基于无人机图像的输电线自动提取技术*

夏 斌，张红阳，李 冶，郑日平，庞世强

(1.广东电网有限责任公司江门供电局，广东 江门 529000；2.江门电力设计院有限公司，广东 江门 529000)

电力系统规模逐渐扩大，其结构也变得更为复杂，人工巡检已不能满足巡检的需要[1-3]。与传统的人工检测方式相比，无人机检测不仅降低了检测成本，而且可以高效、安全地完成检测任务[4-5]。无人机航拍图像多以植物或建筑物为背景，输电线在航拍图像中的表现相对较弱。而图像中的道路和树木作为背景的一部分，也包含了许多与输电线一样的线性特征。所以在无人机航拍图像中，由于背景干扰，很容易导致误检或漏检[6]。

近年来，人们对输电线的检测方法进行了许多研究。文献[7]中提出了一种利用基于脉冲耦合神经网络的滤波器，可以使噪声得到效果较好的筛除。其有利于解决误检测问题，且定位精度较好，但算法较复杂，并且增加经验控制适应范围较窄。文献[8]中通过将基于方向约束的线性目标扩展到输电线目标上，并引入Radon 变换因子，从而有效抑制了非目标对象的干扰，该方法主要应用于识别近似水平方向的输电线。文献[9]中针对无人机图像中输电线两个方向的局部灰度分布进行滤波，对图像中的复杂背景信息进行弱化，使输电线目标得到增强，需经过多次迭代才能够成功提取出图像中所有输电线。

直线检测主要应用于线类目标物的检测，主要有基于边缘图像和基于图像梯度两种方法。其中基于边缘图像的方法主要采用Hough 变换，主要是因为Hough 变换的鲁棒性好，易于实现[10]。文献[11]就采用了Canny 算子与Hough 变换相结合的直线特征提取算法，但一些传统的边缘检测算子如Canny、Sobel、Prewitt 等传统边缘检测算子在抗噪性能以及线型特征检测精度方面表现出明显的不足[12]。而Ratio 算子受背景信息干扰较小、检测精度高，可以满足输电线路自动提取技术的要求。

本文为实现无人机图像中复杂背景信息下输电线的准确提取，利用Ratio 算子结合Hough 变换，对输电线路进行初步提取，并根据输电线路几何特征对直线段编组合并，能够快速、高效地完成对输电线目标的识别。

1 算法总体框架

算法设计总体流程如图1 所示。本文为实现复杂图像背景中输电线路的准确提取，主要思路为:首先采用Ratio 算子检测线路边缘，并结合Hough 变换完成对直线段初步提取，其次针对线路在空间中的几何特征，计算初步提取出的直线段的斜率，将相同斜率的直线段编为一个组别，那么相同组别中线段垂直距离最小的即可最终合并成一条输电线。需要注意的是，直线段端点的连接需设置合适的阈值，且遵循最小距离原则，则可以提取出完整的输电线路。

图1 算法设计总体流程

2 边缘检测与直线段提取

2.1 Ratio 算子检测输电线边缘

输电线像素的准确二值化图像是直线检测的基础[13]。考虑输电线航拍图像的以下特点:一方面，输电线拓扑结构简单，可以近似看作直线，且相互平行；另一方面，输电线的宽度通常只占1 个～2 个像素，而输电线检测图像的背景通常是自然的山脉、森林和建筑物，因此提取其像素比较复杂[14]。使用Canny、Sobel、Prewitt 等几种经典的边缘检测算子对一幅航拍图像进行输电线边缘检测，其原始灰度图像和边缘检测图像如图2 所示。

图2 原始灰度图像和边缘检测图像

由于树木的影响，由以上结果中我们可以看到大量的干扰信息。为了消除这些噪声干扰，本文采用Ratio 检测算子对输电线边缘进行提取。Ratio 检测算子是一种通过对中心像素的邻域像素进行平均来平滑噪声的均值比例算子，以中心区域和两个邻域区域的平均比值的较小值作为响应，并通过特定的模型进行计算[15]。

在无人机输电线检测飞行实验中，输电线的方向通常是垂直或倾斜的，设在航拍图像中输电线的宽度仅占一个像素。因此，可以设计两种方向的Ratio 检测模型，如图3 所示。

图3 Ratio 检测算子分析

首先，设置包含ni个像素的区域Ri(i＝1，2，3)，其中心像素点为x0，每个像素的灰度值记作Vk，则R1、R2、R3平均灰度值Ai为:

考虑到输电线以上特点，采用Ratio 检测可以设计大小包含5 pixel×5 pixel，R1面积为1 pixel×5 pixel，R2和R3面积各为2 pixel×5 pixel。则R1、R2、R3区域的边缘检测响应函数f12、f13可以定义为:

线特征响应函数F定义如下:

由于实验中采取了两个方向的检测算子，分别得到两个响应函数，定义为F90、F45。那么，最终的线特征响应函数Fm取两者中较大者:

设置合适的判定阈值FTH，若Fm＞FTH，可以将中心像素x0认为输电线像素点。针对不同形式或方向Ratio 算子检测，可以重新设计并调整阈值以适应不同的情况。基于Ratio 算子的输电线路检测图像如图4 所示。由图像结果可知，该方法实现了大部分非直线边缘特征的消除，使输电线轮廓更加清晰。

图4 基于Ratio 算子的输电线路检测图像

2.2 Hough 变换提取直线段

Hough 具有良好的抗噪性能，可将具有相同特征的几何图形从灰度图像中分离出来[16-17]。其主要基于点与线的对偶性来实现直线检测，极坐标系下直线方程表示为:

平面直角坐标系下任一点的坐标(x，y)，对应于与极坐标系下的过点(ρ，θ)的正弦曲线，而直角坐标系下同属于一条直线上的点在极坐标系下会出现交集。首先，由定义θ∈[0，180)，ρ表示为坐标原点到该直线的距离，那么可以根据每一个点(x，y)及离散的θ值将ρ计算出来。通过累计所有的(ρ，θ)可以获得最终的权值，并选择其最大值，记作Am(ρ，θ)。如果Am(ρ，θ)的值大于设定的阈值，即可以找到直角坐标系中直线的位置。Hough 变换原理分析如图5 所示。

图5 Hough 变换原理

由以上分析可知，直线检测的Hough 变换可以定义为:

式中:A(xi，yj)表示提取的每个像素的灰度值；q是关于ρ的总体样本数；P是所取离散的θ总数，二值图像尺寸则定义为N·N。

将Hough 变换应用于基于Ratio 检测算子后的二值图像，如图6 所示。由于初始图像中背景信息较单一，且无其他的线性干扰，可以看到使用Hough变换能够使一些处于相同直线的短线段得到了较好的连接，但如果输电线背景图像复杂程度增大，要想获取图像中的完整的输电线路，仍有必要对初步提取后的线路作进一步处理。

图6 Hough 变换二值图像直线提取

3 基于线性特征的输电线编组合并提取

针对背景较复杂的输电线路拍摄图像，非电力线目标可能包含许多的线性干扰，相对使输电线在图像信息中表现较弱。且通过Hough 变换对输电线路进行直线段的初步提取后，对于较短的直线目标效果较好，即难以满足对完整的输电线信息的恢复。以下采用基于线性特征的输电线编组合并提取算法对初步获得的二值图像作进一步处理。

3.1 直线段编组

经过Hough 变换后，图像中的输电线主要表现为破碎的直线段，任意选择其中的两条线段，根据其在坐标系中的位置可以计算获得各自对应的斜率。首先选取两直线段，并规定其一般方程形式分别为:

A1、B1、C1和A2、B2、C2则表示为两直线方程中的系数，直线段L1的端点取为M1(a1，b1)、N1(a2，b2)，直线段L2的端点取为M2(a3，b3)、N2(a4，b4)。以直线L1为例，可以计算线段M1N1所在直线的斜率k1及转换为相应角度α1:

那么，同理可以计算M2N2所在直线的斜率为k2及转换为相应角度α2:

将所得到的角度值做差，若其绝对值｜α1-α2｜小于所设定的阈值ε，即可以认为两直线段彼此近似平行，那么将所有找到的平行线段分为同一组。

3.2 输电线路合并

已知同一组中的直线段彼此平行，而对于任意两条平行线段是否同属于一条输电线路则需要进行下一步的判断。对于两直线段L1、L2，假设两者彼此平行，可以计算得到L1、L2之间的垂直距离d。

首先由直线段L1、L2上已知的端点的坐标将直线的一般方程式(7)改写为两点式方程:

再改写为相对应的一般式方程为:

由式(7)、(11)可以获得关于两直线方程中相关参数信息A1、B1、C1和A2、B2、C2的准确表达式，那么取L1上一点M1(a1，b1)可以计算到平行直线L2的距离，亦为直线L1到L2的距离d1:

使用同样的方法，还可以得到点N1(a2，b2)到直线段L2的距离d2，点M2(a3，b3)到直线段L1的距离d3以及点N2(a4，b4)到直线段L1的距离d4。对以上计算获得的距离d1、d2、d3、d4求平均值，记作。设初步提取并分为同一组中的直线段总数为n，分别记作L1、L2、…、Ln。那么以上述方法还需求出直线段L1与剩余的(n-1)条直线段的垂直距离，最终计算得到相应的距离平均值记作的大小进行排序。其中，垂直距离最小的所对应的直线段Lmin，可认为与直线段L1同属于一条输电线路，则将两直线段进行连接可以实现输电线路的合并。

对于已经通过垂直距离判别方法确定为同属于一条输电线的两条直线段(为简化分析过程，此处仍假设直线段L1、L2为航拍图像中两条共线的直线段)，需将直线段L1、L2连接为一条输电线路以实现电力线完整、有效的提取。

如图7 所示，为两条共线的直线段L1、L2，要保证直线段的有效连接，以下需要对彼此间的距离作进一步的计算。已知，各端点的坐标，由两点间距离公式可得点M1(a1，b1)到点M2(a3，b3)的距离

图7 共线直线段合并计算

由于通过Hough 变换初步提取得到的平行直线段，可能会出现线与线间的距离d或点与点间的距离D过大而难以进行有效判别的情况，此时对两直线段是否共线的判断需设定合适的阈值dTH、DTH。若d、D在有效的范围内，则认为两条破碎的直线段同属于一条输电线路，那么可以进行算法下一步骤，并最终拟合得到航拍图像中完整的输电线边缘。

4 实验验证

为验证本文采用以上算法能够准确提取出航拍图像中复杂背景下的输电线路，实验针对两种复杂背景下的输电线图像信息，分别采用一般方法和本文算法所得提取效果进行对比分析。一般方法由当前使用较多的Canny 算子，同时结合Hough 变换直接提取获得输电线。本文算法过程由以上分析所述，最终可得实验效果对比如图8 所示。

图8 实验结果分析

由以上结果可以看出，当图像背景信息比较复杂时，使用一般方法结果中出现了更多的干扰影响，在图8(b1)中有许多地物线性特征也被识别为输电线，而在图8(b2)中由于植被的影响，所提取出的输电线出现了断裂，即无法完整提取出一条线路。由此可见，基于Canny 算子的抗噪声能力差，检测精度不高。而对比使用本文所设计的算法，如图8(c1)、(c2)所示，所提取的输电线受背景信息干扰较小，最终得到的输电线路图像较为清晰，且未出现破碎，验证了该算法能够实现复杂背景图像中输电线路准确、完整的提取。

5 结论

本文设计了一种基于无人机图像的输电线自动提取算法，能够从复杂的背景图像中完成输电线路的有效识别。首先由Ratio 算子结合Hough 变换对电力线进行初步提取，再经编组合并最终完成输电线路的提取过程。由实验结果可知，该方法能够有效削弱复杂的背景噪声的干扰，且基于线路线性特征进行合并，进一步实现了线路准确、完整的提取，验证了此方法的有效性。