论文部分内容阅读
在直升机巡检输电线路过程中，采集到的巡检图像是判断输电线路运行状态的重要依据。由于拍摄环境的限制，使得拍摄的图像存在不同程度的噪声和模糊，而图像的噪声和模糊程度对输电线路的故障诊断和定位研究又有直接的影响。所以，对航拍输电线路得到的原始图像进行去噪、去模糊和增强等预处理是一个必不可少的环节。由于航拍图像易混入高斯噪声和脉冲噪声，本文提出结合同龄组的中值滤波和维纳滤波对图像进行去噪处理，并且与单独的中值滤波和维纳滤波去噪进行了比较。通过PSNR、IEF、SSIM评价指标来衡量去噪性能的好坏，最后得出结合同龄组的去噪方法更优。针对航拍图像的运动模糊问题，本文提出基于改进的最大熵方法对航拍模糊图像进行复原处理，并且与维纳滤波、有约束最小二乘滤波和Lucy-Richardson滤波复原等常规复原方法做了对比。由于去模糊后的图像普遍偏暗，图像细节信息不明显，影响后续图像处理工作，本文对去模糊后的图像进行了增强处理，其中用到了拉普拉斯增强和分数阶偏微分增强两种方法，增强后突出了图像的更多细节信息。为了更准确地评价复原效果和增强效果,采用了主观和客观相结合的评价体系，客观评价采用基于一阶马尔科夫原理对处理后的图像进行质量评价；主观评价以人眼观察为主。结果表明，改进的最大熵图像复原方法相比于常规的处理方法，更大地提高了图像的清晰度；通过分数阶偏微分增强,使得图像细节信息更加突出。在航拍巡检过程中，当发现绝缘子掉串、隔离棒错位与缺失、导线和杆塔覆冰、输电线弧垂和对地安全距离的异常等故障时，需要对故障点进行准确定位，便于检修人员迅速找到故障点，而此时受高电压等级的复杂电磁场影响，GPS定位很可能失效，这时借助于故障处杆塔标识牌对故障点进行定位非常有效。根据输电线路杆塔标识牌编号的唯一性，本文提出了基于杆塔标识牌识别故障自动定位系统。本文主要针对杆塔标识牌的提取和识别对故障点进行定位，根据标识牌的外在形状和颜色特征等先验知识对标识牌进行提取。本文采用基于L*a*b空间的K-均值聚类算法对标识牌进行提取，这种方法提取出的标识牌效果较佳，再利用基于BP神经网络的数字识别系统对标识牌的编号进行识别，使得基于标识牌识别故障定位作为GPS故障定位的一个有力补充。