基于無人機圖像的輸電線自動提取技術*

夏 斌，張紅陽，李 冶，鄭日平，龐世強

(1.廣東電網有限責任公司江門供電局，廣東 江門 529000；2.江門電力設計院有限公司，廣東 江門 529000)

電力系統規模逐漸擴大，其結構也變得更為復雜，人工巡檢已不能滿足巡檢的需要[1-3]。與傳統的人工檢測方式相比，無人機檢測不僅降低了檢測成本，而且可以高效、安全地完成檢測任務[4-5]。無人機航拍圖像多以植物或建筑物為背景，輸電線在航拍圖像中的表現相對較弱。而圖像中的道路和樹木作為背景的一部分，也包含了許多與輸電線一樣的線性特征。所以在無人機航拍圖像中，由于背景干擾，很容易導致誤檢或漏檢[6]。

近年來，人們對輸電線的檢測方法進行了許多研究。文獻[7]中提出了一種利用基于脈沖耦合神經網絡的濾波器，可以使噪聲得到效果較好的篩除。其有利于解決誤檢測問題，且定位精度較好，但算法較復雜，并且增加經驗控制適應范圍較窄。文獻[8]中通過將基于方向約束的線性目標擴展到輸電線目標上，并引入Radon 變換因子，從而有效抑制了非目標對象的干擾，該方法主要應用于識別近似水平方向的輸電線。文獻[9]中針對無人機圖像中輸電線兩個方向的局部灰度分布進行濾波，對圖像中的復雜背景信息進行弱化，使輸電線目標得到增強，需經過多次迭代才能夠成功提取出圖像中所有輸電線。

直線檢測主要應用于線類目標物的檢測，主要有基于邊緣圖像和基于圖像梯度兩種方法。其中基于邊緣圖像的方法主要采用Hough 變換，主要是因為Hough 變換的魯棒性好，易于實現[10]。文獻[11]就采用了Canny 算子與Hough 變換相結合的直線特征提取算法，但一些傳統的邊緣檢測算子如Canny、Sobel、Prewitt 等傳統邊緣檢測算子在抗噪性能以及線型特征檢測精度方面表現出明顯的不足[12]。而Ratio 算子受背景信息干擾較小、檢測精度高，可以滿足輸電線路自動提取技術的要求。

本文為實現無人機圖像中復雜背景信息下輸電線的準確提取，利用Ratio 算子結合Hough 變換，對輸電線路進行初步提取，并根據輸電線路幾何特征對直線段編組合并，能夠快速、高效地完成對輸電線目標的識別。

1 算法總體框架

算法設計總體流程如圖1 所示。本文為實現復雜圖像背景中輸電線路的準確提取，主要思路為:首先采用Ratio 算子檢測線路邊緣，并結合Hough 變換完成對直線段初步提取，其次針對線路在空間中的幾何特征，計算初步提取出的直線段的斜率，將相同斜率的直線段編為一個組別，那么相同組別中線段垂直距離最小的即可最終合并成一條輸電線。需要注意的是，直線段端點的連接需設置合適的閾值，且遵循最小距離原則，則可以提取出完整的輸電線路。

圖1 算法設計總體流程

2 邊緣檢測與直線段提取

2.1 Ratio 算子檢測輸電線邊緣

輸電線像素的準確二值化圖像是直線檢測的基礎[13]。考慮輸電線航拍圖像的以下特點:一方面，輸電線拓撲結構簡單，可以近似看作直線，且相互平行；另一方面，輸電線的寬度通常只占1 個～2 個像素，而輸電線檢測圖像的背景通常是自然的山脈、森林和建筑物，因此提取其像素比較復雜[14]。使用Canny、Sobel、Prewitt 等幾種經典的邊緣檢測算子對一幅航拍圖像進行輸電線邊緣檢測，其原始灰度圖像和邊緣檢測圖像如圖2 所示。

圖2 原始灰度圖像和邊緣檢測圖像

由于樹木的影響，由以上結果中我們可以看到大量的干擾信息。為了消除這些噪聲干擾，本文采用Ratio 檢測算子對輸電線邊緣進行提取。Ratio 檢測算子是一種通過對中心像素的鄰域像素進行平均來平滑噪聲的均值比例算子，以中心區域和兩個鄰域區域的平均比值的較小值作為響應，并通過特定的模型進行計算[15]。

在無人機輸電線檢測飛行實驗中，輸電線的方向通常是垂直或傾斜的，設在航拍圖像中輸電線的寬度僅占一個像素。因此，可以設計兩種方向的Ratio 檢測模型，如圖3 所示。

圖3 Ratio 檢測算子分析

首先，設置包含ni個像素的區域Ri(i＝1，2，3)，其中心像素點為x0，每個像素的灰度值記作Vk，則R1、R2、R3平均灰度值Ai為:

考慮到輸電線以上特點，采用Ratio 檢測可以設計大小包含5 pixel×5 pixel，R1面積為1 pixel×5 pixel，R2和R3面積各為2 pixel×5 pixel。則R1、R2、R3區域的邊緣檢測響應函數f12、f13可以定義為:

線特征響應函數F定義如下:

由于實驗中采取了兩個方向的檢測算子，分別得到兩個響應函數，定義為F90、F45。那么，最終的線特征響應函數Fm取兩者中較大者:

設置合適的判定閾值FTH，若Fm＞FTH，可以將中心像素x0認為輸電線像素點。針對不同形式或方向Ratio 算子檢測，可以重新設計并調整閾值以適應不同的情況。基于Ratio 算子的輸電線路檢測圖像如圖4 所示。由圖像結果可知，該方法實現了大部分非直線邊緣特征的消除，使輸電線輪廓更加清晰。

圖4 基于Ratio 算子的輸電線路檢測圖像

2.2 Hough 變換提取直線段

Hough 具有良好的抗噪性能，可將具有相同特征的幾何圖形從灰度圖像中分離出來[16-17]。其主要基于點與線的對偶性來實現直線檢測，極坐標系下直線方程表示為:

平面直角坐標系下任一點的坐標(x，y)，對應于與極坐標系下的過點(ρ，θ)的正弦曲線，而直角坐標系下同屬于一條直線上的點在極坐標系下會出現交集。首先，由定義θ∈[0，180)，ρ表示為坐標原點到該直線的距離，那么可以根據每一個點(x，y)及離散的θ值將ρ計算出來。通過累計所有的(ρ，θ)可以獲得最終的權值，并選擇其最大值，記作Am(ρ，θ)。如果Am(ρ，θ)的值大于設定的閾值，即可以找到直角坐標系中直線的位置。Hough 變換原理分析如圖5 所示。

圖5 Hough 變換原理

由以上分析可知，直線檢測的Hough 變換可以定義為:

式中:A(xi，yj)表示提取的每個像素的灰度值；q是關于ρ的總體樣本數；P是所取離散的θ總數，二值圖像尺寸則定義為N·N。

將Hough 變換應用于基于Ratio 檢測算子后的二值圖像，如圖6 所示。由于初始圖像中背景信息較單一，且無其他的線性干擾，可以看到使用Hough變換能夠使一些處于相同直線的短線段得到了較好的連接，但如果輸電線背景圖像復雜程度增大，要想獲取圖像中的完整的輸電線路，仍有必要對初步提取后的線路作進一步處理。

圖6 Hough 變換二值圖像直線提取

3 基于線性特征的輸電線編組合并提取

針對背景較復雜的輸電線路拍攝圖像，非電力線目標可能包含許多的線性干擾，相對使輸電線在圖像信息中表現較弱。且通過Hough 變換對輸電線路進行直線段的初步提取后，對于較短的直線目標效果較好，即難以滿足對完整的輸電線信息的恢復。以下采用基于線性特征的輸電線編組合并提取算法對初步獲得的二值圖像作進一步處理。

3.1 直線段編組

經過Hough 變換后，圖像中的輸電線主要表現為破碎的直線段，任意選擇其中的兩條線段，根據其在坐標系中的位置可以計算獲得各自對應的斜率。首先選取兩直線段，并規定其一般方程形式分別為:

A1、B1、C1和A2、B2、C2則表示為兩直線方程中的系數，直線段L1的端點取為M1(a1，b1)、N1(a2，b2)，直線段L2的端點取為M2(a3，b3)、N2(a4，b4)。以直線L1為例，可以計算線段M1N1所在直線的斜率k1及轉換為相應角度α1:

那么，同理可以計算M2N2所在直線的斜率為k2及轉換為相應角度α2:

將所得到的角度值做差，若其絕對值｜α1-α2｜小于所設定的閾值ε，即可以認為兩直線段彼此近似平行，那么將所有找到的平行線段分為同一組。

3.2 輸電線路合并

已知同一組中的直線段彼此平行，而對于任意兩條平行線段是否同屬于一條輸電線路則需要進行下一步的判斷。對于兩直線段L1、L2，假設兩者彼此平行，可以計算得到L1、L2之間的垂直距離d。

首先由直線段L1、L2上已知的端點的坐標將直線的一般方程式(7)改寫為兩點式方程:

再改寫為相對應的一般式方程為:

由式(7)、(11)可以獲得關于兩直線方程中相關參數信息A1、B1、C1和A2、B2、C2的準確表達式，那么取L1上一點M1(a1，b1)可以計算到平行直線L2的距離，亦為直線L1到L2的距離d1:

使用同樣的方法，還可以得到點N1(a2，b2)到直線段L2的距離d2，點M2(a3，b3)到直線段L1的距離d3以及點N2(a4，b4)到直線段L1的距離d4。對以上計算獲得的距離d1、d2、d3、d4求平均值，記作。設初步提取并分為同一組中的直線段總數為n，分別記作L1、L2、…、Ln。那么以上述方法還需求出直線段L1與剩余的(n-1)條直線段的垂直距離，最終計算得到相應的距離平均值記作的大小進行排序。其中，垂直距離最小的所對應的直線段Lmin，可認為與直線段L1同屬于一條輸電線路，則將兩直線段進行連接可以實現輸電線路的合并。

對于已經通過垂直距離判別方法確定為同屬于一條輸電線的兩條直線段(為簡化分析過程，此處仍假設直線段L1、L2為航拍圖像中兩條共線的直線段)，需將直線段L1、L2連接為一條輸電線路以實現電力線完整、有效的提取。

如圖7 所示，為兩條共線的直線段L1、L2，要保證直線段的有效連接，以下需要對彼此間的距離作進一步的計算。已知，各端點的坐標，由兩點間距離公式可得點M1(a1，b1)到點M2(a3，b3)的距離

圖7 共線直線段合并計算

由于通過Hough 變換初步提取得到的平行直線段，可能會出現線與線間的距離d或點與點間的距離D過大而難以進行有效判別的情況，此時對兩直線段是否共線的判斷需設定合適的閾值dTH、DTH。若d、D在有效的范圍內，則認為兩條破碎的直線段同屬于一條輸電線路，那么可以進行算法下一步驟，并最終擬合得到航拍圖像中完整的輸電線邊緣。

4 實驗驗證

為驗證本文采用以上算法能夠準確提取出航拍圖像中復雜背景下的輸電線路，實驗針對兩種復雜背景下的輸電線圖像信息，分別采用一般方法和本文算法所得提取效果進行對比分析。一般方法由當前使用較多的Canny 算子，同時結合Hough 變換直接提取獲得輸電線。本文算法過程由以上分析所述，最終可得實驗效果對比如圖8 所示。

圖8 實驗結果分析

由以上結果可以看出，當圖像背景信息比較復雜時，使用一般方法結果中出現了更多的干擾影響，在圖8(b1)中有許多地物線性特征也被識別為輸電線，而在圖8(b2)中由于植被的影響，所提取出的輸電線出現了斷裂，即無法完整提取出一條線路。由此可見，基于Canny 算子的抗噪聲能力差，檢測精度不高。而對比使用本文所設計的算法，如圖8(c1)、(c2)所示，所提取的輸電線受背景信息干擾較小，最終得到的輸電線路圖像較為清晰，且未出現破碎，驗證了該算法能夠實現復雜背景圖像中輸電線路準確、完整的提取。

5 結論

本文設計了一種基于無人機圖像的輸電線自動提取算法，能夠從復雜的背景圖像中完成輸電線路的有效識別。首先由Ratio 算子結合Hough 變換對電力線進行初步提取，再經編組合并最終完成輸電線路的提取過程。由實驗結果可知，該方法能夠有效削弱復雜的背景噪聲的干擾，且基于線路線性特征進行合并，進一步實現了線路準確、完整的提取，驗證了此方法的有效性。