一种基于Radon变换的电力线检测方法与流程

技术特征：
1.一种基于radon变换的电力线检测方法，其特征在于，包括以下步骤：s1、获取无人机航拍可见光图像，消除无效照片、进行图像裁剪；s2、对步骤s1得到的图像进行灰度化处理，得到灰度图像；s3、对灰度图像进行sobel算子边缘检测处理，获得边缘图像e(x,y)；s4、基于radon变换算法对边缘检测图像e(x,y)中的电力线进行直线特征提取。2.如权利要求1所述的一种基于radon变换的电力线检测方法，其特征在于，所述步骤s2获得的灰度图像为gray(x,y)＝0.2989r 0.5870g 0.1140b,其中，gray(x,y)为灰度图像，r、g、b为航拍图像的3个通道的像素分布函数。3.如权利要求2所述的一种基于radon变换的电力线检测方法，其特征在于，所述步骤s2采用基于hessian矩阵的图像增强方法增强图像中的线性部分，图像i(x,y)的各点处的hessian矩阵为通过计算hessian矩阵特征值λ得到增强后输出图像其中v(x,y)为图像增强结果，λ代表hessian矩阵特征值的最大值，r表示团块度度量，s表示平滑度度量，β是r的调整参数，c是s的调整参数。4.如权利要求1所述的一种基于radon变换的电力线检测方法，其特征在于，所述步骤s3中的sobel算子包括4方向的检测模板，分别为水平方向、45
°
方向、垂直方向和135
°
方向边缘检测模板。5.如权利要求4所述的一种基于radon变换的电力线检测方法，其特征在于，所述水平方向边缘检测模板为45
°
方向边缘检测模板为垂直方向边缘检测模板为135
°
方向边缘检测模板为6.如权利要求5所述的一种基于radon变换的电力线检测方法，其特征在于，所述sobel算子边缘检测具体包括如下步骤：s3.1、将每个方向的检测模板在图像中从一个像素移动到另一个像素，每个模板的中心像素在图像中位置一致；s3.2、将每个模板中的系数与图像像素相乘并累加；s3.3、将步骤s3.2中4个方向检测模板计算所得的数值进行比较；s3.4、将模板中最大值作为灰度值赋给模板中心对应的图像像素，最大值对应的检测模板方向为当前像素的边缘梯度方向；s3.5、重复以上操作直至检测模板遍历整个图像，从而获得边缘检测图像e(x,y)。7.如权利要求6所述的一种基于radon变换的电力线检测方法，其特征在于，所述基于radon变换的特征提取步骤如下：s4.1、计算radon矩阵t(ρ,θ)，其中d为x
‑
y平面，e(x,y)为像素点在(x,y)上的灰度值，δ为diracdelta函数，保证e(x,y)的积分沿直线
进行；s4.2、选取电力线倾斜角度θ，将radon矩阵t(ρ,θ)的前n个点作为候选池；s4.3、使用k
‑
mean 聚类算法对候选池中的角度进行聚类，得到最接近的电力线倾斜角度θ；s4.4、删除不平行的线条，且合并彼此接近的线条；s4.5、在原始图像上标记出检测结果。8.如权利要求7所述的一种基于radon变换的电力线检测方法，其特征在于，所述步骤s4.2中n取值为20
‑
30。

技术总结
本发明提供一种基于Radon变换的电力线检测方法，涉及航拍图像电力线检测技术领域，包括以下步骤：S1、获取无人机航拍可见光图像，消除无效照片、进行图像裁剪；S2、对步骤S1得到的图像进行灰度化处理，得到灰度图像；S3、对灰度图像进行Sobel算子边缘检测处理，获得边缘图像；S4、基于Radon变换算法对边缘检测图像中的电力线进行直线特征提取。本发明通过Hessian矩阵方法进行图像增强预处理，有助于边缘检测和特征提取正确识别出图像中的电力线；采用4方向梯度模板的Sobel算子进行边缘检测，大大提高了图像边缘识别效果；利用Radon变换算法进行电力线直线特征提取，可以有效克服霍夫变换算法的错检和漏检情况，具有高实时性和高鲁棒性的特点。棒性的特点。棒性的特点。


技术研发人员：刘景景 刘传洋 陈林
受保护的技术使用者：池州学院
技术研发日：2021.08.27
技术公布日：2021/11/30