针对视频监测得到铁路接触网图像背景复杂、目标细弱而使电力线提取困难、效率降低的问题,提出一种结合背景特征和改进Ratio算子的区域链码(Ratio-based background features and chain code tracking,RBCT)电力线提取方法。首先,分析...针对视频监测得到铁路接触网图像背景复杂、目标细弱而使电力线提取困难、效率降低的问题,提出一种结合背景特征和改进Ratio算子的区域链码(Ratio-based background features and chain code tracking,RBCT)电力线提取方法。首先,分析接触网电力线图像背景特征,对不同类别背景图像进行灰度值分析、预处理加强来消除背景噪声并增强电力线目标。然后,利用分析得到的线特征检测阈值进行边缘检测,对电力线目标边缘做Ratio算子处理。最后,对检测得到目标边缘进行四方向链码聚类分析,识别电力线目标。结果表明,相比传统Canny、Ratio边缘提取方法,所提方法具有良好的抗噪能力和更高的电力线识别精确度。算法能够消除边缘检测出现的噪声,解决电力线检测中出现的断股、分裂问题,可准确完整地提取不同种类复杂背景下的电力线目标,具有较高工程应用价值。展开更多
文摘针对视频监测得到铁路接触网图像背景复杂、目标细弱而使电力线提取困难、效率降低的问题,提出一种结合背景特征和改进Ratio算子的区域链码(Ratio-based background features and chain code tracking,RBCT)电力线提取方法。首先,分析接触网电力线图像背景特征,对不同类别背景图像进行灰度值分析、预处理加强来消除背景噪声并增强电力线目标。然后,利用分析得到的线特征检测阈值进行边缘检测,对电力线目标边缘做Ratio算子处理。最后,对检测得到目标边缘进行四方向链码聚类分析,识别电力线目标。结果表明,相比传统Canny、Ratio边缘提取方法,所提方法具有良好的抗噪能力和更高的电力线识别精确度。算法能够消除边缘检测出现的噪声,解决电力线检测中出现的断股、分裂问题,可准确完整地提取不同种类复杂背景下的电力线目标,具有较高工程应用价值。
