本文關(guān)鍵詞：航拍輸電線(xiàn)圖像中部件檢測(cè)關(guān)鍵技術(shù)研究　出處：《大連海事大學(xué)》2017年博士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 輸電線(xiàn)檢測(cè) 局部特征 主動(dòng)輪廓模型 空間關(guān)系特征 顏色聚類(lèi) 紋理特征 投影變換

【摘要】：輸電線(xiàn)巡檢是為了排查輸電線(xiàn)路中可能出現(xiàn)的故障和安全隱患,及時(shí)的發(fā)現(xiàn)問(wèn)題可以避免重大的電力事故。隨著科技的高速發(fā)展,可以利用一些高科技解決傳統(tǒng)人工巡檢輸電線(xiàn)效率低下,并且準(zhǔn)確率也不高的問(wèn)題。使用直升機(jī)或者無(wú)人機(jī)巡檢輸電線(xiàn),可以快速準(zhǔn)確的采集到輸電線(xiàn)路的視頻和圖像數(shù)據(jù)。然后以適合的計(jì)算機(jī)視覺(jué)技術(shù)處理這些海量的航拍輸電線(xiàn)巡檢圖像,可以極大的提高工作效率。按照不同目標(biāo)可以將輸電線(xiàn)巡檢圖像分為輸電線(xiàn)圖像和絕緣子圖像。處理輸電線(xiàn)圖像是為了檢測(cè)圖像中輸電線(xiàn)及其相關(guān)配件是否存在故障;處理絕緣子圖像是為了檢測(cè)出圖像中絕緣子的位置并判斷是否有缺陷。航拍輸電線(xiàn)巡檢圖像中背景環(huán)境十分復(fù)雜,而復(fù)雜的背景會(huì)極大的干擾對(duì)圖像中目標(biāo)的檢測(cè),因此傳統(tǒng)的目標(biāo)檢測(cè)算法在處理這類(lèi)圖像時(shí)都很難獲得令人滿(mǎn)意的結(jié)果。本課題針對(duì)這些問(wèn)題,在研究分析了大量輸電線(xiàn)圖像后,結(jié)合一些相關(guān)的文獻(xiàn)資料,從不同目標(biāo)和不同角度出發(fā),創(chuàng)新性地提出了如下幾種算法。1.輸電線(xiàn)及其相關(guān)配件的故障診斷可以分成輸電線(xiàn)檢測(cè)、相關(guān)配件檢測(cè)和各種故障診斷。而大部分算法都是針對(duì)這些情況中的某個(gè)部分進(jìn)行算法設(shè)計(jì),沒(méi)有一個(gè)可以同時(shí)完成所有任務(wù)的算法。本文提出了一個(gè)融合了各類(lèi)檢測(cè)方法和故障診斷方法的集成算法。輸電線(xiàn)檢測(cè)方法主要是利用視頻圖像的連續(xù)性以及輸電線(xiàn)的直線(xiàn)特性和方向特性,通過(guò)多幀采樣和基于一種投票策略的霍夫直線(xiàn)檢測(cè)法確定輸電線(xiàn)的初始方向,進(jìn)而實(shí)現(xiàn)快速準(zhǔn)確的輸電線(xiàn)檢測(cè)。相關(guān)配件檢測(cè)和各種故障診斷則是依次對(duì)輸電線(xiàn)出現(xiàn)異變的區(qū)域進(jìn)行檢測(cè)和診斷,主要有利用線(xiàn)段空間關(guān)系診斷斷股故障、基于類(lèi)哈爾特征的防震錘識(shí)別等。實(shí)驗(yàn)結(jié)果表明,本算法具有快速準(zhǔn)確的檢測(cè)和故障診斷的能力,并且是同時(shí)適用于多種目標(biāo)檢測(cè)以及多種故障診斷。2.局部特征廣泛的應(yīng)用于目標(biāo)檢測(cè)中,同樣在絕緣子檢測(cè)中使用局部特征也是可行的。首先提出一個(gè)基于局部特征的絕緣子分割改進(jìn)算法。雖然基于主動(dòng)輪廓模型(ACM)的絕緣子分割算法具有不錯(cuò)的絕緣子分割能力,但是在處理較大分辨率和背景復(fù)雜絕緣子圖像時(shí)無(wú)法保證算法的性能,本文先利用局部特征匹配實(shí)現(xiàn)絕緣子區(qū)域的粗分割,再使用基于主動(dòng)輪廓模型的絕緣子分割算法處理粗分割出來(lái)的絕緣子圖像,既提高了原算法的處理速度,又具備了處理大分辨率和背景復(fù)雜絕緣子圖像的能力。然后,以絕緣子局部特征點(diǎn)為基礎(chǔ),提出了一種基于局部特征和空間關(guān)系特征的絕緣子檢測(cè)算法�？臻g關(guān)系特征是從絕緣子局部特征點(diǎn)中提取的一種反映絕緣子內(nèi)部結(jié)構(gòu)信息的特征,以此可以更加高效的從復(fù)雜背景中檢測(cè)出絕緣子。最后的實(shí)驗(yàn)結(jié)果證明,對(duì)于不同種類(lèi)絕緣子或者在不同背景的環(huán)境條件下,本文算法相對(duì)于其他絕緣子檢測(cè)算法更具有抗干擾能力,檢測(cè)精度更高,并且有不錯(cuò)的魯棒性。3.絕緣子檢測(cè)算法大多數(shù)是基于灰度圖像的,然而在對(duì)大量絕緣子圖像進(jìn)行研究分析后,發(fā)現(xiàn)可以從絕緣子的顏色信息中提取更多的特征。因此,本文提出了一種基于顏色聚類(lèi)和紋理特征的絕緣子檢測(cè)算法。首先利用各類(lèi)顏色空間中的顏色分量信息和同一顏色空間下的顏色分量的相關(guān)性信息進(jìn)行K均值聚類(lèi),并根據(jù)聚類(lèi)結(jié)果將圖像分割為若干部分;然后使用基于顏色共生矩陣(CCMs)的絕緣子紋理特征訓(xùn)練出來(lái)的SVM分類(lèi)器依次去除分割圖像中的非絕緣子區(qū)域;最后基于BOW模型的精確匹配實(shí)現(xiàn)絕緣子的檢測(cè)。實(shí)驗(yàn)結(jié)果證明,本算法處理復(fù)雜背景下的絕緣子圖像具有不錯(cuò)的效果,尤其是檢測(cè)顏色信息較為豐富的絕緣子類(lèi)型。4.絕緣子的缺陷檢測(cè)可以分為絕緣子的檢測(cè)和絕緣子缺陷的檢測(cè)兩個(gè)階段�；诒疚奶岢龅慕^緣子檢測(cè)算法可以分割出絕緣子區(qū)域圖像,根據(jù)絕緣子的內(nèi)部結(jié)構(gòu)特性,首先對(duì)絕緣子特征點(diǎn)進(jìn)行直線(xiàn)擬合得到絕緣子傾斜角度,并傾斜校正;然后二值化傾斜矯正后的絕緣子圖像,再進(jìn)行水平投影和垂直投影,可以依據(jù)水平投影結(jié)果將整串絕緣子分割成若干個(gè)絕緣子圖像,對(duì)這些分割的圖像再次垂直投影即可根據(jù)投影結(jié)果判斷絕緣子是否有缺陷以及出現(xiàn)缺陷的位置。實(shí)驗(yàn)結(jié)果表明,本算法對(duì)不同數(shù)量的絕緣子串都有優(yōu)異的缺陷檢測(cè)能力,包括在部分遮擋等一些特殊情況下,同樣有良好的性能。
[Abstract]:This paper presents a kind of integrated algorithm for the detection and diagnosis of the transmission line . The method is based on the continuity of video image and the linear characteristic and directional characteristic of the transmission line . and then carrying out horizontal projection and vertical projection to divide the whole string insulator into a plurality of insulator images according to the horizontal projection result .

【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 時(shí)圣革;王淼;董力文;;一種基于方向可調(diào)濾波的航拍圖像電力線(xiàn)檢測(cè)算法[J];光學(xué)與光電技術(shù);2015年06期

2 王萬(wàn)國(guó);張晶晶;韓軍;劉O，

本文編號(hào)：1410817