基于NSCT的航拍绝缘子图像边缘提取方法

Abstract： Insulator image edge extraction is the important premise of detecting and recognizing insulator defects from aerial images． According to the characteristics of aerial insulator image，a method of aerial insulator image edge extraction based on non subsampled Contourlet transform （ NSCT ） is proposed in this paper． Firstly，image pretreatment is realized through piecewise linear gray level transformation； then the pretreated image is decomposed using NSCT． The NSCT coefficients are split into blocks，the local threshold value of every coefficient block is calculated， and the binary edge image is obtained based on the threshold． Finally，morphological filtering is used to makes the edge image clearer． Canny operator method，wavelet modulus maximum method and the proposed method were used on Lena image and real field insulator images to carry out image edge extraction； and the performances of different methods are evaluated，and the performance indices are computed． Experimental results demonstrate that the proposed method can obtain better edge extraction effect； and the proposed method is superior and more effective than Canny operator and wavelet modulus maximum methods． Key words： non subsampled Contourlet transform（ NSCT） ； edge extraction； insulator image； coefficient block
Aerial insulator image edge extraction method based on NSCT
2 Zhao Zhenbing1 ，Jin Sixin1， ，Liu Yachun1
（ 1 School of Electrical and Electronic Engineering，North China Electric Power University，Baoding 071003 ，China； 2 School of Information Engineering，East China Jiaotong University，Nanchang 330013 ，China）
次分解时都只对上次分解进行上采样， 而并不使用下采 样， 从而保证了算法的平移不变特性［11］。
第9 期
赵振兵 等： 基于 NSCT 的航拍绝缘子图像边缘提取方法
2047
（ b） 经过方向滤波器后频域分解 （ b） Frequency domain decomposition with directional filter bank
子图像的灰度特点将原图像的灰度范围映射到另一灰
2048
仪器仪表源自学报第33 卷
度范围上， 突出绝缘子的灰度区间， 抑制背景图像的灰 度区间 。 分段线性灰度变换的数学表达式［7］为：
［11 ］ ［15 ］
提 出 了 Contourlet 变 换 （ Contourlet
定义分解的尺度为 j， 则在尺度 j 上， 理想低通滤波器
j j
H0 （ z ） 包 含 的 区 域 为
1
2
2
对 CT 进行改进， 提
j －1
j －1
j
j
出了 NSCT。图 1 （ a） 给出了 NSCT 的处理流程， 图 1 （ b） 给出了二维图像经过滤波器组的频域分解结构。
图3
非下采样多方向滤波器组
Fig． 3 The nonsubsampled directional filter bank
3
基于 NSCT 的绝缘子图像边缘提取方法
NSCT 是一种多尺度、 非移变的图像变换技术， 将它
引入图像边缘检测可在大尺度下抑制噪声， 小尺度下精 确定位边缘， 为图像边缘的提取提供了新的思路和技术 方法。针对航拍绝缘子图像背景复杂的特点， 本文提出 了一种基于 NSCT 的边缘提取方法， 在阈值的设置上采 用了对系数分块求局部阈值的思想， 最大限度的使阈值 2 ） 非下采样方向滤波器组 传统的方向滤波器组是通过将抽样扇形滤波器与前 / 后重采样算子相结合来实现方向滤波， 这种结构的滤波器 组将频域分解为多个楔形频率区域。非下采样方向滤波 器组实际上是通过去掉所有结构块中的下采样操作保留 重采样算子， 使方向滤波器具有了平移不变性。这种非下 采样方向滤波块结构是双通道非下采样滤波器， 其频率响 如图 3 所示。 应与传统的方向滤波器组略有不同［11］， 设置合理。 本文方法流程如图 4 所示。
图4
本文方法流程图
Fig． 4 Flow chart of the proposed method
具体实现如下： 1 ） 预处理： 由于实际工程中的图像往往带有复杂 的背景， 为了能够得到较好的边缘检测效果， 针对绝缘
（ a） 方向滤波器组结构 （ a） Structure of directional filter bank
已成为电力系统故障率的第一位［1-2］， 巡线工作成了电网
1
引
言
安全运行的重要保障。目前直升机巡线已经成为多条重 要输电通道的日常巡线手段， 成为人工巡线的重要辅助 手段， 这样可以大大降低巡线的成本， 提高巡线的效率，
据国家电力公司统计因绝缘子缺陷引起的事故目前
收稿日期： 201204 Received Date： 201204
保定
071003 ；
南昌
330013 ）
要： 绝缘子图像边缘提取是实现航拍绝缘子缺陷检测与识别的重要前提， 结合航拍绝缘子图像的特点， 提出了一种基于非
下采样轮廓波变换（ non subsampled contourlet transform， NSCT） 的航拍绝缘子图像边缘提取方法 。 先利用分段线性灰度变换实 现预处理， 然后进行 NSCT 分解， 基于分块思想对系数进行分块并求局部阈值， 得到边缘图像， 最后对边缘检测结果进行形态学 滤波使边缘图像更清晰 。分别对 Lena 图像和现场绝缘子图像用 Canny 算子法、 小波模极大值法和所提方法进行图像边缘提 取， 并对各方法进行性能指标的评价 。实验结果验证了所提方法对绝缘子图像边缘检测的有效性， 并表明了该方法优于基于 Canny 算子和小波模极大值的边缘提取方法 。 关键词： 非下采样轮廓波变换； 边缘提取； 绝缘子图像； 系数分块 中图分类号： TN911． 73 TM726 文献标识码： A 国家标准学科分类代码： 510． 4050
第 33 卷 第 9 期 2012 年 9 月
仪
器
仪
表
学
报
Chinese Journal of Scientific Instrument
Vol. 33 No. 9 Sep． 2012
基于 NSCT 的航拍绝缘子图像边缘提取方法 *
2 赵振兵1 ，金思新1， ，刘亚春1
（ 1 华北电力大学电气与电子工程学院 2 华东交通大学信息工程学院 摘
2
2
2． 1
NSCT 技术
NSCT 技术的产生背景及特点 小波变换已在数字图像处理领域广泛使用， 但在实
际工程应用中对于一些高频信息较丰富的图像， 基于小 波变换的图像处理方法不能很好地满足需求。 它不能以 最稀疏的方式表达出图像的几何特征， 而图像的几何特 征被认为是图像表示的一个重要因素。为了解决这些不 足， DO M． N． 等 人 transform，CT） 。 而 CT 方法在拉普拉斯分解时， 需对图像进行下采 样， 导致其缺乏平移不变性， 限制了其在某些图像处理领 域的应用。为此， CUNHA． A． 等人
* 基金项目： 中央高校基本科研业务费专项资金（ 12MS122 ） 资助项目
2046
仪
器
仪
表
学
报
第33 卷
同时也可以提高巡检人员工作的安全性。 通过对直升机 巡检采集到的大量航拍图像的处理和分析可以发现输电 线路故障和缺陷， 因此图像处理技术在电力线路巡检中 具有良好的应用前景［3］。 绝缘子图像边缘提取是实现绝缘子缺陷检测与识别 的重要前提［4-5］。文献［ 2， 47］ 中给出了多种基于灰度图 像、 彩色图像、 红外图像等绝缘子边缘特征提取的方法。 这些方法中主要使用基于算子的边缘检测［5-7］， 它们通过 构造对像素灰度作阶跃变化敏感的微分算子来实现边缘 提取， 但这些算子对噪声非常敏感， 因此对有噪声背景的 图像边缘检测能力较差。另外常见的边缘提取方法是基 但 于小波变换的方法， 典型的是小波模极大值方法［8-10］， 这种方法由于频率的分解方向受限、 频率分辨率低， 对于 细节丰富的图像的边缘检测效果同样不理想。 以上方法只能完成一些特定绝缘子图像的边缘提 取， 对于一些复杂背景的现场航拍图像进行绝缘子边缘 提取时仍需进一步改进。 由于小波变换不能充分利用图像的几何正则性且小 波不是表示图像的最优基， 而 NSCT 具有多尺度多分辨 率分析和平移不变性的特点［11］。 故为了弥补基于小波 变换的边缘提取方法的不足， 人们研究基于 NSCT 的图 12］基于 NSCT 实现了 Lena 像边缘提取方法。 如： 文献［ 图像的边缘检测； 文献［ 1314］ 应用 NSCT 完成了遥感图 像的边 缘 检 测。 但 这 些 方 法 实 验 的 图 像 背 景 都 相 对 简单。 本文把 NSCT 引入航拍绝缘子图像的边缘提取中， 针对航拍绝缘子图像背景复杂的特点， 提出了一种基于 NSCT 的航拍绝缘子图像的边缘提取方法， 对 NSCT 分解 所得的系数集， 按不同尺度用不同大小的窗口进行分块， 并对分块后的系数块求局部阈值。 与小波变换相比， NSCT 可以将图像分成更多方向子 带， 有更多的频率分解尺度及更高的频率分辨率， 可以更 可以克服 好地把握图像的纹理和边缘信息； 与 CT 相比， 平移不变性的缺乏， 避免视觉误差［16］。 NSCT 具有完全 去噪、 分割和融合等方面得 的平移不变性， 在图像增强、 到了广泛应用。 2． 2 NSCT 的结构 NSCT 的结构是由 2 个基本结构单元级联迭代构成。 1 ） 非下采样金字塔型滤波器 非下采样金字塔型滤波器与传统 Contourlet 变换中的 塔型拉普拉斯滤波完全不同， 它是由多个不进行上 / 下采样 处理的双通道非下采样滤波器级联构成。该变换用双通道 非下采样二维滤波器来代替拉普拉斯变换对图像进行分解， 如图 2（ a） 所示。 可以获得平移不变多分辨分解性质［11］， π π ，理 想 高 通 滤 波 器 ， ] [－ 2 2 π 。在每 H （ z） 包含的区域为 [ － π ，π ] \ [ － π ， 2 2 2 2 ]