（计算机应用技术专业论文）直升机巡检办理电线路图像边缘检测方法研究.pdf

f 一 1 ： j 夕 r e s e a r c ho ne d g ed e t e c t i o no ft r a n s m i s s i o nl i n ei m a g e b y p a t r o li n s p e c t i o nw i t hh e l i c o p t e r at h e s i ss u b m i t t e dt o d a l i a nm a r i t i m eu n i v e r s i t y i np a r t i a lf u l f i l l m e n to ft h e r e q u i r e m e n t sf o r t h ed e g r e eo f m a s t e ro fe n g i n e e r i n g b y j u n y i n g l i u ( c o m p u t e ra p p l i e dt e c h n o l o g y ) t h e s i ss u p e r v i s o r ：p r o f e s s o rj u b a ia n m a y 2 0 1 1 、 l k 謦 穸 大连海事大学学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明：本论文是在导师的指导下，独立进行研究工作所取得的成果， 撰写成硕士学位论文= = 直丑扭巡捡箍电线路图堡垫堡捡型友洼婴究：一。除论文 中已经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均已在文 中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公 开发表或未公开发表的成果。本声明的法律责任由本人承担。 学位论文作者签名：立尘! 至量 学位论文版权使用授权书 本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学 位论文的规定，即：大连海事大学有权保留并向国家有关部门或机构送交学位论 文的复印件和电子版，允许论文被查阅和借阅。本人授权大连海事大学可以将本 学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫 描等复制手段保存和汇编学位论文。同意将本学位论文收录到中国优秀博硕士 学位论文全文数据库( 中国学术期刊( 光盘版) 电子杂志社) 、中国学位论 文全文数据库( 中国科学技术信息研究所) 等数据库中，并以电子出版物形式 出版发行和提供信息服务。保密的论文在解密后遵守此规定。 本学位论文属于：保密口在年解密后适用本授权书。 不保密曰( 请在以上方框内打“ ) 论文作者签名：钒、军鼍导师签名：睃凯 日期；矽年1 月z 日 簟 h a 中文摘要 摘要 直升机巡检输电线路图像背景复杂多变，目标物众多，给边缘检测和后续的 识别诊断带来很大困难。本文结合实际项目的应用需求，以直升机巡检输电线路 图像为实验数据，针对直升机巡检输电线路图像的上述特点，研究了多种图像边 缘检测技术。在此基础上重点研究了c a n n y 最优化边缘检测理论，并对传统c a n n y 算法在具体应用时的两个缺点做出了改进。c a n n y 算法优于其他经典的边缘检测算 法，在图像背景比较复杂的情况下也能取得良好的边缘检测效果，适合背景复杂 的图像边缘检测。 传统c a n n y 边缘检测算法使用高斯滤波器对原始图像进行平滑滤波，而高斯 滤波器的空间尺度参数仃需要人为设定并且固定不变。人为设定的尺度参数仃很 难满足兼顾平滑噪声和保护边缘细节的要求。针对上述缺陷，本文提出了一种自 适应高斯滤波器来替代固定尺度的高斯滤波器；对图像的不同区域用不同尺度的 模板进行高斯滤波，比用单一尺度的高斯滤波器效果要好。 传统c a n n y 边缘检测算法中高、低阈值的选取不是由图像边缘特征来决定的， 而是需要人为设定的，不具有自适应性，自动化程度低。针对上述缺陷，本文提 出了一种自适应阈值选取方法；该方法根据梯度幅值直方图建立一个近似高斯分 布的离散概率模型，然后根据此离散概率模型来计算阈值。该方法计算简单，选 取的阈值大小适中，是一种实用的自适应阈值选择方法。 本文通过实验对传统的c a n n y 算法和本文提出的自适应c a n n y 算法的边缘检 测效果进行对比和分析。实验结果表明改进的方法能有效的提高c a n n y 算法的检 测效果和自适应性。输电线路图像的边缘检测能够为后续的部件识别和故障诊断 提供依据，对提高直升机巡检的智能化水平有着重要意义。 关键词：输电线路图像；边缘检测；c a n n y 算法；自适应高斯滤波器；自适应阈值 i i _ l 英文摘要 a b s t r a c t t r a n s m i s s i o nl i n ei m a g e sb yp a t r o li n s p e c t i o nw i t l lh e l i c o p t e rh a v ec o m p l e x b a c k g r o u n da n dv a r i o u st a r g e t s ，t h i sc a u s e sg r e a td i f f i c u l t i e st oe d g ed e t e c t i o na n d s u b s e q u e n ti d e n t i f i c a t i o n t h i sp a p e rg i v e sc o n s i d e r a t i o nt ot h ea p p l i c a t i o nr e q u i r e m e n t s o ft h ea c t u a lp r o j e c t , r e g a r d st h et r a n s m i s s i o nl i n ei m a g e s 嬲t h ee x p e r i m e n t a ld a t a , c o n s i d e r st h ea b o v e - m e n t i o n e dc h a r a c t e r i s t i c so ft h et r a n s m i s s i o nl i n ei m a g e sb yp a t r o l i n s p e c t i o nw i t hh e l i c o p t e r , a n ds t u d i e sav a r i e t yo fe d g ed e t e c t i o nt e c h n o l o g y b a s e do n t h i s ，t h i sp a p e rf o c u s e so nt h eo p t i m a lc a n n ye d g ed e t e c t i o nt h e o r y , m e a n w h i l e ， i m p r o v e st h et w os h o r t c o m i n g so ft h et r a d i t i o n a le a n n ya l g o r i t h mw h e na p p l i e d c a n n y a l g o r i t h mi ss u p e r i o rt oo t h e rc l a s s i c a le d g ed e t e c t i o na l g o r i t h m s ；i tc a l lo b t a i ng o o d e d g ed e t e c t i o ne f f e c ti nt h ec a s eo fv e r yc o m p l e xi m a g eb a c k g r o u n d ，s oi t i sq u i t e s u i t a b l ef o re d g ed e t e c t i o ni ni m a g e sw i m c o m p l e xb a c k g r o u n d t h et r a d i t i o n a lc a n n ye d g ed e t e c t i o na l g o d t h r nu s e st h eg a u s s i a nf i l e rt os m o o t h t h eo r i g i n a li m a g e ，w h i l et h es p a t i a ls c a l ep a r a m e t e ro ft h eg a u s s i a nf i l t e rn e e dt ob es e t a r t i f i c i a l l ya n df i x e d t h es p a t i a ls c a l ep a r a m e t e rs e ta r t i f i c i a l l yi sd i f f i c u l tt om e e tt h e n e e d so fb o t hs m o o t h i n gt h en o i s ea n dp r o t e c t i n gt h ee d g ed e t a i l s i nr e s p o n s et ot h i s l i m i t a t i o n , t h i sp a p e rp r o p o s e sa na d a p t i v eo a u s s i a nf i l e rt or e p l a c et h ef i x e d - s c a l e g a u s s i a nf i l t e r ；w ea p p l yd i f f e r e n ts c a l et e m p l a t e st od og a u s s i a nf i l t e r i n gi nd i f f e r e n t r e g i o n so f t h ei m a g e ，i ti sb e t t e rt h a nu s i n gf i x e d - s c a l eg a u s s i a nf i l t e r i nt h et r a d i t i o n a lc a n n ye d g ed e t e c t i o na l g o r i t h m ，t h es e l e c t i o no ft h eh i g l la n dl o w t h r e s h o l d si sn o td e t e r m i n e db yt h ei m a g e e d g ef e a t u r e s ，b u td e t e r m i n e da r t i f i c i a l l y , s oi t d o e sn o th a v es e l f - a d a p t a b i l i t ya n dl a c k sa u t o m a t i o n i nr e s p o n s et ot h i sl i m i t a t i o n , t h i s p a p e rp r o p o s e s a l la d a p t i v et h r e s h o l ds e l e c t i o n m e t h o d ；t h i sm e t h o dc o n s t r u c t sa d i s c r e t ep r o b a b i l i t ym o d e la p p r o x i m a t et ot h eg a u s s i a nd i s t r i b u t i o na c c o r d i n gt ot h e g r a d i e n tm a g n i t u d eh i s t o g r a m ，a n dt h e nc a l c u l a t e s t h et h r e s h o l d sa c c o r d i n gt ot h e d i s c r e t e p r o b a b i l i t ym o d e l t h i sm e t h o di ss i m p l e ，s e l e c t s t h e a p p r o p r i a t es i z e t h r e s h o l d s ，a n di sap r a c t i c a la d a p t i v et h r e s h o l ds e l e c t i o nm e t h o d t h i sp a p e rc o m p a r e sa n da n a l y s e st h et r a d i t i o n a lc a n n ya l g o r i t h ma n dt h ep r o p o s e d a d a p t i v ec a n n ya l g o r i t h m t h ee x p e r i m e n t sp r o v et h a tt h ep r o p o s e dm e t h o d sc a l l i m p r o v et h ee d g ed e t e c t i o nr e s u l t sa n de n h a n c et h es e l f - a d a p t a b i l i t yo ft h ec a n n y 英文摘要 a l g o r i t h m e d g ed e t e c t i o no ft h et r a n s m i s s i o nl i n ei m a g e si sa b l et op r o v i d eb a s e sf o r s u b s e q u e n tc o m p o n e n ti d e n t i f i c a t i o na n df a u l td i a g n o s i s ；i ti ss i g n i f i c a n tt oi m p r o v et h e i n t e l l i g e n c el e v e lo f t h ep a t r o li n s p e c t i o nw i t l lh e l i c o p t e r k e yw o r d s ：t r a n s m i s s i o nl i n ei m a g e ；e d g ed e t e c t i o n ；c a n n ya l g o r i t h m ；a d a p t i v e g a u s s i a nm t e r ；a d a p t i v et h r e s h o l d l 目录 目录 第1 章绪论l 1 1 课题研究背景及意义l 1 2 国内外研究现状2 1 2 1 直升机巡检输电线路技术的研究现状。一。2 1 2 2图像边缘检测技术的研究现状3 1 3 论文的主要工作及章节安排4 第2 章图像边缘检测方法概述6 2 1 边缘的概念与边缘的类型6 2 2 边缘检测方法的基本步骤6 2 3 边缘检测的两难问题和评价标准7 2 3 1 边缘检测的两难问题7 2 3 2 边缘检测的评价标准8 2 4 基于一阶导数的边缘检测算法8 2 4 1r o b e r t s 边缘检测算子。9 2 4 2s o b e l 边缘检测算子1 0 2 4 3p r e w i t t 边缘检测算子1o 2 4 4k r i s e h 边缘检测算子一1 2 2 4 5r o b i n s o n 边缘检测算子一1 3 2 5 基于二阶导数的边缘检测算法13 2 5 1l a p l a e i a n 边缘检测算子13 2 5 2l o g 边缘检测算子1 4 2 6 其它边缘检测算法15 2 6 1 人工神经网络法15 2 6 2 数学形态学方法16 2 6 3 小波分析法1 7 2 6 4 模糊数学方法17 2 7 经典边缘检测算子仿真实验及分析18 第3 章c a n n y 边缘检测算法的研究与改进2 0 3 1c a n n y 边缘检测三准则2 0 3 1 1 信噪比准则2 0 3 1 2 定位精度准则2 0 目录 3 1 3 单边缘响应准则2 1 3 2c a n n y 边缘检测算法的步骤2 1 3 2 1 对图像进行高斯平滑滤波2 1 3 2 2 计算梯度幅值和梯度方向2 2 3 2 3 梯度幅值的非极大值抑制。2 3 3 2 4 双阈值处理和边缘连接2 3 3 3c a n n y 边缘检测算法的缺陷2 4 3 4c a n n y 边缘检测算法的改进2 5 3 4 1 自适应高斯滤波器2 5 3 4 2 自适应阈值选取3 1 3 4 3 改进后的c a n n y 算法过程3 4 第4 章改进c a n n y 算法在输电线路图像中的应用3 5 4 1 实验平台：j 3 5 4 2 数据来源及其特点3 5 4 3 实验结果与对比分析3 5 4 3 1 实验一3 5 4 3 2 实验二4 2 第5 章结论与展望4 9 5 1 结论4 9 5 2 展望5 0 参考文献51 致谢5 5 直升机巡检输电线路图像边缘检测方法研究 1 1 课题研究背景及意义 第1 章绪论 随着国民经济的高速发展，对电力的需求越来越大，促使高压输电线路越来 越多，线路穿越的地理环境越来越复杂，给输电线路系统的运行维护带来很多困 难。同时各行各业对电网系统供电的可靠性和安全性的要求越来越高，高压输电 线路设备的安全、可靠、稳定运行已成为影响电力系统安全、可靠、稳定运行的 重要因素。并且，很多输电线路分布在高山叠嶂之间，地理环境复杂，传输距离 长，穿越的地域广阔，地形复杂，而且各地域的气候条件复杂多变，运行时易发 生故障。常规的线路巡检作业方式很难满足输电线路的巡检要求【l 捌。 现在人工巡检输电线路的方式效率很低，很难保证电网的安全、可靠、稳定 运行。而且易受天气状况、巡检人员素质以及其它各种不确定性因素的影响，很 难完全掌握输电线路设备的运行状况。目前正在建设的国家特高压输电线路具有 线路超长，达数万公里，塔体很高，沿线地形复杂，对安全、可靠、稳定运行的 要求更高。针对输电线路的这些特点，传统的人工巡线作业方法已经很难保障整 个输电系统的安全运行要求。用直升机巡检输电线路代替传统的人工巡线已经成 为电力技术的发展趋势【”】。 直升机巡检输电线路与传统的人工巡线作业相比，具有高效快捷、机动灵活、 可靠稳定、科技含量高、不受地域影响等优点【l 】。目前在许多先进国家已经逐步取 代传统的地面人工巡线方式。直升机巡检输电线路的技术研究与应用将为电网系 统的安全、可靠、稳定运行提供强有力的支持，也将提高电网系统的运行质量和 运行效益，降低输电线路的运行维护成本。因此，无论从技术角度还是从经济角 度考虑，直升机巡检输电线路都是必要的和可行的。 直升机巡线时通过红外线成像仪、可见光摄像机等先进的设备获取大量的红 外图像和可见光图像等。对这些图像进行处理、分析和理解，判断图像中的导线、 绝缘子、防震锤等部件是否出现缺陷、故障等，是直升机巡线技术的一个重要研 究方向。对提高直升机巡线的自动化和智能化水平有着重要意义。边缘是图像最 基本的特征，包含了图像中大部分信息。因此，图像边缘检测技术是图像处理分 第1 章绪论 析和计算机视觉的前提和基础，边缘提取的好坏将直接影响到后续处理的难易 度和准确度。 。 因此，本文以直升机巡线所获取的可见光图像为实验数据，采用好的边缘检 测算法来提取图像中部件( 如：导线、绝缘子、防震锤、塔架等) 的边缘，为后 续高层次的特征描述、匹配、识别和故障诊断提供依据，这对提高直升机巡线的 智能化水平有着重要意义。 1 2 国内外研究现状 1 2 1 直升机巡检输电线路技术的研究现状 早在上世纪5 0 年代初期，北美以及西欧各国就已经开始采用直升机进行伤病 员的抢救和输电线路的巡检等工作。随着中、重型直升飞机的陆续出现，美国、 加拿大、法国、德国等在直升机参与输电线路施工方面取得了重大突破【5 ，6 。目前 北美、西欧以及俄罗斯、日本等发达国家已经比较完善的掌握了直升机巡检输电 线路、带电作业和线路施工等技术，并将继续推进和发展应用直升机进行输电线 路的建设和维护等技术。 我国也从上世纪8 0 年代开始，对直升机输电线路巡检和施工作业进行了尝试， 且相应的科研工作也同时展开，取得了许多重要成果 3 。但由于受当时经济条件 和技术条件等的限制，此项工作曾一度停滞。随着我国国民经济的高速发展，对 电力市场的需求迅速增加，输电线路等电网设施的规模急剧扩大，因此对输电线 路运行维护的要求也越来越高。2 0 0 2 年，华北电力集团公司首先对5 0 0 k v 输电线 路进行了直升机巡检的尝试，填补了国内直升机巡检技术的空白。至2 0 0 6 年共巡 航华北电网3 7 0 0 0 k m ，飞行时间2 7 0 0 h ，发现线路缺陷2 0 1 7 处，其中可见光缺陷 1 8 7 0 条，红外发热缺陷1 4 7 条，并多次发现了紧急重大缺陷，有效的保障了华北 电网的安全运行【6 1 。 近年来，直升机巡检输电线路以及带电作业施工等技术逐步在国内进行了大 范围的推广。2 0 0 6 至2 0 0 7 年先后在华中、西北、黑龙江、江苏、四川等地各大电 力公司示范应用了直升机巡检输电线路技术。直升机巡线时的独特视角和飞机上 的红外线成像仪、可见光摄像机、高稳定望远镜等先进检测设备，可以清晰地观 - 一 直升机巡检输电线路图像边缘检测方法研究 测并记录塔架、导线、绝缘子等器具上存在的细微缺陷，以便检修人员能够及时 排除故障。而且，通过直升机巡检输电线路能够全面摸清线路的运行状况，有利 于建立线路缺陷档案，以便快速、有力地指导人工地面巡视工作。 目前，随着图像处理技术和计算机视觉技术的发展，国内外都在努力提升直 升机巡检输电线路的智能化水平。图像处理和机器视觉技术的不断创新将为直升 机巡检输电线路的应用带来更加广阔的前景。 1 2 2 图像边缘检测技术的研究现状 图像边缘检测一直是计算机视觉和图像处理领域的研究热点。自从1 9 5 9 年文 献【8 】提出边缘检测以来，人们一直在研究各种能较好提取边缘的边缘检测方法。 1 9 6 5 年，l g r o b e r t s 最早开始系统研究边缘检测方法【9 】。从那之后，边缘检测领 域的新方法和新理论层出不穷，这一方面说明了课题本身的重要性，另一方面也 反映了课题的深度和难度。边缘检测的理论和方法还有待于进一步提高和完善。 边缘为图像中灰度发生突变的地方，传统的边缘检测方法大多为图像高频分 量的增强过程，因此微分运算就成了边缘检测的重要方法。一阶微分算子用图像 灰度分布的梯度来反映图像灰度的变化程度，最早的一阶微分算子为1 9 6 5 年提出 的r o b e r t s 算子，随后在r o b e r t s 算子的基础上改进又提出了s o b e l 算子【1 0 】、 p r e w i t t 算子【l l 】等。但由于一阶微分算子通常在图像边缘附近的区域内产生较宽的 响应，所以一阶微分算子检测后的边缘图像需要进行细化处理，这样就会影响边 缘定位的精度。随之产生了一种与边缘方向无关的二阶微分算子，l a p l a c i a n 算子。 该算子利用二阶导数零交叉点所提取的边缘为单像素宽度，所得边缘不需要细化， 边缘定位更加准确，但对噪声很敏感。 图像中的噪声和边缘都为高频分量，因此在微分运算之前需要先对图像进行 平滑滤波。m a r r 和h i l d r e t h 1 2 】提出了一种先平滑后求导的边缘检测方法，该方法 先用高斯函数对图像进行平滑，再使用各向同性的拉普拉斯算子进行求导，此方 法也称为l o g ( l a p l a c i a no fg a u s s i a n ) 算子。1 9 8 6 年c a n n y 从最优滤波器的角度 提出了边缘检测的三个准则，并从这三个准则得到了一组最优滤波裂1 3 】。经过研 究c a n n y 得出最优边缘检测算子可用高斯函数的一阶导数近似。相对于l o g 算子 种寻求最优边缘检测算子的思路。 指导下，用数值分析的方法求出针对该问题的最优滤波器，进而得到最优边缘检 测算子。受c a n n y 最优准则的影响，随后又提出了许多类似的最优滤波算子，如 d e r i c h e 将c a n n y 的算法作了一定的简化【1 4 1 ，推出了无限脉冲响应滤波器的数学形 式。 视觉是一个多分辨率的信息处理过程，在不同分辨率下，所获取和表达的信 息不同，而图像中的边缘也具有多分辨率的特征。分辨率在滤波中表现为滤波器 的尺度，不同特征的边缘对应不同的滤波器尺度。通常小的滤波尺度能较好的保 护边缘细节，但平滑噪声的能力有限；大的滤波尺度能较好的抑制噪声，但也会 平滑掉一些边缘细节。1 9 8 3 年w i t k i n ”】提出了尺度空间的思想，对边缘检测中的 多尺度多分辨率的思想进行了深入研究。多尺度多分辨率的思想为边缘检测的研 究打开了更为广阔的空间，同时多尺度边缘检测方法的研究也非常活跃，获得了许 多重要的研究成果。小波具有时频分析的优越性，是处理信号奇异性的有力工具， 在边缘检测的研究中得到广泛应用。m a l l a t 1 6 j 7 】将计算机视觉领域的多尺度分析引 入到小波函数的构造及小波变换的分解及重构中，并采用m a l l a t 算法有效的对图像 进行分解和重构。他还将l o g 算子、c a n n y 最优检测算子和小波边缘检测方法在小 波意义下统一起来，说明了多尺度思想在图像边缘检测中有着重要作用和意义。 近来，出现了多种新的边缘检测理论和方法。除了小波分析边缘检测方法外， 还有基于神经网络的边缘检测方法，基于统计学的边缘检测方法，基于数学形态 学的边缘检测算子，基于模糊理论的边缘检测方法，基于遗传算法的边缘检测方 法，基于分形理论的边缘检测方法等。 1 3 论文的主要工作及章节安排 本课题来源于浙江省电力局项目。 图像边缘检测是图像处理领域的经典难题之一，目前已提出大量的边缘检测 方法和理论，但没有一种能适用于所有图像的通用方法。因此，要具体问题具体 - 曩 直升机巡检输电线路图像边缘检测方法研究 分析，根据具体应用领域的图像特点提出新的边缘检测方法，或者对现有的方法 进行改进，仍然是目前的研究热点。 本文首先研究和分析了直升机巡检输电线路图像的特点，直升机巡检输电线 路图像背景复杂多变，目标物众多，给边缘检测带来很大困难。接着，研究了多 种图像边缘检测技术的原理和特点。在此基础上，重点研究了c a n n y 最优化边缘 检测算子，指出c a n n y 算子在具体应用时的缺点，并对其缺点做出了两点改进。 通过实验证实改进方法能有效的提高原c a n n y 算子的检测效果和自适应性。 论文的章节安排若下： 第一章为绪论。首先介绍了课题的研究背景及意义，接着介绍了直升机巡检 输电线路技术的国内外研究现状和图像边缘检测技术的国内外研究现状，最后介 绍了论文的主要工作和章节安排。 第二章为常用边缘检测方法的理论概述。首先介绍了边缘检测的一些基本概 念，包括边缘的定义，边缘的类型，边缘检测的基本步骤，边缘检测的“两难问 题 和评价标准，接着详细介绍了一些经典的边缘检测算子，然后简单介绍了几 种较新的边缘检测理论和方法，最后对几种经典的边缘检测算子进行仿真实验。 第三章详细介绍了c a n n y 边缘检测算法的基本理论，包括c a n n y 边缘检测三 准则及c a n n y 边缘检测算法实现的四个步骤，然后分析了c a n n y 边缘检测算法的 优点和缺陷，在此基础上，提出了对c a n n y 算法的两处改进，即用自适应高斯滤 波器代替固定尺度的高斯滤波器，用自适应阈值选取方法代替人为设定阈值。通 过改进来提高算法的检测效果和自适应能力。 第四章为实验，即c a n n y 算法在直升机巡检输电线路图像中的应用。首先介 绍了实验的软硬件平台，接着介绍实验的数据来源及特点，然后对改进的c a n n y 算法与原c a n n y 算法的检测效果进行对比实验及分析。实验结果表明改进方法能 有效的提高c a n n y 算法的边缘检测效果和自适应能力。 第五章对全文进行了总结，指出了本文有待完善的地方，并对课题下一步的 研究方向进行了展望。 第2 章图像边缘检测方法概述 第2 章图像边缘检测方法概述 2 1 边缘的概念与边缘的类型 边缘是图像最基本的特征，边缘检测是数字图像处理的重要研究领域。所谓边缘是 指图像灰度、纹理、颜色等发生突变的地方，它产生于目标与背景、目标与目标、区域 与区域之间【1 8 】。图像的其他特征是由边缘和区域这些基本特征而导出来的。边缘具有幅 度和方向两个特征，沿边缘走向，像素值变化较平缓，而垂直边缘方向，像素值变化较 剧烈。边缘的变化可能呈现阶跃状或斜坡状，也可能呈现屋脊状或脉冲状。阶跃状和斜 坡状的边缘两侧的灰度值是由小变大( 或者由大变小) ；而屋脊状和脉冲状的边缘两侧的 像素值是由小变大再变小( 或者由大变小再变大) 。边缘的类型如图2 1 所示。 阶跃状斜坡状屋脊状脉冲状 图2 1 边缘类型 f i 9 2 1t y p e so fe d g e 2 2 边缘检测方法的基本步骤 一般边缘检测方法的基本步骤为： 1 、平滑滤波：边缘检测算法一般都是基于图像强度的一阶和二阶导数，而导数的计 算对噪声十分敏感，所以要选取合适的滤波器来对图像进行平滑滤波，以抑制噪声对边 缘检测效果的影响。 2 、边缘增强：使用各种算法对平滑后的图像进行边缘增强处理，例如使用一阶偏导 的有限差分计算梯度，来增强图像边缘。此时，图像灰度变化剧烈的地方被突出放大。 3 、边缘定位：边缘定位是指对边缘增强后的图像进行二值处理，来得到一个二值边 缘图像。一般使用阈值分割法和零交叉点法。 4 、边缘连接：由于噪声影响和图像本身质量问题，在对图像进行边缘定位后，得到 的二值边缘图像一般都是不连续的。为了得到更有意义的边缘，方便以后进行图像的特 直升机巡检输电线路图像边缘检测方法研究 征提取和识别，需要对定位后产生的边缘进行连接。但由于知识表示和机器理解问题尚 不成熟，边缘连接有很大的难度。 一般边缘检测方法的基本步骤如图2 2 所示。 l 原始图像边缘图像 上下 i 平滑滤波卜_ 叫边缘增强h 边缘定位h 边缘连接 图2 2 边缘检测基本步骤 f i 9 2 2b a s i cs t e p so fe d g ed e t e c t i o n 2 3 边缘检测的两难问题和评价标准 2 3 1 边缘检测的两难问题 边缘检测是根据引起图像灰度变化的物理过程来描述图像中灰度变化的过程，引起 图像灰度变化的物理过程可能是几何方面的，也可能是物理方面的。几何方面的，比如 深度的不连续性、表面取向、颜色和纹理的不同；而光学方面的，比如表面反射、非目 标物体产生的阴影以及内部倒影等。这些景物特性混在一起会使随后的解释变得非常困 难。而且在实际应用中，图像数据往往含有噪声。因此边缘检测方法要求既要检测到边 缘的精确位置，又要抑制无关的细节和噪声。 由于边缘检测是定位灰度级的变化，所以通常用微分法来定位边缘，而信号的数值 微分从数学角度讲是数学上的非良态问题。输入信号的一个很小的变化会引起输出信号 较大的变化。令( z ) 为输入信号，假设由于噪声的影响，使f ( x ) 产生了一个很小的变动： g ( 工) = 厂( x ) + 0 s i n a 蜣 ( 2 1 ) 其中，仃 = t ，则( f ，j f ) 为边缘点，若g ( x ，y ) ：t ，则( f ，力为边缘点，g ( x ，y ) - t ，则( f ，歹) 为边缘点， g ( x ，y ) o , i = 1 ，2 ，3 且毛+ 如+ 屯= 1 。然后用瞅一肛来近似计算像素f 的水平方向的 偏导数，由于我们只关心梯度幅值的相对大小，因此可以忽略模板的系数。这比仅使用 单一的像素l 2 和r 2 来计算像素f 处水平方向的偏导数要稳定的多。因为单一的像素灰 度值易受噪声的影响，进而会影响偏导数的计算，而邻域内多个像素的均值会更加的稳 定。 s o b e l 算子和p r e w i t t 算子的区别仅在于它们加权时所采用的权值系数七。不同。p r c w i t t 算子采用简单的加权平均，像素l 1 、k 、l 3 的权值相同。但从逼近论的角度考虑，离像 第2 章图像边缘检测方法概述 素f 越近的像素对f 的差分计算越准确，所以应该通过像素之间的距离的反比对像素进 行加权。s o b e l 算子考虑到这一点，采用城镇距离作为度量距离的方法，像素l l 和l 3 与 像素f 的距离为2 ，像素l 2 与像素f 的距离为1 ，因此令像素l l 和l 3 的权值为1 ，而像 素k 的权值为2 。后来有人提出各向同性s o b e l 算子，该算子使用欧几里得距离，即像 素l l 和l 3 与像素f 的距离为2 ，像素k 与像素f 的距离为1 ，因此令像素l l 和l 3 的 权值为l ，而像素k 的权值为2 。 还有一种改进的p r e w i t t 算子是在经典的p r e w i t t 算子的基础上提出的，它是一种模 板算子，抗噪声能力较强，边缘定位较准确。该算子采用八个方向的p r e w i t t 边缘检测算 子模板，用这些模板依次与图像做卷积，取八个方向中的最大值作为梯度幅值图像输出。 这八个方向的p r e w i t t 边缘检测算子模板及其所对应的边缘方向如图2 4 所示。 融1 1 匪11 - 1 - 1 睢二。 瞄- 1 i 1 2 。1 瞄- 1 - 11 图2 4 八方向p r e w i t t 边缘检测算子模板 f i 9 2 4e i g h td i r e c t i o n a lt e m p l a t e so fp r e w i t te d g ed e t e c t o r - 三15 - 三立主 童三三 三三三三 直升机巡检输电线路图像边缘检测方法研究 匡! 三i ；三3 孑；孑 二三； e 李三羽 兰立习 三立三匮三兰 巴三三司 三? 孑 ? 享； 吾；习 2 5 基于二阶导数的边缘检测算法 2 5 1l a p l a c i a n 边缘检测算子 上面把一阶导数大于某一阈值的点作为边缘点的方法，有可能会导致检测出过多的 边缘点或者漏检某些边缘点。一种在理论上更有效的方法是求梯度局部最大值对应的点， 并认为它们就是边缘点，这种边缘检测方法可去除一阶导数中的非局部极大值，所以能 够检测出更为精确的边缘。一阶导数的局部极大值对应着二阶导数的零交叉点，因此可 通过寻找灰度图像的二阶导数的零交叉点来检测图像的精确的边缘点。由此理论产生了 第2 章图像边缘检测方法概述 v 2 f ( w ) ：掣+ 丁c 3 2 f ( x , y ) ( 2 1 6 ) o x 咖。 对数字图像来讲，f ( x ，y ) 的二阶偏导数用差分形式表示为： 曼三2 尘= 【厂( x + l , y ) 一厂( x ，y ) 】一 厂( x ，y ) 一厂( x - l , y ) ( 2 1 7 ) 织。 厶1 c 3 2 f j ( x r , 一y ) ：厂( x ，y + 1 ) + 厂( x , y - 1 ) 一2 f ( x ，y ) ( 2 1 8 ) v 2 厂( x ，y ) = f ( x + l ，y ) + ( x 一1 ，y ) + 厂( x ，y + 1 ) + 厂( x ，y - 1 ) 一4 f ( x ，y ) ( 2 1 9 ) i 习 直升机巡检输电线路图像边缘检测方法研究 平滑滤波，再利用差分算子检测相应尺度上的边缘，即首先用高斯函数对图像进行低通 滤波，再用拉普拉斯算子进行高通滤波，然后根据二阶导数过零点来检测图像的边缘。 根据数学上的原理选用二维高斯函数g ( x ，y ) 作为平滑函数较优，其数学公式为： 川= 去e x p ( 一拳 ( 2 2 0 ) l o g 算子首先用高斯函数g ( x ，j ，) 对图像f ( x ，y ) 做平滑滤波表示为： g ( x ，y ) = g ( x ，y ) f ( x ，y ) ( 2 2 1 ) l o g 算子然后对图像g ( x ，y ) 进行拉普拉斯算子运算，表示为： v 2 9 ( x ，y ) = v 2 g ( x ，y ) 奎厂( x ，y ) 】= v 2 g ( x ，y ) 宰厂( x ，y ) ( 2 2 2 ) 其中高斯拉普拉斯算子v 2 g ( x ，y ) 的数学公式为： v 2 g c w ，= 害+ 等= 专c 等叫e 卅等， 亿2 3 ， l o g 算子检测出的图像边缘点集合e ( x ，y ) 可表示为： e ( x ，y ) = ( x ，y ) iv 2 g ( x ，y ) f ( x ，少) = o ) ( 2 2 4 ) 典型的5 x 5 的l o g 算子模板如下所示： 0o o一1 12 o一1 0o 一1oo 一21o 1 621 2一lo 一1o o 在用l o g 算子进行边缘检测时，空间尺度因子盯的选取很重要，仃值越大，高斯平 滑作用越大，噪声滤除的效果好，但是会造成边缘位置发生偏移且边缘定位精度低；仃值 越小，边缘定位精度高，但是信噪比低会检测出很多伪边缘。因此要根据噪声水平和边 缘定位精度的要求来决定盯的值。 2 6 其它边缘检测算法 2 6 1 人工神经网络法 人工神经网络是一种强大的非线性系统建模工具，是进行模式信息处理和模式识别 的一种重要方法。随着人工神经网络理论和图像处理技术的发展，采用神经网络模型来 1 5 第2 章图像边缘检测方法概述 进行图像的边缘提取1 9 2 0 2 1 】已经发展为一个新的研究分支。目前人们已提多种神经网络 模型，其中应用最为广泛的一类是前馈神经网络，用于训练前馈型神经网络的常用算法 为误差反向传播算法( e r r o rb a c k p r o p a g a t i o n ) ，简称b p 算法。但是b p 网络收敛速度慢， 易收敛与局部极小值，而且该网络数值稳定性较差，参数难以调整，很难满足实际应用 的要求。此外，反馈型的h o p f i e l d 神经网络以及模糊神经网络在边缘检测中也有应用。 用神经网络提取图像边缘其主要思想为先将原始图像输入映射成某种网络，然后输入一 定的先验知识原始边缘图像，再对网络进行反复训练，直到满足要求。该方法的缺点是 需要原始图像的先验知识，但是获取先验知识是一个经典难题，而且很难满足实时性的 要求。 2 6 2 数学形态学方法 数学形态学( m a t h e m a t i c sm o r p h o l o g y ) 形成于1 9 6 4 年，法国巴黎矿业学院玛瑟荣 ( g m a t h e r o n ) 和其学生塞拉( j s e r r a ) 在从事铁矿核的定量岩石学分析中提出了该理 论。数学形态学是用集合论方法定量描述目标几何结构的学科，它在集合代数的基础上 通过物