融合Hough直线检测和Grab-cut的风机叶片自适应分割方法

作     者：唐震 彭业萍 王伟江 曹广忠 吴超 Tang Zhen;Peng Yeping;Wang Weijiang;Cao Guangzhong;Wu Chao

作者机构：深圳大学机电与控制工程学院广东省电磁控制与智能机器人重点实验室深圳518060 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2021年第35卷第4期

页      面：161-168页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 070208[理学-无线电物理] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0702[理学-物理学] 

基　　金：国家自然科学基金(51905351,U1813212) 广东省自然科学基金(2018A030310522) 深圳市科技计划项目(JCYJ20190808113413430)资助 

主　　题：风机叶片 无人机 图像分割 Hough直线检测 Grab-Cut 

摘      要：完整的边缘信息对风力发电机叶片的边缘缺陷检测至关重要,但由于户外采集的风机叶片图像背景复杂多样,现有图像分割算法的分割精度不足,无法保证边缘缺陷的完整性。因此,提出一种基于图像边缘特征与颜色信息的自适应图像分割方法实现风机叶片边缘检测。首先,使用Hough直线检测初步定位叶片直线边缘;然后,在目标区域应用基于Otus阈值分割和形态学运算的Grab-cut算法,实现叶片图像的自适应分割。采用无人机采集多个场景的图像作为测试样本,对分割方法与其他方法进行定性和定量对比分析。结果表明,该方法能自适应且准确地实现风机叶片图像分割,并保留边缘缺陷的完整性,其边缘覆盖率(0.9717)和边界位移误差(3.0403)指标均优于其他方法,对风机叶片的边缘缺陷检测具有重大潜在应用价值。