一种基于形状特征和图像分割的绝缘子识别和定位方法与流程
本发明涉及图像处理和电网检测技术领域，特别是一种基于形状特征和图像分割的绝缘子识别和定位方法。
背景技术：
绝缘子作为电网中的零部件，用量庞大、种类繁多，在输电线路中有着重要作用。当前对输电线路的巡检主要依靠人工巡检方式，需要消耗很大的人力及时间成本，基于此，探索更加适合的巡线方法具有十分重要的意义。随着计算机视觉技术的高速发展，利用数字图像处理技术，准确识别和定位出巡检图像中的绝缘子，为后续绝缘子状态监测及故障诊断奠定基础，具有重大的意义。
现有的绝缘子识别定位方法大体分为以下四类：(1)基于分割的方法，将待分割图像按某种规则分成多个区域，并在图中标记出感兴趣的区域以达到识别定位的目的。该方法不适用于分辨率低，背景复杂的绝缘子图像。(2)基于纹理的方法，通过分析绝缘子的纹理特征，并以此为依据实现绝缘子与背景的分离。此方法计算复杂度高，计算量大，很难达到实时性的要求。(3)基于边缘检测的方法，找出图像中绝缘子的轮廓从而实现定位。但杆塔、线路等伪目标都将引起边缘检测算法的准确率下降，严重影响绝缘子的识别结果。(4)基于模板匹配的方法，通过分别提取绝缘子模板图像以及待匹配图像的特征，将其进行分析比较，从而在待匹配图像中寻找最类似部分的过程。但该方法需要使用绝缘子模板来实现特征点的匹配，需要预先创建完善的绝缘子模板库，并且在算法运行的过程中需要遍历大量的模板以保证识别结果的准确性，很大程度上提高了计算量，降低了算法的效率。
现有方法没有利用绝缘子串在分割后的二值图像中独特的形状特征。这些特征与杆塔、线路等其他伪目标存在明显的形状差异，若能对其加以利用，可以提高定位精度，减少耗时，提高自动化性能。
技术实现要素：
本发明所要解决的技术问题是克服现有技术的不足而提供一种基于形状特征和图像分割的绝缘子识别和定位方法，本发明充分利用了绝缘子形状特征的先验知识和图像处理的技术方法，实现了绝缘子串的自动识别定位，为后续绝缘子故障诊断奠定了基础；该发明切实可行，极大地提高了定位的准确性和高效性。
本发明为解决上述技术问题采用以下技术方案：
根据本发明提出的一种基于形状特征和图像分割的绝缘子识别和定位方法，包括以下步骤：
步骤(1)、对原始绝缘子图像进行预处理；
步骤(2)、引入自适应粒子群优化算法，并结合最大类间方差法对预处理后的绝缘子图像进行阈值分割；
步骤(3)、通过形态学滤波以及面积滤波形成二值图像，对二值图像进行骨架提取，根据hough变换结果对骨架提取后二值图像中的绝缘子区域进行初始定位；
步骤(4)、依靠绝缘子的形状特征实现绝缘子的精确定位。
作为本发明所述的一种基于形状特征和图像分割的绝缘子识别和定位方法进一步优化方案，步骤(1)的具体步骤为：
1)、将原始图像根据公式(1)转化为灰度图像，对灰度化之后的图像使用均值滤波进行降噪处理；
gray(i,j)＝0.11r(i,j)+0.59g(i,j)+0.30b(i,j)(1)
式中，(i,j)是一个像素点在图像中所在的位置，r(i,j)表示(i,j)的像素点颜色的红色分量，g(i,j)表示(i,j)的像素点颜色的绿色分量，b(i,j)表示(i,j)的像素点颜色的蓝色分量，gray(i,j)代表(i,j)的像素点转换后的灰度值，将(i,j)的像素点的r、g、b三分量值均设置为gray(i,j)；
2)、将降噪后的灰度图像根据公式(2)进行对比度拉伸，达到缩小图像背景区域灰度空间的同时扩展绝缘子区域灰度空间；
式中，f(x,y)是像素点(x,y)处的灰度值，f′(x,y)是像素点(x,y)通过分段线性变换后得到的新灰度值，对降噪后的灰度图像的所有灰度值按从小到大的顺序排列，得到其灰度等级为l，再将灰度级分成[0,a]、[a,b]和[b,l-1]；其中，a为绝缘子灰度值集中区域的最小值，b为绝缘子灰度值集中区域的最大值，c为绝缘子灰度值集中区域经过映射后的最小值，d为绝缘子灰度值集中区域经过映射后的最大值。
作为本发明所述的一种基于形状特征和图像分割的绝缘子识别和定位方法进一步优化方案，步骤(2)的具体步骤为：
将类间方差σ2作为自适应粒子群优化算法的适应度函数，分割阈值作为粒子的位置，阈值更新速度作为粒子的移动速度，通过迭代的方式在灰度空间中搜索适应度函数σ2取最大值时所对应的灰度值，从而求解出图像的分割阈值。
作为本发明所述的一种基于形状特征和图像分割的绝缘子识别和定位方法进一步优化方案，步骤(3)的具体步骤为：
3.1、对阈值分割后的绝缘子图像进行形态学腐蚀操作和形态学膨胀操作；
3.2、利用面积滤波将形态学滤波后图像中连通区域的面积与预先设置的分割阈值相比较，删除小于分割阈值的部分；
3.3、选用基于烧草模型及与其对应的细化算法提取阈值分割处理后的绝缘子图像骨架；
3.4、使用hough变换来提取细化图像中的直线，根据各条直线的长度设置长度阈值，删除长度小于该长度阈值的直线，实现对绝缘子区域的初始定位。
作为本发明所述的一种基于形状特征和图像分割的绝缘子识别和定位方法进一步优化方案，步骤(4)中，绝缘子的形状特征分别为：
形状特征1：绝缘子串包含若干个盘片，且每个盘片厚度相等；
形状特征2：盘片边缘的厚度小于中心的厚度，从边缘到中心厚度逐渐增大；
形状特征3：每个盘片以中心轴厚度对称。
作为本发明所述的一种基于形状特征和图像分割的绝缘子识别和定位方法进一步优化方案，步骤(4)的具体步骤为：
步骤4.1、将初始化定位的二值图像中的目标值设为1，背景值设为0，提取目标信息，得到只包含0和1两个灰度值的目标信息图像；
步骤4.2、将目标信息图像中的每一列分别提取出来，得到k组只包含0和1的数字序列{l1,l2,…,lj,…,lk}，其中，k为目标信息图像的列数；lj为目标信息图像中第j列的数字序列；
步骤4.3、对这些数字序列进行形状特征描述，从序列中去除非绝缘子目标，再将序列转化为矩阵，重构二值图像；
对形状特征1的描述及处理为：
a1、在序列lj中搜索由1变为0的像素点，记录值为0的像素点的位置，此点即为下边缘点；
a2、统计此下边缘点之前连续1的个数，记为n，设下边缘点有p个，记录p个n值{n1,n2,…,ni,…,np}，其中，ni为第i个下边缘点之前连续1的个数，i＝1,2,...,p，统计此下边缘点之后连续0的个数，记为m，记录p个m值{m1,m2,…,mi,…,mp}，其中，mi为第i个下边缘点之前连续0的个数；
式中：m是二值图像行数，t1是盘片间隙系数，tmin是绝缘子串中盘片个数的最小值，
当数列满足公式(3)时，认为该位置下边缘点属于真下边缘点，保留该点信息；若不满足，则认为该位置下边缘点属于伪下边缘点，执行去除操作；
a3、以步骤a2中公式(3)为判断依据，遍历所有序列{l1,l2,…,lj,…,lk}，去除不满足形状特征1的区域；
对形状特征2的描述及处理为：
b、记
当数列{h1,h2,…,hi,…,hp}满足公式(4)时，认为该区域为绝缘子区域，保留该区域信息；若不满足，则认为该区域属于非绝缘子区域，执行去除操作；
对形状特征3的描述及处理为：
c、记
|hi-hk+1-i|＜m×t2(5)
式中，m是二值图像行数，t2是盘片厚度系数，当数列{h1,h2,…,hi,…,hp}满足公式(5)时，认为该区域为绝缘子区域，保留该区域信息；若不满足，则认为该区域属于非绝缘子区域，执行去除操作。
作为本发明所述的一种基于形状特征和图像分割的绝缘子识别和定位方法进一步优化方案，经过3个形状特征处理操作后，绝缘子串位置出现大面积连通区域，大面积连通区域是就步骤3.2中面积滤波后，再通过形状特征处理操作，保留下来的连通区域；通过最小外接矩形对目标标框，所得矩形框为绝缘子位置；实现绝缘子串的最终定位。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本发明充分利用了图像处理的技术方法和绝缘子串在分割后的二值图像中独特的形状特征，解决了传统的人工巡检耗时长且效率慢的问题，实现了绝缘子的精确定位；该发明切实可行。
附图说明
图1是本发明方法流程图。
图2是基于自适应pso+otsu分割流程图。
图3是原始绝缘子图像。
图4是预处理结果图。
图5是基于自适应pso+otsu分割后的二值图像。
图6是形态学及面积滤波后的结果图。
图7是骨架提取后的结果图。
图8是hough直线检测结果图。
图9是绝缘子初步定位结果图。
图10是绝缘子精确定位结果图。
图11是外接矩形框显示在原始图像上的定位结果图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
一种基于形状特征和图像分割的绝缘子识别和定位方法的整个流程可以用图1表示。该方法具体步骤如下：
(1)通过对原始绝缘子图像(如图3所示)进行预处理以减少噪声干扰、提高图像对比度，预处理结果如图4所示；
具体步骤为：
1)将原始绝缘子图像根据公式(1)转化为灰度图像，对灰度化之后的图像使用均值滤波进行降噪处理以减少绝缘子图像中的噪声影响，达到更佳的图像处理效果；
gray(i,j)＝0.11r(i,j)+0.59g(i,j)+0.30b(i,j)(1)
式中，(i,j)是一个像素点在图像中所在的位置，r(i,j)表示(i,j)的像素点颜色的红色分量，g(i,j)表示(i,j)的像素点颜色的绿色分量，b(i,j)表示(i,j)的像素点颜色的蓝色分量，gray(i,j)代表(i,j)的像素点转换后的灰度值，将(i,j)的像素点的r、g、b三分量值均设置为gray(i,j)。将去噪后的灰度图像根据公式(2)进行对比度拉伸，达到缩小图像背景区域灰度空间的同时扩展绝缘子区域灰度空间的目的。
式中，f(x,y)是像素点(x,y)处的灰度值，f′(x,y)是像素点(x,y)通过分段线性变换后得到的新灰度值，对降噪后的灰度图像的所有灰度值按从小到大的顺序排列，得到其灰度等级为l，再将灰度级分成[0,a]、[a,b]和[b,l-1]；其中，a为绝缘子灰度值集中区域的最小值，b为绝缘子灰度值集中区域的最大值，c为绝缘子灰度值集中区域经过映射后的最小值，d为绝缘子灰度值集中区域经过映射后的最大值。
(2)引入自适应粒子群优化算法，并结合最大类间方差法对绝缘子图像进行分割，分割后的二值图像如图5所示；
具体步骤为：
基于自适应粒子群优化算法的最大类间方差图像分割方法的实现流程如图2所示。将类间方差σ2作为自适应粒子群优化算法的适应度函数，分割阈值作为粒子的位置，阈值更新速度作为粒子的移动速度，通过迭代的方式在灰度空间中搜索适应度函数σ2取最大值时所对应的灰度值，从而快速的求解出图像的分割阈值。
(3)通过形态学滤波以及面积滤波，其效果如图6所示，对二值图像进行骨架提取，得到骨架提取后的结果如图7所示，根据hough变换结果对绝缘子区域进行初始定位，绝缘子初步定位结果如图9所示；
具体步骤为：
3.1、对阈值分割后的绝缘子图像进行形态学腐蚀操作和形态学膨胀操作；
3.2、利用面积滤波将形态学滤波后图像中连通区域的面积与预先设置的分割阈值相比较，删除小于分割阈值的部分；
3.3、选用基于烧草模型及与其对应的细化算法提取阈值分割处理后的绝缘子图像骨架；
3.4、使用hough变换来提取细化图像中的直线，提取的直线检测结果如图8所示，根据各条直线的长度设置长度阈值，删除长度小于阈值的直线，减少误检测结果，实现对绝缘子区域的初始定位。
(4)依靠绝缘子的形状特征实现绝缘子的精确定位，绝缘子精确定位结果如图10所示。
所述步骤(4)中，绝缘子的形状特征分别为：
形状特征1：绝缘子串包含若干个盘片，且每个盘片厚度相等；
形状特征2：盘片边缘的厚度小于中心的厚度，从边缘到中心厚度逐渐增大；
形状特征3：每个盘片以中心轴厚度对称；
所述步骤(4)的具体步骤为：
步骤4.1、将初始化定位的二值图像中的目标值设为1，背景值设为0，提取目标信息，得到只包含0和1两个灰度值的目标信息图像；
步骤4.2、将目标信息图像中的每一列分别提取出来，得到k组只包含0和1的数字序列{l1,l2,…,lj,…,lk}，其中，k为目标信息图像的列数；lj为目标信息图像中第j列的数字序列；
步骤4.3、对这些数字序列进行形状特征描述，从序列中去除非绝缘子目标，再将序列转化为矩阵，重构二值图像；
对形状特征1的描述及处理为：
a1、在序列lj中搜索由1变为0的像素点，记录值为0的像素点的位置，此点即为下边缘点；
a2、统计此下边缘点之前连续1的个数，记为n，设下边缘点有p个，记录p个n值{n1,n2,…,ni,…,np}，其中，ni为第i个下边缘点之前连续1的个数，i＝1,2,...,p，统计此下边缘点之后连续0的个数，记为m，记录p个m值{m1,m2,…,mi,…,mp}，其中，mi为第i个下边缘点之前连续0的个数；
式中：m是二值图像行数，t1是盘片间隙系数，tmin是绝缘子串中盘片个数的最小值，
当数列满足公式(3)时，认为该位置下边缘点属于真下边缘点，保留该点信息；若不满足，则认为该位置下边缘点属于伪下边缘点，执行去除操作；
a3、以步骤a2中公式(3)为判断依据，遍历所有序列{l1,l2,…,lj,…,lk}，去除不满足形状特征1的区域；
对形状特征2的描述及处理为：
b、记
当数列{h1,h2,…,hi,…,hk}满足公式(4)时，认为该区域为绝缘子区域，保留该区域信息；若不满足，则认为该区域属于非绝缘子区域，执行去除操作；
对形状特征3的描述及处理为：
c、记
|hi-hk+1-i|＜m×t2(5)
式中，m是二值图像行数，t2是盘片厚度系数，当数列{h1,h2,…,hi,…,hk}满足公式(5)时，认为该区域为绝缘子区域，保留该区域信息；若不满足，则认为该区域属于非绝缘子区域，执行去除操作。
经过步骤(4)的3个形状特征处理操作后，绝缘子串位置出现大面积连通区域，大面积连通区域是就步骤3.2中面积滤波后，再通过形状特征处理操作，保留下来的连通区域；通过最小外接矩形对目标标框，所得矩形框为绝缘子位置；实现绝缘子串的最终定位，外接矩形框显示在原始图像上的定位结果如图11所示。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！