基于快速高效啟發(fā)式聚類算法的電力桿塔檢測研究.pdf

1、采用飛行機器人是解決架空電力線路巡檢的一種有效方法。飛行機器人能夠通過自身攜帶的視覺傳感器系統(tǒng)獲得大量架空輸電線路的巡檢圖像。只有在巡檢圖像中實現(xiàn)自動檢測關(guān)鍵目標(biāo)——電力桿塔,才能完成對海巡檢信息的快速處理,為故障點的判定提供可靠的電力桿塔位置信息。因此,本研究面向不同觀測背景提出了快速高效的電力桿塔檢測算法。
　　 本文深入分析了電力桿塔所處環(huán)境、圖像采集角度、電力桿塔的紋理等特點,并針對兩類典型環(huán)境展開了電塔檢測的方法研究。

2、面向簡單背景下的電力桿塔檢測問題提出了快速高效啟發(fā)式聚類算法。本算法將改進的啟發(fā)式爬山算法應(yīng)用于譜聚類算法,不僅克服了傳統(tǒng)譜聚類算法對中心點依賴性大的缺點,還減少了計算量,提高了計算效率。實驗結(jié)果表明快速高效啟發(fā)式聚類算法適用于檢測簡單背景中的電力桿塔目標(biāo)且效果顯著。
　　 然而,復(fù)雜背景中紋理相對豐富,采用聚類算法已經(jīng)無法對待檢測區(qū)域進行有效分割。為了解決復(fù)雜背景中電力桿塔的檢測問題,準確檢測巡檢圖像中的電力桿塔,本文采用全局

3、自相似描述子作為電力桿塔特征描述方式,有效刻畫了電力桿塔在復(fù)雜背景中的獨特紋理。為了提高描述子的構(gòu)造過程中的聚類速度,結(jié)合之前提出的快速高效啟發(fā)式聚類算法加速描述子的特征提取過程,實現(xiàn)了電力桿塔的快速、準確、高效檢測。本文以各類包含電塔的真實圖像為實驗對象,驗證了復(fù)雜背景中電力桿塔檢測方法的準確性、高效性以及空間復(fù)雜度低等優(yōu)點。
　　 本文研究的檢測方法為自動處理和巡檢數(shù)據(jù)分析奠定了重要基礎(chǔ)。通過全自動電力桿塔檢測,能夠從海量巡