刘欣宇, 缪希仁， 庄胜斌， 江灏， 陈静

(福州大学电气工程与自动化学院， 福建 福州 350108)

0 引言

输电线路巡检是电力部门的日常工作， 绝缘子的状态巡视是其中的重点项目， 若能在无人机巡检图像中自动定位并识别出绝缘子， 利用机载智能检测终端完成初步的图像筛选， 则可以极大地缓解线路运检维护人员的工作压力和强度， 并为后续绝缘子智能诊断技术的研究奠定基础[1-2]. 然而， 输电线路覆盖范围广泛， 沿途地貌多样， 无人机航拍条件复杂， 增加了绝缘子的检测难度[3].

现有的绝缘子检测方法大多需人工设计合适的特征提取器来获得航拍的图像特征， 用于区分前景与背景. 根据所提取图像特征的不同， 绝缘子的人工特征可以分为颜色特征、 形状特征和纹理特征[4]3类.

基于颜色特征方面， Reddy等[5]将原图转换到Lab色彩空间， 对此色彩空间上的颜色特征进行K-means聚类， 然后应用自适应神经模糊推理系统(adaptive network-based fuzzy inference system, ANFIS)检测出11 kV配电网的绝缘子所在图像区域. 在此基础上， Reddy等[6]进一步采用支持向量机SVM替换ANFIS作为特征分类器， 提高了检测精度. 但此类基于颜色特征的方法对于绝缘子与背景的颜色区分度要求较高， 在实际复杂背景下检测效果并不理想.

基于形状特征和纹理特征的方法更能适应背景的变化， 其鲁棒性更高. Oberweger等[7]提出一个基于椭圆描述算子的检测算法， 利用高斯差模型提取角点， 用K邻近算法聚类所提取到的角点， 最后用椭圆描述算子判断属于绝……