[发明专利]一种基于Radon变换的电力线检测方法

说明书

本发明提供一种基于Radon变换的电力线检测方法，涉及航拍图像电力线检测技术领域，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；S4、基于Radon变换算法对边缘检测图像中的电力线进行直线特征提取。本发明通过Hessian矩阵方法进行图像增强预处理，有助于边缘检测和特征提取正确识别出图像中的电力线；采用4方向梯度模板的Sobel算子进行边缘检测，大大提高了图像边缘识别效果；利用Radon变换算法进行电力线直线特征提取，可以有效克服霍夫变换算法的错检和漏检情况，具有高实时性和高鲁棒性的特点。

技术领域

本发明属于航拍图像电力线检测技术领域，具体涉及一种基于Radon变换的电力线检测方法。

背景技术

随着无人机控制和传感器技术的快速发展和航空数字相机分辨率的极大提高，无人机携带摄像设备在电力巡线方面得到广泛应用。然而，电力线检测及障碍物识别，对无人机飞行安全至关重要。电力线在图像中表现为细而长的线，传统的航空摄影测量的影像分辨率太低，无法检测到电力线，也就无法精确计算电力线的高度。Canny算子与霍夫变换结合常用来检测航拍图像中的电力线，Canny算子已用于电力线检测过程，主要优点是分割过程中计算时间短，但是这种方法的缺点是，当Canny算子用于检测像电力线这样的细元件时，可能在电力线两侧检测出两个边缘。虽然霍夫变换在线检测中表现出了较好的抗噪声能力，但在更复杂的背景下，如农田、树下杂草的干扰，其性能大大降低，有时电力线无法完全检测出来，而且还会检出一些无关的线段，如屋脊、杂草、道路等，容易造成错检和漏检，存在直线精度不高的缺陷。

发明内容

(一)解决的技术问题

本发明针对上述电力线检测的缺陷问题，提供了一种基于Radon变换的电力线检测方法，通过Hessian矩阵方法进行图像增强预处理，有助于边缘检测和特征提取正确识别出图像中的电力线；采用4方向梯度模板的Sobel算子进行边缘检测，大大提高了图像边缘识别效果；利用Radon变换算法进行电力线直线特征提取，可以有效克服霍夫变换算法的错检和漏检情况，具有高实时性和高鲁棒性的特点。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于Radon变换的电力线检测方法，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。

根据本发明的一实施例，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。

根据本发明的一实施例，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。

根据本发明的一实施例，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。

根据本发明的一实施例，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