飞行机器人巡检图像中关键部件缺陷特征量化计算机科学与技术计算机应用技术专业论文.docxVIP

华北电力大学硕士学位论文摘 华北电力大学硕士学位论文 摘 要 携带高清摄像头等传感器的飞行机器人已经应用到输电线路巡检方面，通 过定期采集杆塔及其上各部件的图像来完成巡检工作，然后地面站对巡检图像 进行图像处理提取巡检对象缺陷，这为后续故障诊断提供有力的基础。但是， 因为输电线路所处位置的特殊性，采集到的巡检图像具有背景复杂和含有高维 信息数据的特点，这给如何从巡检图像中快速、准确的提取巡检对象缺陷带来 很大困难，并且提取质量的好坏直接关系到图像后续处理的准确与否。 为此，本文研究了基于巡检图像提取缺陷信息的方法。首先，在巡检图像 预处理阶段，阐述了一种基于指数对数灰度转换函数的图像对比度增强方法。 其次，研究了一种基于巡检图像的改进密度空间聚类分割算法，该算法融合了 SLIC算法、DBSCAN算法和斜空间距离方法。实验表明，对比于传统的方法， 改进算法的聚类结果能有效分离目标和背景、保持边缘完整和连续，运行效率 与聚类准确性有很大的改善，可以对巡检图像进行有效的分割提取关键部件。 最后，研究了一种能够判断巡检图像是否有缺陷的检测以及缺陷提取的方法。 该方法基于过完备字典稀疏表示来进行巡检图像缺陷检测，把巡检图像是否有 缺陷的问题转化为巡检图像能否能用过完备字典稀疏表示的问题；阐述了一种 稀疏评价函数，利用稀疏评价函数计算得到的稀疏度能够快速的进行图像是否 有缺陷的检测；阐述利用低秩矩阵和稀疏矩阵理论进行巡检图像的缺陷提取和 特征量化。通过实验表明，该套方法能够准确以及有效的进行巡检图像缺陷的 检测、提取和量化。 关键词：飞行机器人；巡检图像；缺陷检测；稀疏表示；聚类分割 万方数据 华北电力大学硕士学位论文Abstract 华北电力大学硕士学位论文 Abstract Flying Robot with high—definition cameras has been applied to the electrical inspection．The robots collect image information of tower and tower’S components periodically and send results to ground station which extracts the inspection obj ect from these images．This method is powerful support for the defect diagnosis． However，due to the speciality of the location of the transmission line，these images contain complicated background and high．dimensional data information，which brings a huge challenges to the、defect extraction from inspection obj ects rapid and accurate，and the accuracy of extraction is meaningful to the following image processing． For this reason，the thesis proposes more effective method to extract defect signature。from inspection images．This method is composed of three important parts． Firstly，on the image preprocessing phase，a new index based on the number of gradation conversion function of image contrast enhancement method iS mentioned； Secondly,an improved spatial clustering inspection image density algorithm is depicted which combines the SLIC algorithm，DBSCAN space algorithm，and slope distance method．Compared to the traditional way,this algorithm is more effective and accurate to determine whether there is a defe