[发明专利]一种基于模板匹配的输电线杆塔鸟巢识别方法

说明书

技术领域

本发明涉及模板匹配，具体涉及一种基于模板匹配的输电线杆塔鸟巢识别方法。

背景技术

经济发展不仅使城乡电网负荷快速增长，也对供电可靠性和供电质量提出了更高的要求。 我国的电力线路走廊，经常需要穿越各种复杂的地理环境，频繁经过湖泊水库以及崇山峻岭 等，输电线路这种覆盖范围大、分布区域广、传输距离长、地理条件复杂多变及受环境气候 影响显著等特点，给线路的日常运行、维护和检修带来极大挑战。

输电线路的巡视一般采用人工巡视方式，这种方法虽简单，但效率较低，周期较长，且 需要配备大量光学设备和素质高、经验丰富的巡线人员，对人力、财力的要求较高。随着我 国基于无人机的输电线路巡检技术的发展和应用，对于如何在复杂的自然背景下，利用图像 处理技术，从航空影像中自动精确地提取线路设备(如导线、绝缘子等)，准确识别检测其 缺陷，成为一项关键技术问题。

目前，大部分基于无人机输电线路巡检技术的研究都是关于导线的断股和异物悬挂、绝 缘子缺失等缺陷检测。而对于输电线杆塔横鸟巢识别技术的研究却少之又少。同时，由于图 片背景较为复杂，难以获得令人较为满意的检测效果。杆塔是输电线路中的重要部件，一旦 出现故障隐患，将直接威胁高压电网安全，甚至造成难以估量的损失。

本文针对这一不足，重点研究了航拍图像中的杆塔鸟巢的识别。

发明内容

本发明公开了一种基于航拍图像的输电线杆塔鸟巢识别方法，主要内容包括航拍图像预 处理、利用模板匹配法检测鸟巢、显示匹配结果。

本发明的总体设计思想是：由于航拍图片背景比较复杂，且拍摄角度不固定，本文首先 将航拍图从GRB空间转换为HSI空间。为了减少运算量，提高识别速度，通过对图片进行 降维处理，然后分别在H和S通道上做预处理。经过预处理后，载入准备好的模板，利用模 板匹配法将待识别的图像与模板图像进行信息区叠加，对叠加后的图像进行匹配像素统计， 从而得到匹配系数，取匹配系数最大值为最佳匹配。图1是该方法总体流程图。

附图说明

图1主程序流程图；

图2-1加椒盐噪声图与自适应滤波后对比截图；

图2-2 HIS单通道图像；

图2-3 HIS单通道图像阈值分割；

图2-4 H和S通道阈值分割后取交集效果；

图2-5 Sobel算子；

图2-6 Sobel边缘检测效果图；

图3-1模板匹配过程；

图3-2鸟巢模板；

图3-3鸟巢识别结果。

具体实施方式

图像预处理

由于不存在完美状态，在获取图像过程中不可避免总会引入各种噪声，不仅妨碍感官， 更会妨碍后续图源信息的理解和分析，给处理结果造成误差，因此，在对图像处理之前一般 会所得目标图像进行去噪处理。滤波是信号处理中的概念，目的是将信号中特定波段的频率 滤除，为去噪中很经典的处理方法。

自适应中值滤波

中值滤波效果依赖于滤波窗口的大小，太大使边缘模糊，太小了则去噪效果不佳。因为 噪声点和边缘点同样是灰度变化较为剧烈的像素，普通中值滤波改变噪声点灰度时，也将一 定程度改变边缘像素的灰度值。而噪声点像素值几乎都是邻域内的极值，但边缘通常不会是， 则能利用这一特征来限制中值滤波。

具体的改进方法可为：逐行扫描图像，当处理每一个像素时，判断该像素是否是滤波窗 口覆盖下邻域像素的极大值或者极小值。如果是，则采用正常的中值滤波处理该像素；如果 不是，则不予处理。这种方法能够非常有效地去除突发噪声点，尤其是椒盐噪声，并且几乎 不影响边缘。对比图如图2-1所示。

在本发明中，因其相邻各点有很强的相关性，边缘特征又要保证不被模糊，所以中值滤 波法最合适。

空间变换及处理

HSI色彩空间用色调(Hue)、色饱和度(Saturation)和亮度(Intensity)来描述色彩。用色调和 饱和度表示颜色的类别与深浅程度，用亮度指示颜色的相对明暗度。HSI色彩空间将图像的 色度与亮度分开，为彩色图像处理提供了极大的便利，对于特定颜色，只需要针对H和S分 量，在平面进行分析处理，而忽略右侧的I分量。将航拍图像转换到HSI空间，并将三通 道分离，获取H和S分量单通道图像如图2-2所示。

由于图像分辨率比较高，计算耗费的时间就比较长。因此，在通道分离后，对图像大小 进行重置，减小为原来0.5倍，这样可以减少计算量，加快代码运行效率。接着分别对H和 S通道进行阈值分割，获取的前景图像如图2-3所示。