航拍图像中绝缘子的提取算法

徐耀良，张少成，杨 宁，赵万剑，祝 毅

(上海电力学院电力与自动化学院，上海 200090)

我国地域辽阔，各地区的地形、气候等自然环境差异较大，架空输电线路经常需要经过高山、江河、湖泊地区，并且经常遭遇严重覆冰等自然灾害，使得传统的人工目测巡线方式存在工作量大、效率偏低、检测准确率低且危险性高等缺点.因此，使用直升机巡线航拍，并利用图像处理技术检测故障是未来巡线方式的必然发展方向［1］.

绝缘子是架空输电线路的重要组成部分，其作用是支撑导线和防止电流回地.因此，利用数字图像处理技术从航拍图像中提取绝缘子图像是架空输电线路故障自动检测的基础步骤.目前，国内外文献大多采用边缘检测方法对绝缘子图像进行定位［2，3］，取得了较好的效果.但是由于输电线路走廊背景的复杂性，一般的航拍图像中都存在着大量干扰噪音，使得边缘检测算法非常复杂，既影响了绝缘子图像的提取速度，也影响了图像精度.针对这些缺点，本文提出了一种基于阈值分割与二次定位的新提取算法，能够从复杂背景的航拍图像中获得比较精确的绝缘子图像.

1 提取算法的框架

本文的提取算法针对航拍图像的饱和度分量进行处理，分为预处理、粗定位、细定位3部分.该算法通过阈值法分割绝缘子图像与背景图像，并使用高斯滤波器与形态学滤波器去除干扰提取的噪音.算法框架如图1所示.

图1 提取算法框架

2 图像的预处理

运用计算机显示和处理图像时必须基于颜色空间模型，RGB空间与HSI空间则是最常用的颜色空间模型.直升机航拍的输电线路绝缘子图像就是基于RGB空间，如图2所示.

图2 绝缘子航拍图像

RGB颜色空间简单、直观，但是存在着两点不足:一是对物体的颜色描述复杂，各个分量之间冗余信息很多;二是RGB空间中两点的欧氏距离与实际颜色距离不是线性关系，因此难以控制阈值范围，在图像分割时容易将非目标物体包括进去，也容易漏掉应识别的部分.

而HSI颜色空间模型则使用色度Hue、饱和度Saturation、亮度Intensity 3个分量描述色彩，比较接近人眼感知［4，5］.因此本文算法采用了基于HSI的颜色空间模型.RGB分量到HSI分量的转换公式为:

通过研究大量的绝缘子航拍图像发现，HSI空间中的色调分量能够准确反映目标颜色，但由于对外界光照条件变化不敏感，不易将绝缘子与背景中的水、树木分离;亮度分量只反映目标明暗程度，也不适合用来提取绝缘子;饱和度分量能够准确反映绝缘子与背景的差异.因此，本文选用饱和度分量图提取绝缘子图像［6］.

由于架空输电线路附近存在较强的电磁环境，使得航拍时不可避免地产生一些干扰噪音，而且输电线走廊的背景也比较复杂，存在着许多干扰绝缘子识别的物体.因此，在分割图像前需要进行滤波平滑.本文选择高斯滤波器对图像进行滤波平滑，其作用主要有两个:一是降低图像的细节层次，减少背景中的细小噪音;二是平滑边缘，减弱大尺度的噪音，使其更容易被滤波器滤除.

高斯滤波器的性能由其标准差δ控制，其值与去噪效果成正比，但与边缘锐度成反比。由于本文使用阈值法而非边缘检测法分割图像，因此可以选取较大的δ值而不影响提取效果。

通过使用高斯滤波器对图像进行平滑处理后，发现高斯滤波器能够明显减少背景中的细小噪音数量并缩小大尺度噪音，但对于图像特征类似于绝缘子的干扰噪音，则难以消除.

3 提取绝缘子图像

经过预处理后，原始的RGB航拍图像已经转化成S分量图，并且滤除了大部分的干扰噪音，可以进行绝缘子的提取.为了降低剩余噪音对绝缘子提取的干扰，本文算法使用了二次定位法，即先通过粗定位选定绝缘子的大致位置，再通过细定位确定绝缘子的精确轮廓.

3.1 绝缘子粗定位

3.1.1 双阈值分割

经过预处理所得的饱和度分量图像仅仅是一个矩阵数组，计算机还无法辨别其中的目标部分与背景部分，因此需要对图像作进一步的处理，标记出目标图像.本文选择阈值法标记目标图像.

考虑到输电线走廊环境中经常出现一些图像特征与绝缘子相似的干扰物体，简单的单阈值分割法无法准确地将它们与绝缘子图像分离.本文使用双阈值法来分割图像，方法如下.

式中:f(x，y)——原图;

g(x，y)——分割后的图像，分割后的图像将目标标记为1，背景标记为0.

双阈值法能够有效避免与绝缘子图像特征相似物体的干扰，可以更准确地标记出绝缘子的位置.

3.1.2 形态学滤波

经过双阈值法分割图像后，已经可以将绝缘子从复杂背景中标记出来.但由于分割后的图像还存在很多的块状和线条状区域，影响粗定位的准确度，针对这些噪音，本文采用了形态学滤波器进行滤除.

形态学滤波是非线性的滤波方法，它用一定的形态学结构元素来保留或消除图像中的对应形状，达到滤波效果.形态学滤波算法包括形态学运算和结构元选取两个部分.膨胀和腐蚀是最基本的形态学运算，它们互为对偶运算，其定义如下.

膨胀运算:dilation(A，B)={c│c=a+b，a∈A，b∈B}.

腐蚀运算:erosion(A，B)={a│(a+b)∈A，a∈A，b∈B}.

对图像先腐蚀再膨胀称为开运算，可以清除图像某些微小的联结、边缘毛边和孤立点;先膨胀再腐蚀则称为闭运算，可以用来填充孔洞，提高图像的连通性.形态学滤波器的滤波性能主要取决于结构元素的选取，常用的结构元素有线结构元、方结构元和圆结构元等［7］.

本文使用了双结构级联滤波器，将两种不同结构和尺寸的结构元级连起来，后面的结构元尺寸大于前面的结构元.由于不同的结构元对图像的作用并不相同，通过调整结构元之间开闭运算的顺序，双结构级联滤波器就可以消除不同的“毛刺”，填充不同的“孔洞”.本文先使用5×5的圆盘结构元对图像进行闭运算，再使用9×9的方形结构元对闭运算后的图像进行开运算，最终的滤波结果如图3所示.对形态学滤波后的图像进行垂直投影与水平投影，即可标记出绝缘子的大致位置.根据图3的投影标记，可以提取出如图4所示的绝缘子粗定位图.

图3 滤波后的绝缘子标记

图4 绝缘子粗定位

3.2 绝缘子细定位

经过前面的粗定位后，获得了如图4所示的绝缘子图像，相较于原来的完整图像，其背景噪音明显减少，可以进行绝缘子的细定位.其步骤如下:先增大阈值范围将粗定位图二值化，再使用更小尺度的双结构级联形滤波器对图像进行平滑标记，得到如图5所示的绝缘子标记图像，从而准确提取出如图6所示的图像.

图5 绝缘子细定位标记

图6 提取出的绝缘子

4 结语

本文提出的算法充分考虑了直升机航拍图像中背景图像的复杂性，使用了两次定位法以提高提取绝缘子图像的准确度，通过多种方法对航拍图像进行去噪处理，其计算实例表明:该算法确实能够有效地滤除航拍图像中的细小噪音与相似物体，可以提取出准确的绝缘子图像.

［1］马帅营.直升机巡检输电线路中绝缘子图像的分割方法［D］.大连:大连海事大学，2009.

［2］PEUNGSUNGWAI S，PUNGSIRI B，CHAMNONGTHAI K.Autonomous robot for a power transmission lines inspection［J］.Circuit and Systems，2001(2):121-124.

［3］刘国海，朱珠.图像处理技术在超高压巡检机器人视觉系统中的应用［J］.计算机工程与设计，2009，30(1):136-140.

［4］贺详，袁健，许华虎.不稳定光照条件下多机器人的视觉系统设计［J］.上海大学学报:自然科学版，2010，16(3):306-311.

［5］阴炳皓，赵臣，韩晓军.基于改进的HIS空间模型的目标搜索方法［J］.河北工业大学学报，2003，32(1):6-10.

［6］WS Kim，RH park.Color image palette construction based on the HIS color system for minimizing the reconstruction error［C］//Proceeding ofInternationalConference on Image Processing，1996(3):1 041-1 044.

［7］陈芳，姚建刚，李佐胜.绝缘子串红外图像中单个绝缘子盘面的提取方法［J］.电网技术，2010，34(5):220-224.