亚星游戏官网-www.yaxin868.com

一种空中输电线路绝缘子检测方法
【专利摘要】本发明涉及输电线路巡检领域，具体公开了一种空中输电线路绝缘子检测方法；包括：从航拍终端或录像中的输电线路提取相邻帧图像；对提取的相邻帧图像进行图像的预处理，并采用中值滤波法进行图像平滑处理；再先后采用改进的模糊c-均值聚类法和马尔科夫随机场相结合的方法，对预处理后的相邻帧图像进行图像分割；并识别相邻帧图像中所包含的待检测的绝缘子，再采用形态学滤波进行滤除，得到绝缘子的准确位置；最后采用8-邻域方式来标记分割后的每一帧图像中绝缘子的轮廓。本发明能够从复杂的航拍图像中完整地提取绝缘子图像，为后续有效检测输电线路绝缘子缺陷提供技术保障。
【专利说明】一种空中输电线路绝缘子检测方法
【技术领域】
[0001]本发明涉及输电线路巡检领域，尤其是涉及一种空中输电线路绝缘子检测方法。【背景技术】
[0002]对于架空输电线路，由于长期暴露在自然环境中，存在人为或自然的破坏和线路老化问题，还要经受污秽、雷击、风雪、洪水和鸟害等外界因素的侵害。以上因素会促使线路上设备老化，如果不及时发现和消除这些隐患就有可能引发各种故障甚至出现事故，会影响电网的安全运行和电力系统稳定。输电线路的绝缘子是用来防止输电线路的带电部件形成接地通道，因此是架空输电线路的重要部件之一。随着计算机视觉和图像技术的快速发展以及航空数字相机拍摄技术的极大提高，利用直升机进行输电线路巡检和维护，将数字相机的数据采集和图像处理与识别技术相结合，自动诊断输电线路的各种缺陷，生成缺陷报告清单和检修报告清单是航拍输电线路巡检技术发展的必然趋势。
[0003]利用数字图像处理技术，从航拍影像中提取绝缘子图像，可为绝缘子缺陷的自动诊断提供可能。由于航拍影像中图像背景复杂，如何从航拍影像中提取输电线路的绝缘子，从而为自动诊断输电线路的各种缺陷，生成缺陷报告清单和检修报告清单提供依据；至今在国内外一直是研究的难题。
[0004]目前还没有有效的空中输电线路绝缘子检测方法来解决上述问题。

【发明内容】

[0005]本发明所解决的技术问题是提供一种空中输电线路绝缘子检测方法，本发明能够从复杂的航拍图像中完整地提取绝缘子图像，为后续有效检测输电线路绝缘子缺陷提供技术保障。
[0006]为了解决上述技术问题，本发明提供了一种空中输电线路绝缘子检测方法，包括:
[0007]步骤一:从航拍终端或录像中的输电线路提取相邻帧图像；
[0008]步骤二:对提取的所述相邻帧图像进行图像的预处理；
[0009]步骤三:先后采用改进的模糊C-均值聚类法和马尔科夫随机场相结合的方法，对预处理后的所述相邻帧图像进行图像分割；并识别所述相邻帧图像中所包含的待检测的绝缘子；
[0010]步骤四:采用连通区域标识来标记分割后的所述每一帧图像中所述绝缘子的轮廓。
[0011 ] 优选的，所述绝缘子采用钢化玻璃绝缘子。
[0012]更加优选的，所述步骤二的预处理过程是:将彩色图像的RGB空间转换为HSI空间；所述HSI空间中的H表示色度；S表示饱和度；1表示亮度；从所述RGB空间到所述HSI空间转换过程如下:
[0013]所述HSI空间中H、S、I这三个分量相互独立；当光线越强，S分量的值越小；当光线越强，S分量的值越小；所述HSI空间为[O，255]的像素空间；
[0014]转换为所述HSI空间后，再对所述相邻帧图像进行图像平滑的处理。
[0015]更加优选的，所述图像平滑采用中值滤波法，采用5X5模板。
[0016]更加优选的，所述步骤三中采用在收敛速度方面进行改进的模糊C-均值聚类法对所述相邻帧图像中的每一帧图像进行图像一次分割的过程是:设为图像中所有非边缘点的集合，为所有边缘点的集合；首先确定参数c, m, η和t ;t代表迭代的次数，t从O开始，每次加I ;首先设置t = O开始迭代第一次，t = I开始迭代第二次，以此类推，进行迭代；
[0017]假设有个样本数据组成样本集合表示为:；其中；代表每个聚类的中心，其中；为预定的聚类数目，表示第个样本对于第类聚类中心的隶属度；
[0018]首先将非边缘部分的点分成互不相交的块，然后将边缘部分的点划分到相邻的块中，形成一些互不相交的、连续的子类，完成一次图像的初步分割，得到c个互不相交的子类:，其中，，则当位于第类时，则，否则；在进行迭代时，输入初始化参数c，m，n，t，分别调用下述隶属度公式和类中心公式进行迭代，比较类中心公式和；当时，迭代结束；否则持续迭代；阈值的设定范围O?10的自然数；完成图像的一次分割；
[0019]隶属度公式为:
[0020]类中心公式为:
[0021]得到个互不相交的子类:，其中；
[0022]式中，，是加权指数，η为图像中的像素数或模式数，c为预先设置的类别数Kc ( η ;其中为样本与第类的聚类中心间的欧式距离，表示样本是否在第类的聚类中，即样本对于的隶属度；
[0023]当点时，即为边缘点，其计算公式与所述隶属度公式相同，采用的是模糊化隶属关系的方法；当点，即为非边缘点时，隶属度均不发生变化，不再重新计算；重新计算和确定归属的只是所述边缘点。
[0024]更加优选的，所述步骤三中，采用马尔科夫随机场的方法对所述相邻帧图像经过一次分割后的图像进行二次分割的过程是:对经过一次分割后的图像，通过下述先验概率公式计算各像素点的隶属类别先验概率，再通过下述更新的隶属度公式计算隶属度，通过上述类中心公式计算各个聚类中心；t代表迭代的次数，t从O开始，每次加I ;首先设置t=O开始迭代第一次，t = I开始迭代第二次，以此类推，进行迭代；比较类中心公式和；当时，迭代结束；否则持续迭代；阈值的设定范围O?10的自然数；
[0025]马尔科夫随机场与吉布斯分布具有对等性，马尔科夫随机场由一个吉布斯分布来表示，第像素属于第类的先验概率为:
[0026]其中为邻域标记为j的节点个数，I为类别集；
[0027]通过吉布斯模型提供的先验概率，即第i像素属于第j类的概率值，则隶属度更新为，其中为控制权重因子，其值随着图像中噪声的值而增大，范围为，则更新的隶属度公式为:
[0028]更加优选的，所述步骤三中，所述相邻帧图像经过二次分割后，分割成前景图像和背景图像，所述前景图像指所述绝缘子所在区域的图像，所述背景图像指所述绝缘子所在区域之外的图像；所述前景图像的像素值设置为255，即白色；所述背景图像的像素值设置为0，即黑色；输出分割结果的图像，得到所述绝缘子的位置。[0029]更加优选的，所述步骤三中，所述相邻帧图像经过二次分割后，得到所述绝缘子的位置；当二次分割后的图像存在影响绝缘子定位的准确度的块状和线条状区域时，则采用形态学滤波进行滤除；所述滤除的过程是:先使用5X5的圆形结构元对图像进行闭运算，再使用5X5的方形结构元对闭运算后的图像进行开运算，最终经过形态学滤波后，得到所述绝缘子的准确位置。
[0030]更加优选的，所述步骤四中标识所述每一帧图像中所识别的所述绝缘子的轮廓的过程是:经过所述步骤三处理后，得到所述绝缘子的准确位置，采用连通所述绝缘子的准确位置来标识所述绝缘子的轮廓，即对绝缘子边缘采用8-邻域方式进行标记；所述绝缘子边缘的像素值为255，背景的像素值为0，首先对所述步骤三处理后的图像进行一次完整的扫描，标记出所有目标像素点，然后对每个所述像素点的8-连通区域进行标记，即对每个所述像素点的上、下、左、右、左上、右上、右下、左下，共8个相邻的像素点进行比较，然后根据比较结果进行标记。
[0031]更加优选的，将所述八个相邻的像素点进行比较，根据比较结果进行标记的过程是:
[0032]采用逐行扫描方式，从左向右从上向下扫描所述步骤三处理后的图像的每一个像素点，判断当前点8-邻域中的左、左上、上、右上位置是否有像素点，则表示一个新的待标记区域的开始；
[0033]若当前点8-邻域中的左的位置上有像素点，则标记当前像素点为左的像素点的标记值；
[0034]若当前点8-邻域中的左的位置上没有像素点,左上的位置上有像素点，则标记当前像素点为左上的像素点的标记值；
[0035]依次按照左、左上、上、右上的顺序，标记当前像素点为四个像素点中的一个；
[0036]继续扫描直到扫描完成。
[0037]其中，所述钢化玻璃绝缘子(英文名称:Toughenedglassbead)，钢化玻璃绝缘子产品用于高压和超高压交、直流输电线路中绝缘和悬挂导线用。早年间钢化玻璃绝缘子多用于电线杆，慢慢发展于高型高压电线连接塔的一端挂了很多盘状的绝缘体，它是为了增加爬电距离的，通常由玻璃或陶瓷制成，就叫绝缘子。
[0038]其中，所述中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升(或下降)的为二维数据序列。二维中值滤波输出为g(x，y)=med{f (x-k, y-1), (k, I e W)}，其中，f (χ, y)，g (χ, y)分别为原始图像和处理后图像。W为二维模板，通常为3*3，5*5区域，也可以是不同的形状，如线状，圆形，十字形，圆环形等。
[0039]其中，所述模糊C-均值聚类法，英文为fuzzyc-meansalgorithm (FCMA)或称(FCM)。在众多模糊聚类算法中，模糊C-均值(FCM)算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目 的。FCM算法简介:假设样本集合为X= {xl，x2,…，xn}，将其分成C个模糊组，并求每组的聚类中心h(j = 1，2，…，C)，使目标函数达到最小。模糊聚类分析作为无监督机器学习的主要技术之一，是用模糊理论对重要数据分析和建模的方法，建立了样本类属的不确定性描述，能比较客观地反映现实世界，它已经有效地应用在大规模数据分析、数据挖掘、矢量量化、图像分割、模式识别等领域，具有重要的理论与实际应用价值，随着应用的深入发展，模糊聚类算法的研究不断丰富。
[0040]其中，所述马尔科夫随机场(MarkovRandomField,简称MRF),也有人翻译为马尔科夫随机场，它包含两层意思:即马尔可夫和随机场。马尔可夫一般是马尔可夫性质的简称。它指的是一个随机变量序列按时间先后关系依次排开的时候，第N+1时刻的分布特性，与N时刻以前的随机变量的取值无关。拿天气来打个比方。如果我们假定天气是马尔可夫的，其意思就是我们假设今天的天气仅仅与昨天的天气存在概率上的关联，而与前天及前天以前的天气没有关系。其它如传染病和谣言的传播规律，就是马尔可夫的。随机场包含两个要素:位置(site),相空间(phasespace)。当给每一个位置中按照某种分布随机赋予相空间的一个值之后，其全体就叫做随机场。我们不妨拿种地来打个比方。“位置”好比是一亩亩农田；“相空间”好比是种的各种庄稼。我们可以给不同的地种上不同的庄稼，这就好比给随机场的每个“位置”，赋予相空间里不同的值。 [0041]其中，所述吉布斯分布是将具有不连续点的周期函数(如矩形脉冲)进行傅立叶级数展开后，选取有限项进行合成。当选取的项数越多，在所合成的波形中出现的峰起越靠近原信号的不连续点。当选取的项数很大时，该峰起值趋于一个常数，大约等于总跳变值的9%。吉布斯函数(Gibbsfunction)，系统的热力学函数之一。又称热力势、自由焓、吉布斯自由能等。符号G，定义为:G = H-TS，式中H、T、S分别为系统的焓、热力学温度(开尔文温度K)和熵。吉布斯函数是系统的广延性质，具有能量的量纲。由于H，T，S都是状态函数，因而G也必然是一个状态函数。当体系发生变化时，G也随之变化。其改变值AG，称为体系的吉布斯自由能变，只取决于变化的始态与终态，而与变化的途径无关:Λ G = Gft-Gfe,按照吉布斯自由能的定义，可以推出当体系从状态I变化到状态2时，体系的吉布斯自由能变为:Λ G = G2-G1 =Δ H- Δ (TS)，对于等温条件下的反应而言，有Τ2 = Tl = Τ,则Λ G= AH-TAS,上式称为吉布斯-赫姆霍兹公式(亦称吉布斯等温方程)。由此可以看出，Λ G包含了Λ H和Λ S的因素，若用Λ G作为自发反应方向的判据时，实质包含了Λ H和Λ S两方面的影响，即同时考虑到推动化学反应的两个主要因素。因而用AG作判据更为全面可靠。而且只要是在等温、等压条件下发生的反应，都可用Λ G作为反应方向性的判据，而大部分化学反应都可归人到这一范畴中，因而用Λ G作为判别化学反应方向性的判据是很方便可行的。马尔可夫随机场由于能够有效地表征图像数据的空间相关性，并且有优化算法的支持，在SAR图像处理中起着越来越重要的作用。随机场的局部特征很难表达，实用中总是米用联合概率分布。若MRF的联合概率用高斯分布表不,称为高斯马尔可夫随机场(Gauss-MRF);若米用吉布斯分布表不，称为吉布斯马尔可夫随机场。吉布斯马尔可夫随机场(Gibbs-MRF)Gibbs-MRF主要用于图像复原算法中，一般都和优化的参数估计方法模拟退火相联系。
[0042]其中，所述形态学滤波是图像处理中经典的滤波算法；形态学滤波算法包括形态学运算和结构元选取两个部分，形态学运算采用膨胀和腐蚀，它们互为对偶运算，对图像先腐蚀再膨胀称为开运算，可以清除图像某些微小的联结、边缘毛边和孤立点；先膨胀再腐蚀则称为闭运算，可以用来填充孔洞，提高图像的连通性；其中膨胀和腐蚀是最基本的形态学运算，它们互为对偶运算。形态学滤波器的滤波性能主要取决于结构元的选取，常用的结构元素有线结构元、方形结构元和圆形结构元等。
[0043]所述，8-连通区域是指，以点(X，y)为例，点(x，y)的8_连通区域指这个点周围的 8 个点，点(X，y)的 8-连通区域为(x-l，y-l) ； (χ-l, y) ； (χ-l, y+1) ； (x, y-1) ； (x, y+1)；(x+l,y-l) ； (x+1, y) ； (x+1, y+1);在用滤波器提取完边缘后找边缘的8连通区域的意思是找到那些边缘点属于一条完整的边缘。因为一条边缘线上的点总是上下左右相邻的。
[0044]本发明与现有技术相比，具有如下有益效果:
[0045]本发明提供了一种空中输电线路绝缘子检测方法，本发明能够从复杂的航拍图像中完整地提取绝缘子图像，为后续有效检测输电线路绝缘子缺陷提供技术保障。
【专利附图】

【附图说明】
[0046]图1示例性的示出了本发明一种空中输电线路绝缘子检测方法的流程示意图；
[0047]图2示例性的示出了本发明一种空中输电线路绝缘子图像分割的流程示意图。
【具体实施方式】
[0048]为了更好的理解本发明所解决的技术问题、所提供的技术方案，以下结合附图及实施例，对本发明进行进一步详细说明。此处所描述的具体实施例仅用以解释本发明的实施，但并不用于限定本发明。
[0049]在优选的实施例中，图1示例性的示出了本发明一种空中输电线路绝缘子检测方法的流程示意图，包括:
[0050]A:从航拍终端或录像中的输电线路提取相邻帧图像；
[0051]B:对提取的所述相邻帧图像进行图像的预处理；
[0052]C:先后采用改进的模糊C-均值聚类法和马尔科夫随机场相结合的方法，对预处理后的所述相邻帧图像进行图像分割；并识别所述相邻帧图像中所包含的待检测的绝缘子;
[0053]D:采用连通区域标识来标记分割后的所述每一帧图像中所述绝缘子的轮廓。
[0054]在更加优选的实施例中，所述绝缘子采用钢化玻璃绝缘子。
[0055]在更加优选的实施例中，所述步骤B的预处理过程是:将彩色图像的RGB空间转换为HSI空间；所述HSI空间中的H表示色度；S表示饱和度；1表示亮度；从所述RGB空间到所述HSI空间转换过程如下:
[0056]所述HSI空间中H、S、I这三个分量相互独立；当光线越强，S分量的值越小；当光线越强，S分量的值越小；所述HSI空间为[0，255]的像素空间；
[0057]转换为所述HSI空间后，再对所述相邻帧图像进行图像平滑的处理。
[0058]在更加优选的实施例中，所述图像平滑采用中值滤波法，采用5X5模板。
[0059]在更加优选的实施例中，图2示例性的示出了本发明一种空中输电线路绝缘子图像分割的流程示意图；所述步骤C中采用在收敛速度方面进行改进的模糊C-均值聚类法对所述相邻帧图像中的每一帧图像进行图像一次分割的过程是:设为图像中所有非边缘点的集合，为所有边缘点的集合；首先确定参数c, m, η和t ；t代表迭代的次数，t从O开始,每次加I ;首先设置t = O开始迭代第一次，t = I开始迭代第二次，以此类推，进行迭代；
[0060]假设有个样本数据组成样本集合表示为:；其中；代表每个聚类的中心,其中；为预定的聚类数目，表示第个样本对于第类聚类中心的隶属度；
[0061]首先将非边缘部分的点分成互不相交的块，然后将边缘部分的点划分到相邻的块中，形成一些互不相交的、连续的子类，完成一次图像的初步分割，得到c个互不相交的子类:，其中，，则当位于第类时，则，否则；在进行迭代时，输入初始化参数c，m，n，t，分别调用下述隶属度公式和类中心公式进行迭代，比较类中心公式和；当时，迭代结束；否则持续迭代；阈值的设定范围O?10的自然数；完成图像的一次分割；
[0062]隶属度公式为:
[0063]类中心公式为:
[0064]得到个互不相交的子类:，其中；
[0065]式中，，是加权指数，η为图像中的像素数或模式数，c为预先设置的类别数Kc ( η ;其中为样本与第类的聚类中心间的欧式距离，表示样本是否在第类的聚类中，即样本对于的隶属度；
[0066]当点时，即为边缘点，其计算公式与所述隶属度公式相同，采用的是模糊化隶属关系的方法；当点，即为非边缘点时，隶属度均不发生变化，不再重新计算；重新计算和确定归属的只是所述边缘点。
[0067]在更加优选的实施例中，所述步骤C中，采用马尔科夫随机场的方法对所述相邻帧图像经过一次分割后的图像进行二次分割的过程是:对经过一次分割后的图像，通过下述先验概率公式计算各像素点的隶属类别先验概率，再通过下述更新的隶属度公式计算隶属度，通过上述类中心公式计算各个聚类中心；首先确定参数c，m，η和t;t代表迭代的次数，t从O开始，每次加I ;首先设置t = O开始迭代第一次，t = I开始迭代第二次，以此类推，进行迭代；比较类中心公式和；当时，迭代结束；否则持续迭代；阈值的设定范围O?10的自然数；
[0068]马尔科夫随机场与吉布斯分布具有对等性,马尔科夫随机场由一个吉布斯分布来表示，第像素属于第类的先验概率为:
[0069]其中为邻域标记为j的节点个数，I为类别集；
[0070]通过吉布斯模型提供的先验概率，即第i像素属于第j类的概率值，则隶属度更新为，其中为控制权重因子，其值随着图像中噪声的值而增大，范围为，则更新的隶属度公式为:
[0071]在更加优选的实施例中，所述步骤C中，所述相邻帧图像经过二次分割后，分割成前景图像和背景图像，所述前景图像指所述绝缘子所在区域的图像，所述背景图像指所述绝缘子所在区域之外的图像；所述前景图像的像素值设置为255，即白色；所述背景图像的像素值设置为0，即黑色；输出分割结果的图像，得到所述绝缘子的位置。
[0072]在更加优选的实施例中，所述步骤C中，所述相邻帧图像经过二次分割后，得到所述绝缘子的位置；当二次分割后的图像存在影响绝缘子定位的准确度的块状和线条状区域时，则采用形态学滤波进行滤除；所述滤除的过程是:先使用5X5的圆形结构元对图像进行闭运算，再使用5X5的方形结构元对闭运算后的图像进行开运算，最终经过形态学滤波后，得到所述绝缘子的准确位置。[0073]在更加优选的实施例中，所述步骤D中标识所述每一帧图像中所识别的所述绝缘子的轮廓的过程是:经过所述步骤C处理后，得到所述绝缘子的准确位置，采用连通所述绝缘子的准确位置来标识所述绝缘子的轮廓，即对绝缘子边缘采用8-邻域方式进行标记；所述绝缘子边缘的像素值为255，背景的像素值为0，首先对所述步骤C处理后的图像进行一次完整的扫描，标记出所有目标像素点，然后对每个所述像素点的8-连通区域进行标记，即对每个所述像素点的上、下、左、右、左上、右上、右下、左下，共8个相邻的像素点进行比较，然后根据比较结果进行标记。
[0074]在更加优选的实施例中，将所述八个相邻的像素点进行比较，根据比较结果进行标记的过程是:
[0075]采用逐行扫描方式，从左向右从上向下扫描所述步骤C处理后的图像的每一个像素点，判断当前点8-邻域中的左、左上、上、右上位置是否有像素点，则表示一个新的待标记区域的开始；
[0076]若当前点8 -邻域中的左的位置上有像素点，则标记当前像素点为左的像素点的标记值；
[0077]若当前点8 -邻域中的左的位置上没有像素点,左上的位置上有像素点，则标记当前像素点为左上的像素点的标记值；
[0078]依次按照左、左上、上、右上的顺序，标记当前像素点为四个像素点中的一个；
[0079]继续扫描直到扫描完成。
[0080]具体实施例:
[0081]图1为一种空中输电线路绝缘子检测方法流程框图。如图1所示，具体流程如下:
[0082]步骤S101，从航拍终端或录像中提取相邻帧图像。图像中包括超高压输电线路及钢化玻璃绝缘子。
[0083]步骤S102，对提取图像进行图像预处理，具体为:直接将彩色图像转换为灰度图，然后对绝缘子图像进行分割，经试验证明效果不佳。因此，本发明将彩色图像的RGB空间转换为HSI空间。HSI空间中的H表示色度；S表示饱和度；1表示亮度。从RGB空间到HSI空间转换过程如下:
[0084](I)；
[0085]因为HSI空间模型接近人对颜色的视觉感知，三个分量之间相关性很小，色度分量H对光线和阴影都不敏感，饱和度分量S随着光强度的变化对成像物体的有一定的影响，因此可以区分不同颜色的物体。
[0086]HSI空间中H、S、I三分量相互独立，经过大量试验证明随着光强度的变化，当光线越强，S分量的值越小，所以本发明选取S分量作为图像分割的灰度图，将其转换到[0，255]的像素空间。
[0087]再对图像进行图像平滑，过滤噪声，图像平滑采用中值滤波的方法，采用5X5模板。
[0088]步骤S103，利用改进C-均值聚类和马尔科夫随机场结合的方法，对绝缘子图像进行图像分割，具体为:本发明设计了一种改进模糊均值聚类方法对图像进行分割，在模糊均值聚类方法(FCM)基础上，针对航拍图像中绝缘子的特点，对FCM方法的收敛速度进行改进，设Etl为图像中所有非“边缘”点的集合，E1为所有“边缘”点的集合，那么:[0089]首先将非“边缘”部分分成互不相交的块，然后将“边缘”部分的点划分到相邻的块中，形成一些互不相交的、连续的子类，完成一次图像的初步分割，得到c个互不相交的子类其中，ie {1，2，…，c}，则当Xj位于第i类z广时，则=1，否则 =0。在进
行迭代时，隶属度公式为:
[0090](2)；
[0091]类中心公式为:
[0092](3)；
[0093]得到个互不相交的子类:，其中；
[0094]式中，，是加权指数，η为图像中的像素数或模式数，c为预先设置的类别数Kc ≤η ;其中为样本与第类的聚类中心间的欧式距离，表示样本是否在第类的聚类中，即样本对于的隶属度；
[0095]当点时，即为边缘点，其计算公式与所述隶属度公式相同，采用的是模糊化隶属关系的方法；当点，即为非边缘点时，隶属度均不发生变化，不再重新计算；重新计算和确定归属的只是所述边缘点。
[0096]由于模糊均值聚类方法分割图像时仅应用图像的灰度特征，并没有考虑到像素的空间特征，所以当航拍条件恶劣的时候，例如:雾霾天气、雨雪天气，模糊均值聚类方法会受到噪声点的影响，为了将绝缘子区域从图像中分离出来，本发明引入马尔科夫随机场(MRF)与吉布斯Gibbs随机场分布，用来提高像素分布的先验概率。因为MRF与Gibbs随机场具有对等性，那么马尔科夫随机场可由一个吉布斯分布来表示，第像素属于第类的先验概率为:
[0097](4)；
[0098]其中为邻域标记为j的节点个数，I为类别集；
[0099]通过吉布斯模型提供的先验概率，即第i像素属于第j类的概率值，则隶属度更新为，其中为控制权重因子，其值随着图像中噪声的值而增大，范围为，则隶属度公式(2)更新为:
[0100](5)
[0101]具体绝缘子图像分割步骤如下:
[0102]I)确定模糊均值聚类算法参数C，m, η,并且t = O ;
[0103]2)利用改进模糊均值聚类算法进行初次图像分割
[0104]3)根据初次分割结果，通过公式(4)计算各像素点的隶属类别先验概率
[0105]4)利用公式(5)计算隶属度
[0106]5)利用公式(3)计算各个聚类中心，并且
[0107]6)选取一个合适的矩阵范数比较和，，当时，迭代结束；转步骤7);否则返回步骤3)。例如:雨雪天设为10，晴天设为2。
[0108]7)输出分表1]结果。
[0109]步骤S104，采用连通区域标识来标识绝缘子轮廓，具体为:经过图像分割后，可得到绝缘子区域，采用连通区域标识来标识绝缘子轮廓，即对绝缘子边缘进行标记。采用8-邻域方式进行标记。假设目标为白色，值为255，背景为黑色，值为O。首先对二值图像进行一次完整的扫描，标记出所有目标像素点，然后对每一个像素进行8-连通区域的标记，即对每个像素的上、下、左、右、左上、右上、右下、左下，共8个相邻像素进行比较，然后根据比较结果进行标记。
[0110]图2为一种空中输电线路绝缘子图像分割流程图。如图2所示，具体流程如下:
[0111]该流程开始于步骤S201 ；
[0112]在步骤S202,确定模糊均值聚类算法参数c, m, η,并且t = 0。
[0113]在步骤S203，根据步骤S202输入的初始化参数，利用改进模糊均值聚类算法进行初次图像分割。
[0114]在步骤S204，根据 步骤S203改进模糊均值聚类算法初次分割结果，通过公式(4)计算各像素点的隶属类别先验概率。
[0115]在步骤S205，根据步骤S204计算得到的隶属类别先验概率，再利用公式(5)计算
隶属度。
[0116]在步骤S206，根据步骤S205计算得到的隶属度uij，利用公式(3)计算各个聚类中心,并且。
[0117]在步骤S207，根据步骤S206计算得到的聚类中心，选取一个合适的矩阵范数比较和；
[0118]如果步骤S207的结果为“是”，则进入步骤S208，输出分割图像，得到结果；
[0119]如果步骤S207的结果为“否”，则进入步骤S204.[0120]进入步骤S209，流程结束。
[0121]本发明的创新之处在于:
[0122]1:彩色RGB图像转换为HSI图像。具体为:针对航拍图像的特点，没有将彩色图像的RGB直接灰度化得到灰度图，而是将彩色RGB图像转换为HSI空间的表示，然后选取S分量作为灰度图，然后在图像分割。效果是转换为HSI图像后，选取S分量作为灰度图，得到的灰度图能突出绝缘子在输电线路中位置。
[0123]2:改进的C-均值聚类方法。具体为:对模糊均值聚类(FCM)方法的收敛速度进行改进，增加图像中所有非“边缘”点的集合，所有“边缘”点的集合，然后更新隶属度公式，进行初次分割。
[0124]3:利用马尔科夫随机场(MRF)与吉布斯Gibbs随机场进行二次分割。具体为:利用马尔科夫随机场(MRF)与吉布斯Gibbs随机场得到像素属于某一类的概率密度，然后继续更新隶属度公式，进行二次分割。
[0125]以上通过具体的和优选的实施例详细的描述了本发明，但本领域技术人员应该明白，本发明并不局限于以上所述实施例，凡在本发明的基本原理之内，所作的任何修改、组合及等同替换等，均包含在本发明的保护范围之内。
【权利要求】
1.一种空中输电线路绝缘子检测方法，其特征在于，包括: 步骤一:从航拍终端或录像中的输电线路提取相邻帧图像； 步骤二:对提取的所述相邻帧图像进行图像的预处理； 步骤三:先后采用改进的模糊C-均值聚类法和马尔科夫随机场相结合的方法，对预处理后的所述相邻帧图像进行图像分割；并识别所述相邻帧图像中所包含的待检测的绝缘子; 步骤四:采用连通区域标识来标记分割后的所述每一帧图像中所述绝缘子的轮廓。
2.根据权利要求1所述的空中输电线路绝缘子检测方法，其特征在于，所述绝缘子采用钢化玻璃绝缘子。
3.根据权利要求1所述的空中输电线路绝缘子检测方法，其特征在于，所述步骤二的预处理过程是:将彩色图像的RGB空间转换为HSI空间；所述HSI空间中的H表示色度；S表示饱和度；1表示亮度；从所述RGB空间到所述HSI空间转换过程如下: 所述HSI空间中H、S、I这三个分量相互独立；当光线越强，S分量的值越小；当光线越强，S分量的值越小;所述HSI空间为[O, 255]的像素空间； 转换为所述HSI空间后，再对所述相邻帧图像进行图像平滑的处理。
4.根据权利要求3所述的空中输电线路绝缘子检测方法，其特征在于，所述图像平滑采用中值滤波法，采用5X5模板。
5.根据权利要求1所述的空中输电线路绝缘子检测方法，其特征在于，所述步骤三中采用在收敛速度方面进行改进的模糊C-均值聚类法对所述相邻帧图像中的每一帧图像进行图像一次分割的过程是:设为图像中所有非边缘点的集合，为所有边缘点的集合；首先确定参数c, m, η和t ;t代表迭代的次数，t从O开始,每次加I ;首先设置t = O开始迭代第一次，t = I开始迭代第二次，以此类推，进行迭代； 假设有个样本数据组成样本集合表示为:；其中；代表每个聚类的中心，其中；为预定的聚类数目，表示第个样本对于第类聚类中心的隶属度； 首先将非边缘部分的点分成互不相交的块，然后将边缘部分的点划分到相邻的块中，形成一些互不相交的、连续的子类，完成一次图像的初步分割，得到c个互不相交的子类:，其中，，则当位于第类时，则，否则；在进行迭代时，输入初始化参数c，m，n，t，分别调用下述隶属度公式和类中心公式进行迭代，比较类中心公式和；当时，迭代结束；否则持续迭代；阈值的设定范围O~10的自然数；完成图像的一次分割； 隶属度公式为: 类中心公式为: 得到个互不相交的子类:，其中； 式中，，是加权指数，η为图像中的像素数或模式数，c为预先设置的类别数l〈c ( η ;其中为样本与第类的聚类中心间的欧式距离，表示样本是否在第类的聚类中，即样本对于的隶属度； 当点时，即为边缘点，其计算公式与所述隶属度公式相同，采用的是模糊化隶属关系的方法；当点，即为非边缘点时，隶属度均不发生变化，不再重新计算；重新计算和确定归属的只是所述边缘点。
6.根据权利要求1所述的空中输电线路绝缘子检测方法，其特征在于，所述步骤三中，采用马尔科夫随机场的方法对所述相邻帧图像经过一次分割后的图像进行二次分割的过程是:对经过一次分割后的图像，通过下述先验概率公式计算各像素点的隶属类别先验概率，再通过下述更新的隶属度公式计算隶属度，通过上述类中心公式计算各个聚类中心；t代表迭代的次数，t从O开始，每次加I ;首先设置t = O开始迭代第一次，t = I开始迭代第二次，以此类推，进行迭代；比较类中心公式和；当时，迭代结束；否则持续迭代；阈值的设定范围O~10的自然数； 马尔科夫随机场与吉布斯分布具有对等性，马尔科夫随机场由一个吉布斯分布来表示，第像素属于第类的先验概率为: 其中为邻域标记为j的节点个数，I为类别集； 通过吉布斯模型提供的先验概率，即第i像素属于第j类的概率值，则隶属度更新为，其中为控制权重因子，其值随着图像中噪声的值而增大，范围为，则更新的隶属度公式为。
7.根据权利要求6所述的空中输电线路绝缘子检测方法，其特征在于，所述步骤三中，所述相邻帧图像经过二次分割后，分割成前景图像和背景图像，所述前景图像指所述绝缘子所在区域的图像，所述背景图像指所述绝缘子所在区域之外的图像；所述前景图像的像素值设置为255，即白色；所述背景图像的像素值设置为0，即黑色；输出分割结果的图像，得到所述绝缘子的位置。
8.根据权利要求7所述的空中输电线路绝缘子检测方法，其特征在于，所述步骤三中，所述相邻帧图像经过二次分割后，得到所述绝缘子的位置；当二次分割后的图像存在影响绝缘子定位的准确度的块状和线条状区域时，则采用形态学滤波进行滤除；所述滤除的过程是:先使用5X5的圆形结构元对图像进行闭运算，再使用5X5的方形结构元对闭运算后的图像进行开运算，最终 经过形态学滤波后，得到所述绝缘子的准确位置。
9.根据权利要求1所述的空中输电线路绝缘子检测方法，其特征在于，所述步骤四中标识所述每一帧图像中所识别的所述绝缘子的轮廓的过程是:经过所述步骤三处理后，得到所述绝缘子的准确位置，采用连通所述绝缘子的准确位置来标识所述绝缘子的轮廓，即对绝缘子边缘采用8-邻域方式进行标记；所述绝缘子边缘的像素值为255，背景的像素值为0，首先对所述步骤三处理后的图像进行一次完整的扫描，标记出所有目标像素点，然后对每个所述像素点的8-连通区域进行标记，即对每个所述像素点的上、下、左、右、左上、右上、右下、左下，共8个相邻的像素点进行比较，然后根据比较结果进行标记。
10.根据权利要求9所述的空中输电线路绝缘子检测方法，其特征在于，将所述八个相邻的像素点进行比较，根据比较结果进行标记的过程是: 采用逐行扫描方式，从左向右从上向下扫描所述步骤三处理后的图像的每一个像素点，判断当前点8-邻域中的左、左上、上、右上位置是否有像素点，则表示一个新的待标记区域的开始； 若当前点8-邻域中的左的位置上有像素点，则标记当前像素点为左的像素点的标记值； 若当前点8-邻域中的左的位置上没有像素点，左上的位置上有像素点，则标记当前像素点为左上的像素点的标记值； 依次按照左、左上、上、右上的顺序，标记当前像素点为四个像素点中的一个； 继续扫描直到扫描完成。
【文档编号】G01N21/88GK103940824SQ201410177668
【公开日】2014年7月23日 申请日期:2014年4月29日 优先权日:2014年4月29日
【发明者】孙宏彬, 柯洪昌, 李天宇 申请人:长春工程学院