质图像中含有MXN个像素，其中nij为图像中点灰度为i及其区域灰度均值 为j的像素点数，为点灰度与区域灰度均值对（i，j)发生的概率，则
[0045] 2)灰度平面图如附图3所示，其中A区和B区分别代表目标和背景（或相反），远 离对角线的C区和D区代表边缘和噪声，所以应在A区和B区中通过二维最大熵法确定最 佳阈值，使其真正代表目标和边缘的信息量最大；
[0046] 3)设A区域和B区域各自具有不同的概率分布，阈值设在（s，t)处，定义离散二维 熵为：
[0048] A区和B区的二维熵分别为：
[0051] 定义熵的判别函数为：
)
[0053] 选取的最佳j：商值向量满足iHs' 〇 =max{iHs,t)}
[0054] 得到目标间隔棒图像所在区域即ROI区域；
[0055] 步骤5、对步骤4中分割出来的R0I区域采用小波边缘检测方法将频率较高的边缘 轮廓提取出来，得到图像的关键信息，为后面操作提供更加准确的信息；
[0056] 由于边缘的某些模值小于阈值，导致其在边缘提取中丢失，这就需要采用边缘轮 廓跟踪和补偿算法进行跟踪，可将这些丢失的弱边缘跟踪检测出来，弥合边缘间隙，提高舞 动前后四分裂导线间隔棒扭转角计算准确度，轮廓跟踪与补偿具体为：
[0057] 步骤5. 1、搜索提取到的目标间隔棒图像的边界轮廓中的所有边缘点，将搜索得到 的第一点P作为跟踪的起点，并记下P点的空间位置；
[0058] 步骤5. 2、对目标间隔棒图像的边界轮廓以顺时针为跟踪路线方向，对P点的8领 域进行搜索，
[0059] 情况一、如果在8领域找到没有标记的边缘点，则找出的所有没有标记的边缘点 作为待选点；找出所有待选点中角度与P点角度最接近的点作为新的P点，继续执行步骤 5. 2直至边缘跟踪补偿结束；
[0060] 情况二、如果在8领域找不到没有标记的边缘点，则判断与边缘走向垂直的方向 是否有局部峰值，如果有，设为新的P点，继续执行步骤5. 2直至边缘跟踪补偿结束；
[0061] 步骤6、将舞动前间隔棒模板图与当前间隔棒模板图进行匹配，得出差值图形，计 算舞动前后间隔棒的扭转方向角9，如果扭转方向角0大于安全阈值（阈值为5° )，则报 警，同时转到步骤3继续对异常舞动情况进行监测预警；如果扭转方向角0不大于安全阈 值，则转到步骤3。
[0062]计算舞动前后间隔棒的扭转方向角0，具体为：
[0063] 间隔棒舞动前，间隔棒轮廓如图4(a)所示，间隔棒舞动后，间隔棒轮廓如图4(b) 所示，如图4(c)所示为间隔棒舞动前后间隔棒模板的匹配图，由图4(c)可以看出：
[0064] 间隔棒舞动前后，有其中一条边m是重合的，与m边相邻的其中一条边n的长度为 a，边m与边n的交点为AO^，q)，B(r 2, c2)是边n的另一个端点，间隔棒舞动后，以AO^，q) 为不动点边n倾斜为边n '，边n '的另一端点为C(r3, c3)，点B(r2, c2)与点C(r3, c3)之 间的距离为b，边n与边n'的夹角即为舞动前后间隔棒的扭转方向角0，点A(ri， Cl)、点 B(r2, c2)、点C(r3, c3)构造的三角形为等腰三角形，如图5所示，
[0065] 贝 1J，
【主权项】
1. 一种基于间隔椿识别的导线舞动的监测方法，其特征在于，具体按照w下步骤实 施： 步骤1、通过安装在输电铁塔上的云台摄像机采集输电线路视频图像信号，然后通过 3G传输通道W视频流的方式实时在线传送回监控中屯、； 步骤2、在监控中屯、，实时的截取步骤1中从视频流中传输过来的数字图像，得到目标 图像； 步骤3、对步骤2中得到的目标图像进行预处理获得高质图像； 步骤4、对步骤3中获得的高质图像采用最大滴阔值分割进行ROI提取，得到目标间隔 椿图像所在区域； 步骤5、提取步骤4中得到的目标间隔椿图像所在区域内的目标间隔椿图像的边界轮 廓，并进行轮廓跟踪与补偿； 步骤6、将舞动前间隔椿模板图与当前间隔椿模板图进行匹配，得出差值图形，计算舞 动前后间隔椿的扭转方向角9,如果扭转方向角0大于安全阔值，则报警，同时转到步骤 3;如果扭转方向角0不大于安全阔值，则转到步骤3。2. 根据权利要求1所述的一种基于间隔椿识别的导线舞动的监测方法，其特征在于， 所述步骤5中提取目标间隔椿图像的边界轮廓采用小波边缘检测方法。3. 根据权利要求1所述的一种基于间隔椿识别的导线舞动的监测方法，其特征在于， 所述步骤5中对目标间隔椿图像的边界轮廓进行轮廓跟踪与补偿具体为： 步骤5.1、捜索提取到的目标间隔椿图像的边界轮廓中的所有边缘点，将捜索得到的第 一点P作为跟踪的起点，并记下P点的空间位置； 步骤5.2、对目标间隔椿图像的边界轮廓蝴顿时针为跟踪路线方向，对P点的8领域进 行捜索， 情况一、如果在8领域找到没有标记的边缘点，则找出的所有没有标记的边缘点作为 待选点；找出所有待选点中角度与P点角度最接近的点作为新的P点，继续执行步骤5.2直 至边缘跟踪补偿结束； 情况二、如果在8领域找不到没有标记的边缘点，则判断与边缘走向垂直的方向是否 有局部峰值，如果有，设为新的P点，继续执行步骤5.2直至边缘跟踪补偿结束。4. 根据权利要求1所述的一种基于间隔椿识别的导线舞动的监测方法，其特征在于， 所述步骤6中计算舞动前后间隔椿的扭转方向角0，具体为： 间隔椿舞动前后，有其中一条边m是重合的，与m边相邻的其中一条边n的长度为a,边m与边n的交点为Ah，Cl)，Bh，C2)是边n的另一个端点，间隔椿舞动后，WAh，Cl)为不 动点边n倾斜为边n'，边n'的另一端点为Ch，C3)，点Bh，C2)与点Ch，C3)之间的 距离为b，边n与边的夹角即为舞动前后间隔椿的扭转方向角0， 则，
【专利摘要】本发明公开了一种基于间隔棒识别的导线舞动的监测方法，以输电线路视频流中截取的数字图像为研究对象，通过图像灰度化、平滑去噪等方法对图像进行预处理。对预处理之后的图像进行阈值分割，边缘检测，轮廓跟踪与补偿，提取导线间隔棒的轮廓，根据舞动前后间隔棒模板轮廓匹配差异形状，来计算舞动扭转角。当舞动扭转角度出现异常时，能够及时将预警信息发送给安全检查人员，使其对线路运行状况予以关注同时采取相应处理措施。本发明一种基于间隔棒识别的导线舞动的监测方法不需要建立精确的数学模型，能快速、自动实现导线舞动扭转角的检测与预警。
【IPC分类】G06T7/00, G06K9/32, G06K9/00
【公开号】CN104933403
【申请号】CN201510253964
【发明人】黄新波, 李菊清, 张烨, 张菲
【申请人】西安工程大学
【公开日】2015年9月23日
【申请日】2015年5月18日