1无人机图像背景分割
无人机所获取的图像一般为RGB(彩色图像)格式，为减少后续图像处理的计算量并加快计算速度就需要进行灰度化处理。彩色图像能表达整幅图像色度和亮度等级的分布和特征，而灰度图像同样能表达，所以进行灰度化处理不会减少图像的信息。一般采用基于人眼敏感度的加权平均法:
无人机图像背景复杂多变对于图像的分割产生极大的影响，复杂背景中的冗余信息也会影响计算速度，所以必须准确的分割图像。
1.1四种阈值分割方法
(1)固定阈值分割是采用固定阈值对灰度图像进行阈值操作获取二值图像。固定阈值分割需要操作者对图像背景前景区分开的先验知识，对前景和背景进行分析。通过遍历图像的每一个像素，进行统计分析，加之对图像的分析，再通过实验验证分割效果，确定一个比较合理的固定值来进行分割。这种方法需要人工赋值，不能实现阈值自动确定，在样本少的情况下可以采用，一般有五种阈值类型:二进制阈值化、反二进制阈值化、反阈值化为0、阈值化为0、截断阈值。
(2) OTSU(最大类间方差法):记t为前景与背景的分割阈值，前景点数占图像比例为w0，平均灰度为u0;背景点数占图像比例为w1，平均灰度为u1
则图像的总平均灰度为:u=w0*u0+w1*u1
前景和背景图象的方差:g=W0*W1*(U0-U1)*(U0-U1)
(3)自适应阈值分割法:通过对图像进行阈值化处理进而从图像中提取我们感兴趣的物体是一种好方法。固定阈值法、OTSU法、迭代阈值方法确定的阈值进行图像分割都是属于全局阈值处理的方法。但不是什么时候用它都能将感兴趣的物体分割出来，有时怎么选取全局阈值进行分割，效果都达不到所需要求，要解决这一问题，就是采用局部阈值，即根据每个像素的领域计算阈值。
(4)迭代阈值分割方法:迭代阈值算法是对直方图双峰法的加深，还可以自动估计阈值。原理如下:
给定一个初始估计值T;用T分割图像将产生两个部分:G1和G2.G1是包含灰度值大于等于T的全部像素，G2由灰度值小于T的全部像素构成;求取G1部分的所有像素灰度值m1和分析G1部分对于整张图像来说所占的权重λ1;求取G2部分的所有像素灰度值m2和分析G2部分对于整张图像来说所占的权重λ2;按如下式子求取新阈值:T=m1λ1+m2λ2;重复上面两个步骤，直到连续迭代中的T值之间的差小于一个预定参数ΔT．以上原理中参数ΔT影响迭代次数。ΔT越大，所进行的迭代次数越小。这就要求初始估计值必须大于图像中的最低灰度级并且小于最高灰度级，通常使用平均灰度值作为初始估计。
1.2四种分割方法试验比较
对无人机拍摄的输电线路异物图片采用以上四种算法对比验证结果如下:
迭代阈值算法与固定阈值算法相比能自动估算阈值大小，不需人工设定;与最大类间方差法相比计算时间虽然长，但最大类间方差法易产生死白区域，输电线与异物边缘融入背景之中，分割效果差;自适应阈值法虽然能清晰的保留输电线及异物的边缘，但存在的背景噪声很多，分割效果差;迭代阈值法能很好的将输电线与异物跟背景分割开，虽然边缘存在模糊情况，但绝大部分边缘得到保留，背景噪声也较少。
2无人机图像滤波
2.1形态学滤波
经过中值滤波后会出现输电线路断断续续的情况，并且还有白色噪声。这时数学形态学就可以解决这个问题。
数学形态学的基础是数学几何学和集合论学，可以用不同形状的结构元素进行图像结构和形状的识别判断，被广泛应用于图像处理领域之中。一方面，数学形态学通过计算元素与元素之间以及部分与部分的关系简化图像数据，并且可以保持图像中几何形状的形状特征;另一方面，数学形态学算法简单、具有并行处理的结构的优势。数学形态学处理的基础操作包括:腐蚀、膨胀
用A表示待处理图像集合，B表示处理结构元素，形态学处理就是用B对A进行操作。
(1) A被B腐蚀，计为AΘB,B为腐蚀算子，腐蚀的定义为:
上式说明，B对A的腐蚀是用x平移的B却还包含在A中的所有点x的集合。其含义为A被腐蚀算子B腐蚀后的结果是A完全包括B时，B的原点位置的集合。
运用腐蚀运算的矩形结构元素消除小的白点噪声，但会将直线的断线进一步加大。再运用膨胀运算，采用比腐蚀大一个像素的矩形结构元素对出现的断线区域进行链接，恢复直线长度。
2.2基于输电线图像特征的改进形态学滤波
输电线路在无人机图像中的特征比较明显，总结如下:(1)输电线路是4根，较长，贯穿于整个图像;(2)输电线路是有一定弧度，但很接近于直线，接近平行，不会相交;(3)输电线路背景复杂，如:道路、山体、杂草，有些背景融入到输电线路中，造成很难识别输电线路，有些跟输电线路一样是线状物体，对输电线路的识别造成干扰。
通过形态学处理后得到比较满意的输电线路二值图，但是还有一些白色的连通斑块。根据无人机图像输电线路很长、贯穿全图的特征，计算图像中所有连通域的面积。但输电线路的连通区域不小于w/32像素宽度，其中w为图像的宽度。把面积小于w/32的区域去掉，从而去除图像背景中的噪声干扰。
3异物检测
经过滤波后图像中包含输电线路二值图、异物二值图还有极少量噪声二值图。通过寻找轮廓并运用异物轮廓特征进行输电线路异物检测。异物检测过程如下:
(1)寻找轮廓:系统地扫描图像，找到连续区域时停止。从区域的起点开始，沿着它的轮廓对边界像素做标记。标记完当前这个轮廓边界后，就从当前区域的起点继续扫描，直到发现新的区域。标记可选轮廓近似方法为轮廓的每个像素都被标记，相邻的两个像素距离差小于等于1。
(2)对找到的轮廓用包含该轮廓的最小垂直矩形进行标注。
(3)对于剩下的孤立背景轮廓与异物轮廓，计算用于标注剩下孤立背景轮廓与异物轮廓的最小垂直矩形面积，面积最大的即为异物轮廓，异物轮廓面积一般在25 000像素到30 000像素。
由上面的检测结果图像可以得出，本文设计的输电线异物检测方法对不同异物，不同背景都可以可以检测出异物，检测方法具有通用性。
4结论
通过对比四种阈值分割算法，采用迭代阈值算法很好的将图像进行了分割。本文提出的基于输电线路图像特征的改进形态学滤波方法很好的去除无人机图像中的噪声，减少了计算轮廓的计算量。通过设定轮廓形状系数阈值和包含该轮廓的最小垂直矩形面积阈值很好的检测出输电线路上存在的异物。经测试结果表明，该方法可以准确检测出异物存在与否。
参考文献
[1]刘振亚．中国特高压交流输电技术创新[J]．电网技术，2013,37(3):567-574．
[2]邢文忠，陈晓彬，谢玉卫，等．基于多旋翼无人机和激光的输电线路异物清除装置的研究[J]．电工技术，2018(6):32-32．
[3]吕明，罗新，刘正云．无人直升机线路巡检技术实用化研究[J]．湖北电力，2012,36(3):10-12．
