基于matlab图像识别的输电线路断股散股检测的研究

罗永超，林韩，卓宸毅，王宸宇，叶浚颖

（广州城市理工学院 电气工程学院，广东广州，510008）

0 引言

随着经济的快速发展，用电需求日益增加，架空线路的建设需求也越来越大，为保障电力系统安全可靠运行，需要实时检测输电线路的异常情况，及时发现并能快速采取相应措施。由于传统的人工巡检工作耗时长、耗费财力、人力且危险性高，而无人机巡检可靠高效、成本低、受自然环境影响小，因此无人机巡线逐渐代替了人工检测输电线路。但在面对复杂环境时也有些处理不了的时候，这就需要不断对检测技术进行更新换代，逐渐完善输电导线的检测系统。为此，本文提出一种基于matlab图像识别的导线断股散股检测技术，它能精准检测出输电线路断股散股问题，及时提醒输电线路巡线员进行维修处理。将此技术运用到无人机、无人小车等巡线机器人身上，更好的电力网络服务。

经过实验总结和对相关文献的参考，制定了研究输电线断股散股检测算法的工作流程：（1）观察输电线断股散股图像特点。（2）根据断股散股图像特点进行预处理。(3)识别检测图像并予以反馈。(4)输电导线的断股散股识别检测。

通过对上述工作流程的分析，设计了一种基于Matlab图像处理技术检测输电线路散股的方法：对无人机传输回来的图像进行预处理，目的在于增强图像中输电线的特征以及消除噪声方便计算机的运算与识别；再利用边缘提取与导线识别提取图像中输电线信息；根据断股的特征，在断股处线宽会突然增大，由此可通过计算输电导线的宽度变化来判断是否存在断股。

1 图像预处理

无人机巡检虽然很大程度上代替了人工巡检，但它并非无所不能。它在采集图像的过程中，常常会受到光照，噪声，辐射，声波等外界不利因素干扰，从而造成图像有大量噪声，图像明暗不均匀，等质量下降等问题【1】。所以要将采集回来的原始图像进行必要的预处理。

1.1 图像灰度化

由于主要获取输电线的灰度信息和边缘信息，不考虑图像颜色，为了提升识别效率，减轻计算机运算量，首先将采集的原始图像转换为灰度图像，再进行之后的处理【2】。在图像灰度化过程中，亮度分为256个级别，从0～ 255，数值越大亮度越大，数值越小亮度越小。

1.2 图像增强

图像增强的目的是为了改善图像的视觉效果，使图像更加清晰，便于人和计算机对图像进一步的分析和处理。图像增强技术一般通过对图像的某些特征，例如边缘信息、轮廓信息和对比度等进行突出或增强，从而更好的显示图像的有用信息，提高图像的使用价值。为了增强图像的对比度，提出了各种图像增强算法【3】，如：空域内的图像增强和频域内的图像增强。其中，灰度变换增强是在空间域内对图像进行增强的一种简单而有效的方法。灰度变换增强不改变原图像中像素的位置，只改变像素点的灰度值，并逐点进行，和周围的其他像素点无关，更好的突出图像的特征，有目的的筛选有用信息。其次，还有直方图均衡化，它也可提高图像对比度，目的是在得到在整个灰度级范围内具有均匀分布的图像。经过实践对比后所得，直方均衡化后的图像虽然在人眼看来更加清晰，但在后期边缘检测时对特征提取不足、噪点偏多等缺点，使用起来不如用灰度增强后的图像。因此本文使用灰度变换增强技术。

1.3 图像降噪

图像在传输和获取的过程中都会有噪声的产生。噪声是不可预测的，只能用概率统计方法来认识的随机误差。而噪声的存在，会影响计算机对图像的识别和分析。所以在对图像检测识别之前，必须去噪。存在最多的主要是高斯噪声和椒盐噪声。下文主要是对这两种噪声进行去噪。

1.3.1 中值滤波

椒盐噪声通常称为脉冲噪声，是图像中经常见到的一种噪声，它是一种随机出现的白点或者黑点，椒盐噪声的成因可能是受电磁波或者辐射的干扰、类比数位转换器或位元传输错误造成的。

去除这种噪声常用的滤波器就是中值滤波器。中值滤波器是将该像素周围的像素灰度值排列取中值赋予该像素，以此达到图像平滑去噪的效果，去噪效果要比均值滤波器明显。当然，中值滤波也同其他滤波器一样会有图像边缘模糊、信号锐化不够等问题。

1.3.2 均值滤波

高斯噪声是一种概率函数服从正态分布的噪声。何为正态分布，高斯噪声中有两个很重要的指标，一个是方差，方差越大，噪声越多，反之噪声越少；另一个是均值，均值决定了图像的明亮程度，当均值大于零时，就相当于图像加上了一个变亮的噪声，当均值小于零时，就相当于加上了一个变暗的噪声。

我们取合适的均值滤波器对图像进行去噪，然后滤波器对图像的像素进行平均，从而使图像变得更加平滑，有效减少了高斯噪声。

2 输电线路的检测

2.1 边缘检测算子

边缘检测是处理数字图像非常重要的技术，通过对输电线路导线的边缘进行检测，以此来判断是否出现断股散股现象。它是利用物体和背景的某种差异关系来实现的，这些差异包括灰度、颜色或纹理特征。

边缘检测算子对图像中的灰度变化进行检测，通过求一阶导数极值点或二阶导数过零点来检测边缘。常见的边缘检测方法有：prewitt算子、roberts算子、canny算子、sobel算子和log算子等。

相比于其他算子，Canny算子低误码率、高定位、抑制虚假边缘、能更好地采集到图像边缘信息。所以本文采用的是更为稳定的canny算子对图像进行处理，更适合之后的直线检测。在MATLAB中，Canny算子的使用方法是调用函数edge( )实现边缘检测。该函数的调用格式为：

BW=edge(A, ‘canny’)，该函数采用Canny算子对图像A进行边缘检测，并采用自动计算的低阈值和高阈值进行图像分割，函数的返回值BW为二值图像。

2.2 直线检测

Hough变换是直线提取的一种常用方法，利用直线与共线相交的关系，把直线问题转换为计数问题。相对于其他变换法，它的优点是受直线中的间隙和噪声影响小。【4】

(1)Hough变换的数学表达形式为：

其中，rho是原点到直线的距离；theta是直线和x轴的夹角。

(2)调用hough函数的方法为：

其中，BW是二值图；H是huogh函数返回的变化矩阵；theta和rho是返回的角度和向量。

(3)调用houghlines函数的方法为：

其中，peaks是houghpeaks函数返回的极值点坐标；lines是返回的结构数组，包含直线端点的信息。【5】

经过hough变换处理完后，计算机能够成功识别图像中的直线并进行标注，但受图像拍摄角度或距离影响，需要人为调整识别参数，图1直线检测效果图。

图1 直线检测效果图

2.3 缺陷检测

图像中出现断股散股这样的不良现象的话，依据两者特征，散股可用直线检测方法检测出来，而断股则是利用缺陷检测检测出来。想要实现缺陷检测，需要对处理过的图像进行多种子区域生长的图像分割，步骤是：（1）选取区域种子的生长起始点（可多次选取）。（2）确定区域生长的范围。（3）确定结束生长的条件。图2为多种子区域生长处理后的图像。

图2 多种子区域生长处理后的图像

经过多种子区域生长后得到的图像，计算机很容易计算输电线路的宽度，根据断股的特征，在断股处线宽会突然增大，由此可通过计算输电导线的宽度变化来检测断股。

3 结语

本文充分考虑到了在图像提取、增强、降噪、识别等过程中所遇到的干扰，提出的基于matlab图像识别的导线断股散股缺陷检测方法。能运用在无人机及无人小车上实现导线的自动巡检工作，极大保证巡检工作，保障输电线路的安全运行。未来我们需要对导线缺陷数据进行更加全面有效的拓展。另一方面，可应用图像处理技术研究绝缘子断裂、杆塔锈蚀等其他缺陷的检测工作。通过标准化处理，创造出一条发现问题、思考问题、数据收集、解决问题智能化流程。