基于霍夫直線變換的輸電線路異物識別應用研究

趙永生++徐海青++吳立剛++袁睿智++梁翀

摘要：本文主要針對輸電線路上的漂浮異物搭掛潛在故障進行圖像識別研究，提出利用霍夫直線變換對輸電線路進行提取，然后對輸電線所處的小塊區(qū)域進行卷積操作，結合實際誤差來對輸電線路異物進行識別。通過及時定位輸電線路安全隱患點和故障點，縮短巡檢周期，提升檢修工作人員的工作效率，降低巡檢人力成本，進一步增強輸電線路相關設備的狀態(tài)巡維能力，為有效監(jiān)測分析奠定基礎，具有較高的工程應用價值。

關鍵詞：霍夫直線變換；圖像識別；輸電線路；異物識別

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2017）03-0127-03

Abstract：This paper mainly aims at the potential failure on the transmission line of foreign bodies floating to research image recognition， presents a method of extracting transmission lines using Hough linear transformation， then carries out the convolution operation of the small area of the transmission line， identification of foreign bodies in transmission line based on actual error. Through the timely positioning of transmission line safety hidden points and fault points， shortens the inspection cycle， reduces manpower cost， improves the efficiency of the maintenance staff， and further enhances the ability of the state of the transmission line equipment， provides a basis for effective monitoring and analysis， and has high application value in engineering.

Key Words：Hough linear transformation；image recognition；transmission line； foreign body recognition

1 引言

電力是我國能源的大動脈，而輸電線路網則是電力傳輸的主要載體，維護輸電線路正常運行顯得尤為重要。搭建這些輸電線路較為迅速，但是長期維護需要巨大的人力、財力和物力。近年來，各地因為風箏、氣球等懸掛異物危及電網安全的事件屢見不鮮。輸電線路懸掛異物會使高壓電的極限放電距離縮短，甚至會造成大面積停電的嚴重后果。因此，及時識別出輸電線路上的異物具有十分重要的意義。

由于傳統(tǒng)人工巡線的方式存在安全隱患大，工作效率低，且針對一些復雜地形的輸電線路操作難度大等缺點，近幾年出現(xiàn)了借助飛行器作為運載工具，裝載可見光成像檢測設備對110～1000kV高壓輸電線走廊進行巡檢的方法[1]，并應用計算機智能處理巡檢帶回的大量圖像數據來判斷線路上是否存在異物。文獻[2-6]針對圖像空間直線進行了提取和檢測，為輸電線路的識別提供了思路。本文主要利用Otsu法（最大類間方差法）來進行圖像分割，然后基于Hough變換原理提取含有異物的輸電線路特征向量，對輸電線進行卷積操作，將提取到的輸電線與正常輸電線進行比較，以判斷輸電線是否懸掛異物。

2 圖像預處理

航拍巡檢圖像往往受到光照、天氣和濕度等因素影響，得到的圖像往往有很多噪聲等干擾因素，為了消除這些干擾因素，提高識別精度和識別效率，需要對圖像進行相應的預處理操作。本文主要采用中值濾波和形態(tài)學處理來進行預處理：

2.1 中值濾波

常見的濾波器包括高斯濾波[7]、中值濾波[8]和雙邊濾波[9]等方法，經過試驗最終我們選取中值濾波作為本文的濾波器，以保證能夠有效去除噪聲，又不影響算法的時效性。中值濾波是一種非線性濾波方法，基本思想：以某像素為中心的窗口中所有像素的灰度按從小到大排列，取排序結果的中間值作為該像素的灰度值。該方法運算簡單方便，能較好地保護邊界。實驗結果如圖1所示。

根據大量的測試實驗結果，本文采用5×5中值濾波。

2.2 形態(tài)學運算

最基本的形態(tài)學轉換是膨脹和腐蝕。分析采集圖像，我們采用閉運算對圖像進行先膨脹后腐蝕操作，以消除圖像噪聲點，連接圖像中相鄰元素。

3 圖像分割

巡檢圖像背景往往是我國復雜的地貌，對圖像處理和目標異物檢測精度帶來極大的干擾，因此，必須準確地分割航拍圖像背景。本文采用Otsu法來進行圖像分割得到待識別二值圖。

Otsu法[10]又叫最大類間方差法，是由 Otsu與1979年提出的一種閾值分割方法，它是建立在一幅圖像的灰度直方圖基礎上的，依據類間距離極大準則來確定區(qū)域分割門限，根據門限閾值來得到所需要的二值圖。

Otsu法按圖像的灰度特性，將圖像分成背景和前景兩部分。背景和前景之間的類間方差越大，說明構成圖像的兩部分的差別越大，當部分前景錯分為背景或部分背景錯分為前景都會導致兩部分差別變小。因此，使類間方差最大的分割意味著錯分概率最小。

具體實現(xiàn)方法如下：

（1）設圖像有L個灰度級，灰度值是i的像素為n，則總的像素數是N= n1+n2+n3+…..+nL-1。各灰度值出現(xiàn)的概率pi=ni/N，很顯然p1+p2+p3+…..+pL-1=1。

（2）設閾值為t，則t將圖像分割為兩個區(qū)域，即把灰度級分為兩類：

背景類A={0，1，2，…...，t}

前景類B={t+1，t+2，……，L-1}

兩類出現(xiàn)的概率分別為：

A，B兩類的灰度均值分別為：

圖像總的灰度均值為：

由此可以得到A，B兩個區(qū)域的類間方差：

類間方差越大，兩類灰度差別就越大，則使類間方差最大的t值就是我們所要求的閾值。最后我們根據所求的閾值t，將t以上的像素值設為255，將t以下的像素值設為0，就得到了最后待識別的二值圖片。

4 輸電線路異物識別

如圖2所示，本文針對此圖片進行異物識別。

本文的識別流程如圖3所示。

4.1 圖像識別前處理

為了提取更好結果的輸電線，對圖像進行灰度化和中值濾波后，利用Otsu法進行圖像分割，再進行Canny邊緣檢測，然后利用形態(tài)學對所得二值圖進行相應處理。實驗結果如圖4所示。

4.2 異物識別

（1）霍夫直線變換。本文采用OpenCV提供的霍夫直線變換[11，12]函數來檢測輸電線路?；舴蛑本€變換的基本原理是對圖像中每一個像素點進行遍歷，然后對經過這個點的所有直線進行頻率統(tǒng)計，出現(xiàn)頻率較大的直線作為該圖像中的被檢測到的直線。但是在實際操作中，本文發(fā)現(xiàn)用（a，b）表示直線存在斜率 a 為無窮時無法表示等問題，因此本文采用極坐標來標識直線，從而來解決這一弊端。OpenCV 提供了兩種變換：標準霍夫變換（SHT）和累計概率霍夫變換（PPHT），本文采用累計概率霍夫變換。

（2）識別異物。獲取圖像中所有的直線序列后，首先提取出正常的輸電線，上述提到，正常輸電線的斜率大都在區(qū)間 [0，0.2]內。在識別異物的方法，本文采用的是對提取的正常的輸電線進行卷積操作，即輸電線周圍制作一個高度為10像素，寬度為直線兩個端點的 x 坐標的差的絕對值這么多像素的矩形，為了便于計算，本文選取直線兩個端點的“最低點”（即x 和 y坐標最小的點），并以該點的上4個像素和該點的下5個像素共同構成矩形的高度。接下來，對每條正常輸電線計算像素值為255的點總數n，并且約定如果n 除以矩形的高度與寬度之積超過某個值resultRate（稱為“異點率”）就表示出現(xiàn)異物，根據大量實驗，resultRate設定為0.3。上述過程的流程圖如圖5所示。

針對圖2所示圖片，利用本文算法進行檢測的識別結果如圖6所示（將檢測到的直線像素點設為綠色，將異物像素點設置為紅色）。

可以看出本文識別算法良好，對輸電線路中的異物識別準確率較高。

5 結語

本文提出一種經過圖像預處理和霍夫直線變換后，利用異物附在輸電線路周圍這一特征提出對輸電線路進行卷積操作的算法思想，對一般的異物識別結果較好，能滿足對基本的巡檢圖像進行異物檢測識別需求。將本文算法應用在輸電線路巡檢中，對于降低巡檢人力成本，提高巡檢效率和精度都將具有很大的工程應用價值，為輸電線路異物識別提供了新的手段。

參考文獻

[1]肖世杰.構建中國智能電網技術思考[J].電力系統(tǒng)自動化，2009，33（9）：1-4.

[2]Li Z，Liu Y，Walker R，et al. Towards automatic power line detection for a UAV surveillance system using pulse coupled neural filter and an improved Hough transform[J].Machine Vision and Applications，2010，21（5）：677-686.

[3]Chan T S，Yip R K K. Line Detection Algorithm[C]// International Conference on Pattern Recognition.IEEE Xplore，1996：126-130 vol.2.

[4]Aggarwal N，Karl W C. Line detection in images through regularized Hough transform.[J].Image Processing IEEE Transactions on，2006，15（3）：582-91.

[5]張春森.基于Hough變換的空間點位自動檢測[J].計算機工程，2006，32（13）：200-202.

[6]王化楠.Hough變換在視覺檢測系統(tǒng)中的應用研究[D].大連理工大學，2006.

[7]劉西成.隨機噪聲濾除及運動模糊圖像復原技術研究[D].西北工業(yè)大學，2006.

[8]吳玉蓮.圖像處理的中值濾波方法及其應用[D].西安電子科技大學，2006.

[9]李俊峰.雙邊濾波算法的快速實現(xiàn)及其在圖像處理的應用[D].南方醫(yī)科大學，2013.

[10]胡穎.Otsu算法的研究及改進[J].棗莊學院學報，2009，26（5）：68-72.

[11]夏磊，蔡超，周成平，等.一種用Hough變換檢測圓的快速算法[J].計算機應用研究，2007，24（10）：197-199.

[12]歐祥印.基于HOUGH變換對已知形狀的圖像識別與特征點的計算[D].吉林大學，2005.