趙曉鵬，郭 威

(太原科技大學電子信息工程學院，太原 030024)

我國輸電線路的建設(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)常會受到氣候變換、異物(如風箏、塑料袋、氣球等)的影響，特別是異物懸掛于輸電線路上，它們會極大地縮短放電距離，對輸電線路下的行人、車輛造成危害，嚴重時導致輸電中斷，造成大面積停電[2]。所以對輸電線路進行異物檢測是十分必要的。

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。巡檢勞動強度大、工作效率低、可靠性差，還存在一定的危險性，所以已經(jīng)不能適應(yīng)當前輸電線路巡檢的需要。近年來，通過無人機技術(shù)結(jié)合圖像處理技術(shù)來自動識別輸電線上的可見異常成為熱點[3]。在異物檢測相關(guān)文獻中：同濟大學的金立軍采用改進的OTSU劃分圖像背景，用梯度法檢測輸電線路，最后采用Hough變換統(tǒng)計累加器中局部最大值個數(shù)與檢測到的線路數(shù)量，通過比較這兩個數(shù)是否一致檢測異物。這種方法對出現(xiàn)類似交叉線的背景誤檢率高[4]；華北電力大學的鄒棟采用檢測直線和輸電線路平行特點進行輸電線提取、異物檢測。經(jīng)過Hough直線檢測和平行特點定位輸電線路，并通過不變矩特征和Adaboost算法在輸電線路范圍內(nèi)檢測異物目標存在與否。然而，在復雜背景下輸電線路提取效果差，魯棒性差[5]；上海大學的王亞萍等[6]通過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象給出了缺陷診斷流程，判斷是否有缺陷的存在；國網(wǎng)山東省電力公司電力科學院的王萬國等[7]提出感知線性結(jié)構(gòu)的輸電線路異物的檢測方法，通過輸電線寬度變化、灰度相似度來檢測導線上的各種缺陷；國家電網(wǎng)公司河南省電力公司電力科學研究院的萬迪明和郭祥富[8]提出一種基于視覺顯著性分析的輸電線路異物檢測方法通過分析顯著圖的顏色、形狀、空間分布等特點定位異物區(qū)域，以此來檢測異物；大連海事大學的廖圣龍、安居白[9]以檢測到的電力線為中軸線，統(tǒng)計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[7-9]在異物顏色明顯時校測效果好，但對異物與輸電線灰度變化不大、顏色接近時的檢測效果差[10]。

針對以上研究問題，本文設(shè)計了一種針對輸電線路異物輪廓特征分析的方法，通過對分割后的圖像尋找輪廓，然后計算各個輪廓的形狀系數(shù)和面積，通過設(shè)定形狀系數(shù)、面積閾值準確的檢測出輸電線上的異物。

1 無人機圖像背景分割

無人機所獲取的圖像一般為RGB(彩色圖像)格式，為減少后續(xù)圖像處理的計算量并加快計算速度就需要進行灰度化處理。彩色圖像能表達整幅圖像色度和亮度等級的分布和特征，而灰度圖像同樣能表達，所以進行灰度化處理不會減少圖像的信息。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)

無人機圖像背景復雜多變對于圖像的分割產(chǎn)生極大的影響，復雜背景中的冗余信息也會影響計算速度，所以必須準確的分割圖像。

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灰度圖像進行閾值操作獲取二值圖像。固定閾值分割需要操作者對圖像背景前景區(qū)分開的先驗知識，對前景和背景進行分析[11]。通過遍歷圖像的每一個像素，進行統(tǒng)計分析，加之對圖像的分析，再通過實驗驗證分割效果，確定一個比較合理的固定值來進行分割。這種方法需要人工賦值，不能實現(xiàn)閾值自動確定，在樣本少的情況下可以采用，一般有五種閾值類型：二進制閾值化、反二進制閾值化、反閾值化為0、閾值化為0、截斷閾值。

(2)OTSU(最大類間方差法):記t為前景與背景的分割閾值，前景點數(shù)占圖像比例為w0，平均灰度為u0；背景點數(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：通過對圖像進行閾值化處理進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行圖像分割都是屬于全局閾值處理的方法。但不是什么時候用它都能將感興趣的物體分割出來，有時怎么選取全局閾值進行分割，效果都達不到所需要求，要解決這一問題，就是采用局部閾值，即根據(jù)每個像素的領(lǐng)域計算閾值。

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

給定一個初始估計值T；用T分割圖像將產(chǎn)生兩個部分：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部分對于整張圖像來說所占的權(quán)重λ1；求取G2部分的所有像素灰度值m2和分析G2部分對于整張圖像來說所占的權(quán)重λ2；按如下式子求取新閾值：T=m1λ1+m2λ2；重復上面兩個步驟，直到連續(xù)迭代中的T值之間的差小于一個預定參數(shù)ΔT.以上原理中參數(shù)ΔT影響迭代次數(shù)。ΔT越大，所進行的迭代次數(shù)越小。這就要求初始估計值必須大于圖像中的最低灰度級并且小于最高灰度級，通常使用平均灰度值作為初始估計。

1.2 四種分割方法試驗比較

對無人機拍攝的輸電線路異物圖片采用以上四種算法對比驗證結(jié)果如下：

其中圖1(a)是山西國網(wǎng)省檢修公司無人機拍攝的500 kV晉榆Ⅱ線懸掛風箏圖，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，計算時間0.018 s；圖1(d)OTSU(最大類間方差法)計算閾值為97，計算時間0.048 s；圖1(e)自適應(yīng)閾值分割計算閾值為73，計算時間為0.13 s；圖1(f)迭代閾值法計算閾值55，計算時間0.097 s.

圖1 分割算法對比圖

迭代閾值算法與固定閾值算法相比能自動估算閾值大小，不需人工設(shè)定；與最大類間方差法相比計算時間雖然長，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。通過對比及圖1結(jié)果，本文選擇迭代閾值法進行圖像分割。

2 無人機圖像濾波

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)學濾波

經(jīng)過中值濾波后會出現(xiàn)輸電線路斷斷續(xù)續(xù)的情況，并且還有白色噪聲。這時數(shù)學形態(tài)學就可以解決這個問題[12]。

數(shù)學形態(tài)學的基礎(chǔ)是數(shù)學幾何學和集合論學，可以用不同形狀的結(jié)構(gòu)元素進行圖像結(jié)構(gòu)和形狀的識別判斷，被廣泛應(yīng)用于圖像處理領(lǐng)域之中。一方面，數(shù)學形態(tài)學通過計算元素與元素之間以及部分與部分的關(guān)系簡化圖像數(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)學形態(tài)學算法簡單、具有并行處理的結(jié)構(gòu)的優(yōu)勢。數(shù)學形態(tài)學處理的基礎(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)學處理就是用B對A進行操作。

(1)A被B腐蝕，計為AΘB，B為腐蝕算子，腐蝕的定義為:

AΘB={x|(B)xA}

(2)

上式說明，B對A的腐蝕是用x平移的B卻還包含在A中的所有點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，B的原點位置的集合。

(2)A被B膨脹，計為A⊕B，B為膨脹算子，膨脹的定義為:

(3)

運用腐蝕運算的矩形結(jié)構(gòu)元素消除小的白點噪聲，但會將直線的斷線進一步加大。再運用膨脹運算，采用比腐蝕大一個像素的矩形結(jié)構(gòu)元素對出現(xiàn)的斷線區(qū)域進行鏈接，恢復直線長度。

2.2 基于輸電線圖像特征的改進形態(tài)學濾波

輸電線路在無人機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，貫穿于整個圖像；(2)輸電線路是有一定弧度，但很接近于直線，接近平行，不會相交；(3)輸電線路背景復雜，如：道路、山體、雜草，有些背景融入到輸電線路中，造成很難識別輸電線路，有些跟輸電線路一樣是線狀物體，對輸電線路的識別造成干擾。

通過形態(tài)學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)無人機圖像輸電線路很長、貫穿全圖的特征，計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)學濾波與改進形態(tài)學濾波的比較結(jié)果圖如下：

3 異物檢測

經(jīng)過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。通過尋找輪廓并運用異物輪廓特征進行輸電線路異物檢測。異物檢測過程如下：

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

(2)對找到的輪廓用包含該輪廓的最小垂直矩形進行標注。

圖2 無人機圖像濾波比較圖

圖3 輸電線路異物檢測圖

(4)對于剩下的孤立背景輪廓與異物輪廓，計算用于標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。下面為對圖1(a)的異物檢測結(jié)果圖：

為了檢驗算法的可行性及通用性，運用本文設(shè)計算法對以下無人機圖像進行檢測，如圖4-圖5所示。

圖4 塑料袋檢測圖

圖5 風箏檢測圖

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

4 結(jié)論

通過對比四種閾值分割算法，采用迭代閾值算法很好的將圖像進行了分割。本文提出的基于輸電線路圖像特征的改進形態(tài)學濾波方法很好的去除無人機圖像中的噪聲，減少了計算輪廓的計算量。通過設(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出輸電線路上存在的異物。經(jīng)測試結(jié)果表明，該方法可以準確檢測出異物存在與否。