基於紅外檢測的變電站刀閘模式識別方法
2023-05-05 02:43:51
專利名稱：基於紅外檢測的變電站刀閘模式識別方法
技術領域：
本發明涉及一種電力刀閘狀態識別方法，尤其涉及基於紅外檢測的變電站刀閘模式識別方法。
背景技術：
角點是在其鄰域內的各個方向上灰度變化值足夠高的像素點[1]。它是一種非常重要的圖像點特徵，包含圖像中比較豐富的二維結構信息。圖像中刀閘設備附近區域由於其角點特徵突出，並且易於提取，便於對圖像匹配，因此，可以應用這一特徵來進行圖像匹配。角點提取目前已有很多種方法，如Harris角點[1]提取方法，Moravec算子[2]， 非線性的Susan角點[3]提取算子等。David G. Lowe[4]在2004年總結了已有的基於不變量技術的特徵檢測方法，並正式提出了一種基於尺度空間的、對圖像縮放、旋轉甚至仿射變換保持不變性的圖像局部特徵描述算子SIFT算子，其全稱是kale Invariant Feature Transform,即尺度不變特徵變換。近年來，SIFT角點在實際的應用中因其對旋轉、 尺度縮放、亮度變化保持不變性，對視角變化、仿射變換、噪聲也保持一定程度的穩定性，這使得它被廣泛用於圖像匹配、圖像復原、圖像拼接、目標識別和跟蹤等圖像處理的各個領域。刀閘設備是變電站中非常重要的設備，對刀閘設備的操作直接關係到變電站乃至整個電網的穩定運行。在常規變電站中，刀閘設備操作前後需要運行人員就地實施並人工判斷設備狀態是否到位，這種模式勞動強度大，操作時間長，已經逐步被淘汰。隨著智能化變電站的發展，刀閘設備操作已經向遠程自動化操作方向改進，但仍需運行人員參與每一項操作並由現場人員人工確認操作是否準確完成，這種模式雖然減輕了運行人員的勞動強度，縮短了操作時間，但對現場人員的主觀判斷依賴較大，受現場人員知識、經驗等條件約束，容易出現誤判，特別是如遇惡劣天氣，現場條件比較危險，更加影響設備操作的順利進行。
發明內容
本發明的目的就是為了解決上述問題，提供一種基於紅外檢測的變電站刀閘模式識別方法，它成功應用於智能變電站巡視機器人系統來代替巡視人員到現場的確認，對於智能變電站電力設備監測自動化具有重要的作用。為了實現上述目的，本發明採用如下技術方案本發明利用變電站巡檢機器人自動採集刀閘設備的紅外圖像，並利用模式識別方法對刀間進行定位和識別，該方法的具體步驟如下Stepl 輸入待識別紅外圖像，通過圖像配準獲取待識別圖像的刀閘區域，對刀閘區域依次進行灰度化、二值化和細化處理；St印2 然後對細化後的刀閘區域圖像採用Hough變換算法進行直線檢測；
St印3 對檢測結果進行判別，利用刀閘狀態判別條件來識別刀閘的狀態；刀閘狀態判別條件是1、如果刀閘區域內沒有直線存在，則認為刀閘為「分」狀態； 2、如果刀閘區域內有直線存在，則計算檢測到的直線的角度，若直線與模板中刀閘的角度差θ小於某一閾值，則認為刀閘為「合」狀態；否則認為刀閘為「未合好」狀態。所述stepl中，圖像配準的步驟如下Α.從巡檢資料庫中選取模板圖像，提取其SIFT特徵向量，並在模板圖像上標記刀閘設備區域和刀閘角度，將標記後的模板圖像存入模板庫中；B.提取待檢測圖像的SIFT特徵向量，並與模板圖像的SIFT特徵向量進行匹配；C.採用RANSIC算法得到模板圖像和待檢測圖像間的變換矩陣，根據模板庫中標記的刀閘設備所在區域，得到待檢測圖像的對應刀閘區域。所述步驟A或B中提取SIFT特徵向量的步驟如下1)通過檢測尺度空間極值來初步確定關鍵點位置和尺度；2)通過擬和三維二次函數以精確確定關鍵點的位置和尺度，同時去除低對比度的關鍵點和不穩定的邊緣響應點，以增強匹配穩定性、提高抗噪聲能力；3)利用關鍵點鄰域像素的梯度方向分布特性為每個關鍵點指定方向參數，使算子具備旋轉不變性，m{x, y) = ^Ζ(χ+\,γ)-Ζ(χ-\,γ))2+ (Ζ(χ,γ+\)-Ζ(χ,γ-\))2 θ = arctan 2 ((L (χ, y+1) -L (χ，y_l))/ (L (χ+1，y) -L (χ_1，y)))其中m(X，y)和θ分別為(χ，y)處梯度的模值和方向，其中L(x，y)為每個關鍵點在(x, y)處所在的尺度；4)將坐標軸旋轉為關鍵點的方向，以關鍵點為中心取8 X 8的窗口，在每4X 4的小塊上計算8個方向的梯度方向直方圖，繪製每個梯度方向的累加值，即形成一個種子點，每個關鍵點使用4X4共16個種子點來描述，這樣對於一個關鍵點就產生了 1 個數據，即最終形成1 維的SIFT特徵向量。所述步驟B中，匹配過程如下取模板圖像中的某個匹配點，並找出其與待檢測圖像中歐氏距離最近和次近的兩個匹配點，在這兩個匹配點中，如果最近的距離除以次近的距離小於某個比例閾值，則接受這一對匹配點。 所述步驟C中，變換矩陣為〃=
3，4，5，6，7，i 為整數，且有[χ'，y'，1]T = H*[x，y，1]τ，其中[χ'，y'，1]，[x，y，1]分別為某組特徵匹配點在模板圖像和待檢測圖像上的坐標。本發明的詳細實現技術方案如下第一步建立圖像模板庫，把已採集的單張設備圖像加入模板庫，標記刀閘區域位置和刀閘角度；第二步計算模板圖像的SIFT特徵向量；第三步利用紅外熱像儀設備獲取待檢測設備的紅外圖像；第四步計算待檢測圖像的SIFT特徵，並與模板庫中對應圖像進行圖像匹配，得
KKKKKK其中，hi為矩陣H的元素，Kfh1到H矩陣；第五步根據模板庫圖像中的刀閘位置和第四步中所得H矩陣，獲得待檢測圖像中刀閘子圖像；第六步對第五步中的刀閘子圖像進行灰度化、自適應的二值化、圖像細化等圖像預處理操作；第七步根據刀閘狀態判別條件判斷刀閘狀態所述第一步中選取的紅外圖像模板，應該為顏色變化一致的圖像，無明顯雲彩影響。刀閘區域位置通過標記含有刀閘的矩形區域來表示。所述第二步中SIFT特徵向量有以下兩步尺度空間的生成和SIFT特徵向量生成1、尺度空間的生成尺度空間的圖像是利用一組連續的高斯卷積核與原圖像進行卷積生成的。將相鄰尺度的圖像相減就可以得到一組高斯差分(Difference of Gaussian, DoG)圖像D(x，y, σ )，搜索局部極值點，確定備選的特徵點。
權利要求
1.基於紅外檢測的變電站刀閘模式識別方法，其特徵是，該方法的識別步驟如下Stepl 輸入待識別紅外圖像，通過圖像配準獲取待識別紅外圖像的刀閘區域，對刀閘區域依次進行灰度化、二值化和細化處理；St印2 然後對細化後的刀閘區域圖像採用Hough變換算法進行直線檢測；St印3 對檢測結果進行判別，利用刀閘狀態判別條件來識別刀閘的狀態；刀閘狀態判別條件是1、如果刀閘區域內沒有直線存在，則認為刀閘為「分」狀態；2、 如果刀閘區域內有直線存在，則計算檢測到的直線的角度，若直線與模板中刀閘的角度差 θ小於某一閾值，則認為刀閘為「合」狀態；否則認為刀閘為「未合好」狀態。
2.如權利要求1所述的基於紅外檢測的變電站刀閘模式識別方法，其特徵是，所述圖像配準的步驟如下Α.從巡檢資料庫中選取模板圖像，提取其SIFT特徵向量，並在模板圖像上標記刀閘設備區域和刀閘角度，將標記後的模板圖像存入模板庫中；B.提取待檢測圖像的SIFT特徵向量，並與模板圖像的SIFT特徵向量進行匹配；C.採用RANSIC算法得到模板圖像和待檢測圖像間的變換矩陣，根據模板庫中標記的刀閘設備所在區域，得到待檢測圖像的對應刀閘區域。
3.如權利要求2所述的基於紅外檢測的變電站刀閘模式識別方法，其特徵是，所述步驟A或B中提取SIFT特徵向量的步驟如下1)通過檢測尺度空間極值來初步確定關鍵點位置和所在尺度；2)通過擬和三維二次函數以精確確定關鍵點的位置和尺度，同時去除低對比度的關鍵點和不穩定的邊緣響應點，以增強匹配穩定性、提高抗噪聲能力；3)利用關鍵點鄰域像素的梯度方向分布特性為每個關鍵點指定方向參數，使算子具備旋轉不變性，
4.如權利要求書2所述的基於紅外檢測的變電站刀閘模式識別方法，其特徵是，所述步驟B中，匹配過程如下取模板圖像中的某個匹配點，並找出其與待檢測圖像中歐氏距離最近和次近的兩個匹配點，在這兩個匹配點中，如果最近的距離除以次近的距離小於某個比例閾值，則接受這一對匹配點。
5.如權利要求書2所述的基於紅外檢測的變電站刀閘模式識別方法，其特徵是，所述步驟C中，變換矩陣為
全文摘要
本發明公開了一種基於紅外檢測的變電站刀閘模式識別方法，該方法的識別步驟如下Step1輸入待識別圖像，通過圖像配準獲取圖像的刀閘區域，對刀閘區域依次進行灰度化、二值化和細化處理；Step2然後對細化後的刀閘區域圖像採用Hough變換算法進行直線檢測；Step3對檢測結果進行判別，利用刀閘狀態判別條件來識別刀閘的狀態。本發明利用SIFT特徵的匹配得到兩幅圖像之間的H矩陣，進而找到圖像中的刀閘區域，然後進行刀閘的狀態識別。實驗表明，該方法可有效地解決電力刀閘的識別，這對於智能變電站的電力設備監測自動化方面具有重要的作用，可以減輕變電站巡視人員的負擔，大大提高檢測的效率。
文檔編號G06K9/46GK102289676SQ201110216378
公開日2011年12月21日 申請日期2011年7月30日 優先權日2011年7月30日
發明者劉延興, 李健, 王萬國, 王振利, 王濱海 申請人:山東魯能智能技術有限公司