一種空中輸電線路絕緣子檢測方法
2023-05-04 01:47:36
一種空中輸電線路絕緣子檢測方法
【專利摘要】本發明涉及輸電線路巡檢領域，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處理，並採用中值濾波法進行圖像平滑處理；再先後採用改進的模糊c-均值聚類法和馬爾科夫隨機場相結合的方法，對預處理後的相鄰幀圖像進行圖像分割；並識別相鄰幀圖像中所包含的待檢測的絕緣子，再採用形態學濾波進行濾除，得到絕緣子的準確位置；最後採用8-鄰域方式來標記分割後的每一幀圖像中絕緣子的輪廓。本發明能夠從複雜的航拍圖像中完整地提取絕緣子圖像，為後續有效檢測輸電線路絕緣子缺陷提供技術保障。
【專利說明】一種空中輸電線路絕緣子檢測方法
【技術領域】
[0001]本發明涉及輸電線路巡檢領域，尤其是涉及一種空中輸電線路絕緣子檢測方法。【背景技術】
[0002]對於架空輸電線路，由於長期暴露在自然環境中，存在人為或自然的破壞和線路老化問題，還要經受汙穢、雷擊、風雪、洪水和鳥害等外界因素的侵害。以上因素會促使線路上設備老化，如果不及時發現和消除這些隱患就有可能引發各種故障甚至出現事故，會影響電網的安全運行和電力系統穩定。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的快速發展以及航空數字相機拍攝技術的極大提高，利用直升機進行輸電線路巡檢和維護，將數字相機的數據採集和圖像處理與識別技術相結合，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發展的必然趨勢。
[0003]利用數字圖像處理技術，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。由於航拍影像中圖像背景複雜，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；至今在國內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。
【發明內容】
[0005]本發明所解決的技術問題是提供一種空中輸電線路絕緣子檢測方法，本發明能夠從複雜的航拍圖像中完整地提取絕緣子圖像，為後續有效檢測輸電線路絕緣子缺陷提供技術保障。
[0006]為了解決上述技術問題，本發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處理；
[0009]步驟三:先後採用改進的模糊C-均值聚類法和馬爾科夫隨機場相結合的方法，對預處理後的所述相鄰幀圖像進行圖像分割；並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:採用連通區域標識來標記分割後的所述每一幀圖像中所述絕緣子的輪廓。
[0011 ] 優選的，所述絕緣子採用鋼化玻璃絕緣子。
[0012]更加優選的，所述步驟二的預處理過程是:將彩色圖像的RGB空間轉換為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分量的值越小；所述HSI空間為[O，255]的像素空間；
[0014]轉換為所述HSI空間後，再對所述相鄰幀圖像進行圖像平滑的處理。
[0015]更加優選的，所述圖像平滑採用中值濾波法，採用5X5模板。
[0016]更加優選的，所述步驟三中採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c, m, η和t ;t代表迭代的次數，t從O開始，每次加I ;首先設置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]假設有個樣本數據組成樣本集合表示為:；其中；代表每個聚類的中心，其中；為預定的聚類數目，表示第個樣本對於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，然後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，，則當位於第類時，則，否則；在進行迭代時，輸入初始化參數c，m，n，t，分別調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，迭代結束；否則持續迭代；閾值的設定範圍O?10的自然數；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，，是加權指數，η為圖像中的像素數或模式數，c為預先設置的類別數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，即樣本對於的隸屬度；
[0023]當點時，即為邊緣點，其計算公式與所述隸屬度公式相同，採用的是模糊化隸屬關係的方法；當點，即為非邊緣點時，隸屬度均不發生變化，不再重新計算；重新計算和確定歸屬的只是所述邊緣點。
[0024]更加優選的，所述步驟三中，採用馬爾科夫隨機場的方法對所述相鄰幀圖像經過一次分割後的圖像進行二次分割的過程是:對經過一次分割後的圖像，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，t從O開始，每次加I ;首先設置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，迭代結束；否則持續迭代；閾值的設定範圍O?10的自然數；
[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，第像素屬於第類的先驗概率為:
[0026]其中為鄰域標記為j的節點個數，I為類別集；
[0027]通過吉布斯模型提供的先驗概率，即第i像素屬於第j類的概率值，則隸屬度更新為，其中為控制權重因子，其值隨著圖像中噪聲的值而增大，範圍為，則更新的隸屬度公式為:
[0028]更加優選的，所述步驟三中，所述相鄰幀圖像經過二次分割後，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域的圖像，所述背景圖像指所述絕緣子所在區域之外的圖像；所述前景圖像的像素值設置為255，即白色；所述背景圖像的像素值設置為0，即黑色；輸出分割結果的圖像，得到所述絕緣子的位置。[0029]更加優選的，所述步驟三中，所述相鄰幀圖像經過二次分割後，得到所述絕緣子的位置；當二次分割後的圖像存在影響絕緣子定位的準確度的塊狀和線條狀區域時，則採用形態學濾波進行濾除；所述濾除的過程是:先使用5X5的圓形結構元對圖像進行閉運算，再使用5X5的方形結構元對閉運算後的圖像進行開運算，最終經過形態學濾波後，得到所述絕緣子的準確位置。
[0030]更加優選的，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:經過所述步驟三處理後，得到所述絕緣子的準確位置，採用連通所述絕緣子的準確位置來標識所述絕緣子的輪廓，即對絕緣子邊緣採用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後的圖像進行一次完整的掃描，標記出所有目標像素點，然後對每個所述像素點的8-連通區域進行標記，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，然後根據比較結果進行標記。
[0031]更加優選的，將所述八個相鄰的像素點進行比較，根據比較結果進行標記的過程是:
[0032]採用逐行掃描方式，從左向右從上向下掃描所述步驟三處理後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)，鋼化玻璃絕緣子產品用於高壓和超高壓交、直流輸電線路中絕緣和懸掛導線用。早年間鋼化玻璃絕緣子多用於電線桿，慢慢發展於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，通常由玻璃或陶瓷製成，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，它將每一像素點的灰度值設置為該點某鄰域窗口內的所有像素點灰度值的中值。中值濾波是基於排序統計理論的一種能有效抑制噪聲的非線性信號處理技術，中值濾波的基本原理是把數字圖像或數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。方法是用某種結構的二維滑動模板，將板內像素按照像素值的大小進行排序，生成單調上升(或下降)的為二維數據序列。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後圖像。W為二維模板，通常為3*3，5*5區域，也可以是不同的形狀，如線狀，圓形，十字形，圓環形等。
[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)算法應用最廣泛且較成功，它通過優化目標函數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據進行分類的目 的。FCM算法簡介:假設樣本集合為X= {xl，x2,…，xn}，將其分成C個模糊組，並求每組的聚類中心h(j = 1，2，…，C)，使目標函數達到最小。模糊聚類分析作為無監督機器學習的主要技術之一，是用模糊理論對重要數據分析和建模的方法，建立了樣本類屬的不確定性描述，能比較客觀地反映現實世界，它已經有效地應用在大規模數據分析、數據挖掘、矢量量化、圖像分割、模式識別等領域，具有重要的理論與實際應用價值，隨著應用的深入發展，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的簡稱。它指的是一個隨機變量序列按時間先後關係依次排開的時候，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。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今天的天氣僅僅與昨天的天氣存在概率上的關聯，而與前天及前天以前的天氣沒有關係。其它如傳染病和謠言的傳播規律，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後，其全體就叫做隨機場。我們不妨拿種地來打個比方。「位置」好比是一畝畝農田；「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」，賦予相空間裡不同的值。 [0041]其中，所述吉布斯分布是將具有不連續點的周期函數(如矩形脈衝)進行傅立葉級數展開後，選取有限項進行合成。當選取的項數越多，在所合成的波形中出現的峰起越靠近原信號的不連續點。當選取的項數很大時，該峰起值趨於一個常數，大約等於總跳變值的9%。吉布斯函數(Gibbsfunction)，系統的熱力學函數之一。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分別為系統的焓、熱力學溫度(開爾文溫度K)和熵。吉布斯函數是系統的廣延性質，具有能量的量綱。由於H，T，S都是狀態函數，因而G也必然是一個狀態函數。當體系發生變化時，G也隨之變化。其改變值AG，稱為體系的吉布斯自由能變，只取決於變化的始態與終態，而與變化的途徑無關: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I變化到狀態2時，體系的吉布斯自由能變為:Λ G = G2-G1 =Δ H- Δ (TS)，對於等溫條件下的反應而言，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作為自發反應方向的判據時，實質包含了Λ H和Λ S兩方面的影響，即同時考慮到推動化學反應的兩個主要因素。因而用AG作判據更為全面可靠。而且只要是在等溫、等壓條件下發生的反應，都可用Λ G作為反應方向性的判據，而大部分化學反應都可歸人到這一範疇中，因而用Λ G作為判別化學反應方向性的判據是很方便可行的。馬爾可夫隨機場由於能夠有效地表徵圖像數據的空間相關性，並且有優化算法的支持，在SAR圖像處理中起著越來越重要的作用。隨機場的局部特徵很難表達，實用中總是米用聯合概率分布。若MRF的聯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主要用於圖像復原算法中，一般都和優化的參數估計方法模擬退火相聯繫。
[0042]其中，所述形態學濾波是圖像處理中經典的濾波算法；形態學濾波算法包括形態學運算和結構元選取兩個部分，形態學運算採用膨脹和腐蝕，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結、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學運算，它們互為對偶運算。形態學濾波器的濾波性能主要取決於結構元的選取，常用的結構元素有線結構元、方形結構元和圓形結構元等。
[0043]所述，8-連通區域是指，以點(X，y)為例，點(x，y)的8_連通區域指這個點周圍的 8 個點，點(X，y)的 8-連通區域為(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後找邊緣的8連通區域的意思是找到那些邊緣點屬於一條完整的邊緣。因為一條邊緣線上的點總是上下左右相鄰的。
[0044]本發明與現有技術相比，具有如下有益效果:
[0045]本發明提供了一種空中輸電線路絕緣子檢測方法，本發明能夠從複雜的航拍圖像中完整地提取絕緣子圖像，為後續有效檢測輸電線路絕緣子缺陷提供技術保障。
【專利附圖】
【附圖說明】
[0046]圖1示例性的示出了本發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明所解決的技術問題、所提供的技術方案，以下結合附圖及實施例，對本發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明的實施，但並不用於限定本發明。
[0049]在優選的實施例中，圖1示例性的示出了本發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處理；
[0052]C:先後採用改進的模糊C-均值聚類法和馬爾科夫隨機場相結合的方法，對預處理後的所述相鄰幀圖像進行圖像分割；並識別所述相鄰幀圖像中所包含的待檢測的絕緣子;
[0053]D:採用連通區域標識來標記分割後的所述每一幀圖像中所述絕緣子的輪廓。
[0054]在更加優選的實施例中，所述絕緣子採用鋼化玻璃絕緣子。
[0055]在更加優選的實施例中，所述步驟B的預處理過程是:將彩色圖像的RGB空間轉換為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分量的值越小；當光線越強，S分量的值越小；所述HSI空間為[0，255]的像素空間；
[0057]轉換為所述HSI空間後，再對所述相鄰幀圖像進行圖像平滑的處理。
[0058]在更加優選的實施例中，所述圖像平滑採用中值濾波法，採用5X5模板。
[0059]在更加優選的實施例中，圖2示例性的示出了本發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中採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c, m, η和t ；t代表迭代的次數，t從O開始,每次加I ;首先設置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]假設有個樣本數據組成樣本集合表示為:；其中；代表每個聚類的中心,其中；為預定的聚類數目，表示第個樣本對於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，然後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，，則當位於第類時，則，否則；在進行迭代時，輸入初始化參數c，m，n，t，分別調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，迭代結束；否則持續迭代；閾值的設定範圍O?10的自然數；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，，是加權指數，η為圖像中的像素數或模式數，c為預先設置的類別數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，即樣本對於的隸屬度；
[0066]當點時，即為邊緣點，其計算公式與所述隸屬度公式相同，採用的是模糊化隸屬關係的方法；當點，即為非邊緣點時，隸屬度均不發生變化，不再重新計算；重新計算和確定歸屬的只是所述邊緣點。
[0067]在更加優選的實施例中，所述步驟C中，採用馬爾科夫隨機場的方法對所述相鄰幀圖像經過一次分割後的圖像進行二次分割的過程是:對經過一次分割後的圖像，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c，m，η和t;t代表迭代的次數，t從O開始，每次加I ;首先設置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，迭代結束；否則持續迭代；閾值的設定範圍O?10的自然數；
[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，第像素屬於第類的先驗概率為:
[0069]其中為鄰域標記為j的節點個數，I為類別集；
[0070]通過吉布斯模型提供的先驗概率，即第i像素屬於第j類的概率值，則隸屬度更新為，其中為控制權重因子，其值隨著圖像中噪聲的值而增大，範圍為，則更新的隸屬度公式為:
[0071]在更加優選的實施例中，所述步驟C中，所述相鄰幀圖像經過二次分割後，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域的圖像，所述背景圖像指所述絕緣子所在區域之外的圖像；所述前景圖像的像素值設置為255，即白色；所述背景圖像的像素值設置為0，即黑色；輸出分割結果的圖像，得到所述絕緣子的位置。
[0072]在更加優選的實施例中，所述步驟C中，所述相鄰幀圖像經過二次分割後，得到所述絕緣子的位置；當二次分割後的圖像存在影響絕緣子定位的準確度的塊狀和線條狀區域時，則採用形態學濾波進行濾除；所述濾除的過程是:先使用5X5的圓形結構元對圖像進行閉運算，再使用5X5的方形結構元對閉運算後的圖像進行開運算，最終經過形態學濾波後，得到所述絕緣子的準確位置。[0073]在更加優選的實施例中，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:經過所述步驟C處理後，得到所述絕緣子的準確位置，採用連通所述絕緣子的準確位置來標識所述絕緣子的輪廓，即對絕緣子邊緣採用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處理後的圖像進行一次完整的掃描，標記出所有目標像素點，然後對每個所述像素點的8-連通區域進行標記，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，然後根據比較結果進行標記。
[0074]在更加優選的實施例中，將所述八個相鄰的像素點進行比較，根據比較結果進行標記的過程是:
[0075]採用逐行掃描方式，從左向右從上向下掃描所述步驟C處理後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處理，具體為:直接將彩色圖像轉換為灰度圖，然後對絕緣子圖像進行分割，經試驗證明效果不佳。因此，本發明將彩色圖像的RGB空間轉換為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，因此可以區分不同顏色的物體。
[0086]HSI空間中H、S、I三分量相互獨立，經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，所以本發明選取S分量作為圖像分割的灰度圖，將其轉換到[0，255]的像素空間。
[0087]再對圖像進行圖像平滑，過濾噪聲，圖像平滑採用中值濾波的方法，採用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合的方法，對絕緣子圖像進行圖像分割，具體為:本發明設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，那麼:[0089]首先將非「邊緣」部分分成互不相交的塊，然後將「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位於第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，，是加權指數，η為圖像中的像素數或模式數，c為預先設置的類別數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，即樣本對於的隸屬度；
[0095]當點時，即為邊緣點，其計算公式與所述隸屬度公式相同，採用的是模糊化隸屬關係的方法；當點，即為非邊緣點時，隸屬度均不發生變化，不再重新計算；重新計算和確定歸屬的只是所述邊緣點。
[0096]由於模糊均值聚類方法分割圖像時僅應用圖像的灰度特徵，並沒有考慮到像素的空間特徵，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，為了將絕緣子區域從圖像中分離出來，本發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，那麼馬爾科夫隨機場可由一個吉布斯分布來表示，第像素屬於第類的先驗概率為:
[0097](4)；
[0098]其中為鄰域標記為j的節點個數，I為類別集；
[0099]通過吉布斯模型提供的先驗概率，即第i像素屬於第j類的概率值，則隸屬度更新為，其中為控制權重因子，其值隨著圖像中噪聲的值而增大，範圍為，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C，m, η,並且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)根據初次分割結果，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，並且
[0107]6)選取一個合適的矩陣範數比較和，，當時，迭代結束；轉步驟7);否則返回步驟3)。例如:雨雪天設為10，晴天設為2。
[0108]7)輸出分表1]結果。
[0109]步驟S104，採用連通區域標識來標識絕緣子輪廓，具體為:經過圖像分割後，可得到絕緣子區域，採用連通區域標識來標識絕緣子輪廓，即對絕緣子邊緣進行標記。採用8-鄰域方式進行標記。假設目標為白色，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，然後對每一個像素進行8-連通區域的標記，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，然後根據比較結果進行標記。
[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]該流程開始於步驟S201 ；
[0112]在步驟S202,確定模糊均值聚類算法參數c, m, η,並且t = 0。
[0113]在步驟S203，根據步驟S202輸入的初始化參數，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 步驟S203改進模糊均值聚類算法初次分割結果，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,並且。
[0117]在步驟S207，根據步驟S206計算得到的聚類中心，選取一個合適的矩陣範數比較和；
[0118]如果步驟S207的結果為「是」，則進入步驟S208，輸出分割圖像，得到結果；
[0119]如果步驟S207的結果為「否」，則進入步驟S204.[0120]進入步驟S209，流程結束。
[0121]本發明的創新之處在於:
[0122]1:彩色RGB圖像轉換為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圖像轉換為HSI空間的表示，然後選取S分量作為灰度圖，然後在圖像分割。效果是轉換為HSI圖像後，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，然後更新隸屬度公式，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隨機場得到像素屬於某一類的概率密度，然後繼續更新隸屬度公式，進行二次分割。
[0125]以上通過具體的和優選的實施例詳細的描述了本發明，但本領域技術人員應該明白，本發明並不局限於以上所述實施例，凡在本發明的基本原理之內，所作的任何修改、組合及等同替換等，均包含在本發明的保護範圍之內。
【權利要求】
1.一種空中輸電線路絕緣子檢測方法，其特徵在於，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處理； 步驟三:先後採用改進的模糊C-均值聚類法和馬爾科夫隨機場相結合的方法，對預處理後的所述相鄰幀圖像進行圖像分割；並識別所述相鄰幀圖像中所包含的待檢測的絕緣子; 步驟四:採用連通區域標識來標記分割後的所述每一幀圖像中所述絕緣子的輪廓。
2.根據權利要求1所述的空中輸電線路絕緣子檢測方法，其特徵在於，所述絕緣子採用鋼化玻璃絕緣子。
3.根據權利要求1所述的空中輸電線路絕緣子檢測方法，其特徵在於，所述步驟二的預處理過程是:將彩色圖像的RGB空間轉換為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分量的值越小；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； 轉換為所述HSI空間後，再對所述相鄰幀圖像進行圖像平滑的處理。
4.根據權利要求3所述的空中輸電線路絕緣子檢測方法，其特徵在於，所述圖像平滑採用中值濾波法，採用5X5模板。
5.根據權利要求1所述的空中輸電線路絕緣子檢測方法，其特徵在於，所述步驟三中採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c, m, η和t ;t代表迭代的次數，t從O開始,每次加I ;首先設置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； 假設有個樣本數據組成樣本集合表示為:；其中；代表每個聚類的中心，其中；為預定的聚類數目，表示第個樣本對於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，然後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，，則當位於第類時，則，否則；在進行迭代時，輸入初始化參數c，m，n，t，分別調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，迭代結束；否則持續迭代；閾值的設定範圍O~10的自然數；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，，是加權指數，η為圖像中的像素數或模式數，c為預先設置的類別數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，即樣本對於的隸屬度； 當點時，即為邊緣點，其計算公式與所述隸屬度公式相同，採用的是模糊化隸屬關係的方法；當點，即為非邊緣點時，隸屬度均不發生變化，不再重新計算；重新計算和確定歸屬的只是所述邊緣點。
6.根據權利要求1所述的空中輸電線路絕緣子檢測方法，其特徵在於，所述步驟三中，採用馬爾科夫隨機場的方法對所述相鄰幀圖像經過一次分割後的圖像進行二次分割的過程是:對經過一次分割後的圖像，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，t從O開始，每次加I ;首先設置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，迭代結束；否則持續迭代；閾值的設定範圍O~10的自然數； 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，第像素屬於第類的先驗概率為: 其中為鄰域標記為j的節點個數，I為類別集； 通過吉布斯模型提供的先驗概率，即第i像素屬於第j類的概率值，則隸屬度更新為，其中為控制權重因子，其值隨著圖像中噪聲的值而增大，範圍為，則更新的隸屬度公式為。
7.根據權利要求6所述的空中輸電線路絕緣子檢測方法，其特徵在於，所述步驟三中，所述相鄰幀圖像經過二次分割後，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域的圖像，所述背景圖像指所述絕緣子所在區域之外的圖像；所述前景圖像的像素值設置為255，即白色；所述背景圖像的像素值設置為0，即黑色；輸出分割結果的圖像，得到所述絕緣子的位置。
8.根據權利要求7所述的空中輸電線路絕緣子檢測方法，其特徵在於，所述步驟三中，所述相鄰幀圖像經過二次分割後，得到所述絕緣子的位置；當二次分割後的圖像存在影響絕緣子定位的準確度的塊狀和線條狀區域時，則採用形態學濾波進行濾除；所述濾除的過程是:先使用5X5的圓形結構元對圖像進行閉運算，再使用5X5的方形結構元對閉運算後的圖像進行開運算，最終 經過形態學濾波後，得到所述絕緣子的準確位置。
9.根據權利要求1所述的空中輸電線路絕緣子檢測方法，其特徵在於，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:經過所述步驟三處理後，得到所述絕緣子的準確位置，採用連通所述絕緣子的準確位置來標識所述絕緣子的輪廓，即對絕緣子邊緣採用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後的圖像進行一次完整的掃描，標記出所有目標像素點，然後對每個所述像素點的8-連通區域進行標記，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，然後根據比較結果進行標記。
10.根據權利要求9所述的空中輸電線路絕緣子檢測方法，其特徵在於，將所述八個相鄰的像素點進行比較，根據比較結果進行標記的過程是: 採用逐行掃描方式，從左向右從上向下掃描所述步驟三處理後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 優先權日:2014年4月29日
【發明者】孫宏彬, 柯洪昌, 李天宇 申請人:長春工程學院