输电线巡检是为了排查输电线路中可能出现的故障和安全隐患,及时的发现问题可以避免重大的电力事故。随着科技的高速发展,可以利用一些高科技解决传统人工巡检输电线效率低下,并且准确率也不高的问题。使用直升机或者无人机巡检输电线,可以快速准确的采集到输电线路的视频和图像数据。然后以适合的计算机视觉技术处理这些海量的航拍输电线巡检图像,可以极大的提高工作效率。按照不同目标可以将输电线巡检图像分为输电线图像和绝缘子图像。处理输电线图像是为了检测图像中输电线及其相关配件是否存在故障;处理绝缘子图像是为了检测出图像中绝缘子的位置并判断是否有缺陷。航拍输电线巡检图像中背景环境十分复杂,而复杂的背景会极大的干扰对图像中目标的检测,因此传统的目标检测算法在处理这类图像时都很难获得令人满意的结果。本课题针对这些问题,在研究分析了大量输电线图像后,结合一些相关的文献资料,从不同目标和不同角度出发,创新性地提出了如下几种算法。1.输电线及其相关配件的故障诊断可以分成输电线检测、相关配件检测和各种故障诊断。而大部分算法都是针对这些情况中的某个部分进行算法设计,没有一个可以同时完成所有任务的算法。本文提出了一个融合了各类检测方法和故障诊断方法的集成算法。输电线检测方法主要是利用视频图像的连续性以及输电线的直线特性和方向特性,通过多帧采样和基于一种投票策略的霍夫直线检测法确定输电线的初始方向,进而实现快速准确的输电线检测。相关配件检测和各种故障诊断则是依次对输电线出现异变的区域进行检测和诊断,主要有利用线段空间关系诊断断股故障、基于类哈尔特征的防震锤识别等。实验结果表明,本算法具有快速准确的检测和故障诊断的能力,并且是同时适用于多种目标检测以及多种故障诊断。2.局部特征广泛的应用于目标检测中,同样在绝缘子检测中使用局部特征也是可行的。首先提出一个基于局部特征的绝缘子分割改进算法。虽然基于主动轮廓模型(ACM)的绝缘子分割算法具有不错的绝缘子分割能力,但是在处理较大分辨率和背景复杂绝缘子图像时无法保证算法的性能,本文先利用局部特征匹配实现绝缘子区域的粗分割,再使用基于主动轮廓模型的绝缘子分割算法处理粗分割出来的绝缘子图像,既提高了原算法的处理速度,又具备了处理大分辨率和背景复杂绝缘子图像的能力。然后,以绝缘子局部特征点为基础,提出了一种基于局部特征和空间关系特征的绝缘子检测算法。空间关系特征是从绝缘子局部特征点中提取的一种反映绝缘子内部结构信息的特征,以此可以更加高效的从复杂背景中检测出绝缘子。最后的实验结果证明,对于不同种类绝缘子或者在不同背景的环境条件下,本文算法相对于其他绝缘子检测算法更具有抗干扰能力,检测精度更高,并且有不错的鲁棒性。3.绝缘子检测算法大多数是基于灰度图像的,然而在对大量绝缘子图像进行研究分析后,发现可以从绝缘子的颜色信息中提取更多的特征。因此,本文提出了一种基于颜色聚类和纹理特征的绝缘子检测算法。首先利用各类颜色空间中的颜色分量信息和同一颜色空间下的颜色分量的相关性信息进行K均值聚类,并根据聚类结果将图像分割为若干部分;然后使用基于颜色共生矩阵(CCMs)的绝缘子纹理特征训练出来的SVM分类器依次去除分割图像中的非绝缘子区域;最后基于BOW模型的精确匹配实现绝缘子的检测。实验结果证明,本算法处理复杂背景下的绝缘子图像具有不错的效果,尤其是检测颜色信息较为丰富的绝缘子类型。4.绝缘子的缺陷检测可以分为绝缘子的检测和绝缘子缺陷的检测两个阶段。基于本文提出的绝缘子检测算法可以分割出绝缘子区域图像,根据绝缘子的内部结构特性,首先对绝缘子特征点进行直线拟合得到绝缘子倾斜角度,并倾斜校正;然后二值化倾斜矫正后的绝缘子图像,再进行水平投影和垂直投影,可以依据水平投影结果将整串绝缘子分割成若干个绝缘子图像,对这些分割的图像再次垂直投影即可根据投影结果判断绝缘子是否有缺陷以及出现缺陷的位置。实验结果表明,本算法对不同数量的绝缘子串都有优异的缺陷检测能力,包括在部分遮挡等一些特殊情况下,同样有良好的性能。