[发明专利]一种基于Radon变换的电力线检测方法在审
申请号: | 202111000267.7 | 申请日: | 2021-08-27 |
公开(公告)号: | CN113724277A | 公开(公告)日: | 2021-11-30 |
发明(设计)人: | 刘景景;刘传洋;陈林 | 申请(专利权)人: | 池州学院 |
主分类号: | G06T7/12 | 分类号: | G06T7/12;G06K9/46;G06T7/00;G06T7/13 |
代理公司: | 合肥中博知信知识产权代理有限公司 34142 | 代理人: | 管秋香 |
地址: | 247000 *** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 radon 变换 电力线 检测 方法 | ||
1.一种基于Radon变换的电力线检测方法,其特征在于,包括以下步骤:
S1、获取无人机航拍可见光图像,消除无效照片、进行图像裁剪;
S2、对步骤S1得到的图像进行灰度化处理,得到灰度图像;
S3、对灰度图像进行Sobel算子边缘检测处理,获得边缘图像E(x,y);
S4、基于Radon变换算法对边缘检测图像E(x,y)中的电力线进行直线特征提取。
2.如权利要求1所述的一种基于Radon变换的电力线检测方法,其特征在于,所述步骤S2获得的灰度图像为Gray(x,y)=0.2989R+0.5870G+0.1140B,其中,Gray(x,y)为灰度图像,R、G、B为航拍图像的3个通道的像素分布函数。
3.如权利要求2所述的一种基于Radon变换的电力线检测方法,其特征在于,所述步骤S2采用基于Hessian矩阵的图像增强方法增强图像中的线性部分,图像I(x,y)的各点处的Hessian矩阵为通过计算Hessian矩阵特征值λ得到增强后输出图像其中V(x,y)为图像增强结果,λ代表Hessian矩阵特征值的最大值,R表示团块度度量,S表示平滑度度量,β是R的调整参数,c是S的调整参数。
4.如权利要求1所述的一种基于Radon变换的电力线检测方法,其特征在于,所述步骤S3中的Sobel算子包括4方向的检测模板,分别为水平方向、45°方向、垂直方向和135°方向边缘检测模板。
5.如权利要求4所述的一种基于Radon变换的电力线检测方法,其特征在于,所述水平方向边缘检测模板为45°方向边缘检测模板为垂直方向边缘检测模板为135°方向边缘检测模板为
6.如权利要求5所述的一种基于Radon变换的电力线检测方法,其特征在于,所述Sobel算子边缘检测具体包括如下步骤:
S3.1、将每个方向的检测模板在图像中从一个像素移动到另一个像素,每个模板的中心像素在图像中位置一致;
S3.2、将每个模板中的系数与图像像素相乘并累加;
S3.3、将步骤S3.2中4个方向检测模板计算所得的数值进行比较;
S3.4、将模板中最大值作为灰度值赋给模板中心对应的图像像素,最大值对应的检测模板方向为当前像素的边缘梯度方向;
S3.5、重复以上操作直至检测模板遍历整个图像,从而获得边缘检测图像E(x,y)。
7.如权利要求6所述的一种基于Radon变换的电力线检测方法,其特征在于,所述基于Radon变换的特征提取步骤如下:
S4.1、计算Radon矩阵T(ρ,θ),其中D为x-y平面,E(x,y)为像素点在(x,y)上的灰度值,δ为Diracdelta函数,保证E(x,y)的积分沿直线进行;
S4.2、选取电力线倾斜角度θ,将Radon矩阵T(ρ,θ)的前N个点作为候选池;
S4.3、使用k-mean++聚类算法对候选池中的角度进行聚类,得到最接近的电力线倾斜角度θ;
S4.4、删除不平行的线条,且合并彼此接近的线条;
S4.5、在原始图像上标记出检测结果。
8.如权利要求7所述的一种基于Radon变换的电力线检测方法,其特征在于,所述步骤S4.2中N取值为20-30。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于池州学院,未经池州学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111000267.7/1.html,转载请声明来源钻瓜专利网。