[发明专利]一种基于航空图片的输电线识别方法

说明书

本发明涉及一种基于航空图片的输电线识别方法，利用多任务深度卷积神经网络，在实现输电线检测基础的同时，也完成了输电线识别任务，给出不同输电线的导航点，具有精确度高、鲁棒性强、约束条件较少等优点；并且由于利用了多尺度深度信息特征，对外界的复杂环境具有很好的适应性，不必要求输电线路目标在图像中占明显位置和较大的比例，因此非常适合用于电力巡线视频监控系统中，如此使用多任务深度卷积神经网络等图像处理和模式识别技术，实现野外航拍图像中输电线的自动检测和识别，最终为智能巡线系统中提供一种新的数据采集和环境感知方式。

技术领域

本发明涉及一种基于航空图片的输电线识别方法，属于图像处理和模式识别技术领域。

背景技术

随着飞行器技术和电力产业的发展，越来越多的图像数据通过各种巡线飞行器收集起来，实现可以代替人眼的智能自动监控功能，并将其应用于实际巡线系统中，成为视频监控和智能电力巡线领域共同研究的目标。

输电线位置信息作为输电线路的一项基本信息，在电力巡线中起着重要的作用。输电线自动识别系统可以广泛应用于野外巡线过程，实现飞行器自动导航与避障、输电线路故障监控区域选取等等。但是输电线视频监控系统的应用中，由于摄像机搭载在飞行器之上，其拍摄场景和视野较为广阔，因此输电线目标并不十分明显，与配电站固定视频监控拍摄的图像有较大差别；同时飞行器的飞行姿态也会带来拍摄角度的不确定，应用中需要考虑到监控场景中可能存在的复杂背景和多变的天气、光照等外界环境。

经对现有技术文献的检索发现，目前几乎所有的输电线检测方法仅仅通过人为规则来进行输电线之间的区分；诸如Z.R.Li等人于2010年发表在《Machine Vision andApplications(机器视觉与应用)》的论文“Towards automatic power line detectionfor a UAV surveillance system using pulse coupled neural filterand animproved hough transform(利用脉冲耦合神经网络和改进的霍夫变换实现无人机监视系统的自动电力线检测)”仅靠输电线之间的平行关系来去除误检线段，并判断输电线线段的归属。

发明内容

本发明所要解决的技术问题是提供一种基于航空图片的输电线识别方法，针对航空图像进行处理，能够高效实现输电线位置的识别。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于航空图片的输电线识别方法，用于针对包含输电线的目标航空图像，实现其中输电线的识别，包括如下步骤：

步骤A.获取预设数量包含输电线的样本航空图像，并分别针对各幅样本航空图像，标记其中各输电线的序号、以及针对各输电线进行标记，然后进入步骤B；

步骤B.分别针对各幅样本航空图像，根据其中输电线的标记，获得输电线位置像素值为1、其余位置像素值为0的样本二值图，同时获得包含各输电线连线的样本灰度图，即获得各幅样本航空图像分别所对应的样本二值图与样本灰度图，然后进入步骤C；

步骤C.以各幅样本航空图像、以及其所对应的样本二值图与样本灰度图作为输入，针对基于预设卷积神经网络、所设计具有二值分割图与像素多维特征图两个分支输出的神经网络，进行样本训练，获得目标神经网络，然后进入步骤D；其中，二值分割图中输电线位置像素值为1、其余位置像素值为0；

步骤D.应用目标神经网络，针对目标航空图像进行处理，获得目标航空图像所对应的二值分割图与像素多维特征图，然后进入步骤E；

步骤E.根据目标航空图像所对应的二值分割图与像素多维特征图，基于像素的多维特征，针对其中输电线位置的全部像素进行聚类处理，即由各个聚类中的全部像素分别构成目标航空图像中的各根输电线，实现输电线识别。

作为本发明的一种优选技术方案：还包括步骤F如下，执行完步骤E之后进入步骤F；