预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109785285A(43)申请公布日2019.05.21(21)申请号201811511230.9(22)申请日2018.12.11(71)申请人西安工程大学地址710048陕西省西安市金花南路19号(72)发明人黄新波聂婷婷张烨杨璐雅(74)专利代理机构西安弘理专利事务所61214代理人韩玙(51)Int.Cl.G06T7/00(2017.01)G06T7/11(2017.01)G06T7/13(2017.01)G06T7/136(2017.01)权利要求书3页说明书7页附图2页(54)发明名称一种基于椭圆特征拟合的绝缘子破损检测方法(57)摘要本发明公开了一种基于椭圆特征拟合的绝缘子破损检测方法,首先采集绝缘子原始图像,然后进行图像灰度化、图像滤波处理,去除图像的干扰噪声,然后对图像进行二维OTSU阈值分割,获取全局阈值,得到绝缘子区域,并结合形态学滤波和连通区域标记对经过二维OTSU阈值分割后的图像进行“孔洞”填充和伪目标去除;对处理后的图像进行边缘检测获取绝缘子的边缘轮廓,通过最优椭圆拟合求解中心坐标点和长轴转角,得到绝缘子片中每一片绝缘子的拟合椭圆,通过分析绝缘子串的上方以及下方绝缘子片求得整个绝缘子串的最优椭圆拟合;最后利用斜坡模型进行破损检测。本发明解决了现有绝缘子分割效率低且绝缘子图像中阴影、光照对图像分割影响大问题。CN109785285ACN109785285A权利要求书1/3页1.一种基于椭圆特征拟合的绝缘子破损检测方法,其特征在于,具体按照以下步骤实施:步骤1、采集绝缘子原始图像,然后进行图像灰度化、图像滤波处理,去除图像的干扰噪声;步骤2、对步骤1获得的图像进行二维OTSU阈值分割,获取全局阈值,得到绝缘子区域,并结合形态学滤波和连通区域标记对经过二维OTSU阈值分割后的图像进行“孔洞”填充和伪目标去除;步骤3、对步骤2处理后的图像进行边缘检测获取绝缘子的边缘轮廓,通过最优椭圆拟合求解中心坐标点和长轴转角;步骤4:经过步骤3得到绝缘子片中每一片绝缘子的拟合椭圆,通过分析绝缘子串的上方以及下方绝缘子片求得整个绝缘子串的最优椭圆拟合;步骤5:对于步骤4得到的绝缘子区域,利用斜坡模型进行破损检测。2.根据权利要求1所述的一种基于椭圆特征拟合的绝缘子破损检测方法,其特征在于,所述步骤1具体按照以下步骤实施:步骤1.1、图像灰度化处理,灰度化公式为:Y=0.299R+0.587G+0.114B(1)其中,Y是根据R、G、B颜色分量以及颜色编码方法YUV中亮度信号Y之间的关系算出的亮度,R、G、B分别表示红色、绿色、蓝色分量;步骤1.2、均值滤波处理:设图像去噪处理前的像素灰度值为f(x,y),g(x,y)为去噪滤波之后的灰度值,则:其中,x=0,1,2,……N-1,y=0,1,2,……N-1;m表示选择的是第m行,n表示选择的是第n列,M表示滤波模板中包含当前像素在内的像素总个数。3.根据权利要求1所述的一种基于椭圆特征拟合的绝缘子破损检测方法,其特征在于,所述步骤2具体按照以下步骤实施:步骤2.1、设待分割图像大小为M*N,其灰度值取为{0,M-1},设P(a,b)是待分割图像中的像素点,P(a,b)∈M,像素点P(a,b)处邻域平均灰度值S(a,b)为:式(3)中,k表示P(a,b)邻域搜索窗口尺寸,m表示选择的是第m行,n表示选择的是第n列;步骤2.2、用cab表示坐标(a,b)的灰度值在整个灰度值范围内发生的概率用P(a,b)表示为:步骤2.3、设二维灰度直方图中有A和B两种集合,其中A代表待分割图像目标域,B代表待分割图像杂质及其背景域,A和B包含有各自的具有相同灰度的关于离散度的概率公式,A2CN109785285A权利要求书2/3页和B具有相关的离散度概率公式如式(5)和(6)所示:目标概率:背景概率:其中,l1表示背景区域;步骤2.4、假设:S轴代表对应的二维灰度直方图中每一个像素点的灰度值;T轴代表图像中每一个像素点邻域的灰度平均值,则二维分割阈值(s,t)将(S,T)平面分成4部分,假设区域I代表目标,区域II代表背景,区域III代表边界,区域IV代表噪声;步骤2.5、两类集合相应的平均值二维向量为:L-1表示横坐标的终止点,Pij指的是第i行,第j列的目标概率,Pij指的是二元组(i,j)出现的频率,μ0表示背景的均值矢量,μ1表示目标的均值矢量,w0(s,t)表示目标概率,w1(s,t)表示背景概率;通过公式(7)和(8)算出合并后的二维向量的平均值为:其中,μt二维直方图总的均值矢量;通过离散度矩阵推导出的tr(σB)作为待分割图像中的背景部分和目标部分,两类之间的距离的度量函数:其中,tr(σB)表示类间