[发明专利]应用于智能电网的输电线路可靠监测系统

权利要求书

1.应用于智能电网的输电线路可靠监测系统，其特征在于，包括：

采集模块，设置在现场，用于采集被监测的输电线路的图像信息，并将采集的输电线路图像实时发送到监控中心；

监控中心，接收由采集模块发送的输电线路图像，对该图像信息进行分析处理，提取输电线路图像中输电线路的轮廓及输电线路附近所有的异物轮廓，与预存的输电线路轮廓模板及电气部件轮廓模板进行对比，判断输电线路周围是否存在异物，当发现存在异物时发出预警信息；

其中，所述监控中心进一步包括：接收模块，用于接受由采集模块发送的输电线路图像；

分析处理模块，用于对接收的输电线路图像进行分析处理，提取输电线路图像中输电线路的轮廓及输电线路附近所有的异物轮廓，将提取的轮廓与预存的输电线路轮廓模板、电气部件轮廓模板及异物轮廓模板进行对比，识别输电线路周围的异物轮廓是否为电气部件或异物；当识别为异物时，进一步获取该异物的数量、大小、位置及种类信息；

警报模块，当判断输电线路周围存在异物时，根据所述异物的数量、大小、位置及种类信息生成相应预警消息或报警消息；

数据库模块，用于储存所述输电线路轮廓模板、电气部件轮廓模板、异物轮廓模板；

通讯模块，将由警报模块生成的预警消息或报警消息发送到管理终端；

其中，所述分析处理模块进一步包括：

预处理单元：用于对获取的输电线路图像进行预处理，去除所述图像中的高斯噪声和脉冲噪声，获取滤波图像；

轮廓提取单元：用于对所述滤波图像进行二值化处理，获取所述滤波图像中的轮廓信息；

轮廓匹配单元：根据获取的所述轮廓信息与预存的输电线路轮廓模板进行匹配，识别图像中的输电线路轮廓，并将输电线路周围的轮廓信息与预存的电气部件轮廓模板及异物轮廓模板进行匹配，识别出滤波图像中的电气部件和异物；

特征计算单元：当滤波图像中被识别出存在异物时，用于计算该异物的数量、大小及位置信息，并识别出该异物的具体种类；

其中，所述预处理单元，进一步包括：

脉冲噪声滤波子单元，对获取的输电线路图像进行除脉冲噪声处理，输出第一滤波图像；

高斯噪声滤波子单元，与所述脉冲噪声滤波子单元连接，对获取的第一滤波图像进行除高斯噪声处理，输出第二滤波图像作为所述滤波图像；

其中，所述脉冲噪声滤波子单元，具体包括：

依次遍历获取的输电线路图像Ψ的每个像素点，如果该像素点Ψ_x,y的灰度值h(Ψ_x,y)＝0或者h(Ψ_x,y)＝255，则标记该像素点是脉冲噪声点，否则标记该像素点为非脉冲噪声点；

分别对获取的脉冲噪声点进行处理，以脉冲噪声点Ψ_x，y为中心点，获取该脉冲噪声点Ψ_x，y的α×α邻域，其中α＝2r+1，r＝min(Δx,Δy)，其中Δx和Δy分别表示该脉冲噪声点与距离该脉冲噪声点最近的非脉冲噪声点的水平距离和竖直距离，α表示该邻域的尺寸；

对该脉冲噪声点Ψ_x,y进行去噪声处理，其中采用的去噪声函数为：

式中，h′(Ψ_x,y)表示去噪声后像素点Ψ_x,y的灰度值，表示以该脉冲噪声点Ψ_x,y为中心点的α×α邻域内的非脉冲噪声点集合，表示集合中像素点的灰度平均值，表示该脉冲噪声点Ψ_x,y为中心点的α×α邻域内与中心点的灰度值差小于设定的阈值H’的非脉冲噪声点集合；表示该脉冲噪声点Ψ_x,y为中心点的α×α邻域内与中心点的灰度值差大于或等于设定的阈值H’的非脉冲噪声点集合，g(θ_x，y)和g(θ′_x，y)分别表示集合θ_x，y和θ′_x，y中像素点的灰度中值，λ₁，λ₂分别表示设定权重因子；

依次将脉冲噪声点的灰度值h(Ψ_x，y)更新为h′(Ψ_x，y)，输出第一滤波图像。

2.根据权利要求1所述的应用于智能电网的输电线路可靠监测系统，其特征在于，所述采集模块包括：云台和图像采集装置，其中所述云台设置在现场的固定位置，所述图像采集装置设置在云台上。

3.根据权利要求1所述的应用于智能电网的输电线路可靠监测系统，其特征在于，所述高斯噪声滤波子单元，具体包括：

选取第一滤波图像中的其中一个像素点为中心像素点，分别获取该中心像素点与其γ×γ邻域中每个像素点的相似度，其中采用的相似度函数为：

式中，δ(x₀，x_(r))表示中心像素点x₀与邻域像素点x_(r)的相似度；h₀和h_(r)分别表示像素点x₀和x_(r)的灰度值，k_σ表示设定的调节参数；

根据邻域中像素点x_(r)与中心像素点x₀的相似度构造一个有序集合其中其中γ²-1表示邻域像素点的总数，其中r∈[1，γ²-1]；

根据有序集合对所述中心像素点进行除高斯噪声处理，其中采用的除噪声函数为：

其中，h′₀表示除高斯噪声处理后像素点x₀的灰度值，h_(i)表示有序集合中像素点x_(i)的灰度值，δ(x₀，x_(i))表示中心像素点与该有序集合中像素点x_(i)的相似度，表示自适应去噪因子，其中，式中，表示相似性累积和，Υ_z表示整数集合，Υ_z＝{1，2，…，γ²-1}；

依次遍历第一滤波图像内的所有像素点，分别对所有像素点进行除高斯噪声处理，获取像素点除高斯噪声处理后的灰度值，并根据像素点除高斯噪声处理后的灰度值获取第二滤波图像。