论文部分内容阅读
摘要：城镇基础设施的不断完善，在为人们的生活品质提供基本保障的同时，也提升了高压电力线的巡检难度。通过直升机对高压电力线进行提取，能够在一定程度上提高巡检的效率，而当前阶段高空电力线提取的环境较为复杂，选择合理的方式精确、高效的自动电力线提取技术成为目前国内外研究的重点。
关键词：边缘检测；Ratio算子；图像比值化
直升机的巡检过程中相较于使用电力线的直线提取模式，更倾向于自动提取。但在具体的实行过程中，边缘检测是电力线提取的难点也是关键点。要想顺利开展边缘检测环节，首先要适应复杂环境对检测工作的干扰，然后在保证检测标准的基础上，测出电力线的准确像素。为此，对算子进行合理的改进，提升抗噪声能力。在此基础之上，现阶段主要是使用Ratio算子对电力线进行边缘检测的改进。
一、电力线的检测方式
边缘检测是电力线提取的前提，检测结果的高低对电力线的后续提取步骤有着直接的影响。直升机的巡检主要是通过航拍的方式收集信息，电力航拍拍摄方式决定了电力线的主要成像特点，即：电力线的排设长度大于一般电力线，能够直接贯穿图幅，具体表现为二次曲线。但在局部范围内可以近乎为直线；电力线通常以根为单位占据一个或两个像素；流经电压较高的线路，四根构成一组，同时利用间隔棒，将电线隔开，以提升电力线的使用效率。
（一）图像比值化
Ratio算子主要是指在开展线检测时，使用中间区域与相邻两个区域（灰度平均值）的对比数值来进行检测。Ratio算子的基本使用原理是图像比值化，即：第一步，在图像检测窗口上，将某一像素点设置为待检测点（通常情况下，检测点的选择为窗口的中心点）；第二步，对定向经过检查点的直线，对直线划分的两个区域内的灰度平均值进行计算。具体来讲，将给定的区域设置为Ui（i=1，2，3），给定区域的像素为ni，像素的灰度表示为Pk，k代表像素的序号排列，i代表给定区域，灰度平均值的计算公式如下：
μi=1/ni×ΣkUiPk
将经过中心的像素设置为X0，经过还中心像素的区域为1（表示为U1），邻近两侧的区域为2、3，计算区域的灰度平均值对比系数，可以有效的对电力线进行边缘检测。
（二）Ratio算子在直升机巡检过程中电力线自动提取的改进
在实际边缘检测环节，根据直升机巡检的具体情况，Ratio算子的应用需要进行适度的改进。直升机的飞行方向与电力线的敷设方向一致，所以电力线的成像方向可以看作水平成像，一般占一个像素。因此，算子的中心1区同样为一个像素，以此为标准可以对单个像素的直线宽度进行有效检测，将各项边缘检测干扰因素抑制到最低程度。算子模版的宽度应根据检测的需要设定，宽的检测模版对应宽的直线边缘检测，得出的数值较为精确，对窄的直线边缘测试的结果较差。实验对比发现，宽度为7×7的检测模版效果最为突出，中心区域的像素数量为7，相邻两个区域的像素为21。
二、直升机电力线的提取技术
电力线的自动提取是在边缘检测后，将对边缘链码跟踪而形成链码有效的转化为直线段，然后依照共线链编组，将转化完成的直线段进行连接、合并处理。短直线经由共线链进行编组以后，会得到一定的增长，与此同时，数量会相对减少。但由于在这一过程中会出现一些干扰直线段，因此，不能直接利用这些直线段来代表电力线。在产生的直线段中选取最具有代表性的线段来进行电力线的拟合，是电力线提取技术的核心部分。为此，将随机抽样一致性算法和最小二乘曲线拟合相结合的电力线抽取技术，是当前阶段直升机巡检过程中自动提取电力线的有效方式。将随机抽样一致性的计算方式应用于电力线的提取中，需要随机抽取能表达电力线的对象，并将这些拟合成为二次电力曲线，用以表达提取的电力线，该种二次电力曲线的计算模型主要包括六个参数，参数的主要获取方式如下：首先是本点集U的获取，取每条直线端点，并按照标准间隔进行采样，取得本点集U（X点）；其次，在本点集U中随机抽取几个点，根据模型中的参数数量（N），决定随机抽取的点个数（N）；第三，将抽取的N点带入最小二乘法，然后拟合出二次曲线§；第四步，计算本点集U的随机取样点到二次曲线的距离，对距离小于Dist阀值的点数进行统计，表示为ni；最后重复第二步到第四步的过程M次，选择内点最大的二次曲线，用以代表电力线。
三、电力线提取试验
为了验证Ratio算子检测与随机抽样一致性算法、最小二乘曲线拟合提取方法的效果，这里利用直升机巡检时航拍的影像进行实验。对一张背景复杂的影像，利用经典的、最优算法的Canny算子进行实验，再利用本文的电力线边缘检测方法进行实验。根据检测结果相比较，在背景复杂的条件下，Canny算子检测时，受噪声干扰大，线出现了断裂；而Ratio算子能抗干扰，基本檢测出了电力线边缘，剔除了很多干扰。为了验证本文的实用性，利用多张在不同背景下的电力线影像进行电力线提取实验。常见的背景有田地、道路、树林、河流和天空等，其中几种航拍影像叠加提取的电力线影像结果较为清晰。影像中叠加的线为提取的电力线，“+”是Ransac进行电力线抽取时抽样得到的“内点”。实验结果表明，本文提出的方法在不同复杂背景下，提取的电力线不仅完整，而且位置准确、抗噪声能力强，能满足电力巡检的要求。
四、结语
直升机巡检技术的不断深化应用，对电力线的提取技术提出了较高的要求。为提升电力线边缘检测技术与电力线提取的技术水平，增强提取方案在复杂环境下的应用程度，选择合理地提取方案是十分必要的。相关工作人员通过研究Ratio算子的应用原理并对其进行合理的改进，提升电力线像素的检测水平，并通过试验环节，检测该种方法的可操作性，证明了Ratio算子在直升机巡检过程中能够拟合提取出较为完整的电力线，有着较强的实用价值。
參考文献：
[1]王柯，蔡艳辉，彭向阳，等.用于电力线巡检的大型无人直升机多传感器系统集成设计[J].广东电力，2016，29（2）.
关键词：边缘检测；Ratio算子；图像比值化
直升机的巡检过程中相较于使用电力线的直线提取模式，更倾向于自动提取。但在具体的实行过程中，边缘检测是电力线提取的难点也是关键点。要想顺利开展边缘检测环节，首先要适应复杂环境对检测工作的干扰，然后在保证检测标准的基础上，测出电力线的准确像素。为此，对算子进行合理的改进，提升抗噪声能力。在此基础之上，现阶段主要是使用Ratio算子对电力线进行边缘检测的改进。
一、电力线的检测方式
边缘检测是电力线提取的前提，检测结果的高低对电力线的后续提取步骤有着直接的影响。直升机的巡检主要是通过航拍的方式收集信息，电力航拍拍摄方式决定了电力线的主要成像特点，即：电力线的排设长度大于一般电力线，能够直接贯穿图幅，具体表现为二次曲线。但在局部范围内可以近乎为直线；电力线通常以根为单位占据一个或两个像素；流经电压较高的线路，四根构成一组，同时利用间隔棒，将电线隔开，以提升电力线的使用效率。
（一）图像比值化
Ratio算子主要是指在开展线检测时，使用中间区域与相邻两个区域（灰度平均值）的对比数值来进行检测。Ratio算子的基本使用原理是图像比值化，即：第一步，在图像检测窗口上，将某一像素点设置为待检测点（通常情况下，检测点的选择为窗口的中心点）；第二步，对定向经过检查点的直线，对直线划分的两个区域内的灰度平均值进行计算。具体来讲，将给定的区域设置为Ui（i=1，2，3），给定区域的像素为ni，像素的灰度表示为Pk，k代表像素的序号排列，i代表给定区域，灰度平均值的计算公式如下：
μi=1/ni×ΣkUiPk
将经过中心的像素设置为X0，经过还中心像素的区域为1（表示为U1），邻近两侧的区域为2、3，计算区域的灰度平均值对比系数，可以有效的对电力线进行边缘检测。
（二）Ratio算子在直升机巡检过程中电力线自动提取的改进
在实际边缘检测环节，根据直升机巡检的具体情况，Ratio算子的应用需要进行适度的改进。直升机的飞行方向与电力线的敷设方向一致，所以电力线的成像方向可以看作水平成像，一般占一个像素。因此，算子的中心1区同样为一个像素，以此为标准可以对单个像素的直线宽度进行有效检测，将各项边缘检测干扰因素抑制到最低程度。算子模版的宽度应根据检测的需要设定，宽的检测模版对应宽的直线边缘检测，得出的数值较为精确，对窄的直线边缘测试的结果较差。实验对比发现，宽度为7×7的检测模版效果最为突出，中心区域的像素数量为7，相邻两个区域的像素为21。
二、直升机电力线的提取技术
电力线的自动提取是在边缘检测后，将对边缘链码跟踪而形成链码有效的转化为直线段，然后依照共线链编组，将转化完成的直线段进行连接、合并处理。短直线经由共线链进行编组以后，会得到一定的增长，与此同时，数量会相对减少。但由于在这一过程中会出现一些干扰直线段，因此，不能直接利用这些直线段来代表电力线。在产生的直线段中选取最具有代表性的线段来进行电力线的拟合，是电力线提取技术的核心部分。为此，将随机抽样一致性算法和最小二乘曲线拟合相结合的电力线抽取技术，是当前阶段直升机巡检过程中自动提取电力线的有效方式。将随机抽样一致性的计算方式应用于电力线的提取中，需要随机抽取能表达电力线的对象，并将这些拟合成为二次电力曲线，用以表达提取的电力线，该种二次电力曲线的计算模型主要包括六个参数，参数的主要获取方式如下：首先是本点集U的获取，取每条直线端点，并按照标准间隔进行采样，取得本点集U（X点）；其次，在本点集U中随机抽取几个点，根据模型中的参数数量（N），决定随机抽取的点个数（N）；第三，将抽取的N点带入最小二乘法，然后拟合出二次曲线§；第四步，计算本点集U的随机取样点到二次曲线的距离，对距离小于Dist阀值的点数进行统计，表示为ni；最后重复第二步到第四步的过程M次，选择内点最大的二次曲线，用以代表电力线。
三、电力线提取试验
为了验证Ratio算子检测与随机抽样一致性算法、最小二乘曲线拟合提取方法的效果，这里利用直升机巡检时航拍的影像进行实验。对一张背景复杂的影像，利用经典的、最优算法的Canny算子进行实验，再利用本文的电力线边缘检测方法进行实验。根据检测结果相比较，在背景复杂的条件下，Canny算子检测时，受噪声干扰大，线出现了断裂；而Ratio算子能抗干扰，基本檢测出了电力线边缘，剔除了很多干扰。为了验证本文的实用性，利用多张在不同背景下的电力线影像进行电力线提取实验。常见的背景有田地、道路、树林、河流和天空等，其中几种航拍影像叠加提取的电力线影像结果较为清晰。影像中叠加的线为提取的电力线，“+”是Ransac进行电力线抽取时抽样得到的“内点”。实验结果表明，本文提出的方法在不同复杂背景下，提取的电力线不仅完整，而且位置准确、抗噪声能力强，能满足电力巡检的要求。
四、结语
直升机巡检技术的不断深化应用，对电力线的提取技术提出了较高的要求。为提升电力线边缘检测技术与电力线提取的技术水平，增强提取方案在复杂环境下的应用程度，选择合理地提取方案是十分必要的。相关工作人员通过研究Ratio算子的应用原理并对其进行合理的改进，提升电力线像素的检测水平，并通过试验环节，检测该种方法的可操作性，证明了Ratio算子在直升机巡检过程中能够拟合提取出较为完整的电力线，有着较强的实用价值。
參考文献：
[1]王柯，蔡艳辉，彭向阳，等.用于电力线巡检的大型无人直升机多传感器系统集成设计[J].广东电力，2016，29（2）.