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.     

基于轻量级Fast-Unet网络的航拍图像电力线快速精确分割

为了满足光学航拍图像中电力线检测的实时性和高精度,提出了一种轻量级Fast-Unet网络电力线检测方法.它以Unet语义分割网络为基础,添加金字塔池化结构增强特征上下文信息的融合.设计深度可分离残差卷积运算,增加了网络深度且进一步减少了网络参数量.使用多损失函数训练Fast-Unet网络,缓解图像中前景与背景类别分布极...     

基于改进SURF-BRISK算法的航拍图像拼接方法

针对无人机航拍过程中由于像抖和倾斜透视形变等因素会影响后续的图像拼接效果的问题,结合有一定规则形状的航拍对象,提出一种基于改进SURF-BRISK算法的航拍图像拼接方法。首先通过改进的SURF算法进行特征检测,然后通过BRISK算法进行特征描述,接着使用Hamming距离进行特征匹配,使用RANSAC算法对匹配点进行提纯并计算单应性矩阵,以及使用双线性插值法对图像进行插值,最后通过加权融合法进行融合,进而实现大视场航拍图像的快速准确拼接。以光伏电场航拍图像为例进行实验测试,结果表明,相较于经典的SURF算法以及现有的SIFT等图像拼接算法,改进SURF-BRISK算法的特征检测时间平均缩短了43.14%,并且检测到的特征点分布较均匀,在存在各种变换的图像之间保持79.44%的重复率,稳定性强;在特征描述中,BRISK算法所用时间是SURF的三分之一,且特征匹配正确率高达91.56%。研究结果为有规则形状的航拍图像拼接提供了新的参考方法。     

基于优化ResNet的输电线路航拍图像分类方法

图像分类算法常被搭载在无人机系统中,以剔除无人机巡线过程中采集到的大量无用数据.针对这一问题,本文在分析了无用图像及有用图像特征的基础上,提出了一种基于卷积神经网络的输电线路智能图像筛选方法.收集无人机巡检捕捉到的航拍图像,并以此为基础建立了一个输电线路航拍数据集,基于ResNet优化并利用航拍图像数据集训练该网络,经...     

一种基于CNN的航拍输电线路图像分类方法

输电线路场景的复杂程度较高,经典卷积神经网络对输电线路场景数据集的分类效果较差。为了解决这一问题,利用卷积神经网络的优势,提出了一种基于VGG-19的优化网络结构,并将此优化网络应用在输电线路场景数据集的分类中,优化网络的分类准确度为95.1%。实验结果表明本文提出的优化网络相较于经典的卷积神经网络有更好的分类效果。     

基于航拍图像的人员实时搜寻机制与分析

通过传统图像处理方法将航拍图片旋转后进行前景分割、计算轮廓和生成标识框的方法增加训练样本中不同拍摄视角下样本的数量,使得训练样本具有更全的代表性。算法方面针对小目标检测,通过在原有YOLO目标检测算法的基础上加入图像超分辨率功能形成SR-YOLO网络模型,并对原网络模型中的归一化层和残差层层数进行调整。应用SR-YOLO网络模型使用经过旋转扩充后的数据集进行训练,得到"人"的目标检测模型。通过实验数据分析,此模型在航拍场景下目标的识别率较原网络结构有所提升。     

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拼接算法的优化

目的为了提高无人机航拍图像拼接的精度,深入研究了航拍图像拼接中提取特征点的算法,并对原算法加以优化.方法在图像特征点提取的SIFT算法中,设计了一种将Harris角点检测算子融入SIFT特征点提取的优化算法,优化后可以突显获取到的特征点的独特性.结果利用优化算法获取图像特征角点,可以降低实验过程中所消耗的检测时间,有效地改善了SIFT算法中匹配数据量大及过程繁琐的弱点,同时优化算法简化了图像特征点匹配的计算过程,降低了计算量,提高了实验效率.结论优化算法可以去除大量的类匹配点,使图像特征点的独特性更加明显;也提高了图像的配准精度,增强了关键点的稳定性,在关键点的匹配速度和准确率上有积极的影响.     

基于机载LiDAR系统的电力线点云提取方法研究

针对野外地形高度起伏大、走向复杂、杆塔形式多样且点云密度不均匀等造成电力线点云提取精度低的问题,文章提出一种自动化精度高的新型电力线点云提取方法。根据电力线走向对整体点云进行分块处理;使用迭代高程阈值法计算得到最佳高程分割阈值,将地面点、地物点与电力线点进行分割;采用DBSCAN密度聚类法聚类出杆塔点并进行剔除,对于误分到杆塔点的部分电力线点结合点云高程搜索进一步提取出来;使用欧式聚类法对单根电力线点进行精提取。实际输电线路点云数据实验表明,该方法电力线总提取精度为99%,实现了电力线点云的自动、高效提取,可满足实际电力巡检生产需求。     

航拍图像中绝缘子串的轮廓提取和故障检测

针对绝缘子爆裂和缺失将导致整个输电线路绝缘能力下降的常见故障,提出一种通过计算绝缘子数目实现故障检测的算法.输电线路绝缘子串中绝缘子数目相对固定,通过计算绝缘子的数目,进而达到故障检测的目的,可应用于航拍直升机智能巡检系统中.利用Otsu算法与形态学滤波对图像进行预处理;提出免疫遗传Snake算法优化绝缘子串凹陷区域边界,得到较为完整的绝缘子串轮廓;用椭圆拟合和连通区域方法计算出绝缘子的数目.该算法能够有效地提取绝缘子轮廓并计算出绝缘子数目,为进一步实现精准、稳定检测绝缘子缺失和爆裂等故障奠定了良好的预研基础.
     

航拍图像中绝缘子串的识别与分割方法研究

为实现航拍图像中绝缘子串的识别与分割,以Faster R-CNN和全卷积神经网络(fully convolutional networks,FCN)为框架构建了深度学习算法,并以算法为核心搭建了绝缘子串图像检测平台.算法首先使用Faster R-CNN模型,结合Resnet-101深度残差卷积神经网络,对所有感兴趣区域进行分类,再对Bounding Box回归和坐标进行修正,用于绝缘子串的识别,接着以FCN网络为基础,通过微调使原网络适应新的绝缘子串数据集,实现了在复杂背景下绝缘子串的语义分割.实验结果表明,文中给出的方法与已有方法相比,不仅能够在不同光照条件、不同拍摄角度以及复杂背景干扰下实现绝缘子串的识别与分割,且处理时间短、精度高和鲁棒性强.     

基于Matlab的图像曲线数据提取方法

对于文献中图的曲线数据的提取,提出一种通过采集像素点来识别曲线坐标的方法,并通过Matlab软件实现.首先用滤波器去除图片噪声,并确定用于灰度图转化为二值黑白图的阈值,然后通过搜索坐标框在灰度矩阵中的位置来确定真实坐标与灰度矩阵坐标的比例因子,最后获取曲线各像素点在灰度矩阵的坐标,并乘以比例因子得到曲线各点的坐标值.对曲线图像进行处理的结果表明,这种方法提取的数据准确,相对误差在-0.7%～+1.2%范围内,精度取决于原图像像素点的数目.     

基于模板的图像角点提取方法

采用模板的检测策略,提出了一种自动获取图像角点的新方法。根据角点的特征设计了3×3的矩形模板,这些模板包含了所有角点图像的可能模式,然后根据编码准则对这些模板进行编码。在提取图像角点时,先对图像进行降噪、膨胀、细化等一系列处理,再使用模板对图像进行角点检测,从而确定角点的位置。实验证明,与Harris算法相比,这一算法无需人工干预,能够自动确定角点位置,并且角点的平均位置偏差在1个像素内。     

基于深度学习的蜜柚果树航拍图像检测

精细化、智慧化是果园管理的必然发展趋势,其中果树位置信息是果园管理的重要数据。为了快速获取井冈蜜柚果树的位置,利用无人机航拍获取蜜柚果园的正射影像,提出了一种用于检测蜜柚果树目标的SSD改进算法。该算法将原SSD算法的主干网络VGG替换为VoVNet,提高了特征提取能力。对样本数据进行了裁剪处理,有效提高了算法检测小目标的能力。实验结果表明,蜜柚果树目标的平均检测精度达到92.6%。     

基于改进SIFT的无人机航拍图像快速匹配

针对无人机航拍图像快速匹配问题,传统的SIFT算法复杂度高,处理时间长,为了满足实时性的要求,提出一种改进的SIFT算法.首先将特征点的矩形区域改为圆形区域,对描述子进行降维,然后借助绝对距离和余弦相似度进行双重匹配,最后再通过RANSAC算法剔除误匹配点.实验证明,改进的SIFT算法在尺度缩放、旋转、光照等情况下均有良好的匹配效果,与原算法相比,在保证匹配精度的同时很好的提高了匹配速率,验证了算法的实时性、有效性.     

校园航拍图像超分辨率重建的粒计算方法

提出了校园航拍图像超分辨率重建的粒计算方法,包括:(1)提出了图像粒化方法,实现图像空间向粒度空间的转化;(2)设计粒之间合并运算和分解运算,构造粒之间的模糊包含关系μ和σ,实现不同粒度空间之间的转化,获取图像的先验知识,指导校园航拍图像超分辨率重建算法的设计;(3)根据自顶向下、自底向上两种模式和图像先验知识,设计校园航拍图像超分辨率重建粒计算算法,实现粒度空间向图像空间的转化.实验验证了提出方法的可行性.     

基于支持向量机的图像深度提取方法

在目前的2D-3D视频转换技术的研究中,大多数方案都是利用一种线索或者几种线索简单组合的方法来提取图像的深度信息,导致方案的受场景限制而准确性不高.为了提高深度提取方案的准确性,提出基于支持向量机的图像深度提取方法.该算法通过支持向量机的学习获得各线索合理的结合原则,利用图像中提取的纹理变化、纹理梯度以及雾度等线索进行深度预测,从而提高深度提取算法的准确性,实验结果表明该算法是有效的.     

基于梯度互信息与均匀设计PSO的航拍图像配准

基于互信息的图像配准算法精度较高,且易于实现自动配准,适合于无人机航拍图像配准.但在利用粒子群算法搜索最佳配准参数时,随机分布的初始粒子群容易集中在参数空间的某一区域,使算法陷入局部极值而得不到准确的配准结果;针对这一问题,提出一种新的图像配准算法,算法采用均匀设计思想改进粒子群算法,使初始粒子群能够均匀分布在搜索空间中,从而获得最佳配准参数;同时采用梯度互信息作为相似性测度,降低算法陷入局部极值的可能性.实验表明,新的算法能够更快更优地得到理想的航拍图像配准结果,验证了算法的有效性.