置。[0073]在更加優(yōu)選的實施例中，所述步驟D中標識所述每一幀圖像中所識別的所述絕緣子的輪廓的過程是:經(jīng)過所述步驟C處理后，得到所述絕緣子的準確位置，采用連通所述絕緣子的準確位置來標識所述絕緣子的輪廓，即對絕緣子邊緣采用8-鄰域方式進行標記；所述絕緣子邊緣的像素值為255，背景的像素值為0，首先對所述步驟C處理后的圖像進行一次完整的掃描，標記出所有目標像素點，然后對每個所述像素點的8-連通區(qū)域進行標記，即對每個所述像素點的上、下、左、右、左上、右上、右下、左下，共8個相鄰的像素點進行比較，然后根據(jù)比較結(jié)果進行標記。
[0074]在更加優(yōu)選的實施例中，將所述八個相鄰的像素點進行比較，根據(jù)比較結(jié)果進行標記的過程是:
[0075]采用逐行掃描方式，從左向右從上向下掃描所述步驟C處理后的圖像的每一個像素點，判斷當前點8-鄰域中的左、左上、上、右上位置是否有像素點，則表示一個新的待標記區(qū)域的開始；
[0076]若當前點8 -鄰域中的左的位置上有像素點，則標記當前像素點為左的像素點的標記值；
[0077]若當前點8 -鄰域中的左的位置上沒有像素點,左上的位置上有像素點，則標記當前像素點為左上的像素點的標記值；
[0078]依次按照左、左上、上、右上的順序，標記當前像素點為四個像素點中的一個；
[0079]繼續(xù)掃描直到掃描完成。
[0080]具體實施例:
[0081]圖1為一種空中輸電線路絕緣子檢測方法流程框圖。如圖1所示，具體流程如下:
[0082]步驟S101，從航拍終端或錄像中提取相鄰幀圖像。圖像中包括超高壓輸電線路及鋼化玻璃絕緣子。
[0083]步驟S102，對提取圖像進行圖像預(yù)處理，具體為:直接將彩色圖像轉(zhuǎn)換為灰度圖，然后對絕緣子圖像進行分割，經(jīng)試驗證明效果不佳。因此，本發(fā)明將彩色圖像的RGB空間轉(zhuǎn)換為HSI空間。HSI空間中的H表示色度；S表示飽和度；1表示亮度。從RGB空間到HSI空間轉(zhuǎn)換過程如下:
[0084](I)；
[0085]因為HSI空間模型接近人對顏色的視覺感知，三個分量之間相關(guān)性很小，色度分量H對光線和陰影都不敏感，飽和度分量S隨著光強度的變化對成像物體的有一定的影響，因此可以區(qū)分不同顏色的物體。
[0086]HSI空間中H、S、I三分量相互獨立，經(jīng)過大量試驗證明隨著光強度的變化，當光線越強，S分量的值越小，所以本發(fā)明選取S分量作為圖像分割的灰度圖，將其轉(zhuǎn)換到[0，255]的像素空間。
[0087]再對圖像進行圖像平滑，過濾噪聲，圖像平滑采用中值濾波的方法，采用5X5模板。
[0088]步驟S103，利用改進C-均值聚類和馬爾科夫隨機場結(jié)合的方法，對絕緣子圖像進行圖像分割，具體為:本發(fā)明設(shè)計了一種改進模糊均值聚類方法對圖像進行分割，在模糊均值聚類方法(FCM)基礎(chǔ)上，針對航拍圖像中絕緣子的特點，對FCM方法的收斂速度進行改進，設(shè)Etl為圖像中所有非“邊緣”點的集合，E1為所有“邊緣”點的集合，那么:[0089]首先將非“邊緣”部分分成互不相交的塊，然后將“邊緣”部分的點劃分到相鄰的塊中，形成一些互不相交的、連續(xù)的子類，完成一次圖像的初步分割，得到c個互不相交的子類其中，ie {1，2，…，c}，則當Xj位于第i類z廣時，則=1，否則 =0。在進
行迭代時，隸屬度公式為:
[0090](2)；
[0091]類中心公式為:
[0092](3)；
[0093]得到個互不相交的子類:，其中；
[0094]式中，，是加權(quán)指數(shù)，η為圖像中的像素數(shù)或模式數(shù)，c為預(yù)先設(shè)置的類別數(shù)Kc ≤η ;其中為樣本與第類的聚類中心間的歐式距離，表示樣本是否在第類的聚類中，即樣本對于的隸屬度；
[0095]當點時，即為邊緣點，其計算公式與所述隸屬度公式相同，采用的是模糊化隸屬關(guān)系的方法；當點，即為非邊緣點時，隸屬度均不發(fā)生變化，不再重新計算；重新計算和確定歸屬的只是所述邊緣點。
[0096]由于模糊均值聚類方法分割圖像時僅應(yīng)用圖像的灰度特征，并沒有考慮到像素的空間特征，所以當航拍條件惡劣的時候，例如:霧霾天氣、雨雪天氣，模糊均值聚類方法會受到噪聲點的影響，為了將絕緣子區(qū)域從圖像中分離出來，本發(fā)明引入馬爾科夫隨機場(MRF)與吉布斯Gibbs隨機場分布，用來提高像素分布的先驗概率。因為MRF與Gibbs隨機場具有對等性，那么馬爾科夫隨機場可由一個吉布斯分布來表示，第像素屬于第類的先驗概率為:
[0097](4)；
[0098]其中為鄰域標記為j的節(jié)點個數(shù)，I為類別集；
[0099]通過吉布斯模型提供的先驗概率，即第i像素屬于第j類的概率值，則隸屬度更新為，其中為控制權(quán)重因子，其值隨著圖像中噪聲的值而增大，范圍為，則隸屬度公式(2)更新為:
[0100](5)
[0101]具體絕緣子圖像分割步驟如下:
[0102]I)確定模糊均值聚類算法參數(shù)C，m, η,并且t = O ;
[0103]2)利用改進模糊均值聚類算法進行初次圖像分割
[0104]3)根據(jù)初次分割結(jié)果，通過公式(4)計算各像素點的隸屬類別先驗概率
[0105]4)利用公式(5)計算隸屬度
[0106]5)利用公式(3)計算各個聚類中心，并且
[0107]6)選取一個合適的矩陣范數(shù)比較和，，當時，迭代結(jié)束；轉(zhuǎn)步驟7);否則返回步驟3)。例如:雨雪天設(shè)為10，晴天設(shè)為2。
[0108]7)輸出分表1]結(jié)果。
[0109]步驟S104，采用連通區(qū)域標識來標識絕緣子輪廓，具體為:經(jīng)過圖像分割后，可得到絕緣子區(qū)域，采用連通區(qū)域標識來標識絕緣子輪廓，即對絕緣子邊緣進行標記。采用8-鄰域方式進行標記。假設(shè)目標為白色，值為255，背景為黑色，值為O。首先對二值圖像進行一次完整的掃描，標記出所有目標像素點，然后對每一個像素進行8-連通區(qū)域的標記，即對每個像素的上、下、左、右、左上、右上、右下、左下，共8個相鄰像素進行比較，然后根據(jù)比較結(jié)果進行標記。
[0110]圖2為一種空中輸電線路絕緣子圖像分割流程圖。如圖2所示，具體流程如下:
[0111]該流程開始于步驟S201 ；
[0112]在步驟S202,確定模糊均值聚類算法參數(shù)c, m, η,并且t = 0。
[0113]在步驟S203，根據(jù)步驟S202輸入的初始化參數(shù)，利用改進模糊均值聚類算法進行初次圖像分割。
[0114]在步驟S204，根據(jù) 步驟S203改進模糊均值聚類算法初次分割結(jié)果，通過公式(4)計算各像素點的隸屬類別先驗概率。
[0115]在步驟S205，根據(jù)步驟S204計算得到的隸屬類別先驗概率，再利用公式(5)計算
隸屬度。
[0116]在步驟S206，根據(jù)步驟S205計算得到的隸屬度uij，利用公式(3)計算各個聚類中心,并且。
[0117]在步驟S207，根據(jù)步驟S206計算得到的聚類中心，選取一個合適的矩陣范數(shù)比較和；
[0118]如果步驟S207的結(jié)果為“是”，則進入步驟S208，輸出分割圖像，得到結(jié)果；
[0119]如果步驟S207的結(jié)果為“否”，則進入步驟S204.[0120]進入步驟S209，流程結(jié)束。
[0121]本發(fā)明的創(chuàng)新之處在于:
[0122]1:彩色RGB圖像轉(zhuǎn)換為HSI圖像。具體為:針對航拍圖像的特點，沒有將彩色圖像的RGB直接灰度化得到灰度圖，而是將彩色RGB圖像轉(zhuǎn)換為HSI空間的表示，然后選取S分量作為灰度圖，然后在圖像分割。效果是轉(zhuǎn)換為HSI圖像后，選取S分量作為灰度圖，得到的灰度圖能突出絕緣子在輸電線路中位置。
[0123]2:改進的C-均值聚類方法。具體為:對模糊均值聚類(FCM)方法的收斂速度進行改進，增加圖像中所有非“邊緣”點的集合，所有“邊緣”點的集合，然后更新隸屬度公式，進行初次分割。
[0124]3:利用馬爾科夫隨機場(MRF)與吉布斯Gibbs隨機場進行二次分割。具體為:利用馬爾科夫隨機場(MRF)與吉布斯Gibbs隨機場得到像素屬于某一類的概率密度，然后繼續(xù)更新隸屬度公式，進行二次分割。
[0125]以上通過具體的和優(yōu)選的實施例詳細的描述了本發(fā)明，但本領(lǐng)域技術(shù)人員應(yīng)該明白，本發(fā)明并不局限于以上所述實施例，凡在本發(fā)明的基本原理之內(nèi)，所作的任何修改、組合及等同替換等，均包含在本發(fā)明的保護范圍之內(nèi)。
【權(quán)利要求】
1.一種空中輸電線路絕緣子檢測方法，其特征在于，包括: 步驟一:從航拍終端或錄像中的輸電線路提取相鄰幀圖像； 步驟二:對提取的所述相鄰幀圖像進行圖像的預(yù)處理； 步驟三:先后采用改進的模糊C-均值聚類法和馬爾科夫隨機場相結(jié)合的方法，對預(yù)處理后的所述相鄰幀圖像進行圖像分割；并識別所述相鄰幀圖像中所包含的待檢測的絕緣子; 步驟四:采用連通區(qū)域標識來標記分割后的所述每一幀圖像中所述絕緣子的輪廓。
2.根據(jù)權(quán)利要求1所述的空中輸電線路絕緣子檢測方法，其特征在于，所述絕緣子采用鋼化玻璃絕緣子。
3.根據(jù)權(quán)利要求1所述的空中輸電線路絕緣子檢測方法，其特征在于，所述步驟二的預(yù)處理過程是:將彩色圖像的RGB空間轉(zhuǎn)換為HSI空間；所述HSI空間中的H表示色度；S表示飽和度；1表示亮度；從所述RGB空間到所述HSI空間轉(zhuǎn)換過程如下: 所述HSI空間中H、S、I這三個分量相互獨立；當光線越強，S分量的值越??；當光線越強，S分量的值越小;所述HSI空間為[O, 255]的像素空間； 轉(zhuǎn)換為所述HSI空間后，再對所述相鄰幀圖像進行圖像平滑的處理。
4.根據(jù)權(quán)利要求3所述的空中輸電線路絕緣子檢測方法，其特征在于，所述圖像平滑采用中值濾波法，采用5X5模板。
5.根據(jù)權(quán)利要求1所述的空中輸電線路絕緣子檢測方法，其特征在于，所述步驟三中采用在收斂速度方面進行改進的模糊C-均值聚類法對所述相鄰幀圖像中的每一幀圖像進行圖像一次分割的過程是:設(shè)為圖像中所有非邊緣點的集合，為所有邊緣點的集合；首先確定參數(shù)c, m, η和t ;t代表迭代的次數(shù)，t從O開始,每次加I ;首先設(shè)置t = O開始迭代第一次，t = I開始迭代第二次，以此類推，進行迭代； 假設(shè)有個樣本數(shù)據(jù)組成樣本集合表示為:；其中；代表每個聚類的中心，其中；為預(yù)定的聚類數(shù)目，表示第個樣本對于第類聚類中心的隸屬度； 首先將非邊緣部分的點分成互不相交的塊，然后將邊緣部分的點劃分到相鄰的塊中，形成一些互不相交的、連續(xù)的子類，完成一次圖像的初步分割，得到c個互不相交的子類:，其中，，則當位于第類時，則，否則；在進行迭代時，輸入初始化參數(shù)c，m，n，t，分別調(diào)用下述隸屬度公式和類中心公式進行迭代，比較類中心公式和；當時，迭代結(jié)束；否則持續(xù)迭代；閾值的設(shè)定范圍O~10的自然數(shù)；完成圖像的一次分割； 隸屬度公式為: 類中心公式為: 得到個互不相交的子類:，其中； 式中，，是加權(quán)指數(shù)，η為圖像中的像素數(shù)或模式數(shù)，c為預(yù)先設(shè)置的類別數(shù)l〈c ( η ;其中為樣本與第類的聚類中心間的歐式距離，表示樣本是否在第類的聚類中，即樣本對于的隸屬度； 當點時，即為邊緣點，其計算公式與所述隸屬度公式相同，采用的是模糊化隸屬關(guān)系的方法；當點，即為非邊緣點時，隸屬度均不發(fā)生變化，不再重新計算；重新計算和確定歸屬的只是所述邊緣點。
6.根據(jù)權(quán)利要求1所述的空中輸電線路絕緣子檢測方法，其特征在于，所述步驟三中，采用馬爾科夫隨機場的方法對所述相鄰幀圖像經(jīng)過一次分割后的圖像進行二次分割的過程是:對經(jīng)過一次分割后的圖像，通過下述先驗概率公式計算各像素點的隸屬類別先驗概率，再通過下述更新的隸屬度公式計算隸屬度，通過上述類中心公式計算各個聚類中心；t代表迭代的次數(shù)，t從O開始，每次加I ;首先設(shè)置t = O開始迭代第一次，t = I開始迭代第二次，以此類推，進行迭代；比較類中心公式和；當時，迭代結(jié)束；否則持續(xù)迭代；閾值的設(shè)定范圍O~10的自然數(shù)； 馬爾科夫隨機場與吉布斯分布具有對等性，馬爾科夫隨機場由一個吉布斯分布來表示，第像素屬于第類的先驗概率為: 其中為鄰域標記為j的節(jié)點個數(shù)，I為類別集； 通過吉布斯模型提供的先驗概率，即第i像素屬于第j類的概率值，則隸屬度更新為，其中為控制權(quán)重因子，其值隨著圖像中噪聲的值而增大，范圍為，則更新的隸屬度公式為。
7.根據(jù)權(quán)利要求6所述的空中輸電線路絕緣子檢測方法，其特征在于，所述步驟三中，所述相鄰幀圖像經(jīng)過二次分割后，分割成前景圖像和背景圖像，所述前景圖像指所述絕緣子所在區(qū)域的圖像，所述背景圖像指所述絕緣子所在區(qū)域之外的圖像；所述前景圖像的像素值設(shè)置為255，即白色；所述背景圖像的像素值設(shè)置為0，即黑色；輸出分割結(jié)果的圖像，得到所述絕緣子的位置。
8.根據(jù)權(quán)利要求7所述的空中輸電線路絕緣子檢測方法，其特征在于，所述步驟三中，所述相鄰幀圖像經(jīng)過二次分割后，得到所述絕緣子的位置；當二次分割后的圖像存在影響絕緣子定位的準確度的塊狀和線條狀區(qū)域時，則采用形態(tài)學(xué)濾波進行濾除；所述濾除的過程是:先使用5X5的圓形結(jié)構(gòu)元對圖像進行閉運算，再使用5X5的方形結(jié)構(gòu)元對閉運算后的圖像進行開運算，最終 經(jīng)過形態(tài)學(xué)濾波后，得到所述絕緣子的準確位置。
9.根據(jù)權(quán)利要求1所述的空中輸電線路絕緣子檢測方法，其特征在于，所述步驟四中標識所述每一幀圖像中所識別的所述絕緣子的輪廓的過程是:經(jīng)過所述步驟三處理后，得到所述絕緣子的準確位置，采用連通所述絕緣子的準確位置來標識所述絕緣子的輪廓，即對絕緣子邊緣采用8-鄰域方式進行標記；所述絕緣子邊緣的像素值為255，背景的像素值為0，首先對所述步驟三處理后的圖像進行一次完整的掃描，標記出所有目標像素點，然后對每個所述像素點的8-連通區(qū)域進行標記，即對每個所述像素點的上、下、左、右、左上、右上、右下、左下，共8個相鄰的像素點進行比較，然后根據(jù)比較結(jié)果進行標記。
10.根據(jù)權(quán)利要求9所述的空中輸電線路絕緣子檢測方法，其特征在于，將所述八個相鄰的像素點進行比較，根據(jù)比較結(jié)果進行標記的過程是: 采用逐行掃描方式，從左向右從上向下掃描所述步驟三處理后的圖像的每一個像素點，判斷當前點8-鄰域中的左、左上、上、右上位置是否有像素點，則表示一個新的待標記區(qū)域的開始； 若當前點8-鄰域中的左的位置上有像素點，則標記當前像素點為左的像素點的標記值； 若當前點8-鄰域中的左的位置上沒有像素點，左上的位置上有像素點，則標記當前像素點為左上的像素點的標記值； 依次按照左、左上、上、右上的順序，標記當前像素點為四個像素點中的一個； 繼續(xù)掃描直到掃描完成。
【文檔編號】G01N21/88GK103940824SQ201410177668
【公開日】2014年7月23日 申請日期:2014年4月29日 優(yōu)先權(quán)日:2014年4月29日
【發(fā)明者】孫宏彬, 柯洪昌, 李天宇 申請人:長春工程學(xué)院