CN105303162B - 一种基于目标建议算法的航拍图像绝缘子识别方法 - Google Patents
一种基于目标建议算法的航拍图像绝缘子识别方法 Download PDFInfo
- Publication number
- CN105303162B CN105303162B CN201510603397.8A CN201510603397A CN105303162B CN 105303162 B CN105303162 B CN 105303162B CN 201510603397 A CN201510603397 A CN 201510603397A CN 105303162 B CN105303162 B CN 105303162B
- Authority
- CN
- China
- Prior art keywords
- insulator
- image
- sample collection
- proposed algorithm
- aerial images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Abstract
本发明公开了一种基于目标建议算法的航拍图像绝缘子识别算法,本发明采用一种融合目标建议算法、绝缘子判别算法的航拍图像中绝缘子识别算法,通过目标建议算法获取绝缘子候选窗,然后融合不变矩特征和HOG特征作为训练特征,最后利用绝缘子判别算法判断候选窗是否为绝缘子;本发明的优点是有效地提升了航拍图像中绝缘子的识别效果并能够大大地提高后续的故障检测工作的工作效率,能够大大地提高目标的检测速度,有助于减轻线路巡检人员巡检工作的强度和难度,使输电线路的巡检工作逐步走向智能化,并能够大大提高电力系统安全稳定运行能力;具有较强的实用价值和现实意义。
Description
技术领域:
本发明涉及一种基于目标建议算法的航拍图像绝缘子识别算法,属于图像识别技术领域。
背景技术:
由于长期暴露在自然环境下,输电线路不仅会受到机械张力、电气闪络、材料老化等影响,还会有雷击、冰害、强风、污闪等外界侵害,如不能及时发现修复,很可能造成严重的事故,对电力系统的安全和稳定带来了严重的威胁,因此输电线路的定期巡检是保证电力系统安全运行的一项重要的工作。而输电线路覆盖区域广阔,沿途气象、地理环境复杂,传统的人工定期巡检已无法满足巡检需求。
例如,公开号为CN201520028116.6的专利公开了一种基于图像处理技术的机车在线监测系统,包括轨边模块和中心机房模块,所述的轨边模块包括轨边采集设备和轨边控制设备,所述的轨边采集设备包括相机安装架、机车底部相机列阵、机车两侧相机列阵和机车顶部相机列阵,所述的轨边控制设备包括单片机和数据实时传输装置,所述的中心机房模块包括工控机、图像信息浏览设备、远程报警设备和图像储存设备。本实用新型通过在规定的地点用相机拍摄列车的运行图片,再利用图像处理技术和数据库中的同一列车历史运行图片作对比并储存,如果有故障就发出报警信号提醒列车相关运行部门去进行检修。
例如,公开号为CN201410838036.7的专利公开了一种图像处理技术。描述了可延迟或者甚至防止使用存储器来存储与块相关联的三角形以及与顶点着色和装箱三角形相关联的处理资源的技术。这些技术还可在一组核之间提供较好的负载平衡,从而提供较好的性能。生成包围体以表示几何形状组。进行剔除操作以确定几何形状组是否要使三角形被渲染。顶点着色以及三角形与块的关联可跨多个核并行地执行。处理资源被分配用于在尚未被顶点着色和装箱三角形的块之上光栅化已被顶点着色和装箱三角形的块。对不同块的三角形的光栅化可由多个核并行地执行。
又例如,公开号为CN201010588423.1的专利公开了一种图像处理技术。通过使用根据眼睛视图深度缓冲的光视图生成的模板缓冲,可以在阴影生成期间使用分级剔除。模板缓冲指示从眼睛视图可见的哪些区域从光视图也可见。像素着色器通过将任何对象的代理几何图形与模板缓冲中的可见区域进行比较,可以确定该对象是否可以投射阴影。如果代理几何图形没有在模板缓冲中的可见区域上投射任何阴影,则从要为其渲染阴影的对象列表中排除对应于该代理几何图形的对象。
综上所述,目前,由于传统的图像处理技术在输电线路无人机巡线系统的应用处于起步阶段,传统的图像处理技术没有针对于航拍图像中绝缘子的基于目标建议的识别算法且对于复杂背景下绝缘子识别算法鲁棒性较差。
发明内容:
本发明的目的在于提供一种能够克服上述技术问题的基于目标建议算法的航拍图像绝缘子识别算法。本发明采用一种融合目标建议算法、绝缘子判别算法的航拍图像中绝缘子识别算法,通过目标建议算法获取绝缘子候选窗,然后融合不变矩特征和HOG特征作为训练特征,最后利用绝缘子判别算法判断候选窗是否为绝缘子。本发明的基于目标建议算法的航拍图像绝缘子识别算法有助于减轻线路巡检人员巡检工作的强度和难度,使输电线路的巡检工作逐步走向智能化,能够大大提高电力系统安全稳定运行能力。
本发明的一种基于目标建议算法的航拍图像绝缘子识别算法包括以下步骤:
步骤1、建立标准绝缘子图像库作为正样本集,建立航拍背景图像库作为负样本集;
步骤2、对待检测的航拍巡检图像进行滤波、灰度化、图像增强预处理;
步骤3、对预处理后的待检测图像进行目标建议算法处理,获得一系列具有区分物体和背景意义的绝缘子候选窗,其中,所述目标建议算法包括以下步骤:
步骤3.1、对步骤1建立的正、负样本集分别进行梯度计算,获得梯度图;
步骤3.2、将梯度图缩放成不同尺寸的图像,然后进行模板匹配,提取梯度特征;
步骤3.3、训练正样本集、负样本集的梯度特征,得到一个权重系数图;
步骤3.4、依据权重系数图对遍历所得的搜索窗进行评分排名,筛选出绝缘子候选窗;
步骤4、对待检测图像中的每一个绝缘子候选窗进行二值化处理,从而提取不变矩特征和HOG特征;
步骤5、对候选窗的图像特征进行绝缘子判别算法处理,判断此候选窗中是否为绝缘子,其中,所述绝缘子判别算法包括以下步骤:
步骤5.1、对步骤1建立的正样本集、负样本集进行与步骤4相同的处理和特征提取;
步骤5.2、运用循环迭代方式对正样本集、负样本集的图像特征进行学习和训练,得到若干弱分类器和权重;
步骤5.3、将弱分类器按权重级联成强分类器,用此分类器对候选窗进行绝缘子判别。
本发明的所述一种基于目标建议算法的航拍图像绝缘子识别算法的优点是有效地提升了航拍图像中绝缘子的识别效果并能够大大地提高后续的故障检测工作的工作效率,同时,本发明的所述一种基于目标建议算法的航拍图像绝缘子识别算法能够大大地提高目标的检测速度,有助于减轻线路巡检人员巡检工作的强度和难度,使输电线路的巡检工作逐步走向智能化,并能够大大提高电力系统安全稳定运行能力;具有较强的实用价值和现实意义。
附图说明:
图1是本发明所述一种基于目标建议算法的航拍图像绝缘子识别算法的总步骤流程示意图;
图2是本发明所述一种基于目标建议算法的航拍图像绝缘子识别算法的目标建议算法的步骤流程示意图;
图3是本发明所述一种基于目标建议算法的航拍图像绝缘子识别算法的绝缘子判别算法的步骤流程示意图。
具体实施方式:
下面结合附图对本发明的实施方式进行详细描述。
图1是本发明所述一种基于目标建议算法的航拍图像绝缘子识别算法的总步骤流程示意图,图2为本发明算法中的目标建议算法流程图,图3是本发明算法中的绝缘子判别算法流程图。
本发明的一种基于目标建议算法的航拍图像绝缘子识别算法具体包括以下步骤:
1、通过图像采集设备对图像数据进行采集,获得原始图像数据,并对原始图像数据进行裁剪、滤波、灰度化、图像增强处理,获得标准图像数据作为样本库,其中包含绝缘子的图像作为正样本集,不包括绝缘子的背景图像作为负样本集。
2、通过图像采集设备采集待识别的航拍巡检图像,进行滤波、图像增强预处理;
3、对预处理后的图像进行目标建议算法处理,获得绝缘子候选窗,其中,所述目标建议算法具体步骤如下:
(31).将步骤1建立的正样本集、负样本集的三维图像数据(x,y,z) 均转为二维灰度图像数据(i,j);
(32).分别计算二维灰度图像x、y方向的导数,然后计算梯度,得到梯度图;
(33).将梯度图缩放成24种尺寸的图像,然后采用8*8模板进行匹配,提取闭合轮廓的梯度特征;
(34).运用神经网络训练正样本集、负样本集的梯度特征,得到权重系数图;
(35).依据权重系数图对遍历所得的搜索窗的梯度特征进行评价,以评分的高低筛选出绝缘子候选窗。
4、对筛选出的每一个绝缘子候选窗进行中值滤波、灰度化、直方图均衡化、二值化分割处理后,提取不变矩特征和HOG特征进行特征级融合,得到表征绝缘子的图像特征;
5、对候选窗的图像特征进行绝缘子判别算法处理,判断此候选窗中是否为绝缘子,其中,所述绝缘子判别算法包括以下步骤:
(51).对步骤1建立的正样本集、负样本集进行与步骤4相同的图像处理和特征提取;
(52).更新正样本集、负样本集图像特征分布;
(53).对正样本集、负样本集的图像特征进行学习和训练,寻找当前样本分布下的最优弱分类器和对应的权重值,计算弱分类器误差率,当误差小于设定阈值,则跳转到步骤(54),否则,跳转到步骤(52);
(54).聚合多次训练的弱分类器,以权重值级联成一个强分类器;
(55).以步骤4得到的绝缘子图像特征输入到步骤(54)得到的强分类器中,通过特征识别对每个候选窗进行绝缘子判别,从而识别航拍图像中复杂背景下的绝缘子设备。
本发明在实施例的软件设计中,设置了导入功能能够导入单幅图片或多幅图片,设置了识别功能其包括显示识别字符信息、显示识别效果图、显示识别位置信息,同时能够对需要的图片进行存储保存,采用人性化的界面设计使软件的整体使用更加容易操作。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明公开的范围内,能够轻易想到的变化或替换,都应涵盖在本发明权利要求的保护范围内。
Claims (1)
1.一种基于目标建议算法的航拍图像绝缘子识别方法,其特征在于,包括以下步骤:
步骤1、建立标准绝缘子图像库作为正样本集,建立航拍背景图像库作为负样本集;
步骤2、对待检测的航拍巡检图像进行滤波、灰度化、图像增强预处理;
步骤3、对预处理后的待检测图像进行目标建议算法处理,获得一系列具有区分物体和背景意义的绝缘子候选窗;
步骤4、对待检测图像中的每一个绝缘子候选窗进行二值化处理,从而提取不变矩特征和HOG特征进行特征级融合,得到表征绝缘子的图像特征;
步骤5、对候选窗的图像特征进行绝缘子判别算法处理,判断此候选窗中是否为绝缘子;
其中,所述步骤3中的目标建议算法包括以下步骤:
(31).将步骤1建立的正样本集、负样本集的三维图像数据(x,y,z)均转为二维灰度图像数据(i,j);
(32).分别计算二维灰度图像x、y方向的导数,然后计算梯度,得到梯度图;
(33).将梯度图缩放成24种尺寸的图像,然后采用8*8模板进行匹配,提取闭合轮廓的梯度特征;
(34).运用神经网络训练正样本集、负样本集的梯度特征,得到权重系数图;
(35).依据权重系数图对遍历所得的搜索窗的梯度特征进行评价,以评分的高低筛选出绝缘子候选窗;
其中,所述步骤5中的绝缘子判别算法包括以下步骤:
(51).对步骤1建立的正样本集、负样本集进行与步骤4相同的图像处理和特征提取;
(52).更新正样本集、负样本集图像特征分布;
(53).对正样本集、负样本集的图像特征进行学习和训练,寻找当前样本分布下的最优弱分类器和对应的权重值,计算弱分类器误差率,当误差小于设定阈值,则跳转到步骤(54),否则,跳转到步骤(52);
(54).聚合多次训练的弱分类器,以权重值级联成一个强分类器;
(55).以步骤4得到的绝缘子图像特征输入到步骤(54)得到的强分类器中,通过特征识别对每个候选窗进行绝缘子判别,从而识别航拍图像中复杂背景下的绝缘子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510603397.8A CN105303162B (zh) | 2015-09-21 | 2015-09-21 | 一种基于目标建议算法的航拍图像绝缘子识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510603397.8A CN105303162B (zh) | 2015-09-21 | 2015-09-21 | 一种基于目标建议算法的航拍图像绝缘子识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105303162A CN105303162A (zh) | 2016-02-03 |
CN105303162B true CN105303162B (zh) | 2019-06-04 |
Family
ID=55200408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510603397.8A Expired - Fee Related CN105303162B (zh) | 2015-09-21 | 2015-09-21 | 一种基于目标建议算法的航拍图像绝缘子识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105303162B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106093729A (zh) * | 2016-07-26 | 2016-11-09 | 国网福建省电力有限公司 | 基于特征识别的输电线路绝缘子闪络的智能分析方法 |
CN106250920A (zh) * | 2016-07-26 | 2016-12-21 | 国网福建省电力有限公司 | 基于多特征信息融合的绝缘子状态检测与诊断方法 |
CN106503742B (zh) * | 2016-11-01 | 2019-04-26 | 广东电网有限责任公司电力科学研究院 | 一种可见光图像绝缘子识别方法 |
CN107103600A (zh) * | 2017-04-13 | 2017-08-29 | 北京海风智能科技有限责任公司 | 一种基于机器学习的绝缘子缺陷自动检测方法 |
CN107330435A (zh) * | 2017-06-08 | 2017-11-07 | 国网青海省电力公司检修公司 | 一种变电站设备目标实时检测方法 |
CN108573228A (zh) * | 2018-04-09 | 2018-09-25 | 杭州华雁云态信息技术有限公司 | 一种输电线路异物入侵监测方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217217A (zh) * | 2014-09-02 | 2014-12-17 | 武汉睿智视讯科技有限公司 | 一种基于两层分类的车辆标志物检测方法与系统 |
CN104657717A (zh) * | 2015-02-12 | 2015-05-27 | 合肥工业大学 | 一种基于分层核稀疏表示的行人检测方法 |
-
2015
- 2015-09-21 CN CN201510603397.8A patent/CN105303162B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217217A (zh) * | 2014-09-02 | 2014-12-17 | 武汉睿智视讯科技有限公司 | 一种基于两层分类的车辆标志物检测方法与系统 |
CN104657717A (zh) * | 2015-02-12 | 2015-05-27 | 合肥工业大学 | 一种基于分层核稀疏表示的行人检测方法 |
Non-Patent Citations (2)
Title |
---|
《一种航拍绝缘子串图像自动定位方法》;赵振兵;《仪器仪表学报》;20140331;第35卷(第3期);第559-565页 |
《基于骨架提取的航拍绝缘子图像分步识别方法》;翟永杰;《华北电力大学学报》;20150531;第42卷(第3期);第105-110页 |
Also Published As
Publication number | Publication date |
---|---|
CN105303162A (zh) | 2016-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105303162B (zh) | 一种基于目标建议算法的航拍图像绝缘子识别方法 | |
CN105809679B (zh) | 一种基于视觉分析的山区铁路边坡落石检测方法 | |
CN111428748B (zh) | 一种基于hog特征和svm的红外图像绝缘子识别检测方法 | |
CN104463117B (zh) | 一种基于视频方式的人脸识别样本采集方法及系统 | |
WO2018028103A1 (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
CN103839065B (zh) | 人群动态聚集特征提取方法 | |
CN110929593B (zh) | 一种基于细节辨别区别的实时显著性行人检测方法 | |
CN109344753A (zh) | 一种基于深度学习的航拍图像输电线路细小金具识别方法 | |
CN110135296A (zh) | 基于卷积神经网络的机场跑道fod检测方法 | |
CN110245644A (zh) | 一种基于深度学习的无人机图像输电杆塔倒伏识别的方法 | |
CN111696075A (zh) | 一种基于双光谱图像的风机叶片缺陷智能检测方法 | |
CN105404857A (zh) | 一种基于红外的夜间智能车前方行人检测方法 | |
CN110084165A (zh) | 基于边缘计算的电力领域开放场景下异常事件的智能识别与预警方法 | |
CN104615986A (zh) | 利用多检测器对场景变化的视频图像进行行人检测的方法 | |
CN109801265A (zh) | 一种基于卷积神经网络的实时输电设备异物检测系统 | |
CN109829881A (zh) | 基于深度学习的鸟巢检测方法及系统 | |
CN109785288A (zh) | 基于深度学习的输电设备缺陷检测方法及系统 | |
CN110147714A (zh) | 基于无人机的煤矿采空区裂缝识别方法及检测系统 | |
CN115862073A (zh) | 一种基于机器视觉的变电站危害鸟种目标检测和识别方法 | |
CN113128476A (zh) | 一种基于计算机视觉目标检测的低功耗实时头盔检测方法 | |
CN112329584A (zh) | 基于机器视觉自动识别电网异物的方法及系统、设备 | |
CN116824517A (zh) | 基于可视化的变电站运维安全管控系统 | |
CN111339927A (zh) | 一种电力营业厅人员工作状态智能识别系统 | |
Manninen et al. | Multi-stage deep learning networks for automated assessment of electricity transmission infrastructure using fly-by images | |
CN112837281B (zh) | 基于级联卷积神经网络的销钉缺陷识别方法、装置和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190604 Termination date: 20210921 |
|
CF01 | Termination of patent right due to non-payment of annual fee |