[发明专利]一种输电线路绝缘子对象识别方法

说明书

本发明公开了一种输电线路绝缘子对象识别方法，首先采用最低像素值过滤方式，对场景进行过滤处理，进一步采用横向边缘特征提取、纵向特征边缘提取、基于边缘区域提取的拉普拉斯特征提取、平行线交叉点特征提取等算法，实现对线路绝缘子对象的识别。本发明根据输电线路绝缘子在拍摄中的实际应用场景，采用了多种特征可描述算法相结合的技术方法，能够最大限度地提高检测的准确性和适用性，同时，可以根据实际应用过程中，通过对算法参数的调整，降低识别过程中的误识别率和漏识别率。

技术领域

本发明涉及一种输电线路绝缘子对象识别方法，属于视频识别技术领域。

背景技术

目前，采用固定摄像机、线路巡视无人机对输电线路杆塔进行巡视检查，已成为输电线路巡检的一项重要技术手段，对线路杆塔绝缘子是否存在污垢、裂纹、破裂等现象是输电线路巡视的一项重要工作，采用图像识别技术，识别绝缘子的污垢、裂纹、破裂等现象是目前主要的智能巡视技术手段，该技术手段极大的解决了人工巡视过程所存在的工作量庞大、工作效率低下等问题，有助于提高电网运行的安全性和可靠性，而采用图像识别技术如何通过图像识别出线路绝缘子，是该项智能巡视识别的基础性识别技术，因此，提高线路绝缘子识别的准确性，是线路智能巡视技术中的一项重要基础技术。

现有已采用的线路绝缘子识别技术算法主要采用了模板匹配、机器学习（如SVM、神经网络）等算法，模板匹配算法采用先获取固定的样本图片，与实时拍摄的图片进行匹配的方式实现，机器学习（如SVM、神经网络）算法采用样本数据进行训练，对实时拍摄的图片通过推理识别，图片中是否存在符合特征的绝缘子对象。

若采用常用的模板匹配方法检测时，容易受外界光线、拍摄对象的距离、角度等因素的影响，模板图片与实时拍摄的图片差异性较大，在实际应用中误识别率和漏识别率较高；若采用机器学习（如SVM、神经网络）算法，其样本数据的收集过程对识别的误识别率和漏识别率影响较大，同时，在识别过程中存在一定的不确定性，无法通过算法控制误识别率和漏识别率，因此，现有技术很难满足电力应用场景下的高可靠性要求。

发明内容

目的：为了克服现有技术中存在的不足，本发明提供一种输电线路绝缘子对象识别方法。

技术方案：为解决上述技术问题，本发明采用的技术方案为：

一种输电线路绝缘子对象识别方法，包括步骤如下：

步骤S1：对原始图片进行纵向边缘性特征提取，形成纵向边缘特征图片；

步骤S2：对原始图片进行横向边缘性特征提取，形成横向边缘特征图片；

步骤S3：将横向边缘特征图片、纵向边缘特征图片进行合并，形成新的边缘特征图片，对新的边缘特征图片的区域图片进行傅里叶变换，提取亮点后，确定包含绝缘子的区域；

步骤S4：对纵向边缘特征图片进行平行线交叉点特征提取，将绝缘子区域框选出来；

步骤S5：将步骤S3与步骤S4提取的绝缘子区域共同部分，判断为绝缘子区域。

作为优选方案，对步骤S1、S2中原始图片进行预处理，包括步骤如下：

S11：对原始图片进行拉普拉斯边缘增强处理和高斯滤波处理；

S12：对处理后的图片取像素点RGB最低值；

S13：当最低值低于其中一个像素值时，像素值取值范围[40-60]，该像素值赋值为RGB（0,0,0），否则，仍然保留原始值。

作为优选方案，所述步骤S1包括步骤如下：

S11：新建与原始图片尺寸大小相同的单通道空白图片，采用纵向的边缘特征提取，对原始图片每个像素点求取纵向的梯度差值替换对应位置空白图片中的像素值，再对该空白图片，采用像素值增强算法，每个像素值取横向相邻3个像素的最大值作为本像素值，形成纵向边缘特征图片。