1.一種基于無(wú)人機(jī)巡檢圖像的輸電線路桿塔上鳥(niǎo)窩的檢測(cè)方法;其特征在于從無(wú)人機(jī)巡檢圖像上采用感知線結(jié)構(gòu)的方法自動(dòng)識(shí)別導(dǎo)線、桿塔區(qū)域,標(biāo)定桿塔與導(dǎo)線在巡檢圖像中的位置;在識(shí)別出桿塔區(qū)域的基礎(chǔ)上,對(duì)巡檢圖像進(jìn)行顏色與紋理特征分析,首先對(duì)巡檢圖像進(jìn)行顏色分割,輸出分割區(qū)域內(nèi)顏色特征與樣本鳥(niǎo)窩顏色特征近似的區(qū)域,進(jìn)一步輸出落在桿塔區(qū)域內(nèi)且與樣本鳥(niǎo)窩顏色特征近似的區(qū)域,對(duì)這些候選區(qū)域進(jìn)行分塊分析紋理特征,將與樣本鳥(niǎo)窩紋理特征近似的分塊區(qū)域進(jìn)行聚類,判決桿塔上可能存在的鳥(niǎo)窩區(qū)域。
2.如權(quán)利要求1所述的采用感知線結(jié)構(gòu)的方法來(lái)識(shí)別巡檢圖像上是否存在導(dǎo)線或桿塔區(qū)域;具體步驟如下:步驟2-1、采用Kirsch方向算子處理巡檢圖像,提取巡檢圖像邊緣信息,通過(guò)最大類間二差法生成二值圖像,并用Blob連通結(jié)構(gòu)管理所有不同方向的線段;步驟2-2、在步驟2-1生成的二值圖像上,采用Gestalt感知理論的量化計(jì)算,將斜率與截距相同的小線段合并連接為長(zhǎng)的直線線段;將線段斜率近似相同,截距不同的線段歸類為平行線組;步驟2-3、在步驟2-2生成顯著的長(zhǎng)線段的基礎(chǔ)上,將線段分類為4組:-5o~5o:水平線段;小于-85o或大于85o:垂直線段;5o~85o:斜上線段;-85o~-5o:斜下線段;步驟2-4、在步驟2-3的基礎(chǔ)上來(lái)識(shí)別桿塔區(qū)域,每幅巡檢圖像拍攝桿塔的角度可能不同,桿塔結(jié)構(gòu)有共同的近對(duì)稱交叉線結(jié)構(gòu)特征;將二值線段圖像劃分為8╳4分塊區(qū)域,統(tǒng)計(jì)每個(gè)分塊內(nèi)四個(gè)不同方向線段數(shù)量;并將每塊不同方向線段數(shù)目寫(xiě)入如下統(tǒng)計(jì)結(jié)構(gòu)中:typedef struct BlockLineInfo{
int Hnum; //該分塊中水平線段數(shù)目
int Vnum; //該分塊中垂直線段數(shù)目
int SUp_num; //該分塊中斜上線段數(shù)目
int SDown_num; //該分塊中斜下線段數(shù)目
int Cross_num; //該分塊中交叉線段數(shù)目
BOOL Tower_Area; //識(shí)別是否存在桿塔區(qū)域,1:存在桿塔;0:不存在桿塔
BOOL Blur_Area; //該圖像是否模糊,1:該圖像模糊;0:該圖像不模糊
}BlockLineInfo; 步驟2-5、在步驟2-4統(tǒng)計(jì)各分塊中不同方向線段數(shù)目的條件下,按如下方式進(jìn)行判斷:如果該分塊內(nèi)Hnum,Vnum, SUp_num, SDown_num數(shù)目均小于3,則該分塊可能是模糊的區(qū)域;如果該分塊內(nèi)SUp_num, SDown_num數(shù)目均大于等于3,則該分塊可能存在桿塔區(qū)域;如果該分塊不是上述兩種情況,則該分塊不存在桿塔區(qū)域;對(duì)所有分塊進(jìn)行統(tǒng)計(jì)分析,如果存在模糊分塊數(shù)目大于總的分塊數(shù)目的90%,則該幅巡檢圖像模糊;如該幅巡檢圖像不存在模糊,存在桿塔的分塊區(qū)域,進(jìn)一步將桿塔的分塊區(qū)域進(jìn)行聯(lián)通性分析,合并為大的區(qū)域,并確定可能的桿塔區(qū)域的位置;步驟2-6、依據(jù)步驟2-2和步驟2-5的輸出,步驟2-2確定平行線組的端點(diǎn)區(qū)域,步驟2-5確定了可能的桿塔區(qū)域,依據(jù)導(dǎo)線與桿塔的連接關(guān)系,如果導(dǎo)線端點(diǎn)區(qū)域與桿塔區(qū)域存在重疊或相鄰關(guān)系,則確定巡檢圖像存在桿塔區(qū)域,否則確定步驟2-5判斷的桿塔區(qū)域?yàn)榈孛娓蓴_。
3.如權(quán)利要求1和2所述的在識(shí)別出桿塔區(qū)域的基礎(chǔ)上,對(duì)巡檢圖像進(jìn)行顏色與紋理特征分析,首先對(duì)巡檢圖像進(jìn)行顏色分割,輸出分割區(qū)域內(nèi)顏色特征與樣本鳥(niǎo)窩顏色特征近似的區(qū)域,進(jìn)一步輸出落在桿塔區(qū)域內(nèi)且與樣本鳥(niǎo)窩顏色特征近似的區(qū)域,對(duì)這些候選區(qū)域進(jìn)行分塊分析紋理特征,將與樣本鳥(niǎo)窩紋理特征近似的分塊區(qū)域的進(jìn)行聚類,判決桿塔上可能存在的鳥(niǎo)窩區(qū)域;具體的檢測(cè)鳥(niǎo)窩過(guò)程如下:步驟3-1、對(duì)巡檢的彩色圖像轉(zhuǎn)換到Lab色彩度量空間,在Lab顏色空間通過(guò)mean-shift聚類分割算法對(duì)圖像進(jìn)行預(yù)分割,得到RGB空間下的區(qū)域級(jí)圖像;將預(yù)分割后的圖像由RGB顏色空間轉(zhuǎn)到HSV顏色空間,得到HSV空間下的區(qū)域級(jí)圖像;步驟3-2、計(jì)算分割的各區(qū)域的HSV直方圖,計(jì)算各區(qū)域所有像素點(diǎn)的H和S兩個(gè)分量值,統(tǒng)計(jì)相應(yīng)的直方圖;步驟3-3、直方圖相似性匹配;先對(duì)各區(qū)域H直方圖進(jìn)行閾值判決,得到符合閾值條件的多個(gè)區(qū)域;然后通過(guò)直方圖相交法衡量這些區(qū)域與鳥(niǎo)窩樣本的相似度,在具體匹配中只需將這些區(qū)域中H、S兩個(gè)分量的直方圖進(jìn)行匹配,確定多個(gè)(最大取到5)候選區(qū)域,并對(duì)最終的匹配結(jié)果進(jìn)行標(biāo)記,即鳥(niǎo)窩的候選區(qū)域;計(jì)算分割后圖像各區(qū)域的H和S的直方圖,分別統(tǒng)計(jì)各區(qū)域H直方圖中落在[0,25] 的所有bin概率之和及落在[320,360]的所有bin概率之和,根據(jù)設(shè)定的閾值(0.3),確定可能存在鳥(niǎo)巢特性的區(qū)域;然后針對(duì)這些區(qū)域,通過(guò)直方圖相交法衡量各區(qū)域H和S直方圖與鳥(niǎo)巢樣本的H和S直方圖相似度,確定與樣本最相似的區(qū)域?yàn)轼B(niǎo)巢所在區(qū)域;步驟3-4、確定最大外接矩形;在確定完鳥(niǎo)窩候選區(qū)域的基礎(chǔ)上,對(duì)于不在桿塔區(qū)域內(nèi)的候選區(qū)域可以直接排除.然后確定剩余鳥(niǎo)窩候選區(qū)域的最大外接矩形,并以該矩形為中心確定其相應(yīng)的 小區(qū)域;步驟3-5、提取的小區(qū)域的像素灰度值,計(jì)算四個(gè)方向0o,90o,135o和45o的GLCM,由GLCM提取相應(yīng)的紋理特征量:慣性矩、熵和非相似性,并計(jì)算三個(gè)特征量的融合值;通過(guò)桿塔與鳥(niǎo)巢圖像的大量測(cè)試;通過(guò)分析最終確定熵(ENT)、慣性矩(CON)、非相似性(DIS)三個(gè)特征量融合公式為:
(ENT、CON、DIS)=0.4*ENT+0.5*CON+ 0.1*DIS
步驟3-6、紋理相似性判斷,根據(jù)鳥(niǎo)巢樣本的三個(gè)特征量的融合閾值,確定圖像中鳥(niǎo)窩所在的位置;測(cè)試統(tǒng)計(jì)確定鳥(niǎo)巢檢測(cè)的紋理融合(ENT、CON、DIS)的閾值范圍為:3.10-3.95。