一种输电线路杆塔图像监测系统的山火图像识别方法
【专利摘要】本发明公开了一种适输电线路杆塔图像监测系统的山火图像识别方法，包括以下步骤：步骤1、通过输电线路杆塔上微气象在线监测系统的数据对森林火险等级做出评级，根据评级调整在线监测系统采集图像的频率；步骤2、采用图像差分原理检测图像异常情况；步骤3、对图像进行天际线分割；步骤4、对图像是否存在火焰区域进行判断；步骤5、对图像是否存在烟雾区域进行判断；步骤6、判断是否出现火情。具有实现了对输电线路山火的远程预警，确保电力系统输电线路安全稳定的运行等优点。
【专利说明】一种输电线路杆塔图像监测系统的山火图像识别方法【技术领域】
[0001]本发明涉及一种输电线路在线监测图像识别技术，特别涉及一种输电线路杆塔图像监测系统的山火图像识别方法。
【背景技术】
[0002]目前国内对山火的预警多采用林业部门人员巡视，租用高空飞行器监测等手段，均存在着监测范围和时间有限，费用过高，易受气候条件影响，无法进行全天候监测的问题。林业部租用两颗美国国家海洋和大气局的卫星以红外成像的形式对我国境内山火进行监测，但是每天只能对指定区域扫描4次，对山火发生的预警缺乏及时性。 [0003]国内公司针对输电线路附近山火在线监测的产品，多为采用烟雾传感器对山火进行预警，但是由于风力风向、大气烟尘等自然因素的影响，正确识别率较低。烟雾传感器长期暴露于野外地区，可靠性也会降低。
【发明内容】
[0004]本发明的目的在于克服现有技术的缺点与不足，提供一种输电线路杆塔图像监测系统的山火图像识别方法，该方法通过对输电线路周围的地形地貌以及山火的火焰和烟雾特征进行综合的图像识别，实现了对输电线路山火的远程预警，确保电力系统输电线路安全稳定的运行。
[0005]本发明的目的通过下述技术方案实现:一种输电线路杆塔图像监测系统的山火图像识别方法，包括以下步骤:
[0006]步骤1、通过输电线路杆塔上微气象在线监测系统的数据对森林火险等级做出评级，根据评级调整在线监测系统采集图像的频率；
[0007]步骤2、采用图像差分原理检测图像异常情况；
[0008]步骤3、对图像进行天际线分割；
[0009]步骤4、对图像是否存在火焰区域进行判断；
[0010]步骤5、对图像是否存在烟雾区域进行判断；
[0011]步骤6、综合各项判据，判断是否出现火情。
[0012]所述步骤2包括以下步骤:
[0013]步骤2-1、选定第i帧正常情况图像作为参考图像,为MXN图像,记为f；(x，y)；
[0014]步骤2-2、将第i+Ι帧图像与参考图像作差分运算，记为:
[0015]Δ f j (x, y) =f i+1 (x, y) -fr (χ, y)；
[0016]当AfiUypfi thres时，判断图像中有异常情况发生，进入图像天际线分割；
[0017]当Λ fi (χ, y) <f, thres时，判断图像中无异常情况发生，同时将第i + 1帧图像fi+i (χ, y)作为参考图像f；(x，y)；
[0018]其中，fi(X，y)为某时刻正常情况参考图像的像素，判断有异常情况发生时的图像像素阈值；[0019]步骤2-3、把fi，thres作为判断有异常情况发生时的图像像素阈值。
[0020]以上式中，&(X，y)为某时刻正常情况参考图像的像素，f^thres为判断有异常情况发生时的图像像素阈值。
[0021]所述步骤3包括以下步骤:
[0022]步骤3-1、通过Canny边缘检测算法可以对图像中各个特征部分进行轮廓识别；
[0023]步骤3-2、对比轮廓线的延续性长度，角度，高度差，对比度，得到天际轮廓线；
[0024]步骤3-3、将静态图片分为天空部分和地面部分。
[0025]对所述轮廓线进行判断的判据如下:
[0026]天际线的角度在0°角上下波动；
[0027]天际线上升和下降的像素角度之间的呈对称比例；天际线的平均垂直高度差较小的边界；
[0028]设单位区域内边界线的角记为A(X)，垂直高度差记为h(x)；
[0029]单位区域的角度和
【权利要求】
1.一种输电线路杆塔图像监测系统的山火图像识别方法，其特征在于，包括以下步骤: 步骤1、通过输电线路杆塔上微气象在线监测系统的数据对森林火险等级做出评级，根据评级调整在线监测系统采集图像的频率； 步骤2、采用图像差分原理检测图像异常情况； 步骤3、对图像进行天际线分割； 步骤4、对图像是否存在火焰区域进行判断； 步骤5、对图像是否存在烟雾区域进行判断； 步骤6、判断是否出现火情，如果出现火情，则进行预警。
2.根据权利要求1所述的输电线路杆塔图像监测系统的山火图像识别方法，其特征在于，所述步骤2包括以下步骤: 步骤2-1、选定第i帧正常情况图像作为参考图像,为MXN图像,记为f；(x，y)； 步骤2-2、将第i+Ι帧图像与参考图像作差分运算，记为:
Δ fj (X，y) =fi+1 (x, y) -fr (x, y)； 当Λ时，判断图像中有异常情况发生，进入图像天际线分割； 当八40^)〈。1_时，判断图像中无异常情况发生，同时将第1+1帧图像410^)作为参考图像fr (χ, y)； 其中，fi(x，y)为某时刻正常情况参考图像的像素，^thres为判断有异常情况发生时的图像像素阈值； 步骤2-3、把^thres作为判断有异常情况发生时的图像像素阈值。
3.根据权利要求1所述的输电线路杆塔图像监测系统的山火图像识别方法，其特征在于，所述步骤3包括以下步骤: 步骤3-1、通过Canny边缘检测算法可以对图像中各个特征部分进行轮廓识别； 步骤3-2、对比轮廓线的延续性长度、角度、高度差和对比度，得到天际轮廓线； 步骤3-3、将静态图片分为天空部分和地面部分。 对所述轮廓线进行判断的判据如下: 天际线的角度在0°角上下波动； 天际线上升和下降的像素角度之间的呈对称比例；天际线的平均垂直高度差较小的边界； 设单位区域内边界线的角记为AU)，垂直高度差记为h(x)；单位区域的角度和为
4.根据权利要求1所述的输电线路杆塔图像监测系统的山火图像识别方法，其特征在于，所述步骤4包括以下步骤: 步骤4-1、提取图像火焰颜色分量数值，所述图像火焰颜色分量数值的RGB特征为:
R≥k1G ≥k2B, R ≥ 230， 式中，h和k2是根据摄像头的图像饱和特性以及对比背景的复杂程度求得的系数； 在字图像HSV颜色模型中，H、S和V的参数分别表示色调、饱和度和亮度；而数字成像CCD/CMOS对亮度空间更为敏感，相对背景植被的漫反射部分，火焰的饱和度和亮度更高；步骤4-2、分析山火图像，当山火图像的HSV值满足H的取值范围为O~0.17、S的取值范围为O~I且V的取值范围为0.4~I时,判定为火焰像素。
5.根据权利要求1所述的输电线路杆塔图像监测系统的山火图像识别方法，其特征在于，所述步骤5包括以下步骤: 步骤5-1、通过小波变换将图像信号分解为高、低频两部分，对比前后图像的小波能量值作为烟雾特征的判据； 步骤5-2、通过小波能量值识别图像是否被烟雾模糊化的判据为:
A EL「EL(i+1) (X，y) -ELi (x, y)〉EL，thres， 其中，ELi (x, y)为尺度dl的某时刻正常情况参考图像的低频能量，Euttoes为烟雾识别的阈值； 步骤5-3、参考图像中物体颜色特性进行对比作为山火烟雾的识别判据，山火烟雾的HSV特征为:
O≤ H ≤0.17,
0.16≤ S ≤ 0.31，
0.73 ≤ V ≤ 1，
对图片中具有以上Hsv特征的像素的含量的计算
6.根据权利要求1所述的输电线路杆塔图像监测系统的山火图像识别方法，其特征在于，在步骤4种，通过以下步骤对所述火焰区域采用动态阀值进行判断: 步骤(4.1)设f (X，y)为MXN图像(x, y)点的灰度值，灰度级为L,假设f (x, y)的取值范围为[0，L-1]，记为Gl={0，1,2,…，L-1}，设P(i)为图像f(x，y)中灰度级i的频数，则.1 ▽-灰度级出现的概率为:
7.根据权利要求1所述的输电线路杆塔图像监测系统的山火图像识别方法，其特征在于，所述步骤6中，通过以下步骤对山火图像进行预警: 步骤6-1、最新采集的图像与前一时刻正常情况的参考图像进行差分运算； 若图像异常部分面积大于整定值^thres时，对图像进行降噪滤波处理；进行天际线识另O，分割天空和地面的图像；同时启动烟雾和火焰图像识别算法； 步骤6-2、提取烟雾特征 后，对比图像的小波能量值，当其大于整定值EH，tosW;对比采集图像与参考图像的颜色特性，当颜色特性大于整定判据aN，thMS时，发出山火预警信号；步骤6-3、进行火焰图像识别，天际线识别后，从地面图像部分提取颜色特征量，对满足式R > Ic1G ^ k2B部分的面积进行滤波，得到火焰图像面积，当火焰图像面积大于整定值SiitosW，发出山火预警信号。
【文档编号】G08B17/00GK103778418SQ201410043121
【公开日】2014年5月7日 申请日期:2014年1月28日 优先权日:2014年1月28日
【发明者】郝艳捧, 阳林, 罗健斌, 史尊伟, 曹敏, 杨家全 申请人:华南理工大学, 云南电网公司