骆顾平,陈静,苏成悦,刘信宏,徐胜,王泰圣
广东工业大学 物理与光电工程学院,广东 广州 510006
在复杂地物背景下的无人机电力线路巡检技术已成为一项亟待研究的问题。从无人机航拍图像中精确检测并有效提取电力线是后续线路故障检测识别的关键性技术[1−2]。国内外学者针对电力线识别进行了大量的研究,提出了多种电力线检测与提取算法,常见的如传统边缘检测算子结合Hough 变换提取算法[3]、K-means 直线聚类分析[4−5]、基于方向的可控滤波[6−7]、局部直线段检测(line segment detector,LSD) 算法等[8−9]。文 献[10]利用传统Canny 算子边缘检测,Hough 变换提取直线,算法模型简单但抗噪性能差,误检率较高。文献[11] 调用改进线特征检测阈值的Ratio算子获取边缘并滤除背景噪声,结合改进Hough变换和最小二乘法提取直线,该方法参数选取复杂且无法有效排除类直线物噪声干扰。文献[12]利用卷积神经网络(convolutional neural networks,CNN)对二值边缘图进行分类,采用Hough 变换拟合电力线,但未能实现人工智能算法对电力线的定位。目前在深度学习框架下对电力线的识别因算法模型较为复杂尚未成功应用,电力线识别算法主要为边缘检测和边缘提取2 个步骤[13]。
针对目前边缘检测算法抗噪性差和边缘提取算法误检率高等问题,本文提出了复杂地物背景下的电力线识别算法,该算法通过改进Ratio 算子进行边缘检测同时基于轮廓特征过滤背景噪声,利用Hough 变换提取直线,最终通过直线编组拟合筛选算法实现电力线的识别与定位。
如图1 所示,多条电力线的亮度均匀连续且灰度相似,俯看电力线比地面背景亮,金属裸线更亮;……