Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
S2DLDP with its Application to Palmprint Recognition Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

A Method on Recognizing Transmission Line Structure Based on Multi-level Perception

verfasst von : Yue Liu, Jianxiang Li, Wei Xu, Mingyang Liu

Erschienen in: Image and Graphics

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The structure of transmission line can be recognized by processing the images captured from unmanned aerial vehicle (UAV) power inspection. That can be applied to vision based UAV intelligent inspection and the further analysis of the fault diagnosis of transmission lines. For that, a multi-level perception-based method of transmission line structure recognition is proposed. Firstly, the extracted line segments are split based on key points and then merged based on Gestalt perception theory for getting a relatively complete and independent local contour. Next the area of parallel line segments and symmetrical and crossing line segments are perceived, and then a position restraint mechanism of transmission line structure is built for the preliminary recognition. Finally, the local contour feature is used for the further recognition. In the experiment, the false rate and the missed rate of the method are verified to be lower.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Long-Distance/Environment Face Image Enhancement Method for Recognition
Nächstes Kapitel Saliency Detection Based on Background and Foreground Modeling
Literatur
1.
Zhou, Q., Zhao, Z.: Substation equipment image recognition based on SIFT feature matching. In: Proceedings of the 5th International Congress on Image and Signal Processing (CISP), pp. 1344–1347 (2012)
2.
Kunttu, I., Lepisto, L., Rauhamaa, J., et al.: Multiscale fourier descriptor for shape classification. In: Proceedings of the 12th International Conference on Image Analysis and Processing, pp. 536–541 (2003)
3.
Chen, H., Gao, Q.: Efficient image region and shape detection by perceptual contour grouping. In: Proceedings of IEEE International Conference on Mechatronics and Automation, vol. 2, pp. 793–798 (2005)
4.
Ghosh, A., Petkov, N.: Robustness of shape descriptors to incomplete contour representations. IEEE Trans. Pattern Anal. Mach. Intell. 27(11), 1793–1804 (2005)CrossRef
5.
Ferrari, V., Fevrier, L., Schmid, C., et al.: Groups of adjacent contour segments for object detection. IEEE Trans. Pattern Anal. Mach. Intell. 30(1), 36–51 (2008)CrossRef
6.
Ban, X., Han, j, Lu, D., et al.: Similar circular object recognition method based on local contour feature in natural scenario. J. Comput. Appl. 36(5), 1399–1403 (2016)
7.
Zhu, M.W., Han, J., Lu, D.M., et al.: Object recognition method based on local contour feature in natural scenario. Comput. Eng. Appl. 52(1), 162–167 (2015)
8.
Wang, Y., Han, J., Chen, F., et al.: Automatic detection method of defects of power line in visual image. Comput. Eng. Appl. 47(12), 180–184 (2011). In Chinese
9.
Cheng, C., Koschan, A., Chen, C.-H., Page, D.L., Abidi, M.A.: Outdoor scene image segmentation based on background recognition and perceptual organization. IEEE Trans. Image Process. 21(3), 1007–1019 (2012)MathSciNetCrossRefMATH
10.
Iqbal, Q., Aggarwal, J.K.: Retrieval by classification of images containing large manmade objects using perceptual grouping. Pattern Recogn. 35(7), 1463–1479 (2002)CrossRefMATH
11.
Zhang, J., Han, J., Zhao, Y., et al.: Insulator recognition and defects detection based on shape perceptual. J. Image Graph. 19(8), 1194–1201 (2014)
Metadaten
Titel
A Method on Recognizing Transmission Line Structure Based on Multi-level Perception
verfasst von
Yue Liu
Jianxiang Li
Wei Xu
Mingyang Liu
Copyright-Jahr
2017
Buch
Image and Graphics

Print ISBN: 978-3-319-71606-0

Electronic ISBN: 978-3-319-71607-7

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-71607-7_45