基于表观纹理结构的电力杆塔图像检测方法
【专利摘要】本发明公开了电力线路巡检【技术领域】中的一种基于表观纹理结构的电力杆塔图像检测方法。包括选择设定数量的已确定存在电力杆塔的图像和已确定不存在电力杆塔的图像；分别对选择的图像进行预处理，得到的每个图像的整体滤波器和值最大的参考区域的滤波器；将每个图像的整体滤波器和值最大的参考区域的滤波器代入目标函数进行训练；对待识别的图像进行预处理，得到待识别的图像的整体滤波器和值最大的参考区域的滤波器，将其代入经过训练的目标函数，根据目标函数的输出结果判断待识别图像中是否存在电力杆塔。本发明共享了电力杆塔的各个部分的重复性的特征，可以充分利用电力杆塔的表观纹理结构中可变型部分的潜在信息。
【专利说明】基于表观纹理结构的电力杆塔图像检测方法
【技术领域】
[0001]本发明属于电力线路巡检【技术领域】，尤其涉及一种基于表观纹理结构的电力杆塔图像检测方法。
【背景技术】
[0002]当今社会电力传输系统的可靠运行已经是社会稳定发展的重要前提。因此电力传输系统提供可靠、优质的电力能源的重要性不言而喻。然而，远距离输配电线路主要采用的方式是高压和超高压架空线路。电力公司需要对电力线路设备尤其是电力线和电力杆塔进行定期巡检，以保证电力传输系统的稳定安全运行和社会生产生活的正常进行。
[0003]定期巡检输变电线路环境，采集架空电力线路运行状态数据是保证输变电线路稳定运行的重要措施。因为电力线、电力杆塔的附件长期在露天环境下，一方面受到机械载荷和电力负荷的内部压力的影响，另一方面还要经受雷击、污秽、洪水、强风、地震、滑坡、沉陷和鸟害等外界因素的侵害。如果不及时发现和消除隐患，很小的破损就有可能产生严重故障，最终导致重大事故发生，以致造成大面积断电，从而对社会生产和人民生活产生严重的影响以及重大的经济损失。因此，对输变电线路进行定期巡检能够随时了解输变电线路的运行状态以及线路周围环境的变化情况，及时发现和杜绝隐患，预防重大事故的发生，确保供电稳定、安全。目前，国内外通用的巡检方式主要是人工巡检，直升机巡检，飞行机器人巡检三种。然而，无论采用哪种方式巡检输变电线路，巡检采集到的图像数据量都很大，如何能够自动快速地从这些海量巡检图像数据中找到线缆、电力杆塔以及电力杆塔上的设备，从而发现设备故障，是实现自动、准确、高效巡检的重要任务。
[0004]由于电力杆塔上承载了大量电力输配电设备，从海量的巡检视频/图像中自动检测电力杆塔是进一步完成电力杆塔设备自动巡检的重要途径。同时检测电力杆塔也是为飞行机器人定位，导航，跟踪提供了一个很好的参照物。为了有效检测巡检视频/图像中的各类电力杆塔，需要训练一种能够有效表示各类和各种形状的电力杆塔的模型。以往的电力杆塔检测方法，很难有效地表示各种不同的电力杆塔，本发明采用了基于表观纹理结构的方法，能够有效地描述电力杆塔结构的相似性和差异性，并运用latent SVM和边界框预测处理有效地检测出复杂背景下的电力杆塔。
[0005]由于巡检数据中电塔的颜色、纹理、形状和结构各异，以往的方法很难来有效地描述。表观纹理结构提供了一种能够很好地表示电力杆塔这种特点的方法。发明人通过分析大量巡检数据中的电力杆塔成像特点总结出电力杆塔的共性特点，即每类电力杆塔之间存在着外表和形状的相似性和不同类型电力杆塔的外表和形状的差异性。根据这一特点，本发明建立起了一套能够有效表示并检测电力杆塔的方法。
[0006]本发明提出了一种基于表观纹理结构的电力杆塔图像检测方法。尽管表观纹理结构能够有效表示电力杆塔外表的相似性，但是一个电力杆塔的整体结构信息不能够有效地表示形状结构和纹理差异性很大的电力杆塔，鉴于这个问题，发明人引入了混合结构来处理这种更复杂的形状和外表的变化。
【发明内容】
[0007]本发明的目的在于，提供一种基于表观纹理结构的电力杆塔图像检测方法，用于从电路巡检获得的视频/图像中，准确提取电力杆塔图像。
[0008]为了实现上述目的，本发明提出的技术方案是，一种基于表观纹理结构的电力杆塔图像检测方法，其特征是所述方法包括:
[0009]步骤1:选择设定数量的已确定存在电力杆塔的图像和已确定不存在电力杆塔的图像；[0010]步骤2:分别对已确定存在电力杆塔的图像和已确定不存在电力杆塔的图像进行预处理，得到的每个图像的整体滤波器和值最大的参考区域的滤波器；
[0011]步骤3:将每个图像的整体滤波器和值最大的参考区域的滤波器代入目标函数进行训练；
[0012]步骤4:对待识别的图像进行预处理，得到待识别的图像的整体滤波器和值最大的参考区域的滤波器；
[0013]步骤5:将待识别的图像的整体滤波器和值最大的参考区域的滤波器代入经过训练的目标函数，根据目标函数的输出结果判断待识别图像中是否存在电力杆塔。
[0014]所述对已确定存在电力杆塔的图像/已确定不存在电力杆塔的图像/待识别的图像进行预处理，得到每个图像/待识别的图像的整体滤波器和值最大的参考区域的滤波器具体包括如下子步骤:
[0015]子步骤101:对于已确定存在电力杆塔的图像，选择电力杆塔中心线作为整个图像的中心线；
[0016]子步骤102:选取图像中心线左右各4个相等的矩形区域作为参考区域；
[0017]子步骤103:提取整个图像的HOG特征向量，并对整个图像的HOG特征向量进行K-means聚类处理；
[0018]子步骤104:将经过聚类处理的HOG特征向量与高斯滤波器进行卷积运算，得到整体滤波器；
[0019]子步骤105:将图像分辨率扩大2倍，提取每个参考区域的HOG特征向量，并分别对每个参考区域的HOG特征向量进行K-means聚类处理；
[0020]子步骤106:将每个经过聚类处理的参考区域的HOG特征向量与高斯滤波器进行卷积运算，得到每个参考区域的滤波器，并进一步选择卷积运算值最大的参考区域的滤波器作为值最大的参考区域的滤波器。
[0021]所述目标函数为
【权利要求】
1.一种基于表观纹理结构的电力杆塔图像检测方法，其特征是所述方法包括: 步骤1:选择设定数量的已确定存在电力杆塔的图像和已确定不存在电力杆塔的图像； 步骤2:分别对已确定存在电力杆塔的图像和已确定不存在电力杆塔的图像进行预处理，得到的每个图像的整体滤波器和值最大的参考区域的滤波器； 步骤3:将每个图像的整体滤波器和值最大的参考区域的滤波器代入目标函数进行训练; 步骤4:对待识别的图像进行预处理，得到待识别的图像的整体滤波器和值最大的参考区域的滤波器； 步骤5:将待识别的图像的整体滤波器和值最大的参考区域的滤波器代入经过训练的目标函数，根据目标函数的输出结果判断待识别图像中是否存在电力杆塔。
2.根据权利要求1所述的方法 ，其特征是所述对已确定存在电力杆塔的图像/已确定不存在电力杆塔的图像/待识别的图像进行预处理，得到每个图像/待识别的图像的整体滤波器和值最大的参考区域的滤波器具体包括如下子步骤: 子步骤101:对于已确定存在电力杆塔的图像，选择电力杆塔中心线作为整个图像的中心线； 子步骤102:选取图像中心线左右各4个相等的矩形区域作为参考区域； 子步骤103:提取整个图像的HOG特征向量，并对整个图像的HOG特征向量进行K-means聚类处理； 子步骤104:将经过聚类处理的HOG特征向量与高斯滤波器进行卷积运算，得到整体滤波器； 子步骤105:将图像分辨率扩大2倍，提取每个参考区域的HOG特征向量，并分别对每个参考区域的HOG特征向量进行K-means聚类处理； 子步骤106:将每个经过聚类处理的参考区域的HOG特征向量与高斯滤波器进行卷积运算，得到每个参考区域的滤波器，并进一步选择卷积运算值最大的参考区域的滤波器作为值最大的参考区域的滤波器。
3.根据权利要求1所述的方法，其特征是所述目标函数为
【文档编号】G06K9/54GK103577830SQ201310612739
【公开日】2014年2月12日 申请日期:2013年11月26日 优先权日:2013年11月26日
【发明者】吴华, 杨国田, 张晔, 柳长安, 刘春阳, 叶文 申请人:华北电力大学