(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210655067.3 (22)申请日 2022.06.10 (71)申请人 国网江苏省电力有限公司泰州供电 分公司 地址 225309 江苏省泰州市凤 凰西路2号 (72)发明人 蒋中军　张静　周海忠　鞠玲　 (74)专利代理 机构 武汉强知 知识产权代理事务 所(特殊普通 合伙) 42303 专利代理师 丁倩 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/34(2022.01) G06V 10/36(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06T 5/00(2006.01) G06T 5/20(2006.01) G06T 7/73(2017.01) (54)发明名称 一种无人机巡检图像边界特征精准定位方 法 (57)摘要 本申请属于无人机巡检数据应用方法技术 领域， 尤其涉及一种无人机巡检图像边界特征精 准定位方法。 包括如下步骤： 获取待测目标原始 图像并进行预处理； 基于图像像素梯度幅值的分 级平滑处理； 基于图像像素梯度对原始图像进行 滤波处理， 包括图像像素梯度计算； 基于幅值截 取区间的边界生成； 本申请的无人机巡检图像边 界特征精 准定位方法运算过程简短， 无需额外的 外部数据或者历史经验数据， 主要通过原始图像 中的梯度要素集合数据融合处理来实现图像内 部边界要素的提取， 该方法实现难度低， 对硬件 设备以及算力资源的需求小， 便于在各类中低端 设备上实施应用， 有利于提高基层日常高频巡检 作业的数据处理， 实现大批量数据的快速边界识 别处理。 权利要求书2页 说明书5页 附图1页 CN 114913440 A 2022.08.16 CN 114913440 A 1.一种无 人机巡检图像边界特 征精准定位方法， 其特 征在于， 包括如下步骤： 步骤一.用于获取待测目标原 始图像并进行 预处理的步骤 包括步骤1.1； 1.1原始图像获取和初步处理； 具体是指， 获取待分析的无人机巡检图像， 剔除不清晰 以及图像要素 过渡模糊， 识别难度过高的劣质图像； 步骤二.基于图像 像素梯度对原 始图像进行 滤波处理的步骤， 包括步骤2.1～ 2.2； 2.1图像像素梯度计算； 具体是指： 根据原始图像的像素尺寸， 建立a ×a像素大小 的像 素梯度截取框以限制运算量； 基于前述梯度框对原始图像进行像素梯度截取， 分别计算每 个梯度框在正交坐标系xoy内的像素梯度幅值Tx,y； 其中tx(x,y)为正交坐标系中坐标为(x,y)的梯度框的X向像素梯度值； ty(x,y)为正交 坐标系中坐标为(x,y)的梯度框的y向像素梯度值； T(x,y)为正交坐标系中坐标为(x,y)的 梯度框的像素梯度幅值； 为正交坐标系中坐标为(x,y)的梯度 框的像素值， ia×a 为梯度框内所有像素点的像素值之和； 2.2基于图像像素梯度幅值的分级平滑处理； 具体是指： 根据像素梯度幅值Tx,y计算结 果， 依次对所有梯度框的像素梯度幅值进行排序， 根据最大像素梯度幅值确定像素梯度幅 值截取区间， 在每 个像素梯度幅值截取区间内按照由高到低的顺序截取梯度框进行保留 步骤三.基于幅值截取区间的边界生成 包括步骤3.1～3.2； 3.1基于像素梯度幅值的中间幅值梯度框筛选； 具体是指： 基于幅值截取区间内所有梯 度框的像素梯度幅值， 确定每个幅值截取区间内梯度框的平均梯度幅值， 从每个幅值截取 区内定位对应的梯度框作为中心梯度框； 3.2基于中心梯度框的边界定位， 包括步骤①～⑤； ①定位图像中的所有梯度框， 计算梯度框的水平角 α； ②以 中 心 梯 度 框 为 基 础 建 立 若 干 边 界 区 ，定 义 边 界 区 的 水 平 角 为 αr为边界区内第r个梯度框 的水平角； 其中， 初始边界区仅包 含一个中心梯度框， 初始边界区的水平角为该中心梯度框的水平角； ③定位与边界区j相邻且非中心梯度框的梯度框k， 计算梯度框k的水平角αk与边界区j权　利　要　求　书 1/2 页 2 CN 114913440 A 2的水平角的方向差 根据待测对象的实际边界特点， 指定方向差阈 值Δαmax； 若Δαj,k≤Δαmax则将梯度框k划分至边界区j， 否则不予处 理； 若梯度框k具有多个相邻的边界区， 则依据方向差 最小的进行划 分； ④每更新一次边界区后， 重新计算所有边界区的水平角， 并重复步骤3)直至所有可划 分的梯度框已经被划分， 删除剩余未被划分至边界区的梯度框； ⑤整理所有边界区， 清理边界区边缘明显脱离边界区核心范围的异常区域， 得到最终 边界。 2.根据权利要求1所述的一种无人机巡检图像边界特征精准定位方法， 其特征在于， 所 述步骤一还 包括用于对图像进行降噪处 理以及尺度标准 化操作的步骤1.2； 1.2原始图像的预处 理； 具体包括： 图像缩放去锯齿缩放： 缩小原图像的尺寸以抑制图像中锯齿现象； 高斯滤波平 滑处理： 利用高斯 函数对图像进行 滤波处理， 处理后执行高斯降采样； 图像尺度统一： 获取所有的图像， 在保持原有高宽比的同时将所有矩形供电区图像调 节为统一的像素高度或者宽度。 3.根据权利要求1所述的一种无人机巡检图像边界特征精准定位方法， 其特征在于， 所 述正交坐标系xoy是指以图像的高为 纵坐标， 图像的宽为横坐标， 图像左下角为坐标原 点建 立的坐标系， 坐标系中每单位尺寸 为a像素。 4.根据权利要求1所述的一种无人机巡检图像边界特征精准定位方法， 其特征在于， 所 述步骤2.2具体是指： 根据原始图像 内所有梯度框的像素梯度幅值计算结果进行排序， 确定最大像素梯度幅 值Tmax， 并基于最大像素梯度幅值Tmax确定n个幅值截取区间： 将所有梯度框按照 排序顺序填入幅值截取区间内； 在每个幅值截取区间内按照同样的 比例按照 从高到低的顺序选取梯度框予以保留， 将剩余的梯度框予以删除， 根据结果更新 原始图像。权　利　要　求　书 2/2 页 3 CN 114913440 A 3