CN114463281A - 一种电力绝缘子裂纹检测方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种电力绝缘子裂纹检测方法、装置、设备及存储介质，在获取包括电力绝缘子的目标图像之后，从目标图像中提取包括亮度信息的亮度特征图，从目标图像中提取包括纹理信息的纹理特征图，融合纹理特征图和亮度特征图，得到融合特征图，基于自适应阈值算法从融合特征图中分割出裂纹。通过将纹理特征图和亮度特征图进行融合，得到融合特征图像。融合特征图像包括目标图像的亮度信息和纹理信息，因此，有利于提高裂纹检测准确度。

Description

一种电力绝缘子裂纹检测方法、装置、设备及存储介质

技术领域

本发明实施例涉及电力技术领域，尤其涉及一种电力绝缘子裂纹检测方法、装置、设备及存储介质。

背景技术

绝缘子是一种特殊的绝缘控件，能够在架空输电线路中起到重要作用。早年间绝缘子多用于电线杆，慢慢发展于高型高压电线连接塔的一端挂了很多盘状的绝缘体，它是为了增加爬电距离的，通常由玻璃或陶瓷制成，就叫绝缘子。

绝缘子在变电站/换流站中的用量庞大、种类繁多，是站内电力设备的关键部件之一，占有非常重要的地位，直接关系到变电站/换流站的安全稳定运行。

电力绝缘子出现裂纹可能造成电网严重故障，目前绝缘子检测方法主要采用人工巡检方式，人工巡检维护主要是工作人员定期在变电站/换流站中对绝缘子的状态进行人眼观察或专用检测设备进行检测，人眼观察有一定的主观性，导致检测准确率较低，且存在一定的安全隐患。依靠专用检测设备的方法操作复杂、造价高、检测速度慢，消耗人力和物力很大。

发明内容

本发明提供一种电力绝缘子裂纹检测方法、装置、设备及存储介质，以提高绝缘子裂纹检测效率和准确率。

第一方面，本发明实施例提供了一种电力绝缘子裂纹检测方法，包括：

获取包括电力绝缘子的目标图像；

从所述目标图像中提取包括亮度信息的亮度特征图；

从所述目标图像中提取包括纹理信息的纹理特征图；

融合所述纹理特征图和所述亮度特征图，得到融合特征图；

基于自适应阈值算法从所述融合特征图中分割出裂纹。

可选的，从所述目标图像中提取包括亮度信息的亮度特征图，包括：

从所述目标图像中提取多种不同尺度的特征图像；

针对目标特征图像，将目标特征图像上采样至下一尺度的特征图像相同的尺度，并将上采样的特征图像与下一尺度的特征图像相减，得到第一差异图像；

将所述第一差异图像作为目标特征图像，并返回执行将目标特征图像上采样至下一尺度的特征图像相同的尺度的步骤，直至上采样完毕，得到包括亮度信息的亮度特征图。

可选的呢，从所述目标图像中提取包括纹理信息的纹理特征图，包括：

提取所述特征图像在多个不同方向上的纹理特征，并进行融合，得到多个不同尺度的纹理图像；

针对目标纹理图像，将目标纹理图像上采样至下一尺度的纹理图像相同的尺度，并将上采样的纹理图像与下一尺度的纹理图像相减，得到第二差异图像；

将所述第二差异图像作为目标纹理图像，并返回执行将目标纹理图像上采样至下一尺度的纹理图像相同的尺度的步骤，直至上采样完毕，得到包括纹理信息的纹理特征图。

可选的，融合所述纹理特征图和所述亮度特征图，得到融合特征图，包括：

将所述纹理特征图中的像素与所述亮度特征图中对应的像素的像素值进行比对；

取所述纹理特征图和所述亮度特征图中像素值较大的像素作为融合特征图的像素。

可选的，基于自适应阈值算法从所述融合特征图中分割出裂纹，包括：

通过最大类间方差法计算得到融合特征图的裂纹分割阈值；

基于所述裂纹分割阈值从所述融合特征图中分隔出裂纹。

可选的，基于所述裂纹分割阈值从所述融合特征图中分隔出裂纹，包括：

将所述融合特征图中像素值大于所述裂纹分割阈值的连通区域作为裂纹。

可选的，在基于自适应阈值算法从所述融合特征图中分割出裂纹之后，还包括：

对所述裂纹进行二值化处理，得到二值化图像；

对所述二值化图像进行骨架化操作，得到所述裂纹的裂纹参数。

第二方面，本发明实施例还提供了一种电力绝缘子裂纹检测装置，包括：

目标图像获取模块，用于获取包括电力绝缘子的目标图像；

亮度特征图提取模块，用于从所述目标图像中提取包括亮度信息的亮度特征图；

纹理特征图提取模块，用于从所述目标图像中提取包括纹理信息的纹理特征图；

融合模块，用于融合所述纹理特征图和所述亮度特征图，得到融合特征图；

裂纹分割模块，用于基于自适应阈值算法从所述融合特征图中分割出裂纹。

第三方面，本发明实施例还提供了一种计算机设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明第一方面提供的电力绝缘子裂纹检测方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明第一方面提供的电力绝缘子裂纹检测方法。

本发明实施例提供的电力绝缘子裂纹检测方法，在获取包括电力绝缘子的目标图像之后，从目标图像中提取包括亮度信息的亮度特征图，从目标图像中提取包括纹理信息的纹理特征图，融合纹理特征图和亮度特征图，得到融合特征图，基于自适应阈值算法从融合特征图中分割出裂纹。通过将纹理特征图和亮度特征图进行融合，得到融合特征图像。融合特征图像包括目标图像的亮度信息和纹理信息，因此，有利于提高裂纹检测准确度。

附图说明

图1为本发明实施例一提供的一种电力绝缘子裂纹检测方法的流程图；

图2为本发明实施例二提供的一种电力绝缘子检测装置的结构示意图；

图3为本发明实施例三提供的一种计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种电力绝缘子裂纹检测方法的流程图，本实施例可适用于电力绝缘子裂纹检测的情况，该方法可以由本发明实施例提供的电力绝缘子裂纹检测装置来执行，该装置可以由软件和/或硬件的方式实现，通常配置于计算机设备中，如图1所示，该方法具体包括如下步骤：

S101、获取包括电力绝缘子的目标图像。

在本发明的一些实施例中，可以在电塔上或电塔附近安装摄像头，通过摄像仪采集包括电力绝缘子的目标图像，并上传到远程的处理中心。

在本发明的另一些实施例中，采用无人机巡检并拍摄包括电力绝缘子的目标图像。无人机沿电力线巡检，并在巡检过程中通过搭载的摄像头拍摄或录制巡检图像。在本发明实施例中，巡检图像可以通过通讯网络实时回传给处理中心，也可以在巡检过程中将采集的巡检图像存储在无人机的存储设备中，在巡检结束后，从无人机的存储设备中导出巡检图像，本发明实施例在此不做限定。处理中心对巡检图像进行筛选，筛选出包括电力绝缘子的目标图像。

S102、从目标图像中提取包括亮度信息的亮度特征图。

在本发明实施例中，亮度特征图包括目标图像中的亮度信息，例如，目标图像中亮度差异明显的像素。

示例性的，在本发明实施例中，根据视觉显著性模型，构建目标图像的亮度特征图提取网络。示例性的，在本发明实施例中，亮度特征图提取网络为金字塔特征提取网络，金字塔特征提取网络包括预定的层数。金字塔特征提取网络作为一种图像的多尺度表示方法，可以高效地提取图像在不同尺度的特征。

示例性的，通过金字塔特征提取网络从目标图像中提取多种不同尺度的特征图像。在本发明实施例中，金字塔特征提取网络包括5层，输出5种不同尺度的特征图像，即分辨率由低至高的第一特征图像至第五特征图像。在深度神经网络中，低层网络输出的特征分辨率更高，包含更多位置、细节信息，但是由于经过的卷积更少，其语义性更低，噪声更多。高层网络输出的特征具有更强的语义信息，但是分辨率很低，对细节的感知能力较差。

针对目标特征图像，将目标特征图像上采样至下一尺度的特征图像相同的尺度，并将上采样的特征图像与下一尺度的特征图像相减，得到第一差异图像。

将所述第一差异图像作为目标特征图像，并返回执行将目标特征图像上采样至下一尺度的特征图像相同的尺度的步骤，直至上采样完毕，得到包括亮度信息的亮度特征图。

示例性的，将分辨率最低的第五特征图像上采样至与第四特征图像的分辨率相同的特征图像，并将上采样的特征图像与第四特征图像的对应元素相减，并取绝对值，得到第五特征图像与第四特征图像的差异图像。然后将该差异图像上采样至与第三特征图像的分辨率相同的特征图像，并将上采样的特征图像与第三特征图像的对应元素相减，得到第四特征图像与第三特征图像的差异图像。以此类推，直至所有上采样完毕，得到最终的亮度特征图。

本发明实施例中，从目标图像中提取多个不同尺度的特征图像，并进行融合，兼顾了位置、细节信息和语义信息，提高了特征表达，进而提高了裂纹检测准确率。

S103、从目标图像中提取包括纹理信息的纹理特征图。

在本发明实施例中，纹理特征图包括目标图像的纹理信息。

在本发明实施例中，提取所述特征图像在多个不同方向上的纹理特征，并进行融合，得到多个不同尺度的纹理图像。

针对目标纹理图像，将目标纹理图像上采样至下一尺度的纹理图像相同的尺度，并将上采样的纹理图像与下一尺度的纹理图像相减，得到第二差异图像。

将所述第二差异图像作为目标纹理图像，并返回执行将目标纹理图像上采样至下一尺度的纹理图像相同的尺度的步骤，直至上采样完毕，得到包括纹理信息的纹理特征图。

示例性的，在本发明实施例中，利用盖伯滤波器函数，计算金字塔特征提取网络输出的每一特征图像在0、π/4、π/2、3π/4四个方向的盖伯滤波图像，并进行融合，得到多个不同尺度的纹理图像，即分辨率由低至高的第一纹理图像至第五纹理图像。

将分辨率最低的第五纹理图像上采样至与第四纹理图像的分辨率相同的纹理图像，并将上采样的纹理图像与第四纹理图像的对应元素相减，并取绝对值，得到第五纹理图像与第四纹理图像的差异图像。然后将该差异图像上采样至与第三纹理图像的分辨率相同的纹理图像，并将上采样的纹理图像与第三纹理图像的对应元素相减，得到第四纹理图像与第三纹理图像的差异图像。以此类推，直至所有上采样完毕，得到最终的纹理特征图。

在本发明实施例中，图像相减运算是指两幅图像的像素点之间进行点对点的像素值的相减运算。以两幅图像进行图像相减运算为例，分别获取其中一幅图像的每个像素点作为第一像素点，并将该第一像素点的像素值与其中另一幅图像中的与该第一像素点位置相同的像素点的像素值进行相减运算，得到该其中一幅图像与该另一幅图像的图像相减运算结果。

通过本发明实施例中的图像相减运算，在对裂纹进行检测时可以去除待检测图像中不需要的叠加性图案，当裂纹对比度低、连续性差时，可以有效去除背景图像，使裂纹显示效果得到加强，从而在后续的裂纹检测中获得较好的检测效果。

S104、融合纹理特征图和亮度特征图，得到融合特征图。

在本发明实施例中，将纹理特征图和亮度特征图进行融合，得到融合特征图像。融合特征图像包括目标图像的亮度信息和纹理信息，因此，有利于提高裂纹检测准确度。

在本发明实施例中，将纹理特征图中的像素与亮度特征图中对应的像素的像素值进行比对。取纹理特征图和亮度特征图中像素值较大的像素作为融合特征图的像素，从而得到融合特征图。

S105、基于自适应阈值算法从融合特征图中分割出裂纹。

在本发明实施例中，自适应阈值法(adaptiveThreshold)，它的思想不是计算全局图像的阈值，而是根据图像不同区域亮度分布，计算其局部阈值，所以对于图像不同区域，能够自适应计算不同的阈值，因此被称为自适应阈值法。

示例性的，在本发明实施例中，自适应阈值法为最大类间方差法，最大类间方差法是一种自适合于双峰情况的自动求取阈值的方法，又叫大津法，简称Otsu。它是按图像的灰度特性，将图像分成背景和目标2部分。背景和目标之间的类间方差越大，说明构成图像的2部分的差别越大，当部分目标错分为背景或部分背景错分为目标都会导致2部分差别变小。因此，使类间方差最大的分割意味着错分概率最小。

具体的，通过最大类间方差法计算得到融合特征图的裂纹分割阈值，然后，基于所述裂纹分割阈值从所述融合特征图中分隔出裂纹。示例性的，将融合特征图中像素值大于裂纹分割阈值的连通区域作为裂纹。

在本发明的一些实施例中，为了便于对裂纹进行定性，并依据裂纹的尺寸对绝缘子进行管理，可以进一步对裂纹的尺寸进行确定。

具体的，对裂纹进行二值化处理，得到二值化图像。然后，对二值化图像进行骨架化操作，得到裂纹的裂纹参数，裂纹参数包括裂纹长度和裂纹宽度。其中，图像骨架化是进行线条类图像分析的方法，通过对判定为真实裂纹的裂纹进行骨架提取，识别并统计裂纹的尺寸和形状信息，例如裂纹的长度和宽度。

本发明实施例提供的电力绝缘子裂纹检测方法，在获取包括电力绝缘子的目标图像之后，从目标图像中提取包括亮度信息的亮度特征图，从目标图像中提取包括纹理信息的纹理特征图，融合纹理特征图和亮度特征图，得到融合特征图，基于自适应阈值算法从融合特征图中分割出裂纹。通过将纹理特征图和亮度特征图进行融合，得到融合特征图像。融合特征图像包括目标图像的亮度信息和纹理信息，因此，有利于提高裂纹检测准确度。

实施例二

本发明实施例二提供了一种电力绝缘子裂纹检测装置，图2为本发明实施例二提供的一种电力绝缘子检测装置的结构示意图，如图2所示，该装置包括：

目标图像获取模块201，用于获取包括电力绝缘子的目标图像；

亮度特征图提取模块202，用于从所述目标图像中提取包括亮度信息的亮度特征图；

纹理特征图提取模块203，用于从所述目标图像中提取包括纹理信息的纹理特征图；

融合模块204，用于融合所述纹理特征图和所述亮度特征图，得到融合特征图；

裂纹分割模块205，用于基于自适应阈值算法从所述融合特征图中分割出裂纹。

在本发明的一些实施例中，亮度特征图提取模块202包括：

特征图像提取单元，用于从所述目标图像中提取多种不同尺度的特征图像；

第一差异图像确定单元，用于针对目标特征图像，将目标特征图像上采样至下一尺度的特征图像相同的尺度，并将上采样的特征图像与下一尺度的特征图像相减，得到第一差异图像；

第一返回执行单元，用于将所述第一差异图像作为目标特征图像，并返回执行将目标特征图像上采样至下一尺度的特征图像相同的尺度的步骤，直至上采样完毕，得到包括亮度信息的亮度特征图。

在本发明的一些实施例中，纹理特征图提取模块203包括：

纹理特征提取单元，用于提取所述特征图像在多个不同方向上的纹理特征，并进行融合，得到多个不同尺度的纹理图像；

第二差异图像确定单元，用于针对目标纹理图像，将目标纹理图像上采样至下一尺度的纹理图像相同的尺度，并将上采样的纹理图像与下一尺度的纹理图像相减，得到第二差异图像；

第二返回执行单元，用于将所述第二差异图像作为目标纹理图像，并返回执行将目标纹理图像上采样至下一尺度的纹理图像相同的尺度的步骤，直至上采样完毕，得到包括纹理信息的纹理特征图。

在本发明的一些实施例中，融合模块204包括：

比对单元，用于将所述纹理特征图中的像素与所述亮度特征图中对应的像素的像素值进行比对；

目标像素确定单元，用于取所述纹理特征图和所述亮度特征图中像素值较大的像素作为融合特征图的像素。

在本发明的一些实施例中，裂纹分割模块205包括：

分割阈值计算单元，用于通过最大类间方差法计算得到融合特征图的裂纹分割阈值；

裂纹分割单元，用于基于所述裂纹分割阈值从所述融合特征图中分隔出裂纹。

在本发明的一些实施例中，裂纹分割单元包括：

裂纹分割子单元，用于将所述融合特征图中像素值大于所述裂纹分割阈值的连通区域作为裂纹。

在本发明的一些实施例中，该装置还包括二值化模块，用于在基于自适应阈值算法从所述融合特征图中分割出裂纹之后，对所述裂纹进行二值化处理，得到二值化图像；

骨架化模块，用于对所述二值化图像进行骨架化操作，得到所述裂纹的裂纹参数。

上述电力绝缘子裂纹检测装置可执行本发明任意实施例所提供的电力绝缘子裂纹检测方法，具备执行方法相应的功能模块和有益效果。

实施例三

本发明实施例三提供了一种计算机设备，图3为本发明实施例三提供的一种计算机设备的结构示意图，如图3所示，该计算机设备包括处理器301、存储器302、通信模块303、输入装置304和输出装置305；计算机设备中处理器301的数量可以是一个或多个，图3中以一个处理器301为例；计算机设备中的处理器301、存储器302、通信模块303、输入装置304和输出装置305可以通过总线或其他方式连接，图3中以通过总线连接为例。上述处理器301、存储器302、通信模块303、输入装置304和输出装置305可以集成在计算机设备的控制主板上。

存储器302作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本实施例中的电力绝缘子裂纹检测方法对应的模块。处理器301通过运行存储在存储器302中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述实施例提供的电力绝缘子裂纹检测方法。

存储器302可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器302可进一步包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

通信模块303，用于与外界设备(例如智能终端)建立连接，并实现与外界设备的数据交互。输入装置304可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。

本实施例提供的一种计算机设备，可执行本发明上述任意实施例提供的电力绝缘子裂纹检测方法，具体相应的功能和有益效果。

实施例四

本发明实施例四提供了一种包含计算机可执行指令的存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明上述任意实施例提供的电力绝缘子裂纹检测方法，该方法包括：

获取包括电力绝缘子的目标图像；

从所述目标图像中提取包括亮度信息的亮度特征图；

从所述目标图像中提取包括纹理信息的纹理特征图；

融合所述纹理特征图和所述亮度特征图，得到融合特征图；

基于自适应阈值算法从所述融合特征图中分割出裂纹。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明实施例所提供的电力绝缘子裂纹检测方法中的相关操作。

需要说明的是，对于装置、设备和存储介质实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是机器人，个人计算机，服务器，或者网络设备等)执行本发明任意实施例所述的电力绝缘子裂纹检测方法。

值得注意的是，上述装置中，所包括的各个模块、单元、子单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种电力绝缘子裂纹检测方法，其特征在于，包括：

获取包括电力绝缘子的目标图像；

从所述目标图像中提取包括亮度信息的亮度特征图；

从所述目标图像中提取包括纹理信息的纹理特征图；

融合所述纹理特征图和所述亮度特征图，得到融合特征图；

基于自适应阈值算法从所述融合特征图中分割出裂纹。

2.根据权利要求1所述的电力绝缘子裂纹检测方法，其特征在于，从所述目标图像中提取包括亮度信息的亮度特征图，包括：

从所述目标图像中提取多种不同尺度的特征图像；

针对目标特征图像，将目标特征图像上采样至下一尺度的特征图像相同的尺度，并将上采样的特征图像与下一尺度的特征图像相减，得到第一差异图像；

将所述第一差异图像作为目标特征图像，并返回执行将目标特征图像上采样至下一尺度的特征图像相同的尺度的步骤，直至上采样完毕，得到包括亮度信息的亮度特征图。

3.根据权利要求2所述的电力绝缘子裂纹检测方法，其特征在于，从所述目标图像中提取包括纹理信息的纹理特征图，包括：

提取所述特征图像在多个不同方向上的纹理特征，并进行融合，得到多个不同尺度的纹理图像；

针对目标纹理图像，将目标纹理图像上采样至下一尺度的纹理图像相同的尺度，并将上采样的纹理图像与下一尺度的纹理图像相减，得到第二差异图像；

将所述第二差异图像作为目标纹理图像，并返回执行将目标纹理图像上采样至下一尺度的纹理图像相同的尺度的步骤，直至上采样完毕，得到包括纹理信息的纹理特征图。

4.根据权利要求1所述的电力绝缘子裂纹检测方法，其特征在于，融合所述纹理特征图和所述亮度特征图，得到融合特征图，包括：

将所述纹理特征图中的像素与所述亮度特征图中对应的像素的像素值进行比对；

取所述纹理特征图和所述亮度特征图中像素值较大的像素作为融合特征图的像素。

5.根据权利要求1所述的电力绝缘子裂纹检测方法，其特征在于，基于自适应阈值算法从所述融合特征图中分割出裂纹，包括：

通过最大类间方差法计算得到融合特征图的裂纹分割阈值；

基于所述裂纹分割阈值从所述融合特征图中分隔出裂纹。

6.根据权利要求5所述的电力绝缘子裂纹检测方法，其特征在于，基于所述裂纹分割阈值从所述融合特征图中分隔出裂纹，包括：

将所述融合特征图中像素值大于所述裂纹分割阈值的连通区域作为裂纹。

7.根据权利要求1所述的电力绝缘子裂纹检测方法，其特征在于，在基于自适应阈值算法从所述融合特征图中分割出裂纹之后，还包括：

对所述裂纹进行二值化处理，得到二值化图像；

对所述二值化图像进行骨架化操作，得到所述裂纹的裂纹参数。

8.一种电力绝缘子裂纹检测装置，其特征在于，包括：

目标图像获取模块，用于获取包括电力绝缘子的目标图像；

亮度特征图提取模块，用于从所述目标图像中提取包括亮度信息的亮度特征图；

纹理特征图提取模块，用于从所述目标图像中提取包括纹理信息的纹理特征图；

融合模块，用于融合所述纹理特征图和所述亮度特征图，得到融合特征图；

裂纹分割模块，用于基于自适应阈值算法从所述融合特征图中分割出裂纹。

9.一种计算机设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的电力绝缘子裂纹检测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的电力绝缘子裂纹检测方法。

Images