技術(shù)特征：

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：-5^o~5^o：水平線段；小于-85^o或大于85^o：垂直線段；5^o~85^o：斜上線段；-85^o~-5^o：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0^o，90^o，135^o和45^o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。