汪林 ，王燕午，王琳，蔡歡，陳艷云

(1.天津市測繪院，天津 300381; 2.中科遙感信息技術有限公司，天津 300384)

1 引 言

電力系統(tǒng)中高壓線巡線是一個非常重要而繁重的工作。隨著高電壓、大功率，長距離輸電線路的不斷出現(xiàn)，對其進行維護日趨困難［1］。目前，電力輸電線路巡線工作中線路長、面積大、沿途環(huán)境復雜，給電力巡線任務的實施提出了越來越高的要求。對電力線正常運行構成威脅的有電力線附近草木的生長和違規(guī)工程建筑物的構建，尤其是電力線下面的草木，一旦它們生長的高度超越電線時，就有可能引起斷電甚至火災，這些都迫切需要及時獲取電力線的地理信息。

隨著航空影像分辨率的提高與攝影測量技術的發(fā)展，而且無人機具有機動快速，使用成本低，維護操作簡單［2］等技術優(yōu)勢，這些都為輸電線路的運行維護提供了新的技術方法和手段，使得航空影像測量技術應用于電力巡線成為可能?；跓o人機航空影像對電力線提取方法的研究，就具有重要的實際意義和經(jīng)濟社會價值。

2 電力線自動提取方法

基于無人機的高分辨率高壓線路走廊航空影像中的電力線主要有以下這些特點:一是電力線在影像中一般呈直線狀，且曲率變化不大。二是由于無人機航測的飛行路線通常是沿電力線飛行，電力線會貫穿整個飛行線路，拓撲結構相對簡單。三是由于電力線現(xiàn)實環(huán)境周圍復雜，導致影像中電力線的背景可能有河流、山地、道路、房屋等地形，對電力線的提取帶來一定的困難［3］。

根據(jù)電力線的這些特點，本文綜合了各種抗強噪聲檢測和提取方法，能夠得到電力線的邊緣，并進行邊緣跟蹤獲取連通的電力線邊緣集合。電力線提取技術路線流程如圖1所示。

整個流程主要分為三個部分，首先是圖像預處理，對影像進行去噪增強。其次是圖像邊緣檢測，采用邊緣檢測算子對圖像進行濾波處理，從而檢測出影像上電力線的邊緣，最后采用Hough 變換來追蹤連接直線，從而將電力線提取出來。

圖1 電力線提取技術路線流程圖

2.1 圖像預處理

本文采用了中值濾波對圖像進行去噪，中值濾波即可濾除高頻噪聲，同時也可避免圖像邊緣細節(jié)的丟失，較好地保護了圖像的邊緣。然后有針對性地對圖像進行二值化處理，突出圖像的邊緣。

2.2 圖像邊緣檢測

圖像最基本的特征是邊緣，邊緣就是指其周圍像素的灰度值表現(xiàn)屋頂狀或階梯狀變化的像素集合，是圖像實體形狀、紋理重要的信息來源。邊緣的檢測可借助空域微分算子通過卷積完成，微分算子具有突出灰度變化的作用，對圖像運用微分算子，其灰度變化較大點計算出的微分算子值較高，因此可將這些值作為相應點的邊界強度，通過設置閾值，提取邊界點集［4］。經(jīng)典的邊緣檢測算子有Sobel 算子、Canny 算子等。

(1)Sobel 算子

Sobel 算子［5］是一種一階微分算子，它利用鄰近區(qū)域像素的梯度值來計算當前像素的值，然后再根據(jù)一定的閾值來取舍，其幅值為:

適當?shù)倪x取閾值T，若S(x，y)＞T，則點(x，y)為階躍邊緣點。

(2)Canny 算子

Canny 算子［5］邊緣檢測方法是利用高斯函數(shù)的一階微分，能在噪聲抑制和邊緣檢測之間取得良好的平衡。算子包含以下步驟:

①高斯濾波器去處圖像中的噪聲。

②用高斯算子的一階微分對圖像進行濾波，得到每個像素梯度的值△f(x，y)和方向θ。

式中，f(x，y)為濾波后的圖像。

③對梯度進行“非極大抑制”。

④用雙閾值算法檢測和連接邊緣。設置的閾值過高，可能會漏掉重要信息;閾值過低，將會把枝節(jié)信息看得很重要。

2.3 Hough 變換

霍夫變換是圖像處理中從圖像中識別幾何形狀的基本方法之一，它可以用于將邊緣像素連接起來得到邊界曲線，它的主要優(yōu)點在于受噪聲和曲線間斷的影響較?。?］?；舴蜃儞Q的基本思想是:如圖2(a)所示，在直角坐標系中有一條直線l，原點到直線l 的垂直距離為ρ，垂線與x 軸的夾角為θ，則這條直線是唯一的，且其直線方程為ρ=xcosθ+ysinθ，而這條直線用極坐標表示則為一點(ρ，θ)?？梢姡苯亲鴺讼抵械囊粭l直線對應極坐標系中的一點，這種線到點的變換就是霍夫變換［7］。

在直角坐標系中過任一點(x0，y0)的直線系，如式(4)所示，滿足:

其中φ=arctan(y0/x0)。

而這些直線在極坐標系中所對應的點(ρ，θ)構成圖2(b)中的一條正弦曲線。反之，在極坐標系中位于這條正弦曲線上的點，對應直角坐標系中過點(x0，y0)的一條直線，設平面上有若干點，過每點的直線系分別對應于極坐標上的一條正弦曲線。若這些正弦曲有共同的交點(ρ'，θ')，如圖2(c)，則這些點共線，且對應的直線方程為:ρ'=xcosθ'+ysinθ'，這就是霍夫變換檢測直線的原理。

圖2 霍夫變換檢測直線

Hough 變換檢測直線的算法步驟如下:

(1)在ρ，θ 的極值范圍內對其分別進行m，n 等分，設一個二維數(shù)組的下標與ρi，θj的取值對應;

(2)對圖像上的邊緣點做Hough 變換，求每個點在θj(j=0，1…n)變換后ρi，判斷(ρi，θj)與哪個數(shù)組元素對應，則讓該數(shù)組元素加1;

(3)比較數(shù)組元素值的大小，最大值所對應的(ρi，θj)就是這些共線點對應的直線方程的參數(shù)。共線方程為ρi=xcosθj+ysinθj;

Hough 變換的抗噪性能強，并且結果準確，能將斷開的邊緣線段連接起來。

3 電力線提取實驗及分析

3.1 實驗環(huán)境

本文的所有實驗都是在主頻為Pentium(R)4 2.93GHz、內存為512M 的計算機上完成的，實驗數(shù)據(jù)由小型無人機搭載普通單反數(shù)碼相機，沿電力線飛行，由無人機飛控系統(tǒng)通過遙控指令定時兩秒周期拍照獲取的航空影像，影像的格式為JPG 格式，影像的尺寸為3 456×2 304。圖3顯示了實驗數(shù)據(jù)的部分視圖。

3.2 實驗基本過程

本文實驗是在MFC 的框架下結合OpenCV 庫函數(shù)利用多種方法對遙感影像進行預處理，邊緣檢測和Hough 變換，得到最終電力線提取下的影像，并對最終的結果進行比較和優(yōu)化。

實驗先對測試圖像進行去噪處理，然后利用Canny 和Sobel 算子進行邊緣檢測，再用Hough 變換跟蹤提取出電力線。具體步驟如下:

(1)在MFC 下獲取圖像句柄，繪制圖像的區(qū)域到設備環(huán)境的句柄，用于實現(xiàn)測試影像在Window 下的顯示，用來讀取測試影像。

(2)采用中值濾波對圖像進行去噪處理。中值濾波能夠濾除復雜背景下的干擾噪聲，且能夠保持很好的邊緣。

(3)分別采用Canny 算子和Sobel 算子進行邊緣檢測。在利用Canny 算子進行邊緣檢測時，由于影像中待提取的電力線長度較大，為了突出電力線的邊緣，故設定Canny 的閾值較大;在Sobel 算子實現(xiàn)中，由于Sobel 在提取電力線的同時也提取了部分其他地物的邊緣信息，為突出電力線的邊緣，需要對Sobel 濾波后的圖像進行二值化處理。另外，由于無人機是沿著電力線的走向進行航飛拍攝，得到的影像中的電力線基本是縱向的，故采用Sobel 縱向模板，以便突出電力線的邊緣。

(4)利用Hough 變換提取影像中的電力線，并采用紅線進行連接得到全局范圍內的電力線。

為了保存實驗結果，在程序設計中添加了圖像保存的功能。

3.3 實驗結果及分析

本節(jié)對電力線提取實驗結果進行分析討論。

圖3 測試圖像

圖4 預處理后的圖像

圖5 Canny 濾波后提取電力線的圖像

圖6 Sobel 濾波后提取電力線的圖像

圖3是3 幅含有電力線JPG 格式的測試圖像，圖4是對3 幅測試圖像進行中值濾波預處理平滑噪聲的圖像，圖5是分別對3 幅去噪后的影像進行Canny 濾波后再進行Hough 變換跟蹤提取電力線的圖像，圖6是分別對3 幅去噪后的圖像進行Sobel 濾波變換后再進行Hough 變換跟蹤提取電力線的圖像。

總的來看，圖像預處理后的圖像能夠消除部分干擾噪聲，且能保持好的圖像邊緣效果。Canny－Hough 和Sobel－Hough 兩種方法對于一般狀況下的電力線影像，都能夠很好地提取出電力線的輪廓并用紅線標示。圖3(a)是植被背景下的電力線影像，圖3(b)是巖土背景下的電力線影像，圖3(c)是復雜模糊環(huán)境下的電力線影像。本實驗所采用的兩種方法均能濾除非感興趣的邊緣，將電力線的邊緣提取檢測出來。實驗結果如圖5和圖6所示，結果表明，實驗達到了既定的要求。

但是兩種算法在精度和效率上都有差別，實驗中對3 張3 456×2 304 分辨率的測試圖像進行了精度和效率上的比較。在精度上，Canny 算子檢測的邊緣較細，能夠濾除很多不感興趣的邊緣信息，但Hough 變換后發(fā)現(xiàn)檢測出的電力線的邊緣連續(xù)性不好。Sobel 算子能夠檢測出很完整的邊緣信息，但檢測到的邊緣至少為兩個像素，Hough 變換后發(fā)現(xiàn)電力線提取的邊緣連續(xù)性相對較好。

在效率上，兩種電力線的提取方法也有很大的差異。在實驗過程中，由于Sobel 濾波后得到的邊緣太多，為了突出邊緣，更好地檢測出電力線，對Sobel 濾波后的圖像進行了二值化處理，這樣就導致兩種方法在效率上有很大的差別，表1是對3 幅影像進行電力線提取的算法時間的比較。

從表1中，明顯看出Sobel－Hough 方法提取電力線的比Canny－Hough 方法的效率要低，但綜合精度和效率來講，每種方法都有自己的優(yōu)點和缺點。

表1 算法效率比較表

4 結 語

本文所設計的算法還存在一定的局限性和不足，如電力線在圖像上呈現(xiàn)彎曲的弧形時，則用Hough 變換顯然很難提取完整的電力線，可能需要用Radon 變換來提取電力線。如存在復雜的背景，存在道路等線性特征物時，這套算法可能會把部分道路當做電力線進行提取。

［1］李俊芳，李寶樹，仝衛(wèi)國．基于航拍圖像的電力線自動提?。跩］．傳感器世界，2008，14(9) :28 ～31．

［2］周張琪．淺談無人機低空遙感技術在國土資源行業(yè)中的應用［J］．浙江國土資源，2012，(6) :1 ～2．

［3］李朝陽，閻廣建，肖志強等．高分辨率航空影像中高壓電力線的自動提取［J］．中國圖像圖形學報，2007，12(6):1 ～2．

［4］高強，文瑤．基于部分段圖像分析的電力線弧垂計算方法［J］．電力建設，2010，31(11) :38 ～39．

［5］賈永紅．計算機圖像處理與分析［M］．武漢:武漢大學出版社，2003．

［6］Paul V．C．Hough．Method and means of recognizing complex patterns［P］．United States Patent and Trademark Office 3069654，1962－12－18．

［7］楊順遼．基于Hough 變換提取直線的改進方法研究［J］．電腦與信息技術，2006，14(5) :29 ～30．