一种复杂环境下的电力线检测方法

从具有复杂地物背景的无人机拍摄图像中快速准确地检测到电力线,是树障清理机器人在工作中的一个关键问题。通过分析图像中的电力线的特征,提出一种复杂地物背景下电力线检测的方法。首先对原始图像进行图像均衡处理,增强电力线与背景之间的对比度;采用Hessian算法对电力线边缘进行提取与对比;进一步利用Hough变换实现对电力线的提取,并通过聚类方法对直线进行筛选,最终获得完整的电力线。实验结果表明,本方法在复杂背景下,对电力线提取的准确率较高,且提取出的电力线完整程度较好。     

基于特征检测的航拍图像电力线提取方法

在分析输电线路无人机巡检系统航拍图像中电力线特征的基础上,针对单一Ratio算子和Hough变换提取电力线效率低、效果差的不足,提出一种基于特征检测的电力线提取算法.首先,运用Ratio算子检测直线像素点并运用Hough变换的方法提取图像中的直线信息;然后,运用特征检测算法对电力线进行提取;最后,通过实验验证了所提算法能够从复杂的自然背景中完整提取电力线,同时能有效避免漏检、误检等情况,并有较好的噪声抑制能力.该研究为电力线典型故障的检测识别提供了有力支撑,具有较好的工程应用价值.     

基于LSD算法的航拍影像电力线提取

针对输电线路提取方法的现有研究,分析了当前主流的电力线提取方法——LSD (Line Segment Detecto)算法,根据算法的基本原理及电力线的布设特征,设计了一种结合图像增强和LSD算法的无人机影像电力线提取方法,首先对图像进行预处理和图像增强,结合Canny算子对图像进行LSD算法提取,将结果中的小线段进一步提取出像素点的坐标,之后根据筛选后的像素点坐标进行线段拟合,得到最终电力线结果。采用无人机航拍的影像进行实验。结果表明,本方法在复杂地物背景下对电力线提取的检测速度较快,稳健性强。对电力巡线具有较大的实际意义。     

基于LSD与统计分析的航拍图像电力线提取方法

针对现有电力线提取算法在复杂场景环境下准确率低、稳定性差的问题,提出了一种基于直线段检测(LSD)与统计分析的航拍图像电力线提取方法。首先利用LSD算法提取图像线段基元,统计分析确定电力线主方向,剔除非主方向的干扰线段,构建电力线线段基元池;然后根据侧向距离对线段基元进行分组与二次筛选,确定电力线基元组;最后通过拟合线段基元实现电力线的提取。实验结果表明,该算法可以有效抑制航拍图像背景的干扰,实现直线型电力线检测与悬链型电力线的检测,具有准确率高、稳定性好等优点。     

基于航拍图像的输电线路异物识别

为提高无人机电网巡线故障点排查的效率,针对输电线路走廊悬挂异物的潜在故障,提出一种可从大量航拍输电线路图像中筛选出挂有异物的图像的方法.基于形态学算法改进Otsu(最大类间方差)自适应阈值分割算法分割图像背景,提出一种新的基于输电线路特征的滤波方法进一步滤除背景;通过梯度法获取电力线的边缘,选取Hough变换累加器中局部极大值个数与最终检测到的线路数量作为异物特征向量来识别异物.最后,开发出批处理系统识别验证.结果表明,该算法能将挂有异物的电力线图像准确识别,为输电线路可靠性提供保障.     

基于无人机航拍图像的输电线异物检测算法研究

目前无人机电力线巡检已成为热点，但采用人工解译的方法对航拍图像中电力线异物判别效率低下。因此，为实现无人机智能高效巡检，提出一种基于电力线中线的异物检测方法。首先，采用先验知识与最小二乘算法对电力线图像中电力线的中心线准确提取;其次，对获取的中线经过像元的变化设定阈值判断电力线上是否有显著性异物，通过二值图像判断像元偏离电力线中心线距离进而辨别是否有颜色相近的异物;最后，采用RCF边缘检测和区域生长法对提取异物范围。该方法以电力线中线为基础，判断电力线上是否有颜色相似的异物，从而达到复杂背景下异物检测的目的。通过实验证明了该方法能有效地检测出输电线上存在的异物，并且准确度高、轮廓提取完整。     

航拍图像中电力杆号牌的检测与信息识别

电力杆号牌包含了塔杆的标号及其所承载的电力线的电压、线路位置等信息,是输电线路上必须装设的标志牌之一。当输电线路或电力设备发生故障时,通过杆号牌上的信息能够快速定位到电力设备的故障所在位置。无人机航拍技术与图像处理技术已经被广泛用于输电线路巡检中。为快速定位输电线路所在位置,提出了一种航拍图像中电力杆号牌的检测与信息识别方法,该算法先从航拍图像中精确定位并提取出电力杆号牌,然后对杆号牌中的文本信息进行识别与智能分类存储。实验结果表明该算法能精确提取出航拍图像中的电力杆号牌,并对杆号牌上的信息具有较好的文字识别效果,极大地方便了巡检工作人员,提高了巡检效率。     

复杂地形电力线机载激光雷达点云自动提取方法

针对传统电力线自动提取方法提取复杂地形下电力线效果较差的不足,从输电走廊机载激光雷达点云数据特征出发,在分析复杂地形下传统方法提取电力线问题的基础上,提出了一种电力线自动提取的新方法,并应用实际线路点云数据进行了可行性验证.所提方法首先通过空间划分将长距离、复杂地形转换为多个小距离尺度空间组合,基于子空间特征的差异化高程阈值分割算法实现地物点分离,解决了传统单一高程阈值分割法不能有效识别电力线与地物点高程重叠的不足,然后利用高程密度分割算法实现杆塔定位与电力线提取,并提高算法效率.案例试验结果表明,所提出的方法能实现复杂地形下和平坦地形下的电力线准确自动提取,且提取的正确率高,算法效率较好,提出的算法可用于工程.     

复杂背景下序贯显著性特征海面目标检测算法

根据人眼视觉显著性注意机制，提出基于序贯显著性特征的目标识别算法，把复杂背景下的目标识别问题转化为多特征的融合识别，将目标识别过程分成感兴趣区域检测和感兴趣目标检测两个子过程，并建立序贯显著性特征目标识别算法模型，序贯提取复杂图像区域的显著性特征，逐步缩小感兴趣区域范围，然后以基于D-S证据理论的多特征数据融合方法，通过多特征综合置信度的估计与分析，完成可靠的目标识别．试验研究表明，针对复杂背景下海面舰船目标，在相同的虚警概率下，该算法的检测概率比单一的不变矩算法和基于纹理特征算法平均要高20％．     

基于增强SVM算法的红外舰船图像识别研究

红外偏振成像技术是针对复杂环境中识别目标的重要技术手段,是近年来国内外红外成像技术研究的重点.针对近岸复杂背景下的军用舰船红外偏振图像目标识别问题,提出了一种基于机器学习的分类算法.首先提取图像HOG特征,结合SVM分类器正确检测出舰船目标和渔船目标;然后运用基于灰度的归一化模板匹配算法实现舰船目标的识别.仿真结果表明,该算法具有良好的性能,能够有效地识别红外舰船目标.     

基于共生矩阵和颜色特征的泡罩包装缺陷检测

提出了一种基于视觉的泡罩包装缺陷检测方法．首先将表面图像分成泡罩区和底板区两部：令．在泡罩区先采用基于HIS颜色空间的合成颜色特征矢量提取出药片边缘,计算药片属性,然后采用改进的闵可夫斯基距离法进行药片颜色匹配．底板区通过提取基于共生矩阵的纹理特征,采用反向传播神经网络分类器进行缺陷识别,实验证明：泡罩区采用的算法不仅药片边缘定位精度高,而且可有效检测药片的污物、色斑等缺陷;底板区采用的识别算法能够检测各种纹理的复杂缺陷．     

基于改进RCF和无人机影像的电力线检测研究

在电力线无人机自动巡检中,电力线边缘检测对提高输电线路检测精度有重要作用。目前,常用的RCF（Richer Convolutional Features for edge detection）算法在复杂背景下检测电力线时存在边缘模糊、在较低阶段产生的特征图包含太多噪声并在融合特征图时丢失多尺度信息等问题。对此,本文对RCF算法进行改进：1）使用具有平移不变性的下采样技术增强模型的鲁棒性;2）在RCF主干网络中引入CBAM（Convolutional Block Attention Module）机制,提高模型对电力线特征的表达能力;3）在RCF的侧输出网络中加入级联网络,借助基于通道注意力机制的多尺度特征融合模块对特征图进行融合,从而获得更优异的细节保持效果。实验结果表明：改进模型的最优数据集规模（Optimal Dataset Scale）、最佳图像比例（Optimal Image Scale）和平均精度（Average Precision）分别提高了0.7%、1.3%和1.7%,改进模型的检测结果噪声数量少、电力线更加清晰准确。     

复杂海面环境下船只边缘识别算法的改进

针对复杂海面环境下船只边缘识别问题,提出了一种融合Retinex图像去雾预处理和改进自适应阈值SUSAN边缘检测的算法,用来提取船只目标边缘特征.对由于不同场景海雾造成的图像模糊,采用Retinex预处理增强图像信息,然后对待检测目标像素剔除伪边缘点,采用自适应算法获取几何阈值t和最大类间方差(Otsu)的方法选取双阈值g,进而对图像进行边缘点检测、提取边缘特征.实验结果表明,融合后的算法能够有效提高复杂海面船只边缘检测的鲁棒性.     

用三次B样条小波检测航拍图像边缘

在智能目标识别与跟踪系统中，如何获取较为清晰的图像边缘至关重要，这也是提高系统目标识别率的关键．作者提出了使用三次B样条小波对航拍图像进行多尺度边缘检测方法，介绍了小波及三次B样条函数的性质，根据Canny的3个最佳边缘准则和检测对象的特点，设计了B样条小波检测算法，把不同尺度下得到的边缘图像进行多尺度聚焦，输出检测目标边缘图像．经实验对比分析，该算法在航拍图像边缘检测应用中优于直接使用Canny算法，可以得到较好的边缘信息，并且能够满足下一步目标识别与定位的要求．     

采用先验知识的边缘提取算法

针对传统的边缘提取算法,在提取边缘时,不完整、不连续,尤其在高噪声情况下,无法提取图像边缘等问题,提出一种基于先验知识的边缘提取算法.首先,学习与待边缘处理图像有相似纹理信息的图像,获得先验知识,对噪声图纹理进行修复;然后,再利用局部均匀稀疏度方法强化细节特征,弱化背景特征;最后,检测出图像边缘,达到提取图像边缘的目的...     

航空图像中线状目标的自动识别

本文构造了一个航空图像中线状目标的自动识别系统，其中包括低层目标的细化边缘提取，中层目标中心链的特征表达和高层的目标识别定位。整个过程充分利用人类关于线状目标的知识，提出了一系列针对线状目标特征的识别算法，解决了高噪声航拍图片中线状目标的边缘提取及边缘提取不连续所带来的识别难题，并用可靠的实验结果证明了系统的有效性和普适性。     

智能视频的公交客流量统计算法

为了解决复杂背景及运动状态下城市公交客流量的准确检测、识别与统计问题,提出了运动矢量跟踪方法,研究了公交乘客头部运动特征及客流量统计算法.传统的帧间差分、边缘检测等目标检测算法很难处理紧邻的多目标情况.利用类圆形处理提取类似圆形的目标连通域,对目标特征点进行运动矢量跟踪,实现了上、下公交车人数的准确统计.     

基于航拍图像的道路提取算法

针对航拍图像中的检测道路问题,提出了一种多方法融合的道路提取算法.该算法根据建立的颜色模型,应用图像分析技术分析道路的连接特性和宽度特征.运用Hough变换提取图像中道路像素,使用交集处理方法去除图像中的噪声.通过道路阴影颜色分析,噪声分类处理以及道路修复等技术,快速高效地从复杂的航拍图像中提取出道路.实验结果表明,与现有的道路检测方法相比,该算法具有检测准确、效率高等优点.     

基于小波变换的红外目标图像多尺度边缘提取

数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础.传统的空域微分算子等方法在对背景相对复杂的红外图像不能有效的提取目标边沿.针对红外目标-景间对比度小,边缘模糊的特点,提出了基于小波变换的多尺度边缘提取方法.实验结果验证了,该算法具有良好的检测效果.     

复杂背景下结合Graph Cut分割的车牌定位算法

复杂背景下的车牌定位算法是车牌识别技术的一个难点。提出了一种结合graph cut图像分割及边缘检测技术的车牌定位算法,通过图像分割算法去除图像背景边缘信息对车牌定位算法的干扰,测试表明该方法有效提高了复杂背景下车牌定位算法的准确率。