一种架空线路山火识别方法与流程

1.本发明属于架空线路智能运检领域，尤其涉及一种架空线路山火识别方法。


背景技术：

2.随着输电线路检修技术的升级，输电线路通道可视化远程巡视被广泛应用，在输电线路上，监拍设备定时拍摄静态图片，进行输电通道内的隐患检测，但是相比于其他隐患来说，山火隐患一直是影响输电安全的重要因素之一。
3.近年来，随着深度学习技术的发展，出现了一些基于卷积神经网络的架空线路山火识别方法，但是，深度学习模型需要大量的样本来进行训练，由于夜晚场景与白天场景差异性较大，容易受到灯光的影响，另外输电夜晚山火的特征表现与其他场景也有较大的差异，在rgb空间下火焰中心的颜色偏白，边缘区域的颜色偏红色和橙黄之间，且夜晚的场景样本难以收集，因此模型对于夜晚场景识别效果差，无法达到较好的识别效果。早期的直接用rbg空间下的颜色信息来进行山火识别，但是识别效果较差，且无法区分开与山火颜色相近的物体。
4.综上所述，如何提供一种快速、可靠的架空线路山火识别方法，降低夜晚山火隐患识别的漏报率，是目前本领域技术人员亟待解决的问题之一。


技术实现要素：

5.针对现有技术的不足，本发明的目的是提供一种架空线路山火识别方法，本发明使用hsv颜色空间分析图像背景的颜色分量，并利用特定颜色阈值过滤提取疑似含有山火的图片，有效克服了夜晚图片颜色信息不易识别的缺陷，提高了夜晚山火的识别率；通过对称交叉熵融合自适应阈值分割技术进行区域分割，并使用膨胀、腐蚀形态学图像处理方法去除相近颜色分量的干扰；通过kl散度计算不同区域的分布差异性来选取连通域，并进行相邻轮廓的融合，能够进一步去除不满足面积阈值要求的连通域，把剩余特定区域的轮廓外接最小矩形，返回矩形坐标，准确识别出山火隐患区域。
6.本发明所要解决的技术问题采用以下技术方案来实现：一种架空线路山火识别方法，包括以下步骤：
7.a、获取监拍设备传输的静态图像，并进行颜色空间的转换，将rgb图像转变为hsv空间；hsv是一种比较直观的颜色模型，根据色调、亮度和色彩纯度的变化，使其通过一种人类更加容易感知的形式来表示颜色变化，并且在表示色彩明亮程度时和光强度之间没有直接关系，因此在夜晚场景下，颜色特征会突出的尤为明显，hsv能够表征更加细微的颜色区域的变化；通过表征空间转变hsv颜色空间，进行夜晚山火的特定颜色区域过滤，能够在夜晚场景下很好的区分出山火颜色区域；
8.b、统计计算标准夜晚图片的hsv平均分量，寻找最优参数对应比例，选取夜晚山火特定颜色分量对静态图像进行颜色过滤提取疑似含有山火的图片；所述最优参数比例就是在hsv空间下的山火的颜色区间，具体选取方法是通过实验值计算出来的，具体的，从多张
图片取均值，找到当前输电夜晚场景下的颜色区间，目的是为了找到山火对应的颜色区间，从而根据这个区间分割出来山火区域；
9.c、通过对称交叉熵改进otsu阈值分割方式来排除疑似含有山火的图片中的干扰区域：进行阈值分割，分离出疑似含有山火的特定区域，得到二值图像；运用形态学处理方法对二值图像进行处理；由于otsu是根据类间方差法来计算阈值的，因此仅对类间方差为单峰的图像会有较好的效果，但是当目标与背景的大小比例悬殊时，比如背景噪声过大，火焰的边缘形状多变等因素影响，会呈现出多峰，而对称交叉熵能够更好的度量像素概率分布差异性的程度，因此通过对称交叉熵结合otsu方法来进行阈值分割能够使分割出的图像边缘更加清晰；
10.d、对步骤c得到的二值图像进行绘制轮廓，利用kl散度选择连通域，并提取特定区域的轮廓，通过轮廓点计算近似轮廓的面积，得到多边形轮廓面积s，利用面积阈值去除多边形轮廓面积s不满足要求的特定区域，循环计算所有轮廓后，把剩余特定区域的轮廓外接最小矩形，返回矩形坐标，得到山火隐患区域；利用阈值分割方法对特定的过滤区域进行轮廓提取，由于山火形状多变，通过kl散度计算不同邻域的像素分布，选取连通域并计算轮廓面积，找到在面积阈值之上的轮廓，并删除干扰轮廓，通过外接最小矩形，返回坐标值，从而准确找到山火隐患目标发生的位置，进行快速识别；
11.具体的，经过过滤后的二值化图像，检测外轮廓，并保留所有的近似轮廓的坐标点；
12.采用八邻域连通法筛选提取的轮廓点，并分块计算不同区域的kl散度，选择特定的连通域；kl散度能够衡量不同区域内的分布差异，步骤b中分离出的特定区域会有很多分割区域，但是相邻的区域可能是同一个目标区域，利用kl散度选择连通域，即相连的区域如果分布差异小，那么就能够将相邻的区域连接起来作为一整块区域，从而进一步提高火焰区域的识别精度，这里选用八邻域连通法，从8个方向去判断差异值，精度会更高。
13.本发明的技术方案还有：所述步骤b中，在hsv表征空间下，夜晚山火特定颜色分量范围p为[(5，12)，(43，255)，(46，255)]，根据夜晚山火特定颜色分量范围p进行颜色的过滤得到只存在该分量范围内的过滤图片，所述夜晚山火特定颜色分量范围通过统计计算多张输电夜晚场景图片中山火区域的hsv分量得到。
[0014]
本发明的技术方案还有：步骤c中，对称交叉熵改进otsu阈值分割方式后的阈值分割公式如下：
[0015]
ζ(t)＝pa(t)μa(t)log(μa(t))+pb(t)μb(t)log(μb(t))(i)
[0016]
在公式(i)中，ζ(t)代表目标图像和背景图像之间的差异度，t代表分割图像所采用的阈值，pa(t)对应目标区域图像的概率，pb(t)对应背景区域图像的概率，μa(t)和μb(t)分别是目标区域图像和背景区域图像对应的灰度均值；
[0017]
通过距离度量进行阈值分割可对山火等形状多变的目标具有较强的鲁棒性，分离特定区域，排除噪声干扰；通过对称交叉熵改进otsu阈值分割方式来排除干扰区域，得到阈值t，具体的，统计灰度级中每个像素在整幅图像的个数，并能够计算不同区域在整幅图像的概率分布p，对灰度级进行遍历搜索，计算当前灰度值下前景背景类间概率，最后计算出类内与类间方差下对应的阈值t，从而可以根据阈值t进行阈值分割，排除干扰区域；用对称交叉熵去计算图像中前景和背景的差异，然后找到能够区分开前景和背景的阈值t，分割效
果会更加精细，一些干扰区域会去除，边缘区域也会分割的较好，并且与otsu阈值分割方式相比，具有更强的抗噪性，并且对称交叉熵改进的otsu阈值分割方式能够降低计算复杂性，能够更快的对图像进行分割；
[0018]
形态学处理方法具体包括依次进行腐蚀、膨胀操作，先去除相似颜色分量的小区域，再扩大目标区域轮廓；为了去除一些灯光等相近颜色分量的干扰，通过膨胀、腐蚀等图像处理方式来排除干扰区域，相近颜色分量的灯光作为噪声点一般都是小区域的，腐蚀就是用周围的像素区域去除噪点，整体轮廓会缩小，然后再扩张为原有的大小，噪声点因为连通域过小而去掉了，扩张的时候就没有了，这样就会只保留了目标区域；多处着火点，只要连通域不是挨着的，能够根据图像分割阈值区分出来，满足阈值t之上都需要分割出来。
[0019]
本发明的技术方案还有：步骤d中，所述面积阈值包括山火最小面积阈值p1和路灯面积值lp，将多边形轮廓面积s小于山火最小面积阈值p1的特定区域和等于路灯面积值lp的特定区域去除。
[0020]
虽然通过阈值分割和形态学处理方法处理能够去除部分相近颜色分量灯光的干扰区域，但是部分灯光颜色分量与山火颜色分量存在重叠，无法全部去除；并且有部分山火区域距离监拍设备太远，无法准确识别具体位置，即对当前输电线路无法构成威胁，为进一步排除这些干扰因素，通过预先计算多张输电夜晚场景下山火和相似颜色的路灯的轮廓面积，得到山火最小面积阈值p1和路灯面积值lp；一方面，因为输电场景下的所有路灯的颜色分量和轮廓面积基本相差不大，由于路灯位置固定，因此外轮廓也不会变化，将计算出的当前轮廓面积跟预先设定的路灯面积值lp进行对比判断，将与路灯面积值lp相同的区域即颜色分量与山火颜色分量存在重叠的灯光区域的轮廓去除；另一方面，立足于实际场景下，每个输电线路都有都有一定的监拍设备点位，由于监拍设备有一定的监测距离和精度，并且距离一个监拍设备太远的区域会靠近另一个监拍设备点位，因此设置山火最小面积阈值p1，当监测区域距离太远时，即图像面积小于设定阈值时，将其过滤掉，能够更快的识别出目标区域及其具体位置，即确定距离最近的监拍设备，避免重复识别，提高识别效率，同时提高识别准确率。
[0021]
本发明还提供了一种架空线路山火识别方法的应用，用于山火分级预警，具体的，通过计算山火隐患区域外接最小矩形的面积，按照面积值进行划分严重等级，分为一般和紧急，并根据严重等级发送告警信息。
[0022]
本发明的有益效果：
[0023]
本发明在hsv空间下对夜晚图片进行处理，并通过夜晚山火特定颜色分量过滤提取疑似含有山火的图片，有效克服了夜晚图片颜色信息不易识别的缺陷，并且减少了后期图片处理数量，提高了山火识别的效率。
[0024]
本发明通过对称交叉熵改进otsu阈值分割方式来对疑似含有山火的图片进行阈值分割，能够清晰分离出疑似含有山火的特定区域，并通过形态学处理方法去除部分噪声点，能够使疑似含有山火的特定区域边缘更加清晰，有效克服了山火图片边缘不清晰且多变的缺陷。
[0025]
最后绘制疑似含有山火的特定区域的轮廓，通过kl散度选择连通域合并，通过计算合并后的轮廓面积，能够进一步去除不满足面积阈值要求的连通域，把剩余特定区域的轮廓外接最小矩形，返回矩形坐标，准确识别出山火隐患区域，为输电线路隐患检测提供技
术支撑。
[0026]
本发明还通过山火隐患区域外接最小矩形的面积大小进行山火严重性分析，并进行分级预警，能够为后续处理提供更多现场信息，便于调整处理方案。
附图说明
[0027]
图1为本发明所述架空线路山火识别方法的流程示意图；
[0028]
图2为本发明实施例的hsv颜色空间示意图；
[0029]
图3为本发明实施例的颜色过滤图；
[0030]
图4为本发明实施例的干扰区域处理图，
[0031]
图5为本发明实施例的轮廓检测图；
[0032]
图6为本发明实施例的检测结果图。
具体实施方式
[0033]
为了使本技术领域的人员更好的理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0034]
如图1所示，一种架空线路山火识别方法，包括以下步骤：
[0035]
a、获取监拍设备传输的静态图像，并进行颜色空间的转换，将rgb图像转变为hsv空间。
[0036]
b、统计计算标准夜晚图片的hsv平均分量，寻找最优参数对应比例，选取夜晚山火特定颜色分量对静态图像进行颜色过滤提取疑似含有山火的图片。
[0037]
步骤b中，在hsv表征空间下，夜晚山火特定颜色分量范围p为[(5，12)，(43，255)，(46，255)]，根据夜晚山火特定颜色分量范围p进行颜色的过滤得到只存在该分量范围内的过滤图片。
[0038]
c、通过对称交叉熵改进otsu阈值分割方式来排除疑似含有山火的图片中的干扰区域：进行阈值分割，分离出疑似含有山火的特定区域，得到二值图像。
[0039]
对称交叉熵改进otsu阈值分割方式后的阈值分割公式如下：
[0040]
ζ(t)＝pa(t)μa(t)log(μa(t))+pb(t)μb(t)log(μb(t))(i)
[0041]
在公式(i)中，ζ(t)代表目标图像和背景图像之间的差异度，t代表分割图像所采用的阈值，pa(t)对应目标区域图像的概率，pb(t)对应背景区域图像的概率，μa(t)和μb(t)分别是目标区域图像和背景区域图像对应的灰度均值。根据图像二值化，采用otsu阈值分割方式，改进对目标形状不敏感的缺陷，加入对称交叉熵进行距离度量即利用交叉熵衡量差异性，非对称交叉熵是不满足距离度量的对称性，对称交叉熵相比于非对称交叉熵具有更好的抗噪性，且运行速度更快；山火边缘具有运动特征，因为交叉熵能够描述概率分布性差异性的程度，基于交叉熵进行阈值分割，火焰形状不规则，otsu本身只是粗略的将目标和背景分隔开，不规则的目标就无法很好的衡量边缘细节信息，而对称交叉熵则通过对比分割前后的图像，对运动区域形状的变化具有较好的鲁棒性，能够通过像素点灰度值的分布概率准确提取较小区域的运动目标即形状边缘多变不规则的图像。
[0042]
运用形态学处理方法对二值图像进行处理。形态学处理方法具体包括依次进行腐蚀、膨胀操作，先去除相似颜色分量的小区域，再扩大目标区域轮廓。
[0043]
d、对步骤c得到的二值图像进行绘制轮廓，利用kl散度选择连通域，并提取特定区域的轮廓，通过轮廓点计算近似轮廓的面积，得到多边形轮廓面积s，利用面积阈值去除多边形轮廓面积s不满足要求的特定区域，循环计算所有轮廓后，把剩余特定区域的轮廓外接最小矩形，返回矩形坐标，得到山火隐患区域。步骤d中，所述面积阈值包括山火最小面积阈值p1和路灯面积值lp，将多边形轮廓面积s小于山火最小面积阈值p1的特定区域和等于路灯面积值lp的特定区域去除。
[0044]
一种架空线路山火识别方法的应用，用于山火分级预警，具体的，通过计算山火隐患区域外接最小矩形的面积，按照面积值进行划分严重等级，分为一般和紧急，并根据严重等级发送告警信息。
[0045]
示例1
[0046]
某省输电线路线下区域，在夜晚发生山火隐患，对前端设采集的一系列异常图像进行隐患检测。
[0047]
测试异常图片过程如下：
[0048]
待检测图片名：99000843200301_20210304163003.jpg
[0049]
1)转换hsv颜色空间，分析特定目标的颜色分量，处理图像的效果图如图2表示。
[0050]
2)对特定目标区域继续颜色分量过滤，并进行图像otsu阈值分割，处理图像的效果图如图3表示。
[0051]
3)对分割图像进行腐蚀、膨胀处理，去除无关区域的干扰，处理图像的效果图如图4所示。
[0052]
4)检测外轮廓，保留所有轮廓点，选择连通域并绘制外轮廓，提取轮廓的效果图如图5表示。
[0053]
计算外轮廓面积，并找到特定目标区域的外接最小矩形，并在原图中识别山火隐患，检测结果如图6表示。
[0054]
以上所述，以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。