片段化的高压线探测方法和装置的制造方法

片段化的高压线探测方法和装置的制造方法
【专利摘要】本发明提供一种片段化的高压线探测方法和装置，其中，探测方法包括：获取待检测图像，将所述待检测图像划分为至少两个图像块；对所述图像块进行分类，得到包含高压线的第一类图像块和不包含高压线的第二类图像块，并舍弃所述第二类图像块；对所述第一类图像块进行高压线特征提取，获取高压线的边缘特征图；对所述高压线的边缘特征图进行线段检测，获取高压线的片段图；对所述高压线的片段图中的线片段进行拼接，获取高压线指示图。本发明能够完成对高压线的全景复原得到完整的高压线指示图，从而有效避免由于对高压线位置的错误判断而发生的飞行危险。
【专利说明】
片段化的高压线探测方法和装置
技术领域
[0001] 本发明设及一种低空飞行时的威胁物探测方法，尤其设及一种片段化的高压线探 测方法和装置，属于航空安全技术领域。
【背景技术】
[0002] 随着近年来国家对低空领域使用的不断开放，无人机经常被用来辅助山区救援、 物资输送、样本采集等任务。而在低空飞行过程中，地面上存在很多障碍物会对它的飞行安 全造成威胁，比如山峰、房屋、高压线等。在运些威胁物当中，高压线是最危险的威胁物之 一，无人机若是不能对高压线进行检测，在飞行中撞上高压的电缆，不仅造成损失，还会引 发火灾，爆炸等事故。所W高压线检测对无人机飞行安全非常重要，无人机必须在飞行过程 中对其进行检测并实施必要的避让策略。
[0003] 和其他目标检测相比较而言，高压线检测具有自身的特点和难点。高压线在航拍 视频图像中的表观特征具有断续性，出现在图像中的部分时隐时现，极少W完整的线形式 出现;且高压线表现的视觉显著度较低，可用于检测的信息量极少，很难通过提取完整的高 压线特征来进行检测。另外，航拍视频的背景比较复杂，存在一些与高压线一样具有线特征 的疑似目标，例如树枝，山峰、河流、房屋建筑物等的边缘都具有线特征。所W在检测过程 中，高压线容易与背景中的疑似目标相混淆，难W区辨。运也是很多的高压线检测方法都不 能很好的适用于空基场景。因此，为了保障飞行器的低空飞行，亟需提出一种有效的高压线 探测方法。

【发明内容】

[0004] 本发明提供一种片段化的高压线探测方法和装置，用来克服现有技术中在低空飞 行时对高压线进行探测时，容易将高压线与背景中的疑似目标相混淆的技术缺陷。
[0005] 本发明提供一种片段化的高压线探测方法，包括：
[0006] 获取待检测图像，将所述待检测图像划分为至少两个图像块；
[0007] 对所述图像块进行分类，得到包含高压线的第一类图像块和不包含高压线的第二 类图像块，并舍弃所述第二类图像块；
[000引对所述第一类图像块进行高压线特征提取，获取高压线的边缘特征图；
[0009] 对所述高压线的边缘特征图进行线段检测，获取高压线的片段图；
[0010] 对所述高压线的片段图中的线片段进行拼接，获取高压线指示图。
[0011] 进一步地，所述对所述图像块进行分类，得到包含高压线的第一类图像块和不包 含高压线的第二类图像块，并舍弃所述第二类图像块，包括：
[0012] 对所述至少两个图像块进行属性分析，当所述图像块的属性为第一属性时，将所 述图像块记为第一类图像块；当所述图像块的属性非第一属性时，将所述图像块为记第二 类图像块。
[0013] 进一步地，所述对所述第一类图像块进行高压线特征提取，获取高压线的边缘特 征图，包括：
[0014]根据下述式1、式2对所述每一个第一类图像块进行高压线特征提取，获取所述每 一个第一类图像块的最终边缘特征图，将所述每一个第一类图像块的最终边缘特征图进行 组合，得到所述高压线的边缘特征图，
[0017] 其中，I是第一类图像块，Ii是所述每一个第一类图像块第i个方向上的特征图，El 是所述每一个第一类图像块第i方向上最终的边缘特征图，〇<i含360/ Ω，Ω含360°，Fi = Ka (白i)*Fa+Kb(目i)*Fb+Kc(目i)*Fc+Kd(目i)*Fd是目i方向上的滤波函数，目i = iQ，其中，Fa，Fb，Fc，Fd 是使用Ξ阶高斯导数在0，^，^，^四个方向上生成的滤波函数，Ka(目1)，Kb(目1)，Kc(目1)，Kd 4 2 4 (9i)是计算θι方向上的滤波函数Fi时的插值函数。
[0018] 进一步地，所述对所述第一类图像块进行高压线特征提取，获取高压线的边缘特 征图之前还包括:根据式3确定所述每一个第一类图像块的自主选择参数0,所述0决定所述 每一个第一类图像块滤波函数的权重，
[0019]
式'3
[0020] 其中，C是所述每一个第一类图像块的对比度；
[0021] 滤波函数Fi为满足预设权重的滤波函数。
[0022] 进一步地，所述对所述高压线的边缘特征图进行线段检测，获取高压线的片段图， 包括：
[0023] 排除所述高压线的边缘特征图中的第一线段，其中所述第一线段的长度小于第一 阔值；
[0024] 连接所述高压线的边缘特征图中的关联点与被关联点，其中所述关联点与被关联 点的距离小于等于所述第二阔值，第一阔值大于第二阔值。
[0025] 进一步地，对所述高压线的片段图中的线片段进行拼接，获取高压线指示图，包 括：
[0026] 所述高压线的片段图中的线段集合记为S={h，b，l3, . . .. . .，ln}， li表示集合中的高压线的片段；
[0027] 当所述h和所述全部满足下述Ξ个条件，连接所述h和所述。，获取所述高压线 指示图，其中：
[002引（1) Ij的起点横坐标比li的终点横坐标大；
[0029] (2) li的终点和Ij起点的纵坐标相差最小；
[0030] (3)li和Ij的斜率相差最小。
[0031] 本发明还提供一种片段化的高压线检测装置，包括：
[0032] 图像分割器，所述图像分割器用于将所述待检测图像划分为至少两个图像块；
[0033] 分类器，所述分类器用于对所述图像块进行分类，得到包含高压线的第一类图像 块和不包含高压线的第二类图像块，并舍弃所述第二类图像块；
[0034] 滤波器，所述滤波器用于对所述第一类图像块进行高压线特征提取，获取高压线 的边缘特征图；
[0035] 线段检测器，所述线段检测器用于对所述高压线的边缘特征图进行线段检测，获 取高压线的片段图；
[0036] 线段拼接器，所述线段拼接器用于对所述高压线的片段图中的线片段进行拼接， 获取高压线指示图。
[0037] 进一步地，所述分类器中预先存储用于定义所述图像块属性的参数，
[0038] 所述分类器对所述图像块进行属性分析，当所述图像块的参数满足第一属性的参 数时，所述分类器将所述图像块记为第一类图像块；
[0039] 当所述图像块的参数不满足第一属性的参数时，所述分类器将所述图像块记为第 二类图像块。
[0040] 进一步地，所述滤波器根据下述式1、式2对所述每一个第一类图像块进行高压线 特征提取，获取所述每一个第一类图像块的最终边缘特征图，将所述每一个第一类图像块 的最终边缘特征图进行组合，得到所述高压线的边缘特征图，
[0043] 其中，I是第一类图像块，Ii是所述每一个第一类图像块第i个方向上的特征图，El 是所述每一个第一类图像块第i方向上最终的边缘特征图，〇<i含360/ Ω，Ω含360°，Fi = Ka (白i)*Fa+Kb(目i)*Fb+Kc(目i)*Fc+Kd(目i)*Fd是目i方向上的滤波函数，目i = iQ，其中，Fa，Fb，Fc，Fd 是使用Ξ阶高斯导数在0，^，^，^四个方向上生成的所述滤波器的滤波函数，Ka(目i)，Kb 4 2 4 (θ?)，Kc(0i)，Kd(0i)是计算θι方向上的滤波函数Fl时的插值函数。
[0044] 进一步地，所述滤波器对所述每一个第一类图像块进行高压线特征提取之前，还 包括根据式3确定所述每一个第一类图像块的自主选择参数0,根据所述σ确定所述滤波器 对所述每一个第一类图像块的滤波权重，
[0045]
式3
[0046] 其中，C是所述每一个第一类图像块的对比度；
[0047] 所述滤波函数Fi为满足预设权重的滤波函数。
[004引本发明提供的片段化的高压线检测方法和装置能够通过对待检测图像进行划分、 分类、高压线特征提取、线段化W及线段拼接，最终完成对高压线的全景复原，得到完整的 高压线指示图，从而能够有效避免由于对高压线位置的错误判断而发生的飞行危险，为低 空飞行条件的高压线威胁提供了具有明显应用价值的解决方案。
【附图说明】
[0049]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发 明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可w根 据运些附图获得其他的附图。
[0050] 图1为本发明片段化的高压线检测方法实施例的流程图；
[0051] 图2为本发明片段化的高压线检测方法边缘特征提取过程的示意图；
[0052] 图3为本发明片段化的高压线探测方法的效果图；
[0053] 图4为本发明的片段化的高压线探测装置的结构示意图。
【具体实施方式】
[0054] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员 在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0055] 图1为本发明片段化的高压线检测方法实施例的流程图。如图1所示，本实施例提 供的片段化的高压线检测方法包括：
[0056] S101:获取待检测图像，将待检测图像划分为至少两个图像块。
[0057] 其中，待检测图像作为本发明高压线探测方法实施的对象，来自于飞机的摄像系 统对于飞机飞行前方的景象拍摄。
[0058] 获取到待检测图像后，首先需要对待检测图像进行划分，将每一帖待检测图像划 分为很多的图像块(patch),该划分操作能够将待检测图像划分为多patch,从而在后续操 作中能够对每一个patch进行检测分析，为高压线的清楚辨别提供有效的检测基础。一般进 行划分操作的实施主体为一图像分割器，该图像分割器中存储有预设的划分尺寸，在进行 划分操作时，图像分割器会按照预设尺寸对每一帖的待检测图像进行划分，得到尺寸均一 一致的多个patch。具体的，本发明中对预设尺寸没有具体的尺寸要求，只要该预设尺寸能 够满足后续的分类操作即可。
[0059] S102:对图像块进行分类，得到包含高压线的第一类图像块和不包含高压线的第 二类图像块，并舍弃第二类图像块。
[0060] 由于划分得到的多个patch中，有的patch中包含高压线片段，有的patch中不包含 高压线片段，因此可W通过分类将包含高压线片段与不包含高压线片段的patch分开，当划 分完毕后，可W将不包含高压线的patch舍弃掉，重点对包含有高压线的patch进行分析。
[0061] S103:对第一类图像块进行高压线特征提取，获取高压线的边缘特征图。
[0062] 对于第一类patch,虽然其中包含了高压线片段，但是并不是第一类patch中的所 有内容都是高压线，因此对第一类patch进行高压线的边缘特征提取，只获取其中含有高压 线的那部分图像数据量，过滤掉不含有高压线的那部分图像数据，因此最终获取的高压线 的边缘特征图是关于高压线图像的最重要的结构。
[0063] S104:对高压线的边缘特征图进行线段检测，获取高压线的片段图。
[0064] 对上述得到的高压线的边缘特征图进行线段化检测，得到的高压线的片段图中含 有多条高压线的片段，运些高压线的片段是待检测图像中所包含的所有高压线的片段。
[0065] S105:对高压线的片段图中的线片段进行拼接，获取高压线指示图。
[0066] 由于高压线的片段图中获得的所有片段是不连续的，并不能表示待检测图像中完 整的高压线位置，因此可w利用高压线片段之间的空间关联关系，将琐碎的多个高压线片 段进行合理拼接，最终获取含有完整高压线的高压线指示图，从而在该高压线指示图中就 可W明确识别出高压线所在的具体位置。
[0067] 本发明提供的片段化的高压线检测方法能够通过对待检测图像进行划分、分类、 高压线特征提取、线段化W及线段拼接，最终完成对高压线的全景复原，得到完整的高压线 指示图，从而能够明确识别出高压线所在的具体位置，有效的避免了由于对高压线位置的 错误判断而发生的飞行危险，为低空飞行条件的高压线威胁提供了具有明显应用价值的解 决方案。
[0068] 进一步地，S102包括:对至少两个图像块进行属性分析，当图像块的属性为第一属 性时，将图像块记为第一类图像块;当图像块的属性非第一属性时，将图像块为记第二类图 像块。
[0069] 本发明并不限制具体执行分类操作的执行主体，一般地，可W采用分类器进行该 项分类操作，优选地，本实施方式中可W具体采用基于卷积神经网络（Convolutional 化ural化twork，简称：CNN)的分类器进行。
[0070] 该实施例中的α^Ν分类层包括7层神经组织，分为1个输入层、1个输出层和5个隐含 层，5个隐含层包括两个卷积层，两个池化层和一个全连接层。其中输入层和输出层处于两 端位置，输入和输出层用来对数据进行输入和输出，隐含层用来对输入的数据进行分析。
[0071] 在C順分类器进行分类操作之前，通常都需要对C順分类器进行训练。在本发明中， 训练是指将包含有高压线的图像和不包含高压线的图像输入至α^Ν分类器中，其中，可W将 包含有高压线的图像标记为10,将不包含高压线的图像标记为οι,α^Ν分类器在分析学习运 些图像时会通过隐含层对各个图像进行属性的参数分析，其中，必定有一组相同的参数会 出现在每个包含有高压线的图像中（运一组相同的参数即为高压线参数），因此分类器 会得到如下分析结果：当一个图像中含有运组相同参数时，该图像为第一属性并标记为10。 同样的，不包含高压线的图像中是不含有高压线参数的，因此α^Ν分类器会将不含有该类参 数的图像定义为非第一属性并标记为01，经过反复对α^Ν分类器进行上述训练操作直至CNN 分类器能够对输入的图像进行正确分类，该CNN分类器便训练完毕。
[0072] 因此，将训练完成的C順分类器对各个patch进行分类，C順分类器会对patch的属 性进行概率分析，当patch属于第一属性的概率大于patch属于非第一属性的概率时，便将 该patch记为第一类patch，当C順分类器检测到patch属于第一属性的概率小于patch属于 非第一属性的概率时，便将该patch记为第二类patch,并将第二类patch舍弃，从而完成了 对patch的分类操作。此处应该注意的是，划分的patch的尺寸应该与CNN分类器进行训练时 所使用的图像的尺寸一致。
[0073] 进一步地，S103包括:根据下述式1、式2对每一个第一类图像块进行高压线特征提 取，获取每一个第一类图像块的最终边缘特征图，将每一个第一类图像块的最终边缘特征 图进行组合，得到高压线的边缘特征图，
[0076]其中，I是第一类图像块，Ii是每一个第一类图像块第i个方向上的特征图，El是每 一个第一类图像块第i方向上最终的边缘特征图，〇<i < 360/Ω，Ω < 360°，Fi = Ka(白i)冲a+ Kb(目i)冲b+Kc(目i)冲c+Kd(目i)冲d是目i方向上的滤波函数，目i = iQ，其中，尸3而，尸。而是使用； 阶高斯导数在0，^.，^，^恼个方向上生成的滤波函数，私(目1)，时(目1)，私(目1)，財(目1)是计 4 2 4 算曰1方向上的滤波函数Fi时的插值函数。
[0077] 具体的，在对第一类patch进行特征提取时，本发明设计了一种基于Ξ阶高斯导数 的边缘特征提取算法，其中，将Ξ阶高斯导数为核函数的滤波函数作为基函数，通过式1、式 2对每一个第一类patch进行特征提取。
[0078] 在对每一个第一类patch进行特征提取时，利用式1、式2从i个方向对每一个第一 类patch进行计算，再将此i个方向上的计算结果进行迭代加权得到每一个第一类patch的 最终的边缘特征图，按照此方法得到每一个第一类patch的最终的边缘特征图，然后按照每 一个第一类patch在待检测图像中的位置将每一个第一类patch的最终的边缘特征图进行 组合，最终得到高压线的边缘特征图。
[0079] 例如，在对一个第一类patch进行边缘特征提取时，我们每隔Ω =10°就对该第一 类patch进行一次计算，总共进行i = 36个计算并迭代更新。图2为本发明片段化的高压线检 巧巧法边缘特征提取过程的示意图，如图2所示，迭代开始时先在θι(θι = 1〇°)方向上对该第 一类patch进行计算得到II，因为Εο=〇是零矩阵，所WEi = Ii，接着在目2(目1 = 20°)方向上对 该第一类patch进行计算得到12,根据式1、式2将EiandL·进行迭代得到E2,如此循环往复进 行下去，直到将36个方向的计算结果都进行了迭代，最后一轮迭代的结果即为该第一类 patch的最终边缘特征图，记为E = Em。
[0080] 按照上述步骤直至完成所有的第一类patdi的36个方向上的迭代，得到了所有的 第一类patch的最终的边缘特征图，将每一个第一类图像块的最终边缘特征图进行组合，得 到高压线的边缘特征图。
[0081] 通过在36个方向上进行计算，我们得到信息丰富的边缘特征图，为下一个步骤中 检测高压线片段提供了充足的信息，降低了系统检测高压线时的漏检率。
[0082] 进一步地，在S103之前还包括:根据式3确定每一个第一类图像块的自主选择参数 σ，曰决定每一个第一类图像块滤波函数的权重，
[0083]
式 3
[0084] 其中，C是每一个第一类图像块的对比度；
[0085] 滤波函数Fi为满足权重的滤波函数。
[0086] 由于每一个第一类patch又存在区别，因此为了在进行边缘特征提取时能够针对 性的得到每一个第一类patch的最佳最终边缘特征图，在进行S103之前，还需要确定每一个 第一类patch的自主选择参数0，根据该自主选择参数0确定对每一个第一类patch进行边缘 特征提取时的滤波函数的权重，从而保证在进行后续的线段化检测时漏检率较低，提高整 体的检测性能。
[0087] 其中，式3中的C是每一个第一类patch的对比度，0根据对比度C的变化而取值，〇的 取值范围在0到1之间。
[0088] 进一步地，S104包括:排除高压线的边缘特征图中的第一线段，其中第一线段的长 度小于第一阔值；
[0089] 连接高压线的边缘特征图中的关联点与被关联点，其中关联点与被关联点的距离 小于等于第二阔值，第一阔值大于第二阔值。
[0090] 在本发明中，具体可W利用霍夫变换算法对高压线的边缘特征图进行线段检测， 通过设置检测线段长度的第一阔值MhL和两点连接的最大间隔阔值，即第二阔值MaxG，其 中，线段长度小于第一阔值MhL的线段将被排除，间隔小于第二阔值MaxG的两个点将被连 接在一起，最终形成高压线的片段图。此处应该注意的是，不同的第一阔值和第二阔值的取 值会得到不同的线段检测效果，因此为了降低漏检率，使线段提取过程中获得多的线段，可 W将第一阔值MhL设置为20,将第二阔值MaxG设置为7-8。
[0091] 进一步地，S105包括:高压线的片段图中的线段集合记为S={h，b，l3，...，li-i， li，lw，. . .，ln}，li表示集合中的高压线的片段；
[0092] 当h和1途部满足下述S个条件，连接h和。，获取高压线指示图，其中：
[0093] (1)。的起点横坐标比h的终点横坐标大；
[0094] (2) li的终点和Ij起点的纵坐标相差最小；
[0095] (3)li和Ij的斜率相差最小。
[0096] S104中生成了多个高压线的线段后，运些线段并不是连续的、完整的高压线，不能 表示待检测图像中完整的高压线的位置。因此，在生成了高压线的片段图后，可W通过利用 高压线片段之间的空间关联关系，将琐碎的高压线片段拼接成为完整的高压线段，将归属 于同一条高压线的片段连接起来，最终通过生成高压线指示图将飞行前方的高压线真实清 楚的还原出来。
[0097] 具体的，可W将高压线的片段图中的数个线段W集合S表示，S={h，b，l3，...， ...，ln}，每次W集合S中横坐标最小的线段为起始线段，在S集合中按照上述Ξ 个特点寻找最优的线段与其进行连接，循环往复进行下去，就可W找到属于同一条高压线 的线片段并完成对该高压线的拼接，最终得到了能够明显的标示出高压线所处确切位置的 高压线指示图，从而当飞行器在飞行时能够通过高压线指示图对前方高压线做出有效地避 让动作。
[0098] 本发明提供的高压线检测方法，针对飞行器上的摄像机拍摄到的前方视频进行高 压线探测，检测过程中对视频的各帖图像实施S101至S105的处理。为了更清楚的描述检测 过程，我们通过图3进行描述，图3为本发明片段化的高压线探测方法的效果图，请参考图3。 其中，图3的(a)是视频中的某一帖图像(待检测图像），如果不对其进行处理，飞行器就不会 对高压线进行避让，运样会造成极大的危险和损失。利用我们的方法检测图3的(a)中的高 压线，需要将图3的（a)中的图像划分多patch得到图3的（b)，图3的（b)中各个patch的尺寸 均一。划分得到多patch后，并不是所有patch中都包含有高压线，为了排除没有包含高压线 的patch，本实施例采用C順分类器对运些patch进行分类，从图3的（C)中可W看出，经过CNN 分类器分类之后只保留那些被分类器判断为包含有高压线的第一类patch,排除了大量的 不包含有高压线的第二类patch。图3的（d)所示即为针对第一类patch进行多个方向上的边 缘特征提取后得到的边缘特征图，通过将不同方向上的计算结果进行加权计算得到了高压 线边缘的丰富信息，从而不至于影响到之后的线段化检测。图3的（e)是使用霍夫变换检测 出来的高压线的片段图。最终，采用线段之间的空间关系进行关联得到高压线的指示图，即 图3的（f)，图3的（f)中将高压线的具体位置在原图像中标出，使得高压线在视频图像中的 位置更加清楚。
[0099] 图4为本发明的片段化的高压线探测装置的结构示意图，如图4所示，本发明的片 段化的高压线探测装置包括：
[0100] 图像分割器1，图像分割器1用于将待检测图像划分为至少两个图像块;分类器2， 分类器2用于对图像块进行分类，得到包含高压线的第一类图像块和不包含高压线的第二 类图像块，并舍弃第二类图像块;滤波器3,滤波器3用于对第一类图像块进行高压线特征提 取，获取高压线的边缘特征图；线段检测器4,线段检测器4用于对高压线的边缘特征图进行 线段检测，获取高压线的片段图；线段拼接器5，线段拼接器5用于对高压线的片段图中的线 片段进行拼接，获取高压线指示图。
[0101] 进一步地，分类器2中预先存储用于定义图像块属性的参数，分类器2对图像块进 行属性分析，当图像块的参数满足第一属性的参数时，分类器2将图像块记为第一类图像 块;当图像块的参数不满足第一属性的参数时，分类器2将图像块记为第二类图像块。
[0102] 进一步地，滤波器3根据下述式1、式2对每一个第一类图像块进行高压线特征提 取，获取每一个第一类图像块的最终边缘特征图，将每一个第一类图像块的最终边缘特征 图进行组合，得到高压线的边缘特征图，
[0105] 其中，I是第一类图像块，Ii是每一个第一类图像块第i个方向上的特征图，El是每 一个第一类图像块第i方向上最终的边缘特征图，〇<i < 360/Ω，Ω < 360°，Fi = Ka(白i)冲a+ Kb(目i)冲b+Kc(目i)冲c+Kd(目i)冲d是目i方向上的滤波函数，目i = iQ，其中，尸3而，尸。而是使用； 阶高斯导数在0，;，^，^四个方向上生成的滤波器的滤波函数，私(目1)，时（目1)，Kc(9i)，Kd 4 2 4 (9i)是计算θι方向上的滤波函数Fi时的插值函数。
[0106] 进一步地，滤波器3对每一个第一类图像块进行高压线特征提取之前，还包括根据 式3确定每一个第一类图像块的自主选择参数0,根据0确定滤波器3对每一个第一类图像块 的滤波权重，
[0107]
式3
[0108] 其中，C是每一个第一类图像块的对比度；
[0109] 滤波函数Fi为满足预设权重的滤波函数。
[0110] 进一步地，线段检测器4中预先存储第一阔值和第二阔值;线段检测器4排除高压 线的边缘特征图中的第一线段，其中第一线段的长度小于第一阔值;线段检测器4连接高压 线的边缘特征图中的关联点与被关联点，其中关联点与被关联点的距离小于等于第二阔 值，第一阔值大于第二阔值。
[0111] 进一步地，高压线的片段图中的线段集合记为S=Ul，l2，l3, . . . 11+1，...，1。}，11表示集合中的高压线的片段;当11和1^全部满足下述立个条件，线段拼接器 5连接li和Ij，其中：
[0112] (1)。的起点横坐标比li的终点横坐标大；
[0113] (2) li的终点和Ij起点的纵坐标相差最小；
[0114] (3)li和Ij的斜率相差最小。
[0115] 本实施例的装置，可W用于执行图1至图3所示方法实施例的技术方案，其实现原 理类似，此处不再寶述。
[0116] 本领域普通技术人员可W理解:实现上述各方法实施例的全部或部分步骤可W通 过程序指令相关的硬件来完成。前述的程序可W存储于一计算机可读取存储介质中。该程 序在执行时，执行包括上述各方法实施例的步骤;而前述的存储介质包括:R〇M、RAM、磁碟或 者光盘等各种可W存储程序代码的介质。
[0117] 最后应说明的是：W上各实施例仅用W说明本发明的技术方案，而非对其限制;尽 管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依 然可W对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进 行等同替换；而运些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术 方案的范围。
【主权项】
1. 一种片段化的高压线探测方法，其特征在于，包括： 获取待检测图像，将所述待检测图像划分为至少两个图像块； 对所述图像块进行分类，得到包含高压线的第一类图像块和不包含高压线的第二类图 像块，并舍弃所述第二类图像块； 对所述第一类图像块进行高压线特征提取，获取高压线的边缘特征图； 对所述高压线的边缘特征图进行线段检测，获取高压线的片段图； 对所述高压线的片段图中的线片段进行拼接，获取高压线指示图。2. 根据权利要求1所述的探测方法，其特征在于，所述对所述图像块进行分类，得到包 含高压线的第一类图像块和不包含高压线的第二类图像块，并舍弃所述第二类图像块，包 括： 对所述至少两个图像块进行属性分析，当所述图像块的属性为第一属性时，将所述图 像块记为第一类图像块；当所述图像块的属性非第一属性时，将所述图像块为记第二类图 像块。3. 根据权利要求1所述的探测方法，其特征在于，所述对所述第一类图像块进行高压线 特征提取，获取高压线的边缘特征图，包括： 根据下述式1、式2对所述每一个第一类图像块进行高压线特征提取，获取所述每一个 第一类图像块的最终边缘特征图，将所述每一个第一类图像块的最终边缘特征图进行组 合，得到所述高压线的边缘特征图，其中，I是第一类图像块，^是所述每一个第一类图像块第i个方向上的特征图，Ei是所 述每一个第一类图像块第i方向上最终的边缘特征图，〇<?< 360/Ω，Ω < 360°，Fi = Ka (eihFa+KbOihFb+KcOihFc+KdOihFd是方向上的滤波函数，0i = iQ，其中，Fa，Fb，Fc，Fd 是使用三阶高斯导数在〇，·四个方向上生成的滤波函数，1(0,) (Θ i)是计算Θ i方向上的滤波函数Fi时的插值函数。4. 根据权利要求3所述的探测方法，其特征在于，所述对所述第一类图像块进行高压线 特征提取，获取高压线的边缘特征图之前还包括:根据式3确定所述每一个第一类图像块的 自主选择参数σ，所述σ决定所述每一个第一类图像块滤波函数的权重，其中，C是所述每一个第一类图像块的对比度； 滤波函数Fi为满足所述权重的滤波函数。5. 根据权利要求1所述的探测方法，其特征在于，所述对所述高压线的边缘特征图进行 线段检测，获取高压线的片段图，包括： 排除所述高压线的边缘特征图中的第一线段，其中所述第一线段的长度小于第一阈 值； 连接所述高压线的边缘特征图中的关联点与被关联点，其中所述关联点与被关联点的 距离小于等于所述第二阈值，所述第一阈值大于所述第二阈值。6. 根据权利要求1所述的探测方法，其特征在于，对所述高压线的片段图中的线片段进 行拼接，获取高压线指示图，包括： 所述高压线的片段图中的线段集合记为... ...，ln}，乜表 示集合中的高压线的片段； 当所述h和所述h全部满足下述三个条件，连接所述h和所述h，获取所述高压线指示 图，其中： (1) 1 j的起点横坐标比1 i的终点横坐标大； (2) 1 i的终点和1 j起点的纵坐标相差最小； (3) h和lj的斜率相差最小。7. -种片段化的高压线探测装置，其特征在于，包括： 图像分割器，所述图像分割器用于将所述待检测图像划分为至少两个图像块； 分类器，所述分类器用于对所述图像块进行分类，得到包含高压线的第一类图像块和 不包含高压线的第二类图像块，并舍弃所述第二类图像块； 滤波器，所述滤波器用于对所述第一类图像块进行高压线特征提取，获取高压线的边 缘特征图； 线段检测器，所述线段检测器用于对所述高压线的边缘特征图进行线段检测，获取高 压线的片段图； 线段拼接器，所述线段拼接器用于对所述高压线的片段图中的线片段进行拼接，获取 高压线指示图。8. 根据权利要求7所述的探测装置，其特征在于，所述分类器中预先存储用于定义所述 图像块属性的参数， 所述分类器对所述图像块进行属性分析，当所述图像块的参数满足第一属性的参数 时，所述分类器将所述图像块记为第一类图像块； 当所述图像块的参数不满足第一属性的参数时，所述分类器将所述图像块记为第二类 图像块。9. 根据权利要求7所述的探测装置，其特征在于，所述滤波器根据下述式1、式2对所述 每一个第一类图像块进行高压线特征提取，获取所述每一个第一类图像块的最终边缘特征 图，将所述每一个第一类图像块的最终边缘特征图进行组合，得到所述高压线的边缘特征 图，其中，I是第一类图像块，^是所述每一个第一类图像块第i个方向上的特征图，Ei是所 述每一个第一类图像块第i方向上最终的边缘特征图，〇<?< 360/Ω，Ω < 360°，Fi = Ka (eihFa+KbOihFb+KcOihFc+KdOihFd是方向上的滤波函数，0i = iQ，其中，Fa，Fb，Fc，Fd 是使用三阶高斯导数在〇，四个方向上生成的所述滤波器的滤波函数,1(0,),? (θ〇 ,κ。％)，心㈨)是计算Θ,方向上的滤波函数巧时的插值函数。10.根据权利要求9所述的探测装置，其特征在于，所述滤波器对所述每一个第一类图 像块进行高压线特征提取之前，还包括根据式3确定所述每一个第一类图像块的自主选择 参数σ，根据所述σ确定所述滤波器对所述每一个第一类图像块的滤波权重，其中，C是所述每一个第一类图像块的对比度； 所述滤波函数巧为满足预设权重的滤波函数。
【文档编号】G06K9/62GK105825207SQ201610249136
【公开日】2016年8月3日
【申请日】2016年4月20日
【发明人】曹先彬, 潘朝凤, 郑洁宛, 刘俊英, 田舒曼
【申请人】北京航空航天大学