高压输电线路航拍图像目标边缘检测

离旺11电娜航拍m目_边鑲nm i
赵江曼，孟建良
(华北电力大学控制与计算机工程学院，河北保定071003)
摘要：对高压输电线路不同环境下的图像特征进行分析，提出了基于LoG算子与形态学融合的方法。

通 过灰度图像直方图表明该方法能够较好地呈现二峰性，更好地寻找最佳阈值分割点。

该方法较以往提出的 改进最大类间方差（Otsu)图像分割算法能更好地对背景和目标物进行分离。

Matlab仿真实验表明，在髙压 输电线路环境及受一定自然环境条件的影响下，该方法能够更好地检测图像中目标物的轮廓边缘。

关键词：LoG算子；形态学；边缘检测；高压输电线路
中图分类号：TM75; TP399 文献标志码： A DOI: 10.11930/j.issn. 1004-9649.201605007
〇引言
由于输电线路数量众多、覆盖范围大，一旦 发生故障，将严重影响电力系统的稳定运行。

通 过智能巡检对高压输电线路进行实时监测采用航拍手段采集现场图像信息，其关键技术是高 压输电线路环境下目标物的检测。

目标边缘检测 是图像识别和判断预警的基础和关键，对于数字 图像处理具有重要作用，对应用到高压输电线路 的保护具有重要研究意义。

图像边缘检测是对一幅图像中具有不同灰度 值的相邻区域之间进行边缘研究，边缘是灰度值 不连续的表现，且存在于目标、背景和区域之间，目的是检测出有用的轮廓。

图像边缘检测方 法[3-5]主要有基于一阶微分算子边缘检测、基于 LoG(Laplacian of Gaussian)算子边缘检测、基于 Canny算子边缘检测、基于SUSAN特征检测的算 子边缘检测、基于小波变换边缘检测和基于多尺 度形态学梯度的边缘检测。

一阶微分算子边缘检 测因边缘灰度与理想边缘灰度值间存在差异，可 能检测出多个边缘；基于LoG算子的边缘检测方 法边缘较完整，位置较精确，抗噪声能力也较好；Canny算子具有较强的噪声抑制能力，但也会将 一些高频边缘平滑掉，易造成边缘丢失；SUSAN 特征检测算子更适合于某些低对比度图像或目标 的识别；小波变换各个方向同性、方向性非常有
收稿日期：2016-05-27;修回日期：2017-09-05。

限的缺点，在边缘细节提取方面存在缺陷；基于 多尺度形态学梯度的边缘检测虽然对噪声比较敏 感，但不会加强或放大噪声，在二值图像中识别 图像的结构特征具有明显的优势。

文献[6]基于航 拍图像的输电线路异物识别提出改进最大类间方 差（Otsu)图像分割算法，该方法受天气影响大，在输电线路环境下对目标边缘检测清晰度不高。

对高压输电线路不同环境下的目标图像进行 边缘检测是本文研究的核心。

本文针对高压输电 线路环境下目标边缘检测，提出基于LoG算子和 形态学边缘检测融合的算法，将LoG算子的强抗 噪声能力及形态学对二值图像的结构特征易识别 的优点进行结合，在高压输电线路环境下，本文 方法达到更好的边缘检测效果。

1Lo G算子研究
为了减少噪声对边缘的影响，首先要对图像 进行低通滤波平滑。

LoG方法采用了高斯函数作 为低通滤波器，高斯函数为
;+y2
G(x,y)=(1)
式中：〇c，7)为图像像素的空间坐标点；^决定了 图像的平滑程度。

高斯函数对图像进行滤波并对图像滤波后的 结果进行二阶微分运算的过程可以转换为：先对 高斯函数进行二阶微分，再利用高斯函数的二阶 微分结果对图像进行卷积运算。

该过程可用式
27
中国电力
第51卷
(2 )和式（3 )表。

V 2 [I (x ,y )<S >G (x ,y )] = V 2G (x ,y )<S >I (x ,y ) (2)▽2G (x ，>〇 =
气 r 2 = x 2 +/
(3)
式中：/(x ，j；)为平滑图像函数。

LoG 算子是一带通滤波器。

在实际应用中， 可将简化为
V 2G (x ,y ) = K ^2-^^y
^ (4)
式中：[为具体应用中选取的一个数值。

在参数设计中，3取值较大时，趋于平滑图 像；3取值较小时，趋于锐化图像。

通常应根据 图像的特点并通过实验选择合适的夂在高压输 电线路环境下建筑物图像特征的提取时，通过实 验找到3取值为1.6〜1.8的效果最佳。

尤的选取应 使所有阵元之和为0。

针对Laplacian 算子的缺陷，文献[7-9]提出了 高斯拉普拉斯(LoG )的方法，把高斯平滑滤波器 和拉普拉斯锐化滤波器结合起来，先平滑掉噪 声，再进行边缘检测。

LoG 算子忽略了低频和高 频成分，即忽略了靠近原点和远离原点的成分， 3的取值可以调节算子在空域的张开度和频域的 带宽。

利用LoG 算子进行边缘检测的步骤如下。

(1) 用拉普拉斯髙斯滤波器对图像滤波，得
到滤波图像。

(2)
对得到的图像进行过零检测，具体方法
为：假定得到图像的一阶微分图像的每个像素为
P b )]，Lf /j ]为其拉普拉斯值，P 和L 的含义如图1所示。

(3) 按照下面的规则进行判断：若Z [/，y ]=
图1
LoG 算子过零检测示意
Fig . 1 LoG operator zero crossing detection
〇,则看数对（叩-1,几叩+1,力）或（叩,尸1]，
Z [zW +l ])中是否包含正负号相反的2个数。

只要
这2个数中有1个包含正负号相反的2个数，则 尸[ZJ ]对应的一阶差分值是否大于一定的阈值，若 是，则叩,y ]是边缘点；否则不是。

如果叩，y ']不 为 0,则看 4 个数对 U [/J ]，Z [/-l ,y ])，(L [i J ], 处•+；[』），U [/J ]^[/J -1]) , U [〇w
j +i ])中是
否有包含正负号相反的值。

如果有，那么在
尸[/J ]附近有〇穿越。

然后看对应的一阶差分 值是否大于一定的阈值，若是，则将作为边 缘点。

2数学形态学
数学形态学是应用在图像处理和识别的一种
新方法，在去除噪声、边缘检测、特征提取、图 像分割纹理分析等领域有着重要的应用。

形态学 关注的是形状，将图像和形状看作是点集，通过 定义击中和未击中变换改变集合的像素值。

一个 用集合Z 表达的目标可以通过集合5所表达的结 构元素来检测。

不同的结构元素可以用来改变对 集合X 的运算。

击中或未击中变换可定义为点算子
X ^B = {x \B \^X ^B 2x ^X c)
(5)
式中：x 为X 集合的元素，是图像中的像素； ，为集合X 的补集；结构元素5由51和於2部分
表达，应用于集合X 或其补集，，结构元素中的 下标x 表示该结构元素被移动到元素x 的位置， 51对集合X 的处理是击中，52对集合，的处理 是未击中。

数学形态学定义了腐蚀、膨胀、开运算及闭 运算4种基本运算，其中腐蚀和膨胀是基本的形 态学运算。

假设/(x ，>〇和ZKxj )分别为二维离散空 间F 和5上的2个离散函数，/(x ，>〇为待处理的图 像，Wx ，)；)为结构元素，数学形态学的本质就是用
Z ?(x ，;y )来对/〇，}〇进行操作。

数学形态学基本运算 在本文方法的应用如表1所示。

由表1可以看 出，在本文方法中结合使用数学形态学[1(M2]的基 本运算对图像进行处理，对边缘二值图像进行处 理，将图像中不连通区域进行缩点操作，经过
2次缩点，使高压输电线路环境下图像的细小边 缘及噪声缩成点；采用数学形态学对髙压输电线
2
8
表1二值图像形态学处理
Table1Binary image morphology processing
操作名称表达式在本文方法的功能缩点f =不连通区域缩点
清除F = f(S >50)〇b删除面积大于50的点注：F和/分别为操作结果和初始图像；0为腐蚀操作；O为开运 算；6为结构元素；/0 6表示以6结构元素腐蚀图像/。

路环境下图像的细小边缘及噪声点进行清除孤立 亮点的操作。

3 LoG算子和形态学图像边缘检测算法
思想
通过对高压输电线路环境下图像进行分析研 究，发现高压输电线路所处环境主要分为3类：建筑物环境、绿化树木环境和大型施工车辆环境。

LoG算子较其他算法的优势是图像边缘较完 整，能够有效地去除高斯噪声，但是对室外环境 下的其他噪声不敏感。

本文方法结合均值滤波及 形态学方法，对高压输电线路特定环境下的图像 进行检测，将图像中的干扰噪声有效地消除，并 将室外环境下图像中的细小边缘利用形态学方法 有效地去除，达到较好地提取图像边缘的效果。

基于LoG算子和形态学结合的流程如图2所示。

本文方法步骤如下：（1 )输入原始图像；
(2)原始图像转换为灰度图像；（3)采用7x7 均值滤波对灰度图像进行滤波，消除非高斯噪 声；（4)采用LoG算子对滤波图像进行边缘检测，通过实验验证高压输电线路环境下3的最佳
图2 LoG算子和形态学结合的流程
Fig.2 LoG operator and morphology process view 适合值为t l.8;(5)采用数学形态学对边缘二值图像进行处理，将图像中没有孔的对象缩成一 点，使有孔对象缩成外层边缘，每个孔之间缩成 一个相连的环，使高压输电线路环境下图像的细 小边缘及噪声缩成点；（6 )采用数学形态学对 高压输电线路环境下图像的细小边缘及噪声缩成 点的二值图像进行清除孤立亮点的操作，如中间 为1，而周边为0。

4实验与分析
4.1 实验环境
本文在Matlab R2012b环境下进行仿真实验，选取建筑物环境、绿化树木物环境和大型施工车 辆环境3种环境下的特征图像进行实验分析。

先 应用本文算法实对这3种环境下的图像目标物进 行边缘检测；再将目前的边缘检测方法应用到高 压输电线路环境，通过和本文算法进行对比，比较本文方法和其他目标边缘检测算法的特点。

4.2实验结果
4.2.1LoG算子和形态学融合算法边緣检测
通过对3种高压输电线路环境下的图像进行目标边缘检测，高压输电线路树木环境、高压输 电线路建筑物环境和高压输电线路大型施工车辆 环境下的边缘检测结果分别如图3、图4和图5所 示。

从图3、图4和图5可以看出，LoG算子检测 到的边缘较多且目标物轮廓不突出，通过形态学 图像处理将较小的边缘细化成点且目标物图像轮 廓更清晰；通过消除细小的噪声点得到了高压输 电线路3种不同环境下的目标物检测结果。

验证 了本文方法能够较好地在高压输电线路环境下检 测目标障碍物的轮廓边缘。

4.2.2边緣检测算法比较
在基于航拍图像的输电线路异物识别研究中，文献[3]提出一种基于数学形态学的改进Otsu 图像分割算法。

使用改进Otsii算法对髙压输电线 路树木、建筑物和施工车辆环境下的图像进行边 缘检测，进而和本文提出的基于LoG算子和形态 学融合算法在髙压输电线路环境下目标边缘检测 比较，分别如图6、图7和图8所示。

由图6、图7和图8可以看出，改进Otsu算法 能够较完整地识别目标物，但对输电线路的检测
2
9
图3高压输电线路树木环境下图像边缘检测结果
Fig . 3 Image edge detection results of high voltage
transmission line in tree environment
图4高压输电线路建筑物环境下图像边缘检测结果
Fig . 4 Image edge detection results of high voltage
transmission line in building environment 图5
高压输电线路施工车辆环境下图像边缘检测结果
Fig . 5 Image edge detection results of high voltage transmission line in the environment of construction
vehicle
图6输电线路树木环境下各算法图像边缘检测结果
Fig . 6 Image edge detection results of transmission line
in tree environment by various algorithms
边缘不连续，在建筑物环境中受天气影响对输电 线路的边缘无法检测；本文方法在对目标物边缘 检测较完整的情况下，能够更好地检测输电线路 边缘，在受天气影响能见度低的情况下也能够较 好地对图像边缘进行检测。

通过比较得出本文方 法能够在输电线路环境下较好地检测输电线路和 目标物的轮廓，有利于对目标物的识别和判断。

图像灰度直方图对于边界阈值的选取具有重值化边缘检测和分割具有重要参考意义。

分别对 基于数学形态学的改进Otsu 图像分割算法和本文 方法进行图像预处理灰度图像的直方图和亮度变
图7
建筑物环境下各算子图像边缘检测结果
Fig . 7 Image edge detection results of transmission line
in building environment by various algorithms
图8
施工车辆环境下各算子图像边缘检测结果 Fig . 8 Image edge detection results of transmission line in the environment of construction vehicle by various
algorithms
3
化曲线进行分析，2种算法预处理图像的灰度直 方图分别如图9、图10和图11所示。

a)改进Otsu算法b)本文方法
图9输电线路树木环境下灰度图像直方图
Fig. 9 Gray image histogram of transmission line in tree
environment 在高压输电线路环境下目标边缘检测，将均值滤 波引入到LoG算子消除非高斯噪声，克服了 LoG 算子不能消除非高斯噪声的缺陷，并通过数学形 态学方法对二值图像进行图像边缘的增强和轮廓 的提取，为稳定、快速识别目标物奠定了基础。

通过实验分析、与几种边缘检测算法对比结果表 明，本文方法更适合应用在高压输电线路环境下，能够较好地检测输电线路和目标物的边缘轮 廓，为识别和判断高压输电线路环境下的障碍物 奠定基础，在保护电力系统稳定运行中具有重要 的应用价值。

a)改进Otsu算法b)本文方法
图10输电线路建筑物环境下灰度图像直方图Fig. 10 Gray image histogram of transmission line in
building environment
均備化后的直方图
a)改进Otsu算法b)本文方法参考文献：
[1]张振华.高压电力线路在线视频监控系统工程应用及实践[J].电
力系统保护与控制，2〇13,41(16): 149-153.
ZHANG Zhenhua. Research and application of online video
surveillance system for high-voltage power lines [J]. Power System
Protection and Control, 2013, 41(16): 149-153.
[2]赵建青，姚瑶，邱玩辉，等.基于输电线路在线巡视系统的智能预警
系统研究[J].电力系统保护与控制,2013, 41(23): 49-54.
ZHAO Jianqing, YAO Yao, QIU Wanhui, et al.Study on intelligent
early warning system based on transmission line online inspection
system[J]. Power System Protection and Control, 2013, 41(23):
49-54.
[3]韦炜.常用图像边缘检测方法及Matlab研究[J].现代电子技术,
2011, 34(4): 91-94.
WEI Wei. Comparative study on some common edge detection
图11输电线路施工车辆环境下灰度图像直方图
Fig. 11Gray image histogram of transmission line in the environment of co门struction vehicle
由图9、图10和图11可以看出，改进Otsu图像分割算法灰度图像直方图没有表现出明显的二 峰性，而本文方法图像预处理后的灰度直方图具 有明显的二峰性，表明图像较亮的区域和较暗的 区域可以较好地分离，以这一点为阈值，可以得 到较好的二值处理结果，表明本文方法能够较好 地应用在输电线路环境下对目标物轮廓边缘检测。

5结语
本文提出了基于LoG算子与形态学融合算法
methods based on Matlab [J]. Modem Electronics Technique, 2011,
34(4): 91-94.
[4]李武.Matlab中图像边缘检测算法研究[J].北京测绘，2014(3):
65-68, 146.
LI Wu. Image edge detection algorithms in Matlab[J]. Beijing
Surveying and Mapping, 2014(3): 65-68, 146.
[5]龙鹏,鲁华祥.LoG边缘算子改进的加权引导滤波算法[J].计算机
应用，2015, 35(9): 2661-2665.
LONG Peng, LU Huaxiang. Weighted guided image filtering
algorithm using Laplacian-of-Gaussian edge detector[J]. Journal of
Computer Applications, 2015, 35(9): 2661-2665.
[6]金立军，姚春羽，闫书佳，等.基于航拍图像的输电线路异物识别
[J]•同济大学学报（自然科学版)，2〇13,41(2):277_281.
JEN Lijun, YAO Chun)〇i, YAN Shujia, et al.Recognition of extra
31
中国电力
第51卷
matters on transmission lines based on aerial images[J]. Journal of Tongji University(Natural Science), 2013, 41(2): 277-281.
[7] 李昭廷，郝艳捧,李立淫，等.利用远程系统的输电线路覆冰厚度图
像识别[J].高电压技术，2011，37(9):2288-2293.
LI Zhaoting, HAO Yanpeng, LI Licheng, et al. Image recognition of ice thickness on transmission lines using remote system[J]. High Voltage Engineering , 2011, 37(9): 2288-2293.
[8] 王民钢，王超，樊英平，等.基于LoG 算子的小信息量图像匹配算
法[J].计算机工程与应用,2012, 48(29): 191-195.
WANG Mingang, WANG Chao, FAN Yingping, et al. Image registration algorithm with little information based on LoG edge detection[J]. Computer Engineering and Applications, 2012, 48(29): 191-195.
[9] 李学鹏,全玉生，黄徐，等.数学形态学用于高压直流输电线路行波
保护的探讨[J].电力系统保护与控制，2006, 34(5): 5-9.
LI Xuepeng, QUAN Yusheng, HUANG Xu, et al. Study of travelling wave protection of HVDC transmission line on mathematical morphology [J]. Power System Protection and Control, 2006, 34(5): 5-9.
[10] 陈仕龙，曹蕊蕊，毕贵红，等.基于形态学的特高压直流输电线路雷
击干扰识别[J].中国电力，2014, 47(10): 4046.
CHEN Shilong, CAO Ruirni, BI Guihong, et al. Identification of
UHVDC transmission line lightning disturbance based on morphology [J]. Electric Power, 2014, 47(10): 40-46.
[11] 朱晓临，陈饅，李雪艳，等.结合形态学变形虫和复合颜色空间的彩
色图像边缘检测模型[J ].计算机辅助设计与图形学学报，2014,
26(7): 1060-1066.
ZHU Xiaolin, CHEN Man, LI Xueyan, et al. A color image edge detection model with morphological amoebas and two kinds of color spaces [J]. Journal of Computer-Aided Design & Computer Graphics, 2014, 26(7): 1060-1066.
[12] 罗朝祥，万华舰，罗文博，等.输电线路导线覆冰图像处理与识别技
术[J]•中国电力，2014, 47(9): 132-136.
LUO Chaoxiang, WAN Huajian, LUO Wenbo, et al. Image processing and recognition technology for transmission line icing[J]. Electric Power, 2014, 47(9): 132-136.
作者简介：
赵江曼（1989—)，女，河北保定人，硕士研究生，从 事电力信息化、图像处理及应用研究，E -m a i l :
zjmvipmail@ ;
孟建良（1956—)，男，河北保定人，教授，从事数据 库与管理信息系统、人工智能及应用的研究，E-m ail:
mjll954@ 。

(责任编辑张子龙）
Target Edge Detection of Aerial Photography for High-Voltage
Transmission Lines
ZHAO Jiangman , MENG Jianliang
(School of Control and Computer Engineering, North China Electric Power University, Baoding 071003, China)
Abstract : In this paper, image features are analyzed for high voltage transmission lines under various circumstances and then a method combining LoG operator and morphology is proposed. The gray image histogram shows that this method can not only present two peaks well, but also exhibit better performance finding the optimal threshold segmentation points. Compared with the improved Otsu (maximal variance between clusters) image segmentation algorithm, this method makes it easier to separate the target from the background. Matlab simulation results show that the proposed method can successfully detect the contour edge of the target in the image regardless of environment impact of high voltage transmission lines. It is still effective even under the influence of certain severe natural environment conditions.
Keywords : LoG operator; morphology; edge detection; high voltage transmission lines
3
2。