基于LSD算法和机器学习的线路异物搭挂检测方法与流程

技术特征：

1.一种基于LSD算法和机器学习的线路异物搭挂检测方法，其特征在于：采用如下步骤实现：

(1)首先通过无人机从输电线路上拍摄大量图像，并将图像缩小为原来的80％，然后分别计算图像的每个像素点的梯度值和梯度幅值，计算公式表示如下：

$g_x(x,y)=\frac{i(x+1,y)+i(x+1,y+1)-i(x,y)-i(x,y+1)}{2}$

$g_y(x,y)=\frac{i(x+1,y)+i(x+1,y+1)-i(x,y)-i(x,y+1)}{2}---\left(1\right);$

$G_{\left(x,y\right)}=\sqrt{g_x^2(x+y)+g_y^2(x,y)}---\left(2\right);$

公式(1)-(2)中：g_x(x，y)和g_y(x，y)分别表示像素点在X方向和Y方向上的梯度值；G(x，y)表示像素点的梯度幅值；i(x，y)是坐标中心像素点[i，j]的灰度值；

然后将梯度幅值最大的像素点作为种子点，对图像的每个像素点由小到大进行排序，由此得到排序列表；然后以排序列表中一个未使用的像素点作为种子点进行递归以进行区域增长，并对区域增长结果进行矩形估计，由此检测出图像中局部的直的轮廓；

(2)预先建立防震锤样本库和间隔棒样本库，并从防震锤样本库和间隔棒样本库中提取大量防震锤样本和间隔棒样本，然后采用机器学习系统对大量防震锤样本和间隔棒样本进行机器学习；在机器学习的基础上，机器学习系统根据图像中局部的直的轮廓识别出图像中的防震锤与间隔棒，同时将图像中的其它目标判定为异物，由此实现异物搭挂的检测。