基于图像融合的输电线路覆冰边缘检测

周敏 吴冰

摘  要： 输电线路覆冰一直是电力系统迫切希望解决的重要问题之一。针对输电线路覆冰边缘检测，提出了一种基于图像融合技术的方法对输电线路覆冰状态进行判定。对输电线路进行边缘检测是通过图像预处理、Canny算子的边缘检测、形态学边缘检测以及像素级图像融合等方法实现的。实验仿真表明：融合后的图像边缘能够取各自的优势，使边缘检测效果更好。

关键词： 边缘检测;形态学;Canny算子;图像融合;输电线路

中图分类号： TP391.41    文献标识码： A    DOI：10.3969/j.issn.1003-6970.2019.08.045

本文著录格式：周敏，吴冰. 基于图像融合的输电线路覆冰边缘检测[J]. 软件，2019，40（8）：199202

【Abstract】： Ice coating on transmission lines has always been one of the most important issues that the power system is eager to solve. Aiming at the detection of ice-covered edge of transmission line， a method based on image fusion technology is proposed to judge the ice-covered state of transmission line. Edge detection of transmission lines is achieved by image preprocessing， edge detection of Canny operator， morphological edge detection， and pixel-level image fusion. The experimental simulation shows that the edge of the image after fusion can take their own advantages and make the edge detection effect better.

【Key words】： Edge detection; Morphology; Canny operator; Image fusion; Transmission line

0  引言

随着我国电力技术和经济的发展，高压线路逐渐增多，电力系统的稳定安全运行已经成了社会经济发展的必要前提。近些年国家实施了西电东送、北电南送等重大项目，但是这些项目都需要经过重度覆冰区域。为了确保安全和稳定的电力传输，有必要检测传输线上的覆冰的厚度。由于输电线路所处的地形气候条件的影响，覆冰的检测也有最初的人工巡视逐渐走向智能化。姚江根据历史覆冰数据，对覆冰等级进行划分并建立了覆冰灾害预警流程[1]。刘畅建立了冰层厚度的中长期预测模型，以预测其厚度[2]。刘鹏采用基于主动轮廓模型的研究方法进行边缘检测，提出了覆冰厚度的计算方法[3]。近年来，虽有图像法研究覆冰厚度的，但研究的重点多数在厚度方面的研究。图像方法用于检测结冰之前和之后的图像，并且检测的准确性仅与相机拍摄的图像质量直接相关。因此，对于覆冰厚度的计算，找到合适的图像边缘检测的方法才是最重要的。

1  图像预处理

1.1  基于小波变换的阈值去噪

在小波变换中，图像信号能量主要在绝对值较大的小波系数中，噪声能量主要在绝对值较小的小波系数中。小波变换去噪方法如下：首先，通过小波变换图像获得小波分解系数。其次，为不同尺度的小波系数设置阈值，并将低于某一阈值的小波系数改变为零，从而可以获得高于阈值的小波系数[4]。由于去除了低频信号，小波系数基本上可以理解为由图像信号引起，从而消除了图像中的大部分噪声。最后，通过逆小波变换重建图像以获得去噪图像。在上述去噪过程中，最关键的问题是确定阈值[5]。确定阈值的最经常使用的方法是Donoho等人提出的Visu shrink收缩方法[6]。在这种收缩方法中，最佳阈值T由以下公式选择：

Canny边缘检测算法步骤如下：

（1）对预处理好的图片用高斯滤波器再次平滑图像。

（2）计算滤波后并考虑对角线影响的图像梯度的幅值和方向。

（3）对梯度幅值进行非极大值抑制处理，即找出图像梯度中的局部极大值点，把非局部极大值点置零。

（4）用双阈值 和 检测和连接边缘。

2.2  形态学边缘检测

许多边缘检测算子通过计算图像中局部小区域的差异来检测边缘[9]。因此，这种边缘检测算子对噪声敏感，并且还在边缘检测时增强或放大噪声。数学形态学可以简化图像数据，保持其基本形状特征，并去除不相关的结构[10]。

当然，关于权值的取值还需要仔细考虑。对于综合模型的解，希望它既能克服两个模型的缺点，又能综合它们各自的优点。由于已经检测出覆冰图像的边缘信息，用线性平均加权可以更好的选择需要突出的优势，是比较好的用于覆冰图像边缘的融合技术。多次实验可以得到权值取0.45检测的结果比较好。 实现图像融合的算法如下图3所示。

4  仿真与结论

文中對实际环境里的输电线路拍摄的覆冰图像进行处理，先对低清晰度的图像做预处理操作，紧接着用Canny边缘检测和形态学边缘检测算法分别对输电线路的边缘进行检测，在用Hougu边缘提取出来检测的边缘的直线部分，为接下来的融合提供铺垫。在以上工作的基础上，用线性平均加权法对其检测的边缘进行优缺点互补，使检测的边缘更加准确。下图（b）到（e）是本文算法的仿真结果。

结论：通过仿真结果，可以看出Canny边缘检测出来的有少许背景的边缘，形态学的抗噪性能好，没有检测出背景边缘，但是缩小了覆冰的边缘。经过hougu直线加测以及图像融合后，检测的边缘具有两者的优势，使覆冰边缘检测更加准确。是一种非常不错的图像融合方法。

参考文献

[1] 李沛然， 苏卫东， 段振华， 等. 国家电网运营诊断关键技术研究与实证分析[J]. 软件， 2016， 37（01）： 127-131.

[2] 刘畅. 基于马尔可夫过程的输电线路覆冰厚度预测模型研究[D]. 华北电力大学， 2014.

[3] 刘鹏. 基于图像处理的输电线路覆冰检测方法研究[D]. 华中科技大学， 2012.

[4] 曹妍， 陈伟， 徐森. 图像去噪方法研究与仿真[J]. 软件， 2015， 36（4）： 33-36

[5] 王赛男， 邢冬梅. 基于MATLAB的小波阈值滤波与应用[J].软件， 2015， 36（10）： 102-104

[6] 宋治国， 邓小飞. 基于小波阈值收缩的图像降噪[J]. 吉首大学学报（自科版）， 2012， 33（2）： 78-79.

[7] 钟彩. 边缘检测算法在图像预处理中的应用[J]. 软件， 2013， 34（1）： 158-159

[8] 郭璇， 郑菲， 赵若晗， 等. 基于阈值的医学图像分割技术的计算机模拟及应用[J]. 软件， 2018， 39（3）： 12-15

[9] 艾超. 基于方向小波变换的图像边缘检测算子研究[D]. 西安电子科技大学， 2013.

[10] 梁英波， 张利红. 基于多尺度数学形态学梯度的图像检测[J]. 周口师范学院学报， 2012， 29（5）： 60-62.

[11] 孙继平， 吴冰， 等. 基于膨胀腐蚀运算的神经网络图像预处理方法及其应用研究[J]. 计算机学报， 2005， 28（6）： 985-990.

[12] 蒲石， 龙文光. 基于膨胀和腐蚀的迭代优化算法[J]. 四川师范大学学报（自然科学版）， 2014， 37（3）： 408-412.

[13] 凌永国， 韦树贡. 基于边缘和数学形态学复杂背景车辆定位[J]. 广西民族师范学院学报， 2017， 34（3）： 131-133.

[14] 陈洪波. Hough变换及改进算法与线段检测[D]. 广西师范大学， 2004.

[15] 方趙林， 彭洁， 葛春霞， 等. 基于改进加权算法的实时图像数据融合研究[J]. 浙江工业大学学报， 2017， 45（3）： 325- 329.