相位标志牌图像识别与缺陷检测

doi:10.3969/j.issn.1006-2475.2017.10.005

计算机与现代化

相位标志牌图像识别与缺陷检测

南京理工大学自动化学院，江苏南京210094

收稿日期:2017-02-28 出版日期:2017-10-30 发布日期:2017-10-31
作者简介:程金芝（1992-），女，江苏徐州人，南京理工大学自动化学院硕士研究生，研究方向：无人机巡检图像识别与故障检测; 郭玲（1976-），女，副教授，硕士生导师，博士，研究方向：多媒体信息处理。

Recognition and Default Detection of Power Phase Sign Image

School of Automation, Nanjing University of Science and Technology, Nanjing 210094, China

Received:2017-02-28 Online:2017-10-30 Published:2017-10-31

摘要/Abstract

摘要： 相位标志牌是重要的电力设施，通常安装在杆塔的显著位置，由于其长期经受风吹雨淋，容易发生破损、划痕等缺陷。本文提出一种相位标志牌识别和缺陷检测算法。首先采用导向滤波、灰度化方法对图像进行预处理；使用固定阈值和漫水填充算法对图像进行分割；运用基于SURF算法和FLANN算法对提取的相位标志牌进行识别；在识别出相位标志牌信息后，通过计算模板和待检测相位标志牌B通道直方图的相交系数百分比，判断相位标志牌是否存在缺陷。实验结果表明，该算法可有效判别相位标志牌是否存在缺陷，具有很好的实用性和稳定性。

关键词: 相位标志牌, 分割, SURF算子, FLANN算法, B通道直方图

Abstract: Power phase signs are important electric facilities. Usually, they are installed in tower’s visible place. Withstanding rain and wind for long time, they are prone to damage, scratch, etc. Thus, a method of phase sign recognition and default detection is presented. Firstly, power phase sign image is processed by oriented filtering and graying. Secondly, Fixed threshold and FloodFill algorithm are used to segment the image. Thirdly, a matching method based on SURF operator and FLANN algorithm is adopted to recognize power phase sign. Last but not least, by calculating the percentage of intersection coefficient of B channel histogram, default can be judged. The effectiveness and robustness of the method are verified through experiments.

Key words: power phase sign, segment, SURF operator, FLANN algorithm, B channel histogram

程金芝，郭玲. 相位标志牌图像识别与缺陷检测[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.10.005.

CHENG Jin-zhi, GUO Ling. Recognition and Default Detection of Power Phase Sign Image[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.10.005.

参考文献

［1］ He Kaiming, Sun Jian, Tang Xiaoou. Guied image filtering［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013,35(6):1397-1409.

［2］赵振兵，孔英会，戚银城，等．面向智能输变电的图像处理技术［M］．北京:中国电力出版社, 2014:71-77.

［3］ Mizushima A, Lu Renfu. An image segmentation method for apple sorting and grading using suport vector machine and Otsu’s method［J］. Computers and Electrics in Agriculture, 2013,94:29-37.

［4］张广渊，张爱侠，王超. 数字图像处理基础及OpenCV实现［M］. 北京：知识产权出版社， 2014:226-230.

［5］ Hsu S H, Huang C L. Road sign detection and recognition using matching pursuit method［J］. Image and Vision Computing, 2001,19(3):119-129.

［6］ Dala N, Triggers B. Histograms of oriented gradients for human detection［C］// Proceedings of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’05). 2005:886-893. 

［7］白璐. 基于图像处理的车牌识别系统的研究［D］. 西安：长安大学， 2010.

［8］〖KG-*5〗 Baggio D L, Emami S, Escriva D M, et al. Mastering OpenCV with Practical Computer Vision Projects［M］. 刘波译. 北京:机械工业出版社, 2014:116-136. 

［9］何思远，蔺蘭，李文涛，等. 电力线路相位标志牌的检测和识别［J］. 光学技术, 2015,41(6):537-542.

［10］陈龙，潘志敏，李清泉，等. 利用ASIFT实现多视角静态交通标志识别［J］. 武汉大学学报(信息科学版), 2013,38(5):553-556.

［11］郭晓旭，刘志刚，张桂南，等. 角点配准与图像差分的接触网绝缘子缺陷检测［J］. 电力系统及其自动化学报， 2015，27(2):8-14.

［12］黄雅兰. 基于特征点的图像匹配技术研究与应用［D］. 南昌：江西理工大学， 2014.

［13］ 王伟良，梁中岩，张三元. 笔画宽度变换直方图在车牌识别中的应用［J］. 科学计算与工程, 2015,15(29):77-82. 

［14］全洪渊. 火炮弹体表面缺陷检测系统的设计与研究［D］. 重庆:重庆大学, 2007.

［15］Joshi P, Escriva D M, Godoy V. OpenCV By Example［M］. 李风明，李翰阳译. 北京：机械工业出版社, 2016:81-101.

[1]	胡崇佳, 刘金洲, 方立. 基于无监督域适应的室外点云语义分割[J]. 计算机与现代化, 2024, 0(01): 74-79.
[2]	张伯泉, 麦海鹏, 陈嘉敏, 逄锦聚. 基于高灰度值注意力机制的脑白质高信号分割[J]. 计算机与现代化, 2023, 0(12): 67-75.
[3]	李德康, 汤进, 王福田, 涂子健, . 基于多源动作信息的手卫生动作质量评估[J]. 计算机与现代化, 2023, 0(12): 87-93.
[4]	许鸿奎, 李振业, 郭文涛, 赵京政, 郭旭斌. 基于分割的任意形状场景文本实时检测[J]. 计算机与现代化, 2023, 0(11): 95-100.
[5]	叶思佳, 魏延, 杜韩宇, 邓金枝. 结合注意力机制的HRNet图像语义分割算法[J]. 计算机与现代化, 2023, 0(10): 65-69.
[6]	陈嘉敏, 张伯泉, 麦海鹏. 基于特征融合的海马体分割[J]. 计算机与现代化, 2023, 0(08): 1-6.
[7]	韩雪. 基于约束聚类和粒子群算法的多路径规划[J]. 计算机与现代化, 2023, 0(08): 7-11.
[8]	刘续, 查可可. 一种用于机场特种车辆作业的环境目标识别方法[J]. 计算机与现代化, 2023, 0(08): 18-24.
[9]	牛玉珩, 李永可, 陈燕红, 蒋平安. 基于改进SegFormer模型的棉田地表残膜图像分割方法[J]. 计算机与现代化, 2023, 0(07): 93-98.
[10]	龚轩, 郭中华, 陈旺. 基于CA-TransUNet的遥感图像道路分割[J]. 计算机与现代化, 2023, 0(07): 112-118.
[11]	徐皓, 田振宇, 李超凡, 崔欣欣, 杨建兰. 基于ResNeXt和改进nnU-Net的新冠感染早期诊断方法[J]. 计算机与现代化, 2023, 0(06): 21-26.
[12]	叶力鸣, 陈蔚文. 一种结合语义分割和目标检测的级联式绝缘子缺陷检测方法[J]. 计算机与现代化, 2023, 0(06): 82-88.
[13]	王娟, 李传庚, 张卿源, 夏承遗. 基于Multiscale-Net的膝关节半月板分割方法[J]. 计算机与现代化, 2023, 0(05): 111-116.
[14]	刘辉, 邹锋, 陈得宝, 籍旭颖, 张妍. 基于改进MOJAYA/D算法的图像分割[J]. 计算机与现代化, 2023, 0(04): 62-72.
[15]	马瑜涓, 韩建宁, 史韶杰, 曹尚斌, 杨志秀. 基于HMRF的改进Kmeans脑肿瘤分割算法[J]. 计算机与现代化, 2023, 0(03): 1-5.

相位标志牌图像识别与缺陷检测

Recognition and Default Detection of Power Phase Sign Image

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价