Journal of IKEEE (전기전자학회논문지)

Institute of Korean Electrical and Electronics Engineers (한국전기전자학회)
권호 표지
DOI QR코드

DOI QR Code

A Hybrid Method for Recognizing Existence of Power Lines in Infrared Images

적외선영상내 전력선 검출을 위한 하이브리드 방법

  • Received : 2022.10.29
  • Accepted : 2022.11.04
  • Published : 2022.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we propose a hybrid image processing and deep learning-based method for detecting the presence of power lines in infrared images. Deep learning-based methods can learn feature vectors from a large number of data without much effort, resulting in outstanding performances in various fields. However, it is difficult to apply human intuition to the deep learning-based methods while image processing techniques can be used to apply human intuition. Based on these, we propose a method that exploits both advantages to detect the existence of power lines in infrared images. To this end, five methods have been applied and compared to find the most effective image processing technique for detecting the presence of power lines. As a result, the proposed method achieves 99.48% of accuracy which is higher than those of methods based on either image processing or deep learning.

본 논문에서 우리는 열화상에서 전력선 유무를 검출하는 영상처리 기법과 딥러닝 기반의 하이브리드 방법을 제안한다. 딥러닝은 다수의 데이터로부터 목적에 부합하는 특징 벡터를 학습할 수 있는 장점 덕분에 영상 인식, 객체 검출 등 다양한 분야에서 기존의 직접 설계한 특징 벡터를 사용하는 방법들보다 높은 성능을 달성할 수 있는 장점이 있고, 영상처리 기법은 사람의 직관을 그대로 적용할 수 있다는 장점이 있다. 두 장점을 모두 이용하여 열화상에서 전력선 유무를 검출하는 방법을 제안한다. 전력선 유무 검출에 가장 적합한 영상처리 기법을 찾기 위해 총 5가지 방법을 적용 및 비교하였고, 그 결과로 제안하는 방법은 기존의 영상처리 기반 방법과 딥러닝 기반의 방법 두 가지 모두에 비해 더 높은 99.48%의 정확도로 전력선 유무를 검출할 수 있다.

Keywords

Acknowledgement

This research was supported by the research fund of Hanbat National University in 2022.

References

  1. T. Mao et al., "Defect Recognition Method Based on HOG and SVM for Drone Inspection Images of Power Transmission Line," Int. Conf. on High Performance Big Data and Intelligent Systems, pp.254-257, 2019. DOI: 10.1109/HPBDIS.2019.8735466 
  2. A. La Cour-Harbo, "Quantifying risk of ground impact fatalities of power line inspection BVLOS flight with small unmanned aircraft," Int. Conf. on Unmanned Aircraft Systems, pp.1352-1360, 2017. DOI: 10.1109/ICUAS.2017.7991323 
  3. O. E. Yetgin, O. N. Gerek, "Automatic recognition of scenes with power line wires in real life aerial images using DCT-based features," Digital Signal Processing, Elsevier, Vol.77, pp.102-119, 2018. DOI: 10.1016/j.dsp.2017.10.012 
  4. J. Kim, S. Shin, C. Jung, and C. Kim, "A Deep-Learning-Based Method for Recognizing Existence of Power-Lines in Infrared Images," The Journal of Korean Institute of Communications and Information Sciences, Vol.45, No.1, pp.159-162, 2020. DOI: 10.7840/kics.2020.45.1.155 
  5. K. He et al., "Identity mappings in deep residual networks," European Conf. on Computer Vision, pp.630-645, 2016. DOI: 10.1007/978-3-319-46493-0_38 
  6. O. E. Yetgin, O. N. Gerek, "Powerline Image Dataset (Infrared-IR and Visible Light-VL)," Mendeley Data 7, 2017. 
  7. K. Simonyan, and A. Zisserman, "Very deep convolutional networks for large-scale image recognition," arXiv preprint arXiv:1409.1556, 2014.