1.一种基于显著性边缘引导的绝缘子区域检测方法，其特征在于，包括以下步骤：针对预先获得的包含绝缘子的电力配件图像，采用结构化随机森林边缘检测算法提取图像边缘概率图Edge1，并通过非极大值抑制算法细化图像边缘，得到细化边缘概率图Edge2；

筛选细化边缘概率图中满足特定条件的所有边缘，并将得到的新的边缘概率图Edge4，并将Edge4归一化至[0,1]；

基于新的边缘概率图Edge4，将局部边缘特征信息代入贝叶斯推理框架中计算该边缘的显著性值；

将得到的所有边缘按显著值从高到低进行排序，筛选出显著性高的边缘，利用绝缘子边缘分布呈现波动性的形态特征进行二次判断，获取绝缘子边缘段；

通过非极大值抑制算法细化图像边缘，得到细化边缘概率图，其具体步骤为：(1)采用结构化随机森林算法提取图像边缘概率图Edge1，获得坐标为(ip,jp)边缘点的强度为 遍历图像边缘概率图Edge1中所有值大于0的像素点pix，w为以pix为中心的8邻域窗口，求该像素点的x，y方向上的梯度为Gx和Gy，表达式如下：则像素点pix的梯度方向为θ，表达式为：θ＝arctan(Gy/Gx)，获取像素点pix的梯度为(2)设P1，P2为pix梯度方向上的两个亚像素点，求以pix为中心的[S,SE,E,NE,N,NW,W,SW]8个方向像素点的梯度gradm[S,SE,E,NE,N,NW,W,SW]，ω＝|Gy/Gx|，则P1的梯度Gp1和P2的梯度Gp2计算方法如下：若θ∈[0,45)，则P1，P2落入0区域内，P1，P2的梯度为：若θ∈[45，90)，则P1，P2落入1区域内，P1，P2的梯度为：若θ∈[90，135)，则P1，P2落入2区域内，P1，P2的梯度为：若θ∈[135,180]，则P1，P2落入3区域内，P1，P2的梯度为：(3)若 且 则保留该像素点pix作为边缘概率点，保留该像素点pix原来的边缘强度值 否则置0；

(4)对边缘概率图Edge1中所有值大于0的像素点pix进行步骤(2)和(3)处理，实现边缘概率图的细化，得到边缘细化图Edge2。

2.根据权利要求1所述的一种基于显著性边缘引导的绝缘子区域检测方法，其特征在于，所述特定条件为细化边缘概率图中边缘连续长度大于所有边缘平均长度且该边缘强度大于边缘平均强度。

3.根据权利要求1所述的一种基于显著性边缘引导的绝缘子区域检测方法，其特征在于，筛选细化边缘概率图中满足特定条件的所有边缘，并将得到的新的边缘概率图归一化至[0,1]，具体包括：(1)获取所有共N条的联通边缘，将每条联通边缘上所有边缘点的强度sn,n∈[1,N]重置为该边缘上强度最大的边缘点强度值，得到新的边缘概率图Edge3；

(2)设 为所有联通边缘的平均像素点个数，为Edge3中联通边缘的强度平均值，剔除边缘像素点个数小于 联通边缘或者边缘强度值小于 的边缘，完成边缘筛选，得到新的边缘概率图Edge4，并将Edge4归一化至[0,1]。

4.根据权利要求1所述的一种基于显著性边缘引导的绝缘子区域检测方法，其特征在于，利用贝叶斯推理模型，通过局部边缘特征信息计算边缘显著值，具体步骤包括：所述局部边缘特征信息包括纹理、颜色梯度和边缘幅度；

(1)计算边缘显著值：在细化边缘概率图Edge4中，每个边缘段具有相对边缘强度sn，令thej表示第j 条边缘的相对边缘强度值，p(sal|s)表示每个边缘段为显著性边缘的概率，该概率就是边缘显著值，表达式如下：其中p(sal)和p(bg)分别是边缘段为显著边缘或背景边缘的先验概率；p(s|sal)和p(s|bg)是观察似然概率。

5.根据权利要求4所述的一种基于显著性边缘引导的绝缘子区域检测方法，其特征在于，th

第j 个边缘段的边缘显著性先验概率计算如下：

th

其中ηj表示第j 条边缘段中边缘像素点的纹理、颜色和边缘幅度值的标量乘结果集th合；maxηj表示ηj集合中的最大值； 表示第j 条边缘段上所有像素点在特定方向(Go,i),oth∈{0°,45°,90°,135°}上R、G、B三个颜色通道上颜色梯度的大小之和，i表示第j 边缘上像素点的编号：th

是包含在第j 个边缘段中的边缘像素Ii的局部三进制模式，其是通过使用大小为3的内核将Ii的强度值与由Inb表示的邻域像素的强度值进行比较来计算得到；T是用户定义的阈值，B为邻域窗口像素个数；

采用特定段的边缘像素的所有LTP值的方差，计算方式如下：

其中，ULBP为边缘像素Ii的局部上三进制模式编码值，LLBP为边缘像素Ii的局部下三进制模式编码值；

背景先验为：p(bg)＝1‑p(sal)，

观察似然概率p(s|sal)和p(s|bg)计算方法如下：设所有边缘的均值为β＝mean(sn)，则边缘幅度大于β的边缘为判定为显著性边缘，边缘幅度小于等于β的边缘判定为背景边缘段，分别统计所有显著性边缘段和背景边缘段的像素点总个数，记为Nsal和Nbg；

然后计算边缘强度的归一化直方图hs；Nssal(sal)表示在显著边缘段区域内边缘强度的直方图分布，Nsbg(bg)表示在背景边缘段区域内边缘强度的直方图分布；观察似然概率p(s|sal)和p(s|bg)的计算公式如下：

6.权利要求5所述的一种基于显著性边缘引导的绝缘子区域检测方法，其特征在于，所述归一化直方图hs是10bin直方图。

7.权利要求1所述的一种基于显著性边缘引导的绝缘子区域检测方法，其特征在于，筛选出强显著性边缘，再利用绝缘子串边缘呈现波动性的特点进行二次判断的具体步骤为：(1)以所有边缘的显著值均值mean(p(sal|s))作为阈值T2，筛选出强显著性边缘，设筛选后剩余N2条边缘段，提取每条边缘段的所有像素点，利用最小二乘法进行拟合，利用拟合曲线公式，计算对应边缘段所有像素点x值对应的y坐标值，将拟合离散点与对应边缘像素点求误差：假设某条边缘共有Np个像素点，且每个像素点对应坐标为 对应拟合点为则该边缘段拟合误差为： 若边缘误差err＜1，则剔除该边缘段；

(2)设经过步骤(1)筛选后剩余N3条边缘段；分别获取各个边缘段的所有像素点的x坐标范围 求该边缘段上x坐标值为的像素点个数 以所有边缘上符合条件的像素点个数的均值

为阈值，若 则认为该边缘段为绝缘子边缘，否则不是。

8.根据权利要求1所述的一种基于显著性边缘引导的绝缘子区域检测方法，其特征在于，获取绝缘子边缘段之后，利用SLIC算法对绝缘子图像进行超像素分割，寻找绝缘子边缘段对应的超像素集作为种子图像块，利用颜色、纹理特征进行生长，实现绝缘子串的分割。

9.根据权利要求8所述的一种基于显著性边缘引导的绝缘子区域检测方法，其特征在于，实现绝缘子串的分割的方法为：(1)利用SLIC算法对绝缘子图像进行绝缘子图像进行超像素分割，以绝缘子边缘段经过的超像素集作为种子图像块；

(2)提取颜色特征，设种子区域的邻域个数为k，待生长区域 与种子区域R的颜色相似度函数定义为：其中LR、aR、bR分别为种子区域中L、a、b分量均值，Li、ai、bi分别为待生长区域 内L、a、b分量均值；

(3)采用SIFT‑Like特征提取纹理特征，使用σ＝1的高斯函数在彩色图像RGB三个颜色通道上分别计算8个方向上的高斯微分,得到24个微分图,再使用L1范数归一化获取各个通道各个方向10bins的直方图,每个区域得到一个维度为240的纹理直方图特征向量T＝{t1,...,t240}；种子区域R与待生长区域 之间的纹理相似度定义为:其中tRj为种子区域纹理直方图特征向量的第j个元素， 为待生长区域 纹理直方图特征向量的第j个元素；

(4)设定两个阈值T1,T2,

其中

在区域生长算法中，若待生长区域与种子区域的颜色相似度小于设定阈值T1，且纹理相似度大于设定阈值T2，则将其合并到种子区域，否则，停止该方向的生长；一直进行到图像中没有满足生长准则的像素时，结束整个生长过程，完成绝缘子串的分割。