自然场景中基于局部轮廓特征的对象识别方法

在自然场景下,受背景纹理及光线影响,很难提取到对象完整的轮廓,提出了一种基于局部轮廓特征的识别方法。提取图像的边缘线段,进行基于关键点的分裂与基于Gestalt感知定律的断续线段的合并处理,得到不同方位的独立直线段。分析2或3相邻线段构成的轮廓特征,通过线段之间夹角、长度和线段的向量对2相邻直线段构成轮廓特征的语义模型定义。分解对象的整体模板轮廓,手动绘出2或3相邻直线段所组成局部轮廓特征的样本,结合2相邻直线段语义模型与手动绘出的样本从线段夹角、长度以及对应线段向量之间的关系进行匹配,实现2或3相邻直线段组成局部轮廓特征的检测。求出所检测局部轮廓特征的位置点进行聚类实现对象的识别。通过对直无人机巡检所拍摄的输电线路图像处理,验证了这种方法能有效识别间隔棒和防震锤部件。     

形状感知的绝缘子识别与缺陷诊断

目的 在无人机检测输电线路缺陷的研究中,为提高识别绝缘子的正确率,克服基于颜色来识别绝缘子方法的不足,依据绝缘子串的形状结构特征,研究了一种自底向上感知聚类平行线段的方法。方法 首先将在巡检图像上提取到所有方向的分段划分为6组方向线段,在每一组方向线段中,将线段长度、方向及中心点排列方向一致的线段聚类为平行线组,将平行线组合并,并整理其外接形状,结合输电线路知识模型,可靠识别绝缘子区域。为诊断玻璃绝缘子的掉片缺陷,依据计算出绝缘子的排列方向及片之间距离进行自适应分块,计算每一块的惯性矩均值特征量与惯性矩方差值特征量,依据分块之间特征量相似度来诊断是否存在掉片缺陷。结果 相比基于HSI颜色识别绝缘子的方法,识别绝缘子内部的多平行线段的结构,表现得更稳定,更适用于输电线路巡检。结论 通过无人机巡检采集的输电线路图像,实验结果验证这种方法在复杂背景的条件下能有效识别各种类型绝缘子并能检测绝缘子的掉片缺陷。     

基于无人机图像的输电线断股与异物缺陷检测方法

为提高无人机(UAV)巡检输电线路的效率,提出一种基于线结构感知的输电线断股与异物缺陷的检测方法。由于无人机巡检的图像受背景纹理及光线影响较大,采用能检测线宽度的水平与垂直方向的梯度算子提取巡检图像上的线对象,进而研究感知定律中的共线性、近似性、连续性的计算,将断续线段连接成长的线段,通过长线段的平行性计算,识别出输电线路结构中显著的平行导线组。为识别导线上安装的防振锤与间隔棒连接部件,提出一种基于局部轮廓特征的形状部件识别方法。在识别出这些连接部件的基础上,对导线进行分段分析,计算分段导线的宽度变化、灰度相似度来检测导线上的断股与异物缺陷。通过对无人机巡检采集的输电线路图像的测试,验证了这种方法在复杂的背景条件下能有效地检测导线上断股与附着异物缺陷。