基于SIFT算法的导线异物悬挂检测方法研究
时间：2021-01-27 02:02:35 来源：达达文档网 本文已影响 人 
吴婕萍 赵文昊 于文萍
【摘 要】为实现输电导线上的异物检测，论文以SIFT（Scale-invariant feature transform）算法為理论基础，先采用高斯滤波对图像进行预处理，再提取图像的尺度不变换特征，最后采用基于梯度直方图的统计方法对所提取特征进行识别。实验结果表明，利用SIFT算法检测的准确率为92%，检测周期为15s。所提出的方法为SIFT算法的领域拓广、导线异物检测方面的研究提供了理论参考和使用价值。
【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.
【关键词】导线异物;SIFT算法;机器视觉
【Keywords】foreign object on wire; SIFT algorithm; machine vision
【中图分类号】TM75 【文献标志码】A 【文章编号】1673-1069（2020）06-0178-02
1 引言
输电导线常年暴露于野外环境，时常会有各种异物悬挂在输电线路上，存在着极大的安全隐患[1]。目前导线异物检测方法有人工巡线以及飞行器巡线，传统人工巡线的方式耗时耗力且精度较低。飞行器巡线虽然可以在远距离和复杂环境中准确地进行电力安全检测[2]，但是所拍摄的图像背景纹理仍会出现较多的导线误识别的情况。
经过近年来的发展，涌现出了较多的图像目标检测方法。例如，航空摄影技术[3]、对目标图像的提取和跟踪技术[4]、目标图像的分割技术[5]，同时输电线路图像自动检测方法中有待解决的问题主要包括确定对象的方位特征和解决目标图像背景运动的影响等。
综上，为实现对输电线路异物的在线检测，本文提出一种基于SIFT算法的导线异物悬挂检测方法，通过机器视觉技术来对导线异物做出相应的识别标识。
2 SIFT算法
SIFT（Scale-invariant feature transform）算法，即尺度不变特征转换，利用机器视觉来侦测图像中的局部特征，具有独特性好、信息量丰富的特点，其实质是在不同的尺度空间查找对应的关键点，计算方向并实现标注。
SIFT算法的实现步骤如图1所示，首先搜索所有尺度上的图像位置，通过高斯微分函数识别出图像中具有尺度不变性的特征点，通过拟合精细的模型确定位置和尺度，并分配给每个关键点位置一个或多个方向，从而提供对于这些变换的不变性。
3 基于SIFT算法的导线异物悬挂检测方法
3.1 图像预处理
采用高斯滤波，高斯模糊以及搭建高斯差分金字塔对图片进行预处理，形成不同尺度空间的图片。在不同的尺度空间中提取相应的特征点并构建梯度，获得特征点的主方向。
高斯滤波是一种线性平滑滤波，用于消除高斯噪声。搭建高斯金字塔是为了得到不同尺度且连续的图片，采用不同的尺度对图片进行高斯模糊，使用高斯金字塔每组中相邻上下两层图像相减，得到高斯差分图像。
3.2 特征提取
完成上述金字塔模型的构建，对每个尺度空间的图像进行相应的极值点检测计算与筛选，其中筛选应进行多次的选举过程，如图2所示，通过5个过程最终选出精确的极值点，最后检验是否满足条件并进行标注。
阈值检测通过降噪排除一些对比度较低的点，极值检测对图像中的每一个点进行扫描，判断是否是极值点，第三轮选举找到精确的极值点，在检测到的极值点处，写成矢量的形式，如公式（1）：
于是拟合出来该点X0附近的函数，X表示拟合之后连续空间下的插值点坐标，对上述公式进行求导便能得到极值点。如果得到精确点的值很小，很大程度上是不稳定的，应采用低对比度筛选并作出相应删除。筛选的标准如公式（2）：
其中T=0.04，s表示处于该组的第几层。特征点在边缘同样会很不稳定并且难以定位，应通过消除边缘效应删除相应的点。
3.3 特征识别
對于通过尺度不变性求得的极值点，利用图像的局部特征给每一个关键点分配一个基准方向，使描述子对图像旋转具有不变性。对于关键点的分配，SIFT算法采用一种基于梯度直方图的统计方法，以关键点为原点，通过一定区域内的图像像素点来确定关键点方向，分别对模板图和实时图建立关键点描述子集合，完成对关键点的匹配。
4 实验过程及结果分析
4.1 预处理与特征点提取
实验收集了25张存在异物的输电线路图片，经过高斯滤波、高斯模糊并搭建高斯差分金字塔进行预处理，最终形成了不同尺度空间的图片。在这些图片中找到尺度不变性的点，进行五轮选举之后留下最终的特征点。通过对特征点的坐标进行提取与标识，最终即可把异物在图像中标注出来，筛选结果如图3所示。
4.2 实验结果分析
实验结果表明，在所收集的图片样本中，正确检测的图片数为23张，检测精度为92%，检测周期为15s，其大部分时间主要花费在极值点检测上。由于在图像背景较为复杂的情况下，会将图像背景当成异物标注出来，所以仍会存在误判现象。
5 结论
本文针对导线异物悬挂的检测，提出一种基于SIFT算法的导线异物悬挂检测方法，采用高斯滤波，高斯模糊进行图像处理，以及搭建高斯差分金字塔模型，对特征点进行多次筛选，最终采用基于梯度直方图的统计方法对所提取特征进行识别。实验结果表明，对于输电线路异物悬挂的检测精度为92%，检测周期为15s，有效地实现了对输电线路异物的在线检测识别，提高了电网运行的安全性，对后期输电线路的巡检工作作出较好的贡献。
【参考文献】
【1】边莉，边晨源.电网故障诊断的智能方法综述[J].电力系统保护与控制，2014，42（03）：146-153.
【2】吕明，罗新，刘正云.无人直升机线路巡检技术实用化研究[J].湖北电力，2012，36（03）：10-12.
【3】仝卫国.基于航拍图像的输电线路识别与状态检测方法研究[D].北京：华北电力大学，2011.
【4】黎宁，周建江，张星星.基于特征点运动矢量估计的动态序列图像运动目标跟踪[J].2009，26（04）：295-300.
【5】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），2013，41（02）：277-281.
