1.一种输电线路巡检图像绝缘子的定位方法，其特征在于，包括以下步骤：

1)构建特征包模型：

11)首先采集正样本集和负样本集，正样本集中的图像包含绝缘子，负样本集中的图像不包含绝缘子；

12)对正样本集、负样本集中包括的图像利用FAST算法进行特征点检测；

13)对检测到的每一个特征点利用算法进行特征提取，得到每一个特征点的特征表述；

14)对所有特征点的特征表述通过模糊聚类方法进行聚类得到特征码本；

15)将每一个特征点的特征表述通过特征码本进行映射；

16)用映射后的特征训练SVM模型，得到训练好的特征包模型；

2)确定初始绝缘子区域：

对需要检测的图像利用FAST算法进行特征点检测和特征点匹配，根据检测的特征点确定绝缘子的初始定位区域；

根据区域显著度和训练好的分类模型对初始定位区域进行筛选，得到筛选后的初始定位区域；

3)目标区域生长：通过区域显著性对目标区域的生长进行引导，并利用训练好的分类模型优化目标区域。

2.根据权利要求1所述的输电线路巡检图像绝缘子的定位方法，其特征在于，在所述步骤12)中，具体步骤如下：(121)从图片中选取一个像素P，像素点P的灰度值为IP；

(122)设定一个阈值t；

(123)以像素点P为中心的获取一个离散化的Bresenham圆；

(124)如果在所述离散化的Bresenham圆上有n个连续的像素点，n个连续的像素点的灰度值均大于IP+t，或者均小于IP-t，则像素点P为一个特征点，得到特征点集P。

3.根据权利要求1所述的输电线路巡检图像绝缘子的定位方法，其特征在于，在所述步骤13)中，特征提取的步骤如下：

131)以任意特征点为中心，构建不同半径的同心圆，在每个圆上获取设定数目的等间隔采样点，对同心圆上的采样点进行高斯滤波，得到N个采样点；

132)对获取的N个采样点进行两两配对，共有N(N-1)/2种组合方式，所有组合方式的集合称为采样点对集，用集合A＝{(pi,pj)|i＜N and j＜i,j∈N}表示，其中特征点pi、特征点pj的像素值分别为I(pi)、I(pj)，用g(pi,pj)表示特征点局部梯度集合，则有

其中，||·||表示欧式距离，定义短距离点对子集S、长距离点对子集L：S＝{(pi,pj)∈A and||pj-pi||<δmax}

L＝{(pi,pj)∈A and||pj-pi||>δmin}

其中，A为采样点对集，δmin和δmax分别为下阈值和上阈值，通过以上信息计算特征点的主方向，如下：α＝arctan2(gy/gx)

其中，g为特征点的梯度，gx、gy分别为特征点在x、y方向上的梯度，α为特征点的主方向；

(133)对特征点周围的采样区域旋转到主方向，旋转后得到新的采样区域，采样模式同步骤132)，得到N个采样点，由采样点集合可得到N(N-1)/2对采样点对，得到N(N-1)/2个距离的集合，对短距离点对子集S中的短距离点对进行二进制编码，得到编码b，编码方式如下其中， 表示经过旋转α角度后的新的采样点的像素值，每一个特征点的编码为特征描述即特征向量。

4.根据权利要求1所述的输电线路巡检图像绝缘子的定位方法，其特征在于，在所述步骤14)中，得到特征码本的步骤为：对获取的所有特征点的特征向量通过模糊聚类算法进聚类，首先指定聚类中心数c及迭代终止条件ε，根据聚类中心数随机生成c个聚类中心，聚类准则函数Jm(U,V)定义为式中：dkt＝||xt-vk||表示第t个特征向量到第k个聚类中心的欧式距离，V是聚类中心的集合，m∈[1,∞]为模糊加权指数，用于控制聚类结果模糊的程度；模糊聚类获得使准则函数达到最小的一组(U,V)，令聚类准则函数Jm(U,V)对ukt和vk的一阶偏导数为0，可得聚类准则函数Jm(U,V)取极小值的必要条件为：式中：t∈[1,n]，k∈[1,c]，n为特征向量总数，ukt为第i个像素点到第k个聚类中心的隶属度，vk为第k个聚类中心，djt为第t个像素到第j个像素的欧式距离，xt为第t个像素的灰度值，利用上式不断迭代至设定的终止条件得到最终的聚类中心集，即特征码本。

5.根据权利要求1所述的输电线路巡检图像绝缘子的定位方法，其特征在于，在所述步骤15)中，对于每个样本图像提取到的特征，根据欧式距离找到特征码本中与其最近的聚类中心，即为该特征所属的类别，依次计算样本中所有特征所属类别，各类别的特征向量数即为映射后的特征。

6.根据权利要求1所述的输电线路巡检图像绝缘子的定位方法，其特征在于，在所述步骤2)中，进行特征点检测和特征点匹配、根据检测的特征点确定绝缘子的初始定位区域，具体步骤为：

21)特征点检测，利用FAST算法对左右目可见光图像进行特征点检测；

22)特征点匹配，对于左目图像中的每个特征点，找出其在右目图像中欧式距离最近的前两个特征点，如果最近距离除以次近距离小于阈值，则接受这一对匹配点，否则，去除，经以上处理得到粗匹配点对集O和新的左目特征点集一P′left和右目特征点集二P′right；计算所有粗匹配点对的欧式距离并得到最大距离dmax，对于距离小于α1·dmax的匹配点对进行筛除，得到新匹配点对集O'和左目特征点集二P″left和目特征点集二P″right；α1为修正因子一；

23)视差计算，对于筛选后的左目图像中的每一个特征点，将其与右目图像中对应的特征点之间的欧式距离作为该特征点的视差，视差定位为其中，Di表示左目图像中第i个特征点的视差，P″left_i(x)、P″left_i(y)分别为左目图像中第i个特征点的横、纵坐标，P″right_i(x)、P″right_i(y)分别为右目图像中第i个特征点的横、纵坐标，视差越大，距离越近，距离显著性越大；

24)确定初始定位区域：对于每一个特征点，以特征点为中心，w为宽度，h为宽度的区域作为初始定位区域，对于已经确定的绝缘子初始定位区域内的其他特征点则忽略，使各个初始定位区域之间没有重叠。

7.根据权利要求6所述的输电线路巡检图像绝缘子的定位方法，其特征在于，在所述步骤2)中，对初始定位区域进行筛选，具体步骤为：

25)初步筛选初始定位区域：对所有的初始定位区域计算其显著度，显著度Sal定义如下：其中，Salfeature_point为区域特征点数量显著度，Saldis为距离显著度，α为修正因子二，numberregion为区域的特征点数量，arearegion为区域面积，Avg(D)为区域所有特征点的平均视差，Max(D)区域所有特征点的最大视差；

26)再筛选初始定位区域：对所有的初步筛选的定位区域通过构建的特征包模型进行筛选，得到包含绝缘子的初始定位区域，即再筛选后的定位区域。

8.根据权利要求1所述的输电线路巡检图像绝缘子的定位方法，其特征在于，在所述步骤3)中，对目标区域进行优化，得到最终的定位区域，具体步骤为：

31)目标区域生长：对于初始定位区域，每一个边可以向两个方向生长，4个边总共8个方向，具体生长方向由显著性进行引导，显著性包括特征点数显著和距离显著，生长条件如下：Salchange＞Salthreshod

其中，Salchange＝Salafter-Salbefore为生长前后目标区域显著性变化值，Salthreshod为目标区域显著性变化阈值；Salafter为生长后的目标区域显著性，Salbefore为生长前的目标区域显著性；

Areaafter＝Areabefore+β*stepdir

其中，Areaafter为生长后的目标区域，Areabefore为生长前的目标区域，stepdir为生长方向的步长；下标dir为方向，可以是8个方向的任意一个方向；

32)目标区域优化：对于生长后的目标区域，通过构建后的特征包模型进行分类，模型的输出为该区域包含目标即绝缘子的概率；若出现Proafter-Probefore＜Prothreshod，则停止生长，其中，Proafter为目标区域生长后包含绝缘子的概率，Probefore为目标区域生长后包含绝缘子的概率，Prothreshod为概率阈值。