復(fù)雜背景下輸電線覆冰厚度自動(dòng)檢測(cè)方法

許 剛，蘇蓓蓓

(華北電力大學(xué) 電氣與電子工程學(xué)院，北京 102206)

0 引 言

利用圖像分割技術(shù)對(duì)圖像的邊緣信息進(jìn)行提取，一直是圖像處理和計(jì)算機(jī)視覺領(lǐng)域的重點(diǎn)和難點(diǎn)[1]。由于雨雪天氣光線較暗，背景與輸電線極易混淆，所拍圖片很容易產(chǎn)生模糊，同時(shí)還會(huì)受到較重的噪聲污染，導(dǎo)致圖片質(zhì)量下降[2]。因此對(duì)巡檢中的覆冰輸電線進(jìn)行邊緣檢測(cè)和輪廓提取是判斷覆冰危險(xiǎn)情況的關(guān)鍵[3]。Canny算子是一種將最優(yōu)化思想應(yīng)用于圖像處理的算子，根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子，但是對(duì)于光線較暗，背景復(fù)雜的圖像仍存在處理困難、偽邊緣過多的問題[4]。

針對(duì)上述問題，本文提出了一種改進(jìn)的自適應(yīng)Canny邊緣檢測(cè)算法。首先利用自適應(yīng)概率濾波器，濾除椒鹽噪聲和平滑其它非脈沖噪聲，增強(qiáng)對(duì)圖像細(xì)節(jié)的保留能力，具有很高的魯棒性和很強(qiáng)的自適應(yīng)性；緊接著，利用改進(jìn)Otsu算法尋找閾值，通過新的迭代方法，逐步對(duì)圖像進(jìn)行處理，迭代更新前景和背景，最終精確分割提取圖像邊緣信息，保證邊緣提取的精確性；最后通過提取直線和計(jì)算覆冰厚度得出覆冰狀況[5]。實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的Canny算法提高了對(duì)噪聲的處理能力，可以精準(zhǔn)地提取目標(biāo)邊緣，在降低了算法的復(fù)雜度的同時(shí)，提高了自動(dòng)計(jì)算覆冰厚度的準(zhǔn)確性。

1 輸電線邊緣檢測(cè)

1.1 傳統(tǒng)Canny邊緣檢測(cè)

Canny邊緣檢測(cè)算法的主要目標(biāo)是尋找最優(yōu)邊緣[6]，即：盡可能多地尋找圖像邊緣，所尋找的邊緣盡可能接近實(shí)際圖像邊緣，盡可能減少將非邊緣點(diǎn)誤識(shí)為邊緣點(diǎn)的概率和邊緣重復(fù)識(shí)別的概率。Canny檢測(cè)算法的實(shí)現(xiàn)步驟為：

(1)使用高斯濾波平滑圖像：傳統(tǒng)Canny應(yīng)用高斯模糊去除噪聲，降低偽邊緣的識(shí)別，所用公式為

(1)

fs(x,y)=f(x,y)*G(x,y)

(2)

其中，σ的選取對(duì)于噪聲的抑制極為重要，其選取不當(dāng)會(huì)對(duì)邊緣的定位精度產(chǎn)生一定影響。

(2)計(jì)算梯度的幅值和方向：圖像的邊緣具有方向?qū)傩裕珻anny算法梯度模和梯度方向的計(jì)算公式如下

(3)

(4)

其中，A(i,j) 表示坐標(biāo) (i,j) 處像素的最大變化，θ(i,j) 表示坐標(biāo) (i,j) 處邊緣最大變化的方向。Gx和Gy分別是水平和垂直方向的差分。

(3)非極大值抑制：非極大值抑制是一種邊緣細(xì)化的方法。步驟(2)雖然得到了每個(gè)像素的梯度，但是沒有找到邊界信息。因此我們需要保留局部最大梯度從而抑制其它梯度值，達(dá)到只保留梯度變化最劇烈位置的目的。

(4)雙閾值檢測(cè)和邊緣連接：Canny算法用一個(gè)高閾值和一個(gè)低閾值來區(qū)分邊緣像素，分別對(duì)強(qiáng)弱邊緣點(diǎn)進(jìn)行檢測(cè)，防止邊緣丟失。

覆冰輸電線所處環(huán)境復(fù)雜、光線較暗，不同時(shí)刻、不同位置的拍攝圖片其邊緣強(qiáng)度分布也不盡相同，為能夠及時(shí)監(jiān)測(cè)輸電線覆冰厚度，保證判定結(jié)果的準(zhǔn)確性，本文提出了一種改進(jìn)的Canny邊緣檢測(cè)算法。

1.2 改進(jìn)的Canny邊緣檢測(cè)算法

1.2.1 自適應(yīng)概率濾波器

在圖像處理中，由于解碼錯(cuò)誤或噪聲信道的存在和意外信號(hào)的干擾，圖像常常受到椒鹽噪聲(脈沖噪聲的一種)的影響，直接影響圖像處理的質(zhì)量。高斯濾波器對(duì)椒鹽噪聲的處理效果不佳，中值濾波器能夠?qū)γ}沖噪聲進(jìn)行必要的處理，但是在噪聲確定的問題上存在困難[7,8]。針對(duì)現(xiàn)有濾波器不能很好區(qū)分噪聲像素和非噪聲像素，對(duì)椒鹽噪聲處理不足的問題，本文提出了自適應(yīng)概率濾波器，它根據(jù)圖像的最大強(qiáng)度值和最小強(qiáng)度值的特征以及噪聲的分布來檢測(cè)椒鹽噪聲。如果鄰域的非噪聲像素強(qiáng)度以一定的概率重復(fù)，基于統(tǒng)計(jì)顯著性，使用具有最高重復(fù)頻率的非噪聲強(qiáng)度來去除噪聲；否則，采用鄰域非噪聲像素的中值來去除噪聲。

假設(shè)一幅圖像中像素強(qiáng)度的取值范圍為0-255，可以采用以下方法對(duì)強(qiáng)度為0和255的像素進(jìn)行檢測(cè)。對(duì)于圖像I，用I(p)表示像素p的強(qiáng)度，取值范圍為0-255；用W(n)表示像素p的鄰域，大小為n*n；用ni表示鄰域W(n)中像素強(qiáng)度為i的像素個(gè)數(shù)，ni-表示除鄰域W(n)中強(qiáng)度i的像素個(gè)數(shù)。此時(shí)，假設(shè)I(p)=0，如果鄰域W(n)中像素強(qiáng)度為0的個(gè)數(shù)遠(yuǎn)大于該鄰域中像素強(qiáng)度為255的像素個(gè)數(shù)，可以設(shè)置n0>n0-，由此可以推斷出該鄰域是暗色區(qū)域，可以將像素p檢測(cè)為非噪聲像素；否則，像素p就是噪聲像素。對(duì)于I(p)=255 時(shí)，采用同樣的方法來檢測(cè)p是否為噪聲像素。需要注意的是，為了既能體現(xiàn)統(tǒng)計(jì)特性又能顯示出算法相關(guān)性，在噪聲檢測(cè)時(shí)，我們將鄰域W(n)的大小取為5*5。

一般來說，鄰域內(nèi)像素存在強(qiáng)相關(guān)性，更多的情況下會(huì)重復(fù)很多次，與非噪聲像素的中值相比，重復(fù)頻率最高的像素強(qiáng)度更接近噪聲像素p的初始強(qiáng)度。對(duì)于一個(gè)噪聲像素p，W(n)為當(dāng)前濾波窗口，大小為n×n，nmax=11，設(shè)P(i)為鄰域W(n)的非噪聲強(qiáng)度i重復(fù)的概率，num(n)為該鄰域中非噪聲像素的個(gè)數(shù)，設(shè)Tw為自適應(yīng)閾值，Tw=num(n)/4。根據(jù)本文所設(shè)計(jì)的方法，如果P(imax)≥Tw，那么我們就用imax作為噪聲像素p的初始強(qiáng)度，否則就以當(dāng)前窗口W(n)中的非噪聲像素的中值作為p的初始強(qiáng)度。如果W(n)中沒有非噪聲像素，則將W(n)放大，即窗口增大，從而得到非噪聲像素。算法的實(shí)現(xiàn)步驟如下：

(1)設(shè)置濾波器窗口W(n)大小的初始值為3*3，并將噪聲識(shí)別矩陣S初始化；

(2)對(duì)于每個(gè)像素p，若I(p)=0 或I(p)=255，設(shè)置S(p)=1；

(3)如果I(p)=0且n0>n0-(或者是I(p)=255 且n255>n255-) 復(fù)位噪聲識(shí)別矩陣S(p)=0；

(4)對(duì)于像素p，其S(p)=1時(shí)，檢測(cè)當(dāng)前濾波窗口是否有非噪聲像素，如果有執(zhí)行(5)，否則執(zhí)行(6)；

(5)計(jì)算當(dāng)前濾波窗口的每個(gè)非噪聲像素i的概率P(i)和自適應(yīng)閾值Tw。如果P(imax)≥Tw，則噪聲像素p的初始強(qiáng)度為imax；如果P(imax)

(6)增大當(dāng)前濾波窗口W(n)，使得n=n+2。如果n≤nmax，重復(fù)(3)之后的過程；如果n>nmax，取增大前濾波窗口的噪聲中值作為p的初始強(qiáng)度。

采用自適應(yīng)概率濾波器的處理結(jié)果如圖1所示。

圖1 自適應(yīng)概率濾波器的處理結(jié)果

實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的自適應(yīng)概率濾波器能夠有效保護(hù)非噪聲像素，濾除椒鹽噪聲和平滑其它非脈沖噪聲，對(duì)圖像細(xì)節(jié)的保留能力比較強(qiáng)，具有很高的魯棒性和很強(qiáng)的自適應(yīng)性。

1.2.2 改進(jìn)的Otsu算法

與其它邊緣檢測(cè)方法不同，Canny邊緣檢測(cè)算法最終邊緣點(diǎn)的選取是通過兩個(gè)閾值來確定的，因此閾值的設(shè)定對(duì)邊緣檢測(cè)的結(jié)果會(huì)產(chǎn)生直接影響。Otsu方法所確定的閾值是由較大的類間方差決定，當(dāng)圖像的直方圖有兩個(gè)以上的峰值或者其中一個(gè)類間方差較大時(shí)，該方法可能會(huì)產(chǎn)生次優(yōu)結(jié)果。輸電線所處環(huán)境復(fù)雜，為了更加精準(zhǔn)地識(shí)別巡檢覆冰輸電線的邊緣信息，需要對(duì)Otsu方法進(jìn)行改進(jìn)[9-12]。

一般Otsu方法是將整個(gè)圖像作為一個(gè)整體進(jìn)行分割處理，本文提出了利用改進(jìn)的Otsu方法通過迭代搜索圖像的子區(qū)域進(jìn)行圖像分割的方法。在第一次迭代中，我們將 Otsu 的方法應(yīng)用到圖像上，得到Otsu的閾值和由閾值分割的兩個(gè)類的均值。本文基于得到的兩個(gè)均值將圖像劃分為3類，分別是前景區(qū)域、背景區(qū)域以及待確定TBD區(qū)域。然后再在下一次迭代中，保持前景區(qū)域和背景區(qū)域不變，在TBD區(qū)域中重新應(yīng)用Otsu方法，以相同的方式將TBD區(qū)域劃分為同樣的3類，將此時(shí)得到的前景與上一次迭代時(shí)所確定的前景進(jìn)行區(qū)域的邏輯和運(yùn)算，背景也是類似確定。然后進(jìn)行下一步的迭代，直至計(jì)算所得的Otsu的閾值小于預(yù)先設(shè)定的閾值，從而得到用Otsu方法分割的前景區(qū)域和背景區(qū)域。

對(duì)于大小為M*N灰度圖像，某一點(diǎn)的灰度值為f(x,y)，取值范圍為(0,n-1)，表示該圖像有n個(gè)灰度值，P(n) 為灰度值為n的像素點(diǎn)出現(xiàn)的概率

(5)

一般情況下，我們假設(shè)前景比背景更亮，即μ1>μ0，選擇一個(gè)閾值T(0

(6)

(7)

其中，下標(biāo)0和1表示背景和前景兩個(gè)類，q表示背景/前景占整個(gè)圖像的比例，θ表示背景/前景的類間方差，計(jì)算方式如下

(8)

(9)

(10)

(11)

從上面的等式我們可以看出，T是前景和背景的像素值函數(shù)，信號(hào)強(qiáng)度的改變會(huì)導(dǎo)致T取值的變化。

圖2 Otsu方法第一次迭代的劃分情況

實(shí)驗(yàn)結(jié)果如圖3所示。由實(shí)驗(yàn)結(jié)果可知，經(jīng)過多次迭代，Otsu可以尋找到最佳分割閾值，能夠更精準(zhǔn)選出目標(biāo)邊緣，去除偽邊緣。

圖3 改進(jìn)的Otsu方法的處理結(jié)果

而且該方法還有一大亮點(diǎn)在于，除了迭代過程的停止規(guī)則外，改進(jìn)的Otsu方法幾乎沒有限制參數(shù)，計(jì)算復(fù)雜度低。但是需要注意的是，Canny檢測(cè)算法只能夠檢測(cè)覆冰輸電線的大概輪廓，但是并不能精確完整提取出覆冰輸電線，因此需要對(duì)覆冰輸電線做進(jìn)一步的處理。

2 輸電線提取算法研究

2.1 霍夫變換提取

霍夫變換(也稱Hough變換)的本質(zhì)是一種從圖像空間到參數(shù)空間的映射關(guān)系。其基本思想是利用點(diǎn)線在圖像空間和參數(shù)空間相交的對(duì)偶性，將原始圖像空間的給定曲線變?yōu)镠ough參數(shù)空間中的一個(gè)點(diǎn)，遍歷圖像中每一個(gè)像素并將其映射到參數(shù)空間，通過投票程序?qū)?shù)空間的參數(shù)點(diǎn)進(jìn)行累加，然后在參數(shù)空間中搜索局部峰值，并將結(jié)果映射到圖像空間。

Hough變換具有很強(qiáng)的魯棒性，不僅可以檢測(cè)直線，對(duì)于有弧度的曲線也能夠做好正確檢測(cè)，因此即使是輸電線覆冰彎曲，仍可使用該方法。

設(shè)L是任意一條空間直線，其在圖像空間直角坐標(biāo)系下的方程為

y=kx+b

(12)

由于垂線的斜率有不存在的情況，此時(shí)參數(shù)k的值接近于無窮大。為便于計(jì)算，可將直角坐標(biāo)系方程轉(zhuǎn)換為極坐標(biāo)系方程

β=xcosα+ysinα

(13)

轉(zhuǎn)換為參數(shù)空間則可表示為(β,α)，該參數(shù)空間被稱為霍夫空間，用于二維直線的集合。Hough變換的基本原理如圖4所示。

圖4 Hough變換的基本原理

歐式空間中一條直線上的點(diǎn)在Hough參數(shù)空間中為一條正弦曲線，正弦曲線的形狀取決于點(diǎn)到所定義原點(diǎn)的距離β，一般β越大，正弦曲線的振幅越大，反之則會(huì)越??；歐式空間中同一條直線上的多個(gè)點(diǎn)在Hough參數(shù)空間中為一個(gè)正弦曲線簇且曲線簇相交于一點(diǎn)，稱此點(diǎn)為峰值點(diǎn)。而Hough參數(shù)空間下的峰值點(diǎn)，則對(duì)應(yīng)了歐式空間下的一條直線，因此閾值的選擇將直接影響目標(biāo)直線的識(shí)別結(jié)果。閾值設(shè)定過小會(huì)使共線點(diǎn)數(shù)少的非目標(biāo)短直線被檢測(cè)出來，閾值設(shè)定過大會(huì)導(dǎo)致檢測(cè)不到所要識(shí)別的直線。

本文對(duì)Canny算法進(jìn)行改進(jìn)，有效消除背景噪聲，故而選取較小的判斷閾值hp=|μ*max(H)|，其中H為權(quán)值統(tǒng)計(jì)矩陣，μ為峰值系數(shù)，設(shè)定為μ=0.05。輸電線提取結(jié)果如圖5所示，可以看出Hough變換可以檢測(cè)出圖中的直線?？梢钥闯觯瑘D中存在直線斷裂問題，對(duì)較長(zhǎng)輸電線覆冰厚度的計(jì)算結(jié)果會(huì)有一定的影響，因此需要進(jìn)一步處理。

圖5 Hough變換提取結(jié)果

2.2 直線編組連接

對(duì)邊緣圖像進(jìn)行編組就是對(duì)邊緣進(jìn)行跟蹤，即將具有相同方向角標(biāo)記的邊緣點(diǎn)進(jìn)行編組。

假設(shè)存在樣本點(diǎn)的集合，P={(x1,y1),(x2,y2),…,(xn,yn)}，其中n≥2。通過最小二乘法將P中的樣本擬合成直線，表示為：y=ax+b，樣本中實(shí)際的yi和根據(jù)擬合直線得到的y的誤差為

βi=yi-(axi+b),i=1,2,…,n

(14)

參數(shù)a，b通過對(duì)誤差求平方和然后再求偏導(dǎo)的方式得到，近似結(jié)果為

(15)

(16)

為解決輸電線提取結(jié)果中出現(xiàn)斷裂和重疊的問題，根據(jù)最小二乘法直線擬合的原理，本文設(shè)計(jì)了編組擬合直線的方法。首先需要確定直線閾值dth，要求該閾值大于預(yù)估輸電線的寬度d1并且小于輸電線間的最大平均間隔d2，其中輸電線的預(yù)估寬度d1依據(jù)采樣后的圖像分辨率獲得，輸電線的最大平均間隔d2的計(jì)算方法為

(17)

ymax和ymin分別為所求直線集合散點(diǎn)中的縱坐標(biāo)的最大值和最小值，N為待處理圖像中輸電線的數(shù)量。其次需要計(jì)算Hough變換所得的任意一條直線的起點(diǎn)S1和終點(diǎn)S2到編組擬合直線的歐氏距離dS1和dS2，其計(jì)算公式如下

(18)

(19)

其中，m為保留下來的要進(jìn)行處理的直線編號(hào)。

算法的實(shí)現(xiàn)步驟如下：

(1)對(duì)Hough變換得到的直線L編號(hào) {l1,l2,…,ln}，并標(biāo)記每條直線的起點(diǎn)S1和終點(diǎn)坐標(biāo)S2

li={Si1(xi1+yi1),Si2(xi2+yi2)},1≤i≤n

(20)

(2)利用上述最小二乘法擬合直線的原理，對(duì)標(biāo)記的起點(diǎn)和終點(diǎn)坐標(biāo)進(jìn)行擬合，得到每條直線方程；

(3)遍歷所有直線，判斷Hough直線的起點(diǎn)和終點(diǎn)到對(duì)應(yīng)的擬合直線的歐氏距離max(dS1,dS2) 和設(shè)定閾值dth的大小。如果max(dS1,dS2)

(4)將(3)保留下來的直線進(jìn)行處理，合并重疊部分、連接斷裂部分。最小二乘法不僅可以對(duì)直線進(jìn)行擬合，也可以對(duì)曲線進(jìn)行擬合，具體采用的擬合方法要依輸電線的垂度來確定。

3 覆冰厚度計(jì)算

通過獲取的覆冰輸電線的邊界信息，可以得到邊緣的像素點(diǎn)坐標(biāo)。但是由于圖像和實(shí)物的坐標(biāo)系和維度都有所不同，僅知道像素點(diǎn)無法計(jì)算厚度信息。因此，我們需要計(jì)算輸電線覆冰前的相關(guān)信息，利用無冰輸電線直徑的邊緣像素坐標(biāo)和覆冰輸電線直徑的邊緣像素坐標(biāo)，通過對(duì)應(yīng)的比例關(guān)系，即可得到覆冰輸電線的厚度信息。

設(shè)無冰輸電線的實(shí)際直徑為d1，在圖像中的直徑像素?cái)?shù)為r1，覆冰輸電線的實(shí)際直徑為d2，覆冰圖中輸電線的直徑像素?cái)?shù)為r2，根據(jù)比例關(guān)系得到d2的計(jì)算公式

d2=(r2/r1-1)d1

(21)

覆冰厚度d的計(jì)算公式

d=(d2-d1)/2

(22)

根據(jù)本文所用方法提取到的輸電線路邊緣信息，利用無冰輸電線路的相關(guān)數(shù)據(jù)，計(jì)算得到圖中線路覆冰厚度。值得注意的是，實(shí)際圖片中覆冰輸電線路距離過長(zhǎng)，為保證求取的覆冰厚度準(zhǔn)確性，可將該線段分成若干小段，先求取每一段的覆冰厚度再求其平均值即可。

4 實(shí)驗(yàn)結(jié)果及分析

為驗(yàn)證算法的有效性，本文在MATLAB R2016a環(huán)境下進(jìn)行實(shí)驗(yàn)。采用傳統(tǒng)Canny邊緣檢測(cè)方法和改進(jìn)Canny邊緣檢測(cè)方法，對(duì)雨雪天氣下光線陰暗、背景與提取目標(biāo)顏色接近的覆冰輸電線進(jìn)行處理分析，實(shí)驗(yàn)流程如圖6所示。

圖6 覆冰輸電線處理流程

為更好驗(yàn)證改進(jìn)的濾波器的實(shí)驗(yàn)效果，本文首先對(duì)所要處理的圖片添加椒鹽噪聲，其密度為0.05，均值為0，方差為0.01。分別用中值濾波器和自適應(yīng)概率濾波器進(jìn)行實(shí)驗(yàn)，其中自適應(yīng)概率濾波器的初始窗口大小為3*3，根據(jù)多次實(shí)驗(yàn)確定，最大濾波窗口的大小為11*11。圖7為覆冰輸電線的處理結(jié)果?？梢钥闯?，中值濾波器的處理結(jié)果相對(duì)模糊，而改進(jìn)后的自適應(yīng)概率濾波器能夠突出覆冰輸電線和天空的邊界輪廓，對(duì)圖像細(xì)節(jié)的保留能力相對(duì)較好。改進(jìn)后的濾波器的實(shí)驗(yàn)效果明顯優(yōu)于自適應(yīng)中值濾波器，具有較高的魯棒性，對(duì)接下來的邊緣輪廓提取至關(guān)重要。

圖7 不同濾波器處理輸電線的結(jié)果對(duì)比

為進(jìn)一步驗(yàn)證改進(jìn)的Otsu方法的有效性，進(jìn)行了如下實(shí)驗(yàn)驗(yàn)證。首先將改進(jìn)的Otsu方法按照1.2.2所示執(zhí)行，通過不斷對(duì)TBD區(qū)域進(jìn)行劃分，并將劃分后所得的前景區(qū)和背景區(qū)不斷進(jìn)行累加，直至兩個(gè)連續(xù)閾值之差 |T(m+1)-T(m)| 小于預(yù)設(shè)閾值。

將傳統(tǒng)Otsu方法與改進(jìn)的Otsu方法的實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比如圖8所示，可以發(fā)現(xiàn)改進(jìn)的Otsu方法隨著逐步迭代，通過閾值的不斷選取，能夠有效濾除背景的模糊線段，提取所需的覆冰輸電線。

圖8 傳統(tǒng)Otsu和改進(jìn)Otsu的處理結(jié)果

不僅如此，因?yàn)楦脖旊娋€與天空背景像素接近，傳統(tǒng)邊緣檢測(cè)在進(jìn)行輪廓識(shí)別的時(shí)候，很容易將邊緣部分錯(cuò)誤檢測(cè)，出現(xiàn)很多細(xì)小的干擾噪聲；改進(jìn)Otsu方法所提取的輸電線，能夠有效提取完整的無冰輸電線和覆冰輸電線，提取結(jié)果清晰且干凈。

經(jīng)由對(duì)傳統(tǒng)Canny邊緣檢測(cè)方法進(jìn)行以上兩步的改進(jìn)，不僅可以濾除椒鹽噪聲，提高對(duì)目標(biāo)覆冰輸電線的提取準(zhǔn)確度，還能夠有效去除偽邊緣和虛假直線段，極大方便了接下來采用Hough變換和編碼重組進(jìn)行的輸電線的提取。

由圖9中兩幅輸電線的對(duì)比可以看出，傳統(tǒng)邊緣檢測(cè)方法提取的直線，不僅錯(cuò)誤的將非目標(biāo)模糊背景直線段提取出來，在提取目標(biāo)直線的過程中，由于邊緣提取結(jié)果的小噪聲太多，導(dǎo)致Hough變換不能有效對(duì)邊緣輪廓和干擾噪聲進(jìn)行區(qū)分，所提取的直線多為斷裂的細(xì)小直線段，嚴(yán)重影響了直線編組連接。改進(jìn)的Canny邊緣檢測(cè)的提取結(jié)果明顯解決了上述問題，雖然在直線提取時(shí)仍會(huì)有直線斷裂、重疊等情況，但是已經(jīng)足以保證編組連接的準(zhǔn)確性，能夠保證對(duì)覆冰厚度計(jì)算的準(zhǔn)確程度。

圖9 不同方法提取輸電線的結(jié)果對(duì)比

5 結(jié)束語(yǔ)

利用改進(jìn)的Canny邊緣檢測(cè)算法，采用自適應(yīng)概率濾波器的方法可以正確區(qū)分噪聲像素和非噪聲像素、排除信號(hào)處理過程中產(chǎn)生的椒鹽噪聲的影響；采用改進(jìn)的Otsu的迭代搜索方法可以使得圖像分割更為準(zhǔn)確、更好提取較弱目標(biāo)邊緣。

實(shí)驗(yàn)結(jié)果表明，通過對(duì)圖像的邊緣檢測(cè)和輸電線的邊緣提取兩步來實(shí)現(xiàn)輸電線的提取切實(shí)可行，同時(shí)改進(jìn)后的Canny算法有較高的魯棒性，不僅降低了算法的復(fù)雜度，也能更加精準(zhǔn)檢測(cè)輸電線的邊緣，為精準(zhǔn)自動(dòng)計(jì)算覆冰厚度找到了切實(shí)可行的方法。