航拍圖像中絕緣子的提取算法

徐耀良，張少成，楊 寧，趙萬劍，祝 毅

(上海電力學院電力與自動化學院，上海 200090)

我國地域遼闊，各地區(qū)的地形、氣候等自然環(huán)境差異較大，架空輸電線路經常需要經過高山、江河、湖泊地區(qū)，并且經常遭遇嚴重覆冰等自然災害，使得傳統(tǒng)的人工目測巡線方式存在工作量大、效率偏低、檢測準確率低且危險性高等缺點.因此，使用直升機巡線航拍，并利用圖像處理技術檢測故障是未來巡線方式的必然發(fā)展方向［1］.

絕緣子是架空輸電線路的重要組成部分，其作用是支撐導線和防止電流回地.因此，利用數字圖像處理技術從航拍圖像中提取絕緣子圖像是架空輸電線路故障自動檢測的基礎步驟.目前，國內外文獻大多采用邊緣檢測方法對絕緣子圖像進行定位［2，3］，取得了較好的效果.但是由于輸電線路走廊背景的復雜性，一般的航拍圖像中都存在著大量干擾噪音，使得邊緣檢測算法非常復雜，既影響了絕緣子圖像的提取速度，也影響了圖像精度.針對這些缺點，本文提出了一種基于閾值分割與二次定位的新提取算法，能夠從復雜背景的航拍圖像中獲得比較精確的絕緣子圖像.

1 提取算法的框架

本文的提取算法針對航拍圖像的飽和度分量進行處理，分為預處理、粗定位、細定位3部分.該算法通過閾值法分割絕緣子圖像與背景圖像，并使用高斯濾波器與形態(tài)學濾波器去除干擾提取的噪音.算法框架如圖1所示.

圖1 提取算法框架

2 圖像的預處理

運用計算機顯示和處理圖像時必須基于顏色空間模型，RGB空間與HSI空間則是最常用的顏色空間模型.直升機航拍的輸電線路絕緣子圖像就是基于RGB空間，如圖2所示.

圖2 絕緣子航拍圖像

RGB顏色空間簡單、直觀，但是存在著兩點不足:一是對物體的顏色描述復雜，各個分量之間冗余信息很多;二是RGB空間中兩點的歐氏距離與實際顏色距離不是線性關系，因此難以控制閾值范圍，在圖像分割時容易將非目標物體包括進去，也容易漏掉應識別的部分.

而HSI顏色空間模型則使用色度Hue、飽和度Saturation、亮度Intensity 3個分量描述色彩，比較接近人眼感知［4，5］.因此本文算法采用了基于HSI的顏色空間模型.RGB分量到HSI分量的轉換公式為:

通過研究大量的絕緣子航拍圖像發(fā)現，HSI空間中的色調分量能夠準確反映目標顏色，但由于對外界光照條件變化不敏感，不易將絕緣子與背景中的水、樹木分離;亮度分量只反映目標明暗程度，也不適合用來提取絕緣子;飽和度分量能夠準確反映絕緣子與背景的差異.因此，本文選用飽和度分量圖提取絕緣子圖像［6］.

由于架空輸電線路附近存在較強的電磁環(huán)境，使得航拍時不可避免地產生一些干擾噪音，而且輸電線走廊的背景也比較復雜，存在著許多干擾絕緣子識別的物體.因此，在分割圖像前需要進行濾波平滑.本文選擇高斯濾波器對圖像進行濾波平滑，其作用主要有兩個:一是降低圖像的細節(jié)層次，減少背景中的細小噪音;二是平滑邊緣，減弱大尺度的噪音，使其更容易被濾波器濾除.

高斯濾波器的性能由其標準差δ控制，其值與去噪效果成正比，但與邊緣銳度成反比。由于本文使用閾值法而非邊緣檢測法分割圖像，因此可以選取較大的δ值而不影響提取效果。

通過使用高斯濾波器對圖像進行平滑處理后，發(fā)現高斯濾波器能夠明顯減少背景中的細小噪音數量并縮小大尺度噪音，但對于圖像特征類似于絕緣子的干擾噪音，則難以消除.

3 提取絕緣子圖像

經過預處理后，原始的RGB航拍圖像已經轉化成S分量圖，并且濾除了大部分的干擾噪音，可以進行絕緣子的提取.為了降低剩余噪音對絕緣子提取的干擾，本文算法使用了二次定位法，即先通過粗定位選定絕緣子的大致位置，再通過細定位確定絕緣子的精確輪廓.

3.1 絕緣子粗定位

3.1.1 雙閾值分割

經過預處理所得的飽和度分量圖像僅僅是一個矩陣數組，計算機還無法辨別其中的目標部分與背景部分，因此需要對圖像作進一步的處理，標記出目標圖像.本文選擇閾值法標記目標圖像.

考慮到輸電線走廊環(huán)境中經常出現一些圖像特征與絕緣子相似的干擾物體，簡單的單閾值分割法無法準確地將它們與絕緣子圖像分離.本文使用雙閾值法來分割圖像，方法如下.

式中:f(x，y)——原圖;

g(x，y)——分割后的圖像，分割后的圖像將目標標記為1，背景標記為0.

雙閾值法能夠有效避免與絕緣子圖像特征相似物體的干擾，可以更準確地標記出絕緣子的位置.

3.1.2 形態(tài)學濾波

經過雙閾值法分割圖像后，已經可以將絕緣子從復雜背景中標記出來.但由于分割后的圖像還存在很多的塊狀和線條狀區(qū)域，影響粗定位的準確度，針對這些噪音，本文采用了形態(tài)學濾波器進行濾除.

形態(tài)學濾波是非線性的濾波方法，它用一定的形態(tài)學結構元素來保留或消除圖像中的對應形狀，達到濾波效果.形態(tài)學濾波算法包括形態(tài)學運算和結構元選取兩個部分.膨脹和腐蝕是最基本的形態(tài)學運算，它們互為對偶運算，其定義如下.

膨脹運算:dilation(A，B)={c│c=a+b，a∈A，b∈B}.

腐蝕運算:erosion(A，B)={a│(a+b)∈A，a∈A，b∈B}.

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.形態(tài)學濾波器的濾波性能主要取決于結構元素的選取，常用的結構元素有線結構元、方結構元和圓結構元等［7］.

本文使用了雙結構級聯濾波器，將兩種不同結構和尺寸的結構元級連起來，后面的結構元尺寸大于前面的結構元.由于不同的結構元對圖像的作用并不相同，通過調整結構元之間開閉運算的順序，雙結構級聯濾波器就可以消除不同的“毛刺”，填充不同的“孔洞”.本文先使用5×5的圓盤結構元對圖像進行閉運算，再使用9×9的方形結構元對閉運算后的圖像進行開運算，最終的濾波結果如圖3所示.對形態(tài)學濾波后的圖像進行垂直投影與水平投影，即可標記出絕緣子的大致位置.根據圖3的投影標記，可以提取出如圖4所示的絕緣子粗定位圖.

圖3 濾波后的絕緣子標記

圖4 絕緣子粗定位

3.2 絕緣子細定位

經過前面的粗定位后，獲得了如圖4所示的絕緣子圖像，相較于原來的完整圖像，其背景噪音明顯減少，可以進行絕緣子的細定位.其步驟如下:先增大閾值范圍將粗定位圖二值化，再使用更小尺度的雙結構級聯形濾波器對圖像進行平滑標記，得到如圖5所示的絕緣子標記圖像，從而準確提取出如圖6所示的圖像.

圖5 絕緣子細定位標記

圖6 提取出的絕緣子

4 結語

本文提出的算法充分考慮了直升機航拍圖像中背景圖像的復雜性，使用了兩次定位法以提高提取絕緣子圖像的準確度，通過多種方法對航拍圖像進行去噪處理，其計算實例表明:該算法確實能夠有效地濾除航拍圖像中的細小噪音與相似物體，可以提取出準確的絕緣子圖像.

［1］馬帥營.直升機巡檢輸電線路中絕緣子圖像的分割方法［D］.大連:大連海事大學，2009.

［2］PEUNGSUNGWAI S，PUNGSIRI B，CHAMNONGTHAI K.Autonomous robot for a power transmission lines inspection［J］.Circuit and Systems，2001(2):121-124.

［3］劉國海，朱珠.圖像處理技術在超高壓巡檢機器人視覺系統(tǒng)中的應用［J］.計算機工程與設計，2009，30(1):136-140.

［4］賀詳，袁健，許華虎.不穩(wěn)定光照條件下多機器人的視覺系統(tǒng)設計［J］.上海大學學報:自然科學版，2010，16(3):306-311.

［5］陰炳皓，趙臣，韓曉軍.基于改進的HIS空間模型的目標搜索方法［J］.河北工業(yè)大學學報，2003，32(1):6-10.

［6］WS Kim，RH park.Color image palette construction based on the HIS color system for minimizing the reconstruction error［C］//Proceeding ofInternationalConference on Image Processing，1996(3):1 041-1 044.

［7］陳芳，姚建剛，李佐勝.絕緣子串紅外圖像中單個絕緣子盤面的提取方法［J］.電網技術，2010，34(5):220-224.