宋殷冠，邹宇，凌焕乔，苏一峰，唐彰蔚

(广西电网有限责任公司钦州供电局，广西 钦州 535000)

0 引 言

随着无人机巡线率的不断提升，利用无人机拍摄的普通影像进行导线提取和隐患识别成为近几年研究的热点，并在图像分割、导线提取和隐患识别三类算法模型上均取得了一定的研究成果。在图像分割领域，学者们提出的多阈值优化算法和分段线检测技术可以分别满足小样本和大样本试验的要求[1-2]。在导线提取领域，针对细导线和长档距导线的识别一直是研究的难点，学者们陆续提出了亚像素边缘检测技术、运动估计和Hough变换、BP神经网络算法、基于支持向量机算法的导线纹理特征分析等方法[3-9]。在导线隐患识别领域，国内学者提出的概率神经网络算法、卷积能量差异比较法和多子图像增强比较法能在测试实验中较好地识别出导线缺陷[10-11]。

上述研究验证了利用无人机影像实现导线准确提取和缺陷准确识别的技术可行性，但当前基层单位在应用过程中普遍存在响应速度较慢，隐患识别准确率不高和对电脑硬件配置要求较高等问题，说明在技术成果的实用化方面仍有改进的空间。本研究的目的是对已有图像分割、导线提取和隐患识别算法进行完善和优化，提高输电导线的准确提取率和隐患识别率，降低对软硬件配置的要求，从而达到能够在巡检现场便捷使用的要求。

1 导线隐患识别算法原理及分析流程

基于上述研究成果，本文提出了一种基于增强滤波和特征聚类分析的导线隐患识别算法，其具体分析流程包括图像阈值化、导线边缘检测、Hough变换、聚类分析和隐患特征识别等，如图1所示。……