无人机电力巡线影像质量盲评估方法.pdf

《无人机电力巡线影像质量盲评估方法.pdf》由会员分享，可在线阅读，更多相关《无人机电力巡线影像质量盲评估方法.pdf（5页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911271651.3 (22)申请日 2019.12.12 (71)申请人 青海奥珞威信息科技有限公司 地址 810000 青海省西宁市城中区夏都大 街232号佳华国际综合楼那朵酒店5楼 8503 (72)发明人 刘晓伟雷嘉 (74)专利代理机构 湖北天领艾匹律师事务所 42252 代理人 程明 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) (54)发明名称 无人机电力巡线影像质量盲评估方法 (57)摘要 本发明涉及图。

2、像处理技术领域， 尤其是涉及 一种无人机电力巡线影像质量盲评估方法， 包括 以下步骤： S1、 获取无人机系统回传到地面工作 站的电力巡线影像， 并进行预处理； S2、 将电力巡 线影像分层为亮度图像和反射图像； S3、 分别计 算亮度图像和反射图像的质量分数； S4、 对亮度 图像和反射图像的质量分数分别赋予对应的权 重， 再求和得到电力巡线影像的综合质量分数； S5、 预设综合质量分数与质量等级的映射关系， 求得电力巡线影像的质量等级。 本发明的方法可 以评估无人机电力巡线影像的质量， 根据亮度检 测和模糊度检测来估计影像的质量， 而不需要参 考图像。 权利要求书1页 说明书2页 附图1页。

3、 CN 111047575 A 2020.04.21 CN 111047575 A 1.一种无人机电力巡线影像质量盲评估方法， 其特征在于包括以下步骤： S1、 获取无人机系统回传到地面工作站的电力巡线影像， 并进行预处理； S2、 将电力巡线影像分层为亮度图像和反射图像； S3、 分别计算亮度图像和反射图像的质量分数； S4、 对亮度图像和反射图像的质量分数分别赋予对应的权重， 再求和得到电力巡线影 像的综合质量分数； S5、 预设综合质量分数与质量等级的映射关系， 求得电力巡线影像的质量等级。 2.根据权利要求1所述的无人机电力巡线影像质量盲评估方法， 其特征在于， 所述步骤 S2： 采用。

4、Retinex算法对电力巡线影像进行分层， 得到亮度图像和反射图像。 3.根据权利要求1所述的无人机电力巡线影像质量盲评估方法， 其特征在于， 所述步骤 S3中亮度图像的质量分数计算包括： 通过亮度阈值效应求得质量分数模型， 再计算亮度图 像的质量分数。 4.根据权利要求1或3所述的无人机电力巡线影像质量盲评估方法， 其特征在于， 所述 步骤S3中反射图像的质量分数计算包括： 通过Canny边缘检测算法得到边缘宽度， 计算平均 边缘宽度， 并对平均边缘宽度进行指数运算得到反射图像的质量分数。 权利要求书 1/1 页 2 CN 111047575 A 2 无人机电力巡线影像质量盲评估方法 技术领。

5、域 0001 本发明涉及图像处理技术领域， 尤其是涉及一种无人机电力巡线影像质量盲评估 方法。 背景技术 0002 目前多旋翼无人机在输电线路精细化巡检中的应用越来越广泛， 机巡图片受人员 经验影响， 数据质量参差不齐， 采集到的影像常有对焦不准确、 曝光不足或过度曝光、 拍摄 角度不合理、 照片模糊等问题,数据采集质量差强人意。 0003 图像质量的好坏直接影响到人们的主观感受和信息量获取， 因此， 图像质量的评 估是无人机影像系统的重要组成部分。 在无人机巡检影像系统中， 由于无法获得参考图像 进行对比， 对图像的评价往往采用盲评价。 发明内容 0004 本发明的目的在于提供一种无人机电力。

6、巡线影像质量盲评估方法， 该方法可以评 估无人机电力巡线影像的质量， 而不需要参考图像。 0005 为实现上述目的， 本发明所采取的技术方案是： 0006 一种无人机电力巡线影像质量盲评估方法， 其特征在于包括以下步骤： 0007 S1、 获取无人机系统回传到地面工作站的电力巡线影像， 并进行预处理； 0008 S2、 将电力巡线影像分层为亮度图像和反射图像； 0009 S3、 分别计算亮度图像和反射图像的质量分数； 0010 S4、 对亮度图像和反射图像的质量分数分别赋予对应的权重， 再求和得到电力巡 线影像的综合质量分数； 0011 S5、 预设综合质量分数与质量等级的映射关系， 求得电力。

7、巡线影像的质量等级。 0012 进一步地， 所述步骤S2： 采用Retinex算法对电力巡线影像进行分层， 得到亮度图 像和反射图像。 0013 进一步地， 所述步骤S3中亮度图像的质量分数计算包括： 通过亮度阈值效应求得 质量分数模型， 再计算亮度图像的质量分数。 0014 进一步地， 所述步骤S3中反射图像的质量分数计算包括： 通过Canny边缘检测算法 得到边缘宽度， 计算平均边缘宽度， 并对平均边缘宽度进行指数运算得到反射图像的质量 分数。 0015 本发明的有益效果为： 本发明的方法可以评估无人机电力巡线影像的质量， 根据 亮度检测和模糊度检测来估计影像的质量， 而不需要参考图像。 。

8、附图说明 0016 图1为实施例中无人机电力巡线影像质量盲评估方法的流程图。 说明书 1/2 页 3 CN 111047575 A 3 具体实施方式 0017 为了更好地理解本发明， 下面结合实施例对本发明的技术方案做进一步的说明。 0018 如图1所示， 一种无人机电力巡线影像质量盲评估方法， 包括以下步骤： 0019 S1、 无人机电力巡线拍摄影像 0020 获取无人机系统回传到地面工作站的电力巡线影像， 并进行预处理。 0021 S2、 影像分层 0022 采用Retinex算法对电力巡线影像进行分层， 得到亮度图像(入射分量)和反射图 像(反射分量)。 根据Retinex理论可知， 图。

9、像可以分解为入射分量(亮度图像)和反射分量 (反射图像)， 入射分量主要体现了图像的亮度、 颜色等视觉感知信息， 而反射分量主要体现 了图像的纹理、 边缘等本质信息。 0023 S3、 计算亮度图像和反射图像的质量分数 0024 对亮度图像进行亮度检测： 计算图像在灰度图上的均值和方差， 当存在亮度异常 时， 均值会偏离均值点， 方差也会偏小； 通过计算灰度图的均值和方差， 就可评估图像是否 存在过曝光或曝光不足。 通过亮度阈值效应求得质量分数模型LTEQ， 再计算亮度图像的亮 度质量分数。 0025 对反射图像进行模糊度检测： 通过Canny边缘检测算法根据边缘走向搜索边缘宽 度,沿梯度搜索。

10、得到Canny边缘宽度， 计算平均边缘宽度， 并对平均边缘宽度进行指数运算 得到模糊度质量分数。 0026 S4、 对亮度图像的亮度质量分数和反射图像的模糊度质量分数赋予不同的权重， 再求和得到电力巡线影像的综合质量分数。 根据求得的综合质量分数大小， 判断图像质量 好坏， 求得的综合质量分数表示为值越大， 图像的质量越差。 0027 S5、 预设综合质量分数与影像的质量等级的映射关系， 将求得的综合质量分数带 入映射关系， 求得电力巡线影像的质量等级。 最终输出电力巡线影像质量评估报告。 0028 以上说明仅为本发明的应用实施例而已， 当然不能以此来限定本发明之权利范 围， 因此依本发明申请专利范围所作的等效变化， 仍属本发明的保护范围。 说明书 2/2 页 4 CN 111047575 A 4 图1 说明书附图 1/1 页 5 CN 111047575 A 5 。