一种基于边界识别的电力通道自动化巡检数据处理方法与流程

本发明属于配电网自动化巡检数据处理方法技术领域，尤其涉及一种基于边界识别的电力通道自动化巡检数据处理方法。

背景技术：

随着无人机在线巡检技术的发展，基于无人机在线巡检技术获取输电网信息逐渐成为配电网规划设计的重要组成部分之一，其能够快速获取输电线沿线的各类地理和结构信息，有助于减少作业时的人力以及物力资源消耗，效率较高，但同时，相对于其他巡检数据处理方法，无人机在线巡检采集所获取的图像一般均存在对比度低下，背景干扰较多，最终采集获取的影像数据具有多灰度级别且形状复杂，照度不均等诸多问题。

技术实现要素：

本发明创造的目的在于，提供一种能够简化影像数据灰度级别，具有较强的抗干扰能力，能够简化和压缩自动化巡检工作内容，提高数据处理效率的处理方法。

为实现上述目的，本发明创造采用如下技术方案。

本发明的一种基于边界识别的电力通道自动化巡检数据处理方法，包括如下步骤：

步骤一、图像采集的步骤，包括采用无人机在线巡检的方式连续采集电力通道的多帧导航图像；

步骤二、图像灰度处理的步骤，包括；

2.1图像分割，具体是指将图像分割成m*m位子方块并按照由上到下由左到右的顺序进行编号，并分别标记为m[i]＝，i＝0，1，2......m-1；

2.2灰度值计算，具体是指提取各子方块的灰度值和及其方差，并分别存储至数组h[64]和f[64]中，提取中间四列的左右列为为图像的左右边界；

2.3灰度和方差计算，具体是指分别统计各子方块的灰度值以及方差值，并计算该图像的灰度均值jm[i]和方差值fm[i]，其计算方法如下：

其中r[i]是指m[i]最顶部一行子方块的灰度值；r[i]是指m[i]最底部一行子方块的灰度值，c[i]是指m[i]最左侧一列子方块的灰度值；c[i]是指m[i]最右侧一列子方块的灰度值；h(p，q)是指坐标为(p，q)的子方块的像素值；

2.4边界定位，具体是指从上到下分析各排子方块的fm[i]值，若某排子方块的方差值小于100，则以该排子方块的上一行作为上边界，以该排子方块的下一行作为下边界；继续观察下一排，若该排子方块的方差值均不小于100，则将上一排的子方块的最底下一行作为下边界；

步骤三、边界修饰的步骤，包括阈值化处理，具体是指将前述经过边界定位的图像进行单阈值化，使用最小交叉熵阈值法进行二值化；

以及边界投影的步骤，具体是指计算二值图像的垂直投影直方图，统计二值图像中各列的背景点数dp[i]，i＝0，1，2......n-1，其中n为图像的宽度；求取背景点数最少的列，并从该列开始向图像左右搜索背景像素点数极大的极大列，并将该极大值列作为要搜索的左右边界；计算二值图像的水平投影直方图，统计二值图像中各列的背景点数ep[i]，i＝0，1，2......m-1，其中m为图像的高度；求取背景点数最小的列，并从该列向上下开始搜索背景像素点数极大行，并将该列作为新的上下边界；

步骤四、以前述边界为基础对图像进行分割处理，并以经过分割处理后的图像作为最终的电力通道的导航图像。

对前述基于边界识别的电力通道自动化巡检数据处理方法进一步优化还包括，所述步骤三中，阈值化处理还包括简化阈值图像的步骤，清除阈值化图像中面积大于100的部分。

附图说明

图1是基于边界识别的电力通道自动化巡检数据处理方法的流程示意图。

具体实施方式

以下结合具体实施例对本发明创造作详细说明。

如图1所示，一种基于边界识别的电力通道自动化巡检数据处理方法，主要用于在无人机在线巡检过程中处理巡检获取的原始数据，包括如下步骤：

步骤一、图像采集的步骤，包括采用无人机在线巡检的方式连续采集电力通道的多帧导航图像；

步骤二、图像灰度处理的步骤，包括；

2.1图像分割，具体是指将图像分割成m*m位子方块并按照由上到下由左到右的顺序进行编号，并分别标记为m[i]＝，i＝0，1，2......m-1；

2.2灰度值计算，具体是指提取各子方块的灰度值和及其方差，并分别存储至数组h[64]和f[64]中，提取中间四列的左右列为为图像的左右边界；

2.3灰度和方差计算，具体是指分别统计各子方块的灰度值以及方差值，并计算该图像的灰度均值jm[i]和方差值fm[i]，其计算方法如下：

其中r[i]是指m[i]最顶部一行子方块的灰度值；r[i]是指m[i]最底部一行子方块的灰度值，c[i]是指m[i]最左侧一列子方块的灰度值；c[i]是指m[i]最右侧一列子方块的灰度值；h(p，q)是指坐标为(p，q)的子方块的像素值；

2.4边界定位，具体是指从上到下分析各排子方块的fm[i]值，若某排子方块的方差值小于100，则以该排子方块的上一行作为上边界，以该排子方块的下一行作为下边界；继续观察下一排，若该排子方块的方差值均不小于100，则将上一排的子方块的最底下一行作为下边界；

步骤三、边界修饰的步骤，包括阈值化处理，具体是指将前述经过边界定位的图像进行单阈值化，使用最小交叉熵阈值法进行二值化；

以及边界投影的步骤，具体是指计算二值图像的垂直投影直方图，统计二值图像中各列的背景点数dp[i]，i＝0，1，2......n-1，其中n为图像的宽度；求取背景点数最少的列，并从该列开始向图像左右搜索背景像素点数极大的极大列，并将该极大值列作为要搜索的左右边界；计算二值图像的水平投影直方图，统计二值图像中各列的背景点数ep[i]，i＝0，1，2......m-1，其中m为图像的高度；求取背景点数最小的列，并从该列向上下开始搜索背景像素点数极大行，并将该列作为新的上下边界；

在进一步优化时，阈值化处理还包括简化阈值图像的步骤，具体而言，是指清除阈值化图像中面积大于100的部分。

步骤四、分割合成，以前述边界为基础对图像进行分割处理，清除边界外图像数据，并以经过分割处理后的图像作为最终的电力通道的导航图像。

基于前述步骤，我们能够从最原始的巡检影像资料中获取到含有输电网沿线的重要结构且有效清除非关键元素的已处理的影像资料，基于前述基础，以及在线巡检过程中重要的作业任务之一，本发明在前述基础上提供了针对关键结构(主要是金属结构)的故障表面锈蚀状况的视觉检测方法，包括如下步骤：

步骤五、基于前述步骤四中获取的基础图像构建视觉检测数据库；对图像中任意像素点z(r、g、b)，统计r、g、b分量最小值min(r、g、b)；将像素点z各分量分别减去最小值，得到凸出色彩信息的图像点z(r’、g’、b’)＝(r-min(r、g、b)、g-min(r、g、b)、b-min(r、g、b))；基于该步骤能够获得色彩信息突出显示的处理图像，以便于能够更好的对配电网结构中的金属结构进行视觉检测；

步骤六、基于前述步骤，利用图像分量值的加权组合对关键结构上的健康区域与锈蚀区域进行区别显示，具体而言，是指根据步骤五的处理结果，对图像进行灰度加权，其中对待分析图像加权权值为b’(x，y)＝2r(x，y)-g(x，y)-b(x，y)。

最后应当说明的是，以上实施例仅用以说明本发明创造的技术方案，而非对本发明创造保护范围的限制，尽管参照较佳实施例对本发明创造作了详细地说明，本领域的普通技术人员应当理解，可以对本发明创造的技术方案进行修改或者等同替换，而不脱离本发明创造技术方案的实质和范围。