吳婕萍 趙文昊 于文萍

【摘? 要】為實(shí)現(xiàn)輸電導(dǎo)線上的異物檢測，論文以SIFT（Scale-invariant feature transform）算法為理論基礎(chǔ)，先采用高斯濾波對圖像進(jìn)行預(yù)處理，再提取圖像的尺度不變換特征，最后采用基于梯度直方圖的統(tǒng)計(jì)方法對所提取特征進(jìn)行識別。實(shí)驗(yàn)結(jié)果表明，利用SIFT算法檢測的準(zhǔn)確率為92%，檢測周期為15s。所提出的方法為SIFT算法的領(lǐng)域拓廣、導(dǎo)線異物檢測方面的研究提供了理論參考和使用價(jià)值。

【Abstract】In order to detect foreign object on transmission wires. This paper， which is based on SIFT （Scale-invariant feature transform） algorithm， firstly uses Gaussian filtering to preprocess the images， then extracts the scale invariant features of it， and finally adopts a statistical method based on gradient histograms to identify the extracted features. The experimental results show that the accuracy of detection using the SIFT algorithm is 92% and the detection period is 15s. The study provides theoretical reference and use value for SIFT algorithm's domain extension and the research on foreign object of transmission wires detection.

【關(guān)鍵詞】導(dǎo)線異物;SIFT算法;機(jī)器視覺

【Keywords】foreign object on wire; SIFT algorithm; machine vision

【中圖分類號】TM75? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻(xiàn)標(biāo)志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2020）06-0178-02

1 引言

輸電導(dǎo)線常年暴露于野外環(huán)境，時(shí)常會有各種異物懸掛在輸電線路上，存在著極大的安全隱患[1]。目前導(dǎo)線異物檢測方法有人工巡線以及飛行器巡線，傳統(tǒng)人工巡線的方式耗時(shí)耗力且精度較低。飛行器巡線雖然可以在遠(yuǎn)距離和復(fù)雜環(huán)境中準(zhǔn)確地進(jìn)行電力安全檢測[2]，但是所拍攝的圖像背景紋理仍會出現(xiàn)較多的導(dǎo)線誤識別的情況。

經(jīng)過近年來的發(fā)展，涌現(xiàn)出了較多的圖像目標(biāo)檢測方法。例如，航空攝影技術(shù)[3]、對目標(biāo)圖像的提取和跟蹤技術(shù)[4]、目標(biāo)圖像的分割技術(shù)[5]，同時(shí)輸電線路圖像自動檢測方法中有待解決的問題主要包括確定對象的方位特征和解決目標(biāo)圖像背景運(yùn)動的影響等。

綜上，為實(shí)現(xiàn)對輸電線路異物的在線檢測，本文提出一種基于SIFT算法的導(dǎo)線異物懸掛檢測方法，通過機(jī)器視覺技術(shù)來對導(dǎo)線異物做出相應(yīng)的識別標(biāo)識。

2 SIFT算法

SIFT（Scale-invariant feature transform）算法，即尺度不變特征轉(zhuǎn)換，利用機(jī)器視覺來偵測圖像中的局部特征，具有獨(dú)特性好、信息量豐富的特點(diǎn)，其實(shí)質(zhì)是在不同的尺度空間查找對應(yīng)的關(guān)鍵點(diǎn)，計(jì)算方向并實(shí)現(xiàn)標(biāo)注。

SIFT算法的實(shí)現(xiàn)步驟如圖1所示，首先搜索所有尺度上的圖像位置，通過高斯微分函數(shù)識別出圖像中具有尺度不變性的特征點(diǎn)，通過擬合精細(xì)的模型確定位置和尺度，并分配給每個(gè)關(guān)鍵點(diǎn)位置一個(gè)或多個(gè)方向，從而提供對于這些變換的不變性。

3 基于SIFT算法的導(dǎo)線異物懸掛檢測方法

3.1 圖像預(yù)處理

采用高斯濾波，高斯模糊以及搭建高斯差分金字塔對圖片進(jìn)行預(yù)處理，形成不同尺度空間的圖片。在不同的尺度空間中提取相應(yīng)的特征點(diǎn)并構(gòu)建梯度，獲得特征點(diǎn)的主方向。

高斯濾波是一種線性平滑濾波，用于消除高斯噪聲。搭建高斯金字塔是為了得到不同尺度且連續(xù)的圖片，采用不同的尺度對圖片進(jìn)行高斯模糊，使用高斯金字塔每組中相鄰上下兩層圖像相減，得到高斯差分圖像。

3.2 特征提取

完成上述金字塔模型的構(gòu)建，對每個(gè)尺度空間的圖像進(jìn)行相應(yīng)的極值點(diǎn)檢測計(jì)算與篩選，其中篩選應(yīng)進(jìn)行多次的選舉過程，如圖2所示，通過5個(gè)過程最終選出精確的極值點(diǎn)，最后檢驗(yàn)是否滿足條件并進(jìn)行標(biāo)注。

閾值檢測通過降噪排除一些對比度較低的點(diǎn)，極值檢測對圖像中的每一個(gè)點(diǎn)進(jìn)行掃描，判斷是否是極值點(diǎn)，第三輪選舉找到精確的極值點(diǎn)，在檢測到的極值點(diǎn)處，寫成矢量的形式，如公式（1）：

于是擬合出來該點(diǎn)X0附近的函數(shù)，X表示擬合之后連續(xù)空間下的插值點(diǎn)坐標(biāo)，對上述公式進(jìn)行求導(dǎo)便能得到極值點(diǎn)。如果得到精確點(diǎn)的值很小，很大程度上是不穩(wěn)定的，應(yīng)采用低對比度篩選并作出相應(yīng)刪除。篩選的標(biāo)準(zhǔn)如公式（2）：

其中T=0.04，s表示處于該組的第幾層。特征點(diǎn)在邊緣同樣會很不穩(wěn)定并且難以定位，應(yīng)通過消除邊緣效應(yīng)刪除相應(yīng)的點(diǎn)。

3.3 特征識別

對于通過尺度不變性求得的極值點(diǎn)，利用圖像的局部特征給每一個(gè)關(guān)鍵點(diǎn)分配一個(gè)基準(zhǔn)方向，使描述子對圖像旋轉(zhuǎn)具有不變性。對于關(guān)鍵點(diǎn)的分配，SIFT算法采用一種基于梯度直方圖的統(tǒng)計(jì)方法，以關(guān)鍵點(diǎn)為原點(diǎn)，通過一定區(qū)域內(nèi)的圖像像素點(diǎn)來確定關(guān)鍵點(diǎn)方向，分別對模板圖和實(shí)時(shí)圖建立關(guān)鍵點(diǎn)描述子集合，完成對關(guān)鍵點(diǎn)的匹配。

4 實(shí)驗(yàn)過程及結(jié)果分析

4.1 預(yù)處理與特征點(diǎn)提取

實(shí)驗(yàn)收集了25張存在異物的輸電線路圖片，經(jīng)過高斯濾波、高斯模糊并搭建高斯差分金字塔進(jìn)行預(yù)處理，最終形成了不同尺度空間的圖片。在這些圖片中找到尺度不變性的點(diǎn)，進(jìn)行五輪選舉之后留下最終的特征點(diǎn)。通過對特征點(diǎn)的坐標(biāo)進(jìn)行提取與標(biāo)識，最終即可把異物在圖像中標(biāo)注出來，篩選結(jié)果如圖3所示。

4.2 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)結(jié)果表明，在所收集的圖片樣本中，正確檢測的圖片數(shù)為23張，檢測精度為92%，檢測周期為15s，其大部分時(shí)間主要花費(fèi)在極值點(diǎn)檢測上。由于在圖像背景較為復(fù)雜的情況下，會將圖像背景當(dāng)成異物標(biāo)注出來，所以仍會存在誤判現(xiàn)象。

5 結(jié)論

本文針對導(dǎo)線異物懸掛的檢測，提出一種基于SIFT算法的導(dǎo)線異物懸掛檢測方法，采用高斯濾波，高斯模糊進(jìn)行圖像處理，以及搭建高斯差分金字塔模型，對特征點(diǎn)進(jìn)行多次篩選，最終采用基于梯度直方圖的統(tǒng)計(jì)方法對所提取特征進(jìn)行識別。實(shí)驗(yàn)結(jié)果表明，對于輸電線路異物懸掛的檢測精度為92%，檢測周期為15s，有效地實(shí)現(xiàn)了對輸電線路異物的在線檢測識別，提高了電網(wǎng)運(yùn)行的安全性，對后期輸電線路的巡檢工作作出較好的貢獻(xiàn)。

【參考文獻(xiàn)】

【1】邊莉，邊晨源.電網(wǎng)故障診斷的智能方法綜述[J].電力系統(tǒng)保護(hù)與控制，2014，42（03）：146-153.

【2】呂明，羅新，劉正云.無人直升機(jī)線路巡檢技術(shù)實(shí)用化研究[J].湖北電力，2012，36（03）：10-12.

【3】仝衛(wèi)國.基于航拍圖像的輸電線路識別與狀態(tài)檢測方法研究[D].北京：華北電力大學(xué)，2011.

【4】黎寧，周建江，張星星.基于特征點(diǎn)運(yùn)動矢量估計(jì)的動態(tài)序列圖像運(yùn)動目標(biāo)跟蹤[J].2009，26（04）：295-300.

【5】金立軍，姚春羽，閆書佳，等.基于航拍圖像的輸電線路異物識別[J].同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，41（02）：277-281.