基于输电线路图像边缘斜率突变的改进型Freeman链码断股缺陷识别研究

多俊龙，杨巧为，李慧慧

(1.国网沈阳供电公司，辽宁 沈阳 110003；2.重庆国际复合材料股份有限公司，重庆 400902；3.沈阳世纪高通科技有限公司，辽宁 沈阳 110041)

输电线路作为电能远距离传输的主要载体，是电网的重要组成部分,随着社会经济快速发展，高压输电线路长度随之增加，运行维护难度越来越大。在输电线路各类缺陷中，按照对电网危害程度划分，导线断股类缺陷属于危及缺陷，如不尽早发现和及时消除，断股处导线金属长时间处于受力不均匀状态，断股处剩余截面流经电流变大引起发热，可能加剧断股处设备受损程度，甚至引发断线事故。图1统计了2015年1月至2020年12月,国网沈阳供电公司所辖66 kV及以上电压等级输电线路受迫停运情况，其中导线断股类缺陷迫使设备停运占比14.1%，已经成为线路受迫停运的主要原因之一。

图1 输电线路受迫停运情况统计

无人机巡视具有机动、快速、高效、不受地形地貌限制等特点，现已作为输电线路巡检的常规手段广泛应用，飞手使用无人机对设备近距离拍照，通过航拍影像识别设备缺陷。但是，传统缺陷识别需要人工对所采集的每一张照片进行缩放、认真识别分析，而实际运行维护工作中拍摄的图片数量巨大，图像挑选、排查过程单一枯燥，导致缺陷识别过程耗时费力且效果不佳。因此，如何从海量复杂背景图片中，通过图像处理技术准确识别、提取输电线路，检测是否存在断股缺陷，成为一项亟待研发的关键技术。

本文基于导线断股类缺陷航拍图像边缘几何特点，提出了一种导线断股缺陷识别的新方法，通过对典型缺陷图像的仿真，验证了新方法缺陷识别的准确性，新方法对及时发现输电线路断股类缺陷、降低人工劳动强度具有一定现实意义[1-4]。

1 无人机航拍图像预处理

对无人机航拍图像进行视觉分析存在诸多难点，如图像存在复杂背景、有众多干扰因素(光照、遮挡、旋转)、随机相对运动等。图像预处理的目的是消除图像中的无关信息，去除图像中影响后续处理精度、准确度的因素，减少运算量、加速目标收敛速度，提高目标识别的可靠性。

图像预处理第一步是将初始图像进行灰度变换，将图片转换成数组[5-6]。本文结合实际运行经验，选取简单背景缺陷图、复杂背景缺陷图、图像质量不佳缺陷图和复杂背景带金具缺陷图4种典型情况输电线路断股缺陷图像进行分析，选用MATLAB工具箱中的rgb2gray(A)函数进行灰度处理，如图2所示。

(a)简单背景缺陷图

初始图像灰度转换后，还需要调整其曝光量，为后续图像识别打好基础。图像的灰度和光学强度不具备直接的线性关系，为了基于灰度值矫正光学量，需要对两者进行非线性变换，选用MATLAB工具箱中的adapthisteq(A)函数进行光学矫正处理。为消除图像中孤立的噪声点，本文采用中值滤波法对图像进一步处理，它能够通过排序统计原理和卷积积分消除孤立的噪声点，选用MATLAB工具箱中的medfilt2函数进行中值滤波处理，预处理后的图像如图3所示[7]。

2 无人机航拍图像输电线路提取

准确提取输电线路是缺陷识别的重要基础，目标提取的质量直接影响到后续缺陷识别的精准度。本文提出了一种基于改进Canny边缘检测算子和自适应Hough变换的输电线路提取方法，对不同情况线路断股缺陷图像处理效果良好。

Canny边缘检测是一种基于图像梯度计算边缘的检测算法，首先在图像中选择梯度极值，将梯度极大值和极小值连接起来，因此输出图像能够包含原始图像全部边缘，在消除噪声干扰的同时，最大程度还原目标图像信息。原始Canny算子仅在垂直和水平4个方向进行搜索，所采用的改进Canny边缘检测算子增加了对角线方向的临域，将预处理后的图像进行高斯平滑，然后提取水平、垂直和对角线3个方向的极值，并对极值进行限制。然后，连接边缘点进行滞后阈值处理，得到改进Canny边缘检测算子处理的目标图像，改进算法收敛速度更快、边缘检测更准确[8-9]。

Hough变换是一种表决方式的参数估计技术，将图像空间中的线和Hough空间中的点取对偶，能够将图形空间的问题转换到参数空间来解决。该方法具有明确的几何解析性，抗干扰能力强，能够适用于计算机并行快速处理。所采用的自适应Hough变换先在全局范围内使用低准确度的量化参数进行搜索，确定图像中目标区域位置，然后利用高准确度的量化参数进行确认，寻找局部最优解，具有强鲁棒性和抗干扰能力。此算法牺牲迭代次数，换取迭代效率。对典型图像进行输电线路提取，部分结果如图4所示[10-13]。

(a)简单背景缺陷图

3 无人机航拍图像断股缺陷识别

导线断股类缺陷航拍图像具有断股处导线不再呈直线、边缘斜率突变的典型几何特点，本文以此为基础提出了一种基于直线检测和边缘斜率变化修正的导线断股缺陷识别新方法，选取18张各类无人机航拍图像作为试验样本，全面涵盖了实际运行中的各种情况。

3.1 改进Freeman链码航拍图像直线识别

Freeman链码是一种利用曲线起始坐标点和方向量组成的一串数字来描述曲线边缘的图像处理方法，传统的Freeman链码通过给定中心点，向水平、垂直、对角线8个方向发散，结合图像空间中呈直线的链码规则：直线最多只包含2个方向的码值，这2个码值相差为1，且2个码值总是单独出现且均匀分布在整个链码中，完成直线搜索。

改进Freeman链码识别算法包括3个识别规则：①沿图像边缘寻找导线起始点，将直线识别只包含2个方向码值拓展到3个；②识别3个码值中的主码值，其他2个副码值与主码值相差为1；③图像总是沿着主码值方向前进，其他2个码值应均匀分布在整个链码中。仅从副链码是否均匀分布一个条件对所选18幅图像进行判断，结果见表1。

表1 改进Freeman链码识别结果

(a)简单背景缺陷图

识别结果中对各类图像综合识别准确度为44.44%，改进Freeman链码能够很好的识别出图像上的直线，但实际航拍图像处理后1张图上很可能出现多条直线，而且背景中的干扰因素在图像预处理和输电线路提取后存在仍然无法过渡的情况，即使链码均匀分布也不能确定没有缺陷，因此仅靠改进Freeman链码识别导线断股缺陷准确度不高。

3.2 基于图像边缘斜率的线路断股识别

直线在平面中具有斜率不变的几何特点，因此可以基于改进Freeman链码像素分布寻址的基础，结合导线断股斜率突变的几何特点，提出一种基于图像边缘斜率突变检测的改进型Freeman链码断股识别的新方法。根据直线的几何学特点可知，一条没有断点或突变的直线段，与其上任意2点所构成直线的斜率相一致。因此，可以在Freeman链码寻址的基础上，按一定间隔取直线上的两点求直线斜率，观察不同取值斜率是否有突变，用以判定直线是否有突变点，进而判断导线是否有断股缺陷。

基于图像边缘斜率突变检测的改进型Freeman链码断股识别方法包括以下3点。

a.以图像左下角作为坐标原点建立坐标系，以主码值为方向，利用改进Freeman链码对直线进行遍历寻码，将全部链码点作为直线点的集合，记录每个边缘像素点对应坐标原点的位置。

b.取规定步长b，将规定步长两端点连接成一条直线，根据斜率公式计算直线斜率，观察直线斜率是否有突变。

c.观察主方向码值和副方向码值在整个链码中为均匀分布的，且直线斜率波动不大，则可以判定导线没有断股缺陷。若分布不均匀，或斜率值有较大波动，则可以判定导线存在断股缺陷，如图5所示。

图5 斜率突变的导线断股识别

根据上述方法，可以得出2个点之间的斜率k，如式(1)所示。

(1)

根据上述基于图像边缘斜率突变检测的改进型Freeman准则，对输电线断股识别提出图像边缘斜率突变检测的改进型Freeman链码断股识别算法。扫描图像中输电线边缘，然后根据Freeman链码分别标识出输电线边缘链码为零和不为零的像素点，并存储到存储单元中，每条像素序列为一个Chain序列，计算各序列中存储的Freeman链码不为零像素点与该序列的基准线之间的距离，同时计算各序列中存储的Freeman链码不为零像素点间斜率，与设定阈值进行比较确定该点是否属于断股故障点。算法具体流程如下所述。

步骤1：扫描预处理后的二值图像边缘，检测并记录每一输电线的边缘像素序列的Freeman链码值，并将每个边缘存储到相应单元Chain中。

步骤2：每一个序列Chain中检测到Freeman链码为零且连续最长的一段为基准线或基准链，其某一坐标为(LXi，LQi)(i=1,2,3，…)，由于校正后每条序列中的基准链像素处于同一纵坐标，则LQi不变。

步骤3：在当前一像素序列中计算Freeman链码不为零的像素点与该序列中基准链之间的垂直距离，并与阈值相比较。在每一序列单元Chain中存储各个输电线边缘像素点，且由Freeman链码标识。由于输电线经水平校正过，则每个像素序列必定有一个基准线。根据存储顺序计算每个Chain中链码不为零的像素点(Xi,Yi)(i=1,2,3,…)与基准线之间的距离。不为零像素点与基准线的垂直距离Si为

Si=|LQi-Yi|

(2)

本文采用遍历法设定阈值为3像素，即当Si≥3时，该像素点为非正常点；当Si≤3时，该像素可忽略。

步骤4：按照存储顺序根据式(2)计算每个Chain中链码不为零的像素点(Xi,Yi)(i=1,2,3，…)间的斜率,并与基准线斜率作比较。

采用遍历法设定阈值为0.3，即当Ki,i+1>0.3时，该像素点为非正常点；当Ki,i+1≤0.3时，该像素可忽略。当非正常点数大于3且斜率异常点超过2时,可以将该处故障判为断股。

基于图像边缘斜率突变检测的改进型Freeman链码断股识别方法，将样本空间中全部图像在MATLAB中进行编程仿真，识别结果如表2所示。由表2结果可见，直线斜率突变修订后的Freeman识别方法对18张图片识别有13张图片识别结果与实际相符，识别准确率为72.2%，识别率较之前明显提高，识别图示见图6。

表2 边缘斜率修正的改进Freeman链码识别结果

结合实际运行经验，带金具图像中金具边缘往往会被误识别成导线边缘，而金具在几何特点上往往是交叉存在的，根据所提出的识别原理会被误识成有突变的直线，造成识别准确度下降。将复杂背景带金具图像从所选图像集中删除，则仅用Freeman识别方法的准确度为50%，基于直线斜率突变修订后的识别准确度为91.7%，能够满足实际运行识别要求。

(a)简单背景缺陷图

4 结语

随着无人机技术快速发展，航拍图像缺陷识别成为输电线路运维常规工作，海量图片单靠人工识别缺陷工作量大、效率低，已经不能满足电网高标准的运维要求。提出一种针对输电线路断股类缺陷自动识别的新方法，该算法通过改进Freeman链码寻址和图像边缘斜率变化2种特征量对线路断股缺陷进行综合判定。选取了简单背景缺陷图、复杂背景缺陷图、图像质量不佳缺陷图和复杂背景带金具缺陷图4种典型情况输电线路断股缺陷图像，使用MATLAB软件进行仿真试验。结果表明，所提出的新方法识别速度快、识别准确度高，能够有效解决不带金具航拍图像线路断股类缺陷的自动识别问题，同时可供其他部件识别参考。