面向輸電線路的銹蝕缺陷檢測(cè)

鄭博 候恒 王永豪

摘要：隨著經(jīng)濟(jì)的高速發(fā)展，高壓輸電線路網(wǎng)越建越密集。高壓輸電線路長(zhǎng)期暴露在惡劣環(huán)境中，組成部件或多或少受到損壞，絕緣子缺失、防震錘缺失、金具銹蝕等都是常見的缺陷損壞類型。其中，絕緣子、防震錘、金具等關(guān)鍵部件的損壞嚴(yán)重影響輸電線路的安全運(yùn)行。 關(guān)鍵詞：輸電線路;銹蝕;缺陷檢測(cè)

1相關(guān)研究現(xiàn)狀

1相關(guān)圖像分割算法

1.1閾值分割算法

閾值分割算法的關(guān)鍵在于確定一個(gè)合適的閾值，然后將每個(gè)灰度值跟這個(gè)閾值作比較，大于閾值的歸為一類，小于閾值的歸為另一類，從而將圖像分為物體和背景。閾值分割的方法簡(jiǎn)單、計(jì)算速度快、運(yùn)算效率高，特別是圖像中存在特別大的灰度對(duì)比差異的情況下，能得到很好的分割效果。然而該算法也存在一定的局限性，閾值分割通常都不考慮圖像的空間特征及其連續(xù)性，也沒有考慮圖像的紋理特征等有用信息，只考慮圖像像素本身的取值，這就使得分割對(duì)噪聲特別敏感，在復(fù)雜多樣的圖像中很難有較好的分割效果。本文在獲取高壓輸電線路前景鐵架時(shí)并不適用閾值分割的方法。

1.1.2區(qū)域分割算法

區(qū)域分割算法加入了圖像之間的空間聯(lián)系，彌補(bǔ)了閾值分割算法中沒有或很少考慮像素點(diǎn)空間關(guān)系的缺點(diǎn)。該算法利用圖像的空間性質(zhì)，認(rèn)為分割出來的屬于同一區(qū)域的像素具有相似的性質(zhì)。區(qū)域分割算法主要包括區(qū)域生長(zhǎng)法和區(qū)域分裂合并法。區(qū)域生長(zhǎng)法的缺陷是每一個(gè)需提取的區(qū)域都必須先給出種子點(diǎn)，然后提取出與種子點(diǎn)一樣符合規(guī)定標(biāo)準(zhǔn)的區(qū)域。這種方法對(duì)噪聲很敏感，易造成區(qū)域不連續(xù)性。區(qū)域分裂合并法并不需事先確定種子像素點(diǎn)就可同時(shí)進(jìn)行分裂、合并運(yùn)算，又或是先把輸入圖像分割成幾個(gè)子區(qū)域，然后歸并相似度大于某個(gè)值的子區(qū)域。區(qū)域分裂合并法的缺陷是如果分裂深度不夠，那么分割效果不理想;如果分割深度過深，又使得合并難度增大，分割時(shí)間較長(zhǎng)。

1.2相關(guān)高斯混合模型學(xué)習(xí)

高斯混合模型是單高斯分布概率密度函數(shù)的延伸。假如有一批觀察數(shù)據(jù)表示為 X={x1，x2，x3，...，xn}，數(shù)據(jù)個(gè)數(shù)為 n，在 d維空間中的分布不是橢球狀，那么就不適合以一個(gè)單一的高斯密度函數(shù)來描述這些數(shù)據(jù)點(diǎn)的概率密度函數(shù)。假設(shè)每個(gè)點(diǎn)由一個(gè)單高斯分布生成，而這一批數(shù)據(jù)由 M個(gè)單高斯模型生成，具體某個(gè)數(shù)據(jù) xi屬于哪個(gè)高斯模型未知，且每個(gè)單高斯模型在混合模型中所占的比例αj未知，將所有的來自不同分布的數(shù)據(jù)點(diǎn)混合在一起，該分布就可稱為混合高斯分布。

1.3相關(guān)形態(tài)學(xué)操作

圖像分割后難免會(huì)出現(xiàn)一些虛邊緣及一些零星的小團(tuán)塊物體，導(dǎo)致分割不徹底，影響分割效果，不利于后續(xù)工作的實(shí)施，這就需對(duì)其進(jìn)行形態(tài)學(xué)操作。膨脹和腐蝕這兩種操作是形態(tài)學(xué)處理的基礎(chǔ)，主要應(yīng)用于灰度圖像或二值圖像，本文使用的是三通道的彩色圖像，各個(gè)通道腐蝕膨脹操作過程相對(duì)獨(dú)立，單獨(dú)處理。

對(duì)于單通道圖像的腐蝕操作如下：

式中，dst（x，y）為腐蝕后的圖像;src（x+dx，y+dy）為原圖像;B為結(jié)構(gòu)元素;（dx，dy）為 B結(jié)構(gòu)元素值。

由式（2）很容易理解腐蝕甚至膨脹的原理，這些就是基本的形態(tài)學(xué)操作。本文主要使用腐蝕操作來消除分散的不必要的小團(tuán)塊物體，以便于排除干擾，突出目標(biāo)物體，實(shí)現(xiàn)較好的分割結(jié)果。

2半交互式圖像分割及銹蝕缺陷檢測(cè)

2.1半交互式圖像分割算法

在實(shí)際高壓輸電線路圖像采集過程中，同一場(chǎng)景需拍攝大量輸電線路圖像，且連續(xù)循環(huán)拍攝，以便于后期圖像處理工作。而基于無人機(jī)環(huán)繞拍攝的特殊性，在同一場(chǎng)景中且處于同一時(shí)間段的圖像不但背景物體相似，而且在顏色、紋理、形狀等特征方面也有極大的相似性。為此，可在 GrabCut算法基礎(chǔ)上，只需對(duì)場(chǎng)景中的其中一張圖像進(jìn)行簡(jiǎn)單的人工交互標(biāo)記前景點(diǎn)和背景點(diǎn)，并以此為結(jié)點(diǎn)初始化并構(gòu)建 GMM模型;然后利用迭代逼近思想對(duì) GMM參數(shù)進(jìn)行更新以獲得昀佳 GMM模型;昀后判斷其他圖像的高斯模型概率完成圖像的昀優(yōu)分割。

根據(jù)上述分析得到算法 1，總結(jié)實(shí)現(xiàn)步驟為如下。

輸入圖像T，手動(dòng)標(biāo)定矩形框。

矩形框范圍內(nèi)為前景待選區(qū)域，框外標(biāo)記為背景區(qū)域（TB背景，TF前景待選區(qū)域）。

（3）在矩形框范圍內(nèi)人工標(biāo)記前景點(diǎn)和背景點(diǎn)。

通過標(biāo)定的矩形區(qū)域初始化圖 T。利用 K-means算法分別用 SF（前景）和 SB（背景）兩個(gè)集合初始化前景和背景的混合高斯模型，獲得 GMM參數(shù)的初始值。

（5）以人工標(biāo)記的像素值作為樣本點(diǎn)構(gòu)建高斯前景模型和背景模型。

GMM的標(biāo)號(hào)和背景 GMM的標(biāo)號(hào)，并構(gòu)建αn=1和αn=0掩碼圖像。

EM算法學(xué)習(xí)并更新 GMM參數(shù)。

迭代執(zhí)行步驟（5）～（7），直到構(gòu)建理想的前背景模型。

根據(jù)構(gòu)建的概率模型，將其他圖像的像素點(diǎn)匹配建好的前景模型和背景模型，對(duì)新圖像像素點(diǎn)進(jìn)行模型分類，實(shí)現(xiàn)圖像分割。

（10）對(duì)分割后的圖像進(jìn)行腐蝕操作，優(yōu)化分割效果。 通過以上算法步驟就可以對(duì)一組相似場(chǎng)景的圖像實(shí)現(xiàn)很好的分割效果，通俗易懂，便于實(shí)現(xiàn)。根據(jù)以上步驟，可得到如下輸入輸出過程。

2.2銹蝕缺陷檢測(cè)算法過程

針對(duì)航拍圖像，銹蝕缺陷主要存在于金屬器具、連接裝置、接地裝置、桿塔等位置，然而對(duì)于一張彩色的背景復(fù)雜的圖像，基于單純的顏色特征的的銹蝕提取會(huì)受到很多相似顏色的干擾，易造成誤檢或漏檢。為此要想得到理想的檢測(cè)效果就必須從圖像的分割開始，提取前景目標(biāo)，從而可對(duì)后期銹蝕部件確認(rèn)有很大的幫助。圖像分割后就可直接對(duì)前景目標(biāo)進(jìn)行銹蝕缺陷區(qū)域的檢測(cè)和識(shí)別，但前提還是要對(duì)采集的航拍圖像進(jìn)行簡(jiǎn)單背景和復(fù)雜背景的分類處理。

由以上分析可得該算法 2的主要步驟如下。

（1）輸入航拍圖像I，對(duì)圖像進(jìn)行簡(jiǎn)單的增強(qiáng)預(yù)處理。

對(duì)于單張圖像，人工標(biāo)記矩形框，框范圍內(nèi)為前景待選區(qū)域，框外標(biāo)記為背景區(qū)域。通過標(biāo)定的矩形框來初始化圖I，獲得 GMM參數(shù)的初始值，然后在矩形框范圍內(nèi)人工標(biāo)記前景點(diǎn)和背景點(diǎn)，通過 GrabCut算法實(shí)現(xiàn)分割。對(duì)于一組相似場(chǎng)景的圖像，對(duì)其中一張圖像人工標(biāo)記前景點(diǎn)和背景點(diǎn)，構(gòu)建前景混合高斯模型和背景混合高斯模型，不斷迭代更新GMM參數(shù)，直至構(gòu)建理想的前背景模型，然后對(duì)新圖像實(shí)現(xiàn)半交互式的圖像分割。

對(duì)分割后的圖像進(jìn)行簡(jiǎn)單的形態(tài)學(xué)開運(yùn)算操作，優(yōu)化分割結(jié)果。

將分割后得到的彩色圖像變換 YCrCb顏色空間。

提取分離三通道的彩色圖像，得到 Cr單通道的灰度圖像。

根據(jù)銹蝕缺陷顏色特征對(duì)單通道灰度圖像進(jìn)行閾值分割，完成檢測(cè)。通過以上算法步驟就可對(duì)航拍圖像實(shí)現(xiàn)良好的分割效果，并得到滿意的銹蝕檢測(cè)效果。該檢測(cè)算法簡(jiǎn)單易懂，易于實(shí)現(xiàn)，有很好的實(shí)用性。

根據(jù)銹蝕缺陷檢測(cè)的流程及以上詳細(xì)步驟，可得到如下輸入輸出過程。

參考文獻(xiàn)

[1]周良芬，何建農(nóng).基于 GrabCut改進(jìn)的圖像分割算法[J].計(jì)算機(jī)應(yīng)用，2013（1）：49-52.

[2]張洪才.直升機(jī)巡檢輸電線路銹蝕缺陷識(shí)別方法研究[D].大連：大連海事大學(xué)，2009.