CN108008259A - 基于红外、紫外和可见光图像融合一体化的检测方法和装置 - Google Patents
基于红外、紫外和可见光图像融合一体化的检测方法和装置 Download PDFInfo
- Publication number
- CN108008259A CN108008259A CN201711125901.3A CN201711125901A CN108008259A CN 108008259 A CN108008259 A CN 108008259A CN 201711125901 A CN201711125901 A CN 201711125901A CN 108008259 A CN108008259 A CN 108008259A
- Authority
- CN
- China
- Prior art keywords
- image
- mrow
- ultraviolet
- infrared
- msub
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1218—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using optical methods; using charged particle, e.g. electron, beams or X-rays
Abstract
本发明提供了基于红外紫外可见光图像融合一体化的检测方法,包括以下步骤:对被检测设备分别进行红外、紫外以及可见光的拍摄,获取红外探测故障现象图像,选取带有紫外光斑的紫外光斑图像,将设备图像与红外探测故障现象图像融合得到红外探测设备图像,将设备图像与紫外光斑图像融合得到紫外光斑设备图像,将红外探测设备图像与紫外光斑设备图像融合,得到融合后的图像用于被检测设备的故障判定。融合的图像中可以体现紫外光拍摄的光晕或电弧等现象,红外光拍摄的温度异常现象等,更全面地反映设备当前的状况,对紫外图像进行自动增益调节,并可自动判定修改增益规则,使得检测更加精确,并提供相应的检测设备。
Description
技术领域
本发明涉及图像检测领域,特别是指一种基于红外紫外可见光图像融合一体化的检测方法和装置。
背景技术
目前,对电气设备进行局部放电检测的技术有观察法、超高频法、超声波法、红外成像法、光测法、绝缘油色谱分析法、紫外成像法等。目前,红外热成像技术在我国电力系统中应用日益广泛,它已成了开展电气设备状态检查的必备手段。紫外成像法是一种新兴的通过检测电晕、电弧放电来识别电力设备绝缘状态的技术。
实际应用中,本发明的发明人发现,红外热成像技术虽然可以检测各种致热型设备的温度,或者明火现象,但受日光照射影响很大,容易出现误警;紫外成像技术虽然可以检测到电晕、电弧等放电现象,但不能做出基于设备的故障判定,也存在一定缺陷性。因此,有必要提供一种更全面、更易于判定设备故障的检测方法和检测装置。现有的专利技术201710064171.4公开了基于红外紫外可见光一体化的检测方法,但都只是单一的进行检测,没有进行图像融合操作,容易受外界光因素的干扰,准确性很低。
发明内容
本发明要解决的技术问题是提供一种基于红外紫外可见光图像融合一体化的检测方法和装置,对红外紫外可见光拍摄的图像进行融合,提高检测精度。
为解决上述技术问题,本发明采用了如下技术方案:基于红外紫外可见光图像融合一体化的检测方法,包括以下步骤:
S1、对被检测设备分别进行红外、紫外以及可见光的拍摄,得到红外图像、紫外图像以及可见光图像,其中紫外图像运用自动增益调节方法获得;
S2、利用预存的设备图像或设备的特征点,从拍摄的可见光图像中识别并提取出设备图像;
S3、从拍摄的红外图像中获得温差信息,利用预存的各种红外探测的故障的特征点,根据获得的温差信息获取红外探测故障现象图像;
S4、从拍摄的紫外图像中选取带有紫外光斑的紫外光斑图像,并对紫外光斑图像进行处理;
S5、将步骤S2中所得的设备图像与步骤S3中所得的红外探测故障现象图像融合得到红外探测设备图像,将步骤S2中所得的设备图像与步骤S4中所得的紫外光斑图像融合得到紫外光斑设备图像;
S6、将步骤S5所得的红外探测设备图像与紫外光斑设备图像融合,得到融合后的图像用于被检测设备的故障判定。
进一步的优选,所述步骤S1中对被检测设备进行紫外拍摄得到紫外图像包括如下步骤:
S11、接收被检测设备发送的紫外光子信号,并转化为数字信号;
S12、对数字信号进行自动增益调节;
S13、将调整后的数字信号转化为紫外图像。
进一步的优选,所述步骤S12具体包括如下步骤:
S121、按照预先设定的增益设置规则对紫外光子信号进行自动增益调节,所述增益设置规则的增益模型为
G=kgz+g0
其中,G表示相机增益,g为增益因子,z则表示控制电压,k、g0均为模型常数;
S122、判断所述增益设置规则是否适当,若适当,则直接采用所述增益设置规则进行调节,否则通过修改控制电压z修改所述增益设置规则。
进一步的优选,所述步骤S122具体包括如下步骤:
S1221、采集连续的P帧图像,计算得到P帧图像的直方图的和
其中,h(n,i)表示第i帧图像的直方图,n表示灰度级;
S1222、根据直方图的和Hs(n)中灰度级,将直方图的和Hs(n)分为背景段、目标段、明亮段及饱和段;
S1223、获取明亮系数ηb,Hs(n)中位于明亮段的像素个数与目标段像素个数总和之比即为明亮系数,即
其中,TL表示所述背景段与所述目标段的分段阈值,TH表示所述目标段与所述明亮段的分段阈值;
S1224、获取饱和系数ηs,Hs(n)中位于饱和段的像素个数与位于明亮段的像素个数总和之比即为饱和系数,即
其中,TH表示所述目标段与所述明亮段的分段阈值,TS表示所述明亮段与所述饱和段的分段阈值;
S1225、将以上所得明亮系数ηb以及饱和系数ηs与预先设定的第一阈值比较,判断明亮系数ηb以及饱和系数ηs是否处于第一阈值范围内,若是,则所述增益设置规则适当,否则修改控制电压z修改所述增益设置规则。
进一步的优选,所述步骤S2包括以下步骤:
S21、将所述可见光图像和所述预存的设备图像分别进行灰度化处理,并增强图像对比度得到处理后的可见光图像和模板图像;
S22、分别提取处理后的可见光图像和模板图像的关键点,得到特征的关键点特征向量;
S23、对可见光图像与模板图像采用关键点特征向量的欧氏距离作为两幅图像中关键点相似性的判定度量来进行匹配;
S24、分割模板图像为二值图像并提取其边缘,根据仿射变换对间的直线的平行不变性,实现对模板的仿射变换,从而实现在可见光图像中对模板图像进行位置标定。
进一步的优选,所述步骤S4中对紫外光斑图像进行处理具体包括以下步骤:
S41、获取连续N帧紫外光斑图像,编号依次为j,j+1,…,j+N-1;
S42、对上述紫外光斑图像进行二值化处理以及形态学膨胀运算,得到处理后的连续N帧的二值图像,其中,在某一位置(x,y)处连续N帧的像素值为X(x,y,j),X(x,y,j+1),…X(x,y,j+N-1);
S43、将连续N帧的所述二值图像相加得到累加图像,则累加图像中位置(x,y)的像素值为
S44、将所述累加图像进行二值化处理得到二值特征分析图像Y,并对二值特征分析图像Y进行二值化特征提取,获取连通体特征;将所述二值特征分析图像Y分别与处理后的连续N帧的所述二值图像相比,判断位置(x,y)是否出现M次,即:
其中M为预先设定的第二阈值。
进一步的优选,所述步骤S5中将设备图像与紫外光斑图像融合即为将步骤S2提取出的设备图像与步骤S44中所述二值特征分析图像Y进行像素级融合得到融合图像F,对所述连通体开窗跟踪,输出包括质心、面积、灰度的特征,并输出,所述融合图像F为
其中,V表示所述设备图像的颜色分量,K表示所述紫外光斑图像中电晕显示颜色分量。
进一步的优选,所述将各种图像进行融合的方法为:采用基于BRISK特征的配准融合方法,使相应待融合的图像在空间坐标上重合。
特别的,基于红外紫外可见光图像融合一体化的检测方法的检测装置,包括:红外成像仪,用于拍摄并输出红外图像;紫外成像仪,用于拍摄并输出紫外图像的;可见光成像仪,用于拍摄并输出可见光图像;
与红外成像仪、紫外成像仪以及可见光成像仪相连接的图像融合器,用于:利用预存的设备图像或设备的特征点,从可见光图像中识别并提取出设备图像;从红外图像中获得温差信息,利用预存的各种红外探测的故障的特征点,根据获得的温差信息获取红外探测故障现象图像;根据紫外图像获得带有紫外光斑的紫外光斑图像;将设备图像与红外探测故障现象图像融合得到红外探测设备图像,将设备图像与紫外光斑图像融合得到紫外光斑设备图像;将红外探测设备图像与紫外光斑设备图像融合,得到融合后的图像用于被检测设备的故障判定。
紫外成像仪包括:用于将接收到的紫外光子信号转换为模拟电信号的紫外CCD;与紫外CCD相连接的水平驱动信号产生单元,用于为紫外CCD提供水平驱动电压;与紫外CCD相连接的垂直驱动信号产生单元,用于为紫外CCD提供垂直驱动电压;与水平、垂直驱动信号产生单元相连接的偏置电压产生电路,用于为水平、垂直驱动信号产生单元输出的电压提供偏置电压;与紫外CCD相连接的模拟视频信号处理单元,用于对紫外CCD输出的模拟电信号进行相关增益调整。
本发明的有益效果为:本发明提供的基于红外紫外可见光图像融合一体化的检测方法和装置,针对被检测的设备同时进行红外、紫外、可见光拍摄,将拍摄得到的红外、紫外、可见光图像进行融合并输出,用以检测设备的故障。这样,融合的图像中可以体现可见光拍摄的设备图像,紫外光拍摄的光晕或电弧等现象,红外光拍摄的温度异常现象等,综合这些信息可以更全面地反映设备当前的状况,可以更全面地检测电力设备的故障,更便于检测人员进行设备故障的检测。对紫外图像进行自动增益调节,并可自动判定修改增益规则,使得检测更加精确。
附图说明
图1为本发明实施例基于红外紫外可见光图像融合一体化的检测方法的流程示意图;
图2为本发明实施例直方图分段示意图;
图3为本发明实施例判断对所述紫外光子信号进行自动增益调节的增益设置规则是否适当的流程示意图;
图4为本发明实施例基于红外紫外可见光图像融合的检测的结构示意图;
图5为本发明实施例提供的紫外成像仪的内部结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
需要说明的是,本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量,可见“第一”“第二”仅为了表述的方便,不应理解为对本发明实施例的限定,后续实施例对此不再一一说明。
附图1为本发明实施例基于红外紫外可见光图像融合一体化的检测方法的流程示意图,具体方法如下:
S1,针对被检测设备分别进行红外、紫外以及可见光的拍摄,得到红外图像、紫外图像以及可见光图像。
S2,利用预存的设备图像或设备的特征点,从所述可见光图像中识别并提取出设备图像。这样,融合后的图像中可以清晰地显现设备图像,而滤除掉设备周边的无用信息,避免无用信息对设备故障检测的干扰。
S3,从所述红外图像中获得温差信息,利用预存的各种红外探测的故障的特征点,根据获得的温差信息获取红外探测故障现象图像。这样,融合的图像中可以清晰地显现红外探测的故障现象,而滤除掉其它无用的红外信息,避免无用的红外信息对设备故障检测的干扰。
S4,根据所述紫外图像获得带有紫外光斑的紫外光斑图像。这样,融合的图像中可以清晰地显现故障的紫外光斑,更便于检测人员对设备故障的检测。
S5,将所述设备图像与所述红外探测故障现象图像融合得到红外探测设备图像,在融合后的图像中可以看到发热的位置;将所述设备图像与所述紫外光斑图像融合得到紫外光斑设备图像,这样在紫外光斑设备图像可以看到紫外光斑标记的位置。
S6,将所述红外探测设备图像与所述紫外光斑设备图像融合,得到融合后的图像用于所述被检测设备的故障判定。这样,可以在同一张图片中看到发生故障的位置以及故障现象。
步骤S1中对被检测设备进行紫外拍摄得到紫外图像包括如下步骤:
S11,接收所述被检测设备发送的紫外光子信号,并转化为数字信号;
S12,对所述数字信号进行自动增益调节;
S13,将调整后的所述数字信号转化为所述紫外图像。
在获取紫外图像时采用紫外CCD(Charge-coupled Device,电荷耦合元件),从入射窗入射的光子照射到光电阴极上,按一定的量子转换效率转化为光电子,在加速电场的作用下光电子进入MCP进行倍增,然后聚焦到荧光屏激发出可见光,通过光纤光锥将图像耦合到可见光CCD上,最后由电子线路读出,完成从入射光到电子图像的转换,从而获得了紫外图像信息。
而且,近地表大气等对“日盲”紫外辐射具有强烈的吸收作用,SBUV-CCD(日盲紫外像增强型CCD)能够探测到的能量极为微弱,如电晕探测中目标的辐亮度一般在nW量级,要进行有效地探测,CCD必须具有较高的增益。如在紫外电晕探测中,至少需要40%以上的MCP放大(100%MCP放大倍数为106)才能探测到目标的存在。因此,本发明中SBUV-CCD对收集到的目标辐射光子增强成像并输出视频信号,同时将该视频信号输入到自动增益控制单元中。自动增益控制单元主要由信号分析部分与控制逻辑部分组成,其中信号分析单元完成视频信号进行控制参量的提取,并完成分析SBUV-CCD输出的视频信号,统计得到一组可作为判断当前视频图像过于明亮还是灰暗的变量,以判断当前增益设置是否适当。而逻辑控制单元按照预先设定的规则对SBUV-CCD的控制电压进行调节,实现了增益的闭环自动调节。
对数字信号进行自动增益调节,包括如下步骤:
S121、按照预先设定的增益设置规则对所述紫外光子信号进行自动增益调节,所述所述增益设置规则的增益模型为,
G=kgz+g0
其中,G表示相机增益,g为增益因子,z则表示控制电压,k、g0均为模型常数;模型参数可由CCD厂商提供。
S122、判断所述增益设置规则是否适当;若适当,则直接采用所述增益设置规则进行调节;否则,通过修改所述控制电压z修改所述增益设置规则后再次进行判断,直到所述增益设置规则适当为止。
判断增益设置规则是否适当,进一步包括如下步骤:
S1221、采集连续的P帧图像,计算得到P帧图像的直方图的和,
其中,h(n,i)表示第i帧图像的直方图,n表示灰度级。
S1222、参照附图2所示,根据直方图的和Hs(n)中灰度级,将直方图的和Hs(n)分为背景段、目标段、明亮段及饱和段,TL表示背景段与目标段的分段阈值,TH表示目标段与明亮段的分段阈值,TS表示明亮段与饱和段的分段阈值;使用8Bit表示灰度级,在SBUV图像中,背景像素为高斯分布,按照3σ原则,TL设置在50~60之间较为合适,而TH一般设置为190(75%满量程),TS设置为235(90%满量程)较为合适。
S1223、获取明亮系数ηb,所述明亮系数表示在Hs(n)中位于明亮段的像素个数和与位于目标段像素个数和之比,其中,
S1224、获取饱和系数ηs,所述饱和系数表示在Hs(n)中位于饱和段的像素个数和与位于明亮段的像素个数和之比,其中,
S1225、将明亮系数ηb以及饱和系数ηs与预先设定的第一阈值比较,判断明亮系数ηb以及饱和系数ηs是否处于第一阈值范围内;若是,则所述增益设置规则适当;否则重新调整所述增益设置规则。
首先分析ηs是否超过上限ηts,其次分析ηb是否在其上限阈值ηtb与下限阈值ηtd范围内,根据分析结果调节增益。具体流程参照附图3。
在电力设备的检修与维护中,电晕探测对于确定故障点的位置,提高检修效率有重要的作用。目前的“日盲”紫外电晕探测系统多采用定性探测的方式,只是指出故障点的位置,而不能给出故障点的能量大小。如果能在故障点的能量与探测系统输出图像的特征之间建立对应关系,就可以有探测到故障点电晕的图像确定设备的损坏程度,为及时、有效地对设备进行维护提供有价值的参考信息。对于成像探测系统来说,一般采用辐亮度定标的方式,通过测量入瞳辐亮度与CCD输出灰度值,建立二者之间的关系,完成系统的定标。在“日盲”紫外电晕探测系统定标过程中,由于电晕紫外辐射极为微弱,且大气对其有强烈的衰减作用,导致信号的辐亮度十分微弱,在电晕探测系统中采用CCD进行微弱信号放大,增益高达104以上,如何在实验室条件下将光源进行适当的衰减,并选择合适的增益使其在CCD上有响应将是系统定标的难点。采用由氘灯照亮的积分球作为标定光源,使用光纤光谱仪探测球内的绝对辐照度,把积分球看作一个理想的朗伯体,计算积分球出口处的辐亮度,建立了入射光瞳的辐亮度与CCD输出值的关系,完成系统的定标工作。
光学系统用于对电晕成像,滤光片用于滤除“日盲”区以外的辐射,降低虚警率,而CCD则用于增强电晕信号,使其能够被探测。设信号的辐亮度为L,则在CCD的输出为:
(D/f)表示光学系统的相对孔径,G表示CCD系统总增益,Rccd则表示CCD中CCD部件的响应度。τ表示系统的透射率,包含光学系统、滤光片、CCD对入射光的衰减。该式说明电晕探测系统输出DN对信号辐亮度L的关系。
为减小随机误差,数据处理采用多幅图像取平均值的方式,同时还应当减去无光照时CCD的本底灰度值Ud。采集光照条件下成像区域的N帧图像灰度值Us,则系统净输出灰度值的计算公式为:
在电晕探测系统装调完成后,CCD的输出DN中与系统相关的参数也就确定了,此时可简化为:
U=k·G·L
其中,k为与系统相关的常数,可以将k、G合并为系统增益Gs,显然该增益由CCD的控制电压Vg决定,即:
Gs=k·G=f(Vg)=U/L
即,对电晕探测系统进行辐射定标实际上就是确定增益控制电压Vg与系统增益Gs之间的关系。具体的步骤如下:
1)在积分球出口处放置分辨率板,调节探测系统的焦面使分辨率板的图像最清晰,保证积分球出口处能较为精确地成像在CCD的光电阴极上。调节完成后将分辨率板取下。
2)在无光照情况下,采集100帧电晕探测系统的图像,并以此计算本底灰度值Ud为17.64。
3)打开普通氘灯预热45分钟,调节光学衰减器的光阑使电晕探测系统的图像在较大控制电压时(0.6V)接近于饱和,利用光纤光谱仪测量积分球内的辐照度1.03E-03(uW/cm2),计算积分球出口处的辐亮度为3.29E-04(uW/cm2/Sr)。
4)保持积分球出口处的辐亮度不变,调节增益控制电压,通过图像卡采集针对不同控制电压条件下的图像,每个控制电压均采集100帧图像。
计算每个控制电压条件下的系统净输出灰度值,带入式分别求得系统增益Gs。其中增益控制电压Vg的单位是伏特(V),系统增益Gs的单位是1/(uW/cm2/Sr)。
对控制电压Vg与系统增益Gs之间的关系曲线进行最小二乘拟合,所得拟合的多项式如下:
其中
c1=-4.901E+06;c2=4.79E+06;c3=-2.496E+05;c4=2.688E+05;c5=5.222E+04拟合的可信度为0.99。由此可确定辐亮度定标方程为:
在实际应用中,上述经过定标的“日盲”紫外电晕探测系统即可以按照上式由系统净输出灰度值和控制电压推算电晕目标的辐亮度。
利用预存的设备图像或设备的特征点,从可见光图像中识别并提取出设备图像,包括以下步骤:
S21、将可见光图像和模板图像分别进行灰度化处理,并增强图像对比度得到处理后的可见光图像和模板图像。
S22、分别提取处理后的可见光图像和模板图像的关键点,得到特征的关键点特征向量。
S23、对可见光图像与模板图像采用关键点特征向量的欧氏距离作为两幅图像中关键点相似性的判定度量来进行匹配。
S24、分割设备模板为二值图像并提取其边缘,根据仿射变换对间的直线的平行不变性,实现对模板的仿射变换,从而实现在可见光图像中对设备模板进行位置标定。
根据紫外图像获得带有紫外光斑的紫外光斑图像之后,进一步包括对紫外光斑图像处理,包括如下步骤:
S41、获取连续N帧紫外光斑图像,所述紫外光斑图像的编号依次为j,j+1,…j+N-1。
S42、对连续N帧紫外光斑图像进行二值化处理以及形态学膨胀运算,得到处理后的连续N帧的二值图像,其中,在某一位置(x,y)处连续N帧的像素值为X(x,y,j),X(x,y,j+1),…X(x,y,j+N-1)。
S43、将连续N帧的二值图像相加得到累加图像,则累加图像中位置(x,y)的像素值为
S44、将累加图像进行二值化处理得到二值特征分析图像Y,并对所述二值特征分析图像Y进行二值化特征提取,获取连通体特征;将所述二值特征分析图像Y分别与处理后的连续N帧的二值图像相比,判断位置(x,y)是否出现M次,其中M为预先设定的第二阈值,包括:
S45、将所述设备图像与所述二值特征分析图像Y进行像素级融合得到融合图像F,对所述连通体开窗跟踪,输出包括质心、面积、灰度的特征,如已完成标定,可直接回溯电晕光子计数值,供用户参考决策。将融合图像F输出给用户,所述融合图像F为
其中,V表示所述设备图像的颜色分量,K表示所述紫外图像中电晕显示颜色分量。
由于在探测微弱电晕信号时,信号微弱,高增益下单帧图像中目标与散弹噪声并无明显区别,仅在多帧连续图像中存在差别。散射噪点由于在二维图像中随机均匀分布,在某一位置持续出现的概率极低,而目标由于持续存在,其在图像中表现为在某一位置连续多帧出现。因此,可以将当前帧后面的M帧图像二值化后直接相加得到累加图像,然后逐个像素与N进行比较,再与当前图像相与后进行特征提取。由于目标具有一定的面积,且在某一位置持续出现,这样在与图像后会留下一定面积的连通体,而噪声由于帧间相互独立,在连续帧中在同一位置附近出现次数超过N次的概率极小,噪点在与图像中将不会再有连通体出现。因此,可以采用上述算法实现微弱电晕多目标的检测。
将所述红外图像、紫外图像以及可见光图像融合的方法为:采用基于BRISK(Binary Robust Invariant Scalable Keypoints)的配准融合方法,使所述红外图像、紫外图像以及可见光图像在空间坐标上重合,从而实现红外图像、紫外图像以及可见光图像的融合,实现了在一张图片上标注出红外故障现象以及故障发生位置。
本发明所述基于红外紫外可见光图像融合一体化的检测方法,针对被检测的设备同时进行红外、紫外、可见光拍摄,将拍摄得到的红外、紫外、可见光图像进行融合并输出,用以检测所述设备的故障。这样,融合的图像中可以体现可见光拍摄的设备图像,紫外光拍摄的光晕或电弧等现象,红外光拍摄的温度异常现象等,综合这些信息可以更全面地反映设备当前的状况,可以更全面地检测电力设备的故障,更便于检测人员进行设备故障的检测。
参照附图4所示,本发明实施例还公开了一种基于上述红外紫外可见光图像融合一体化的检测方法的检测装置,包括:
红外成像仪201,用于拍摄并输出红外图像;
紫外成像仪203,用于拍摄并输出紫外图像的;
可见光成像仪205,用于拍摄并输出可见光图像;
与所述红外成像仪201、所述紫外成像仪203以及所述可见光成像仪205相连接的图像融合器204,用于:
利用预存的设备图像或设备的特征点,从所述可见光图像中识别并提取出设备图像;
从所述红外图像中获得温差信息,利用预存的各种红外探测的故障的特征点,根据获得的温差信息获取红外探测故障现象图像;
根据所述紫外图像获得带有紫外光斑的紫外光斑图像;
将所述设备图像与所述红外探测故障现象图像融合得到红外探测设备图像,将所述设备图像与所述紫外光斑图像融合得到紫外光斑设备图像;
将所述红外探测设备图像与所述紫外光斑设备图像融合,得到融合后的图像用于所述被检测设备的故障判定。
其中,红外成像仪201用于针对被检测的设备进行红外拍摄,并将拍摄的红外图像输出。紫外成像仪203用于针对所述设备拍摄的紫外图像,并输出拍摄的紫外图像。可见光成像仪205用于针对被检测的设备进行可见光拍摄,并将拍摄的可见光图像输出。图像融合器204,与红外成像仪201、紫外成像仪203以及可见光成像仪205相连接,用于将所述红外图像、所述紫外图像和所述可见光图像融合并输出,用于检测所述设备的故障。也就是说,图像融合器204将红外成像仪201输出的红外图像、紫外成像仪203输出的紫外图像以及可见光成像仪205输出的可见光图像进行融合,得到包含有红外、紫外、可见光信息的融合图像,以便于检测人员可以从图像中获得更全面的设备信息,更便于检测人员进行设备故障的检测。
图像融合器204可以由逻辑电路搭建而成;其中,逻辑电路可以包括:FPGA(FieldProgrammable Gate Array,现场可编程门阵列)、PLC(Programmable Logic Controller,可编程逻辑控制器)、或者逻辑门电路等。
本发明实施例的检测装置中采用一种小型的紫外成像仪,实现整个检测装置的小型化,从而可以实现在现场进行设备故障的检测。事实上,在现有技术中,利用紫外成像法拍摄紫外图像后,将拍摄到的图像拿回实验室或基地进行处理分析后,才能确定是否有故障,非常繁琐。而本发明小型化后的检测装置,则可即拍即显示设备故障信息,使得检测人员在现场就可以检测出设备的故障,及时进行检修工作。
上述紫外成像仪203的一种内部结构可以如图5所示,包括:紫外CCD(ChargeCoupledDevice,电荷藕合器件图像传感器)301、水平驱动信号产生单元302、垂直驱动信号产生单元303、偏置电压产生电路304、模拟视频信号处理单元305以及设置于所述紫外CCD前的紫外光学镜头。进一步,紫外成像仪203还可以包括视频数据处理单元306,以及设置于紫外CCD301前面的紫外光学镜头,设置于紫外光学镜头与紫外CCD301之间的滤光片。
其中,紫外CCD301用于将接收到的紫外光子信号转换为模拟电信号输出;
水平驱动信号产生单元302与紫外CCD301相连接,用于为所述紫外CCD301提供水平驱动信号;
垂直驱动信号产生单元303与紫外CCD301相连接,用于为所述紫外CCD301提供垂直驱动信号;
偏置电压产生电路304与水平驱动信号产生单元302,以及垂直驱动信号产生单元303相连接,用于为所述水平驱动信号产生单元,以及垂直驱动信号产生单元输出的电压提供偏置电压;
模拟视频信号处理单元305与紫外CCD301相连接,用于对所述紫外CCD301输出的模拟电信号进行CDS(Correlated Double Sampling,相关双采样)、增益调整后,转换为数字信号输出;
视频数据处理单元306与模拟视频信号处理单元305相连接,用于将所述模拟视频信号处理单元输出的数字信号进行格式转换,以便于传输或显示。
其中,所述水平驱动信号产生单元302具体包括:水平驱动时序发生子单元311水平电压驱动电路312。
其中,水平驱动时序发生子单元311输出水平时序信号。水平电压驱动电路312与水平驱动时序发生子单元311相连接,用于将水平时序信号转换为符合紫外CCD301驱动电压要求的水平驱动信号。
所述垂直驱动信号产生单元303具体包括:垂直驱动时序发生子单元321、垂直电压驱动电路322。
垂直驱动时序发生子单元321输出垂直时序信号。垂直电压驱动电路322与垂直驱动时序发生子单元321相连接,用于将垂直时序信号转换为符合紫外CCD301驱动电压要求的垂直驱动信号。
水平驱动信号和垂直驱动信号驱动紫外CCD301进行紫外光到电子的转换,产生模拟视频信号。进而由模拟视频信号处理单元305对模拟视频信号进行CDS、增益调整及AD变换等模拟信号处理产生数字图像信号。
事实上,现有技术的紫外成像装置通常需要设置像增强器,其主要功能是将微弱的紫外光照射下的景物,通过光电转换、电子倍增和电光转换,完成紫外辐射图像的增强,之后在像增强器后设置一个普通的CCD实现紫外线的探测。然而,设置了像增强器会使得紫外成像装置体积很大,不便携。
而本发明中采用高灵敏度紫外CCD进行紫外光到电子的转换,而没有采用像增强器,实现了紫外成像仪的小型化,同时也就使得整个检测装置小型化,具有便携性。
更优地,为进一步实现小型化,上述的水平驱动时序发生子单元311、垂直驱动时序发生子单元321,以及所述模拟视频信号处理单元305集成于一个芯片中,例如,全集成AFE(Analog Front End,模拟前端)芯片中。
更优地,上述垂直驱动时序发生子单元321,以及视频数据处理单元306也可集成于一个逻辑器件芯片中,例如FPGA(Field Programmable Gate Array,现场可编程门阵列)芯片中。
虽然本文是以电力行业的电力设备的检测为例说明技术方案,显然,本发明的技术方案也可用于其它行业的设备检测中。
上述实施例的装置用于实现前述实施例中相应的基于红外紫外可见光图像融合一体化的检测方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
为简化说明和讨论,并且为了不会使本发明难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本发明难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本发明的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.基于红外紫外可见光图像融合一体化的检测方法,其特征在于,包括以下步骤:
S1、对被检测设备分别进行红外、紫外以及可见光的拍摄,得到红外图像、紫外图像以及可见光图像,其中紫外图像运用自动增益调节方法获得;
S2、利用预存的设备图像或设备的特征点,从拍摄的可见光图像中识别并提取出设备图像;
S3、从拍摄的红外图像中获得温差信息,利用预存的各种红外探测的故障的特征点,根据获得的温差信息获取红外探测故障现象图像;
S4、从拍摄的紫外图像中选取带有紫外光斑的紫外光斑图像,并对紫外光斑图像进行处理;
S5、将步骤S2中所得的设备图像与步骤S3中所得的红外探测故障现象图像融合得到红外探测设备图像,将步骤S2中所得的设备图像与步骤S4中所得的紫外光斑图像融合得到紫外光斑设备图像;
S6、将步骤S5所得的红外探测设备图像与紫外光斑设备图像融合,得到融合后的图像用于被检测设备的故障判定。
2.根据权利要求1所述的基于红外紫外可见光图像融合一体化的检测方法,其特征在于,所述步骤S1中对被检测设备进行紫外拍摄得到紫外图像包括如下步骤:
S11、接收被检测设备发送的紫外光子信号,并转化为数字信号;
S12、对数字信号进行自动增益调节;
S13、将调整后的数字信号转化为紫外图像。
3.根据权利要求2所述的基于红外紫外可见光图像融合一体化的检测方法,其特征在于,所述步骤S12具体包括如下步骤:
S121、按照预先设定的增益设置规则对紫外光子信号进行自动增益调节,所述增益设置规则的增益模型为
G=kgz+g0
其中,G表示相机增益,g为增益因子,z则表示控制电压,k、g0均为模型常数;
S122、判断所述增益设置规则是否适当,若适当,则直接采用所述增益设置规则进行调节,否则通过修改控制电压z修改所述增益设置规则。
4.根据权利要求3所述的基于红外紫外可见光图像融合一体化的检测方法,其特征在于,所述步骤S122具体包括如下步骤:
S1221、采集连续的P帧图像,计算得到P帧图像的直方图的和
<mrow>
<msub>
<mi>H</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>P</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>,</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mn>255</mn>
</mrow>
其中,h(n,i)表示第i帧图像的直方图,n表示灰度级;
S1222、根据直方图的和Hs(n)中灰度级,将直方图的和Hs(n)分为背景段、目标段、明亮段及饱和段;
S1223、获取明亮系数ηb,Hs(n)中位于明亮段的像素个数与目标段像素个数总和之比即为明亮系数,即
<mrow>
<msub>
<mi>&eta;</mi>
<mi>b</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<msub>
<mi>T</mi>
<mi>H</mi>
</msub>
</mrow>
<mn>255</mn>
</munderover>
<msub>
<mi>H</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<msub>
<mi>T</mi>
<mi>L</mi>
</msub>
</mrow>
<mn>255</mn>
</munderover>
<msub>
<mi>H</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中,TL表示所述背景段与所述目标段的分段阈值,TH表示所述目标段与所述明亮段的分段阈值;
S1224、获取饱和系数ηs,Hs(n)中位于饱和段的像素个数与位于明亮段的像素个数总和之比即为饱和系数,即
<mrow>
<msub>
<mi>&eta;</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<msub>
<mi>T</mi>
<mi>s</mi>
</msub>
</mrow>
<mn>255</mn>
</munderover>
<msub>
<mi>H</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<msub>
<mi>T</mi>
<mi>H</mi>
</msub>
</mrow>
<mn>255</mn>
</munderover>
<msub>
<mi>H</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
其中,TH表示所述目标段与所述明亮段的分段阈值,Ts表示所述明亮段与所述饱和段的分段阈值;
S1225、将以上所得明亮系数ηb以及饱和系数ηs与预先设定的第一阈值比较,判断明亮系数ηb以及饱和系数ηs是否处于第一阈值范围内,若是,则所述增益设置规则适当,否则修改控制电压z修改所述增益设置规则。
5.根据权利要求1所述的基于红外紫外可见光图像融合一体化的检测方法,其特征在于,所述步骤S2包括以下步骤:
S21、将所述可见光图像和所述预存的设备图像分别进行灰度化处理,并增强图像对比度得到处理后的可见光图像和模板图像;
S22、分别提取处理后的可见光图像和模板图像的关键点,得到特征的关键点特征向量;
S23、对可见光图像与模板图像采用关键点特征向量的欧氏距离作为两幅图像中关键点相似性的判定度量来进行匹配;
S24、分割模板图像为二值图像并提取其边缘,根据仿射变换对间的直线的平行不变性,实现对模板的仿射变换,从而实现在可见光图像中对模板图像进行位置标定。
6.根据权利要求1所述的基于红外紫外可见光图像融合一体化的检测方法,其特征在于,所述步骤S4中对紫外光斑图像进行处理具体包括以下步骤:
S41、获取连续N帧紫外光斑图像,编号依次为j,j+1,…,j+N-1;
S42、对上述紫外光斑图像进行二值化处理以及形态学膨胀运算,得到处理后的连续N帧的二值图像,其中,在某一位置(x,y)处连续N帧的像素值为X(x,y,j),X(x,y,j+1),...X(x,y,j+N-1);
S43、将连续N帧的所述二值图像相加得到累加图像,则累加图像中位置(x,y)的像素值为
S44、将所述累加图像进行二值化处理得到二值特征分析图像Y,并对二值特征分析图像Y进行二值化特征提取,获取连通体特征;将所述二值特征分析图像Y分别与处理后的连续N帧的所述二值图像相比,判断位置(x,y)是否出现M次,即:
<mrow>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mi>M</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>C</mi>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo><</mo>
<mi>M</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中M为预先设定的第二阈值。
7.根据权利要求1所述的基于红外紫外可见光图像融合一体化的检测方法,其特征在于,所述步骤S5中将设备图像与紫外光斑图像融合即为将步骤S2提取出的设备图像与步骤S44中所述二值特征分析图像Y进行像素级融合得到融合图像F,对所述连通体开窗跟踪,输出包括质心、面积、灰度的特征,并输出,所述融合图像F为
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>{</mo>
<mrow>
<mtable>
<mtr>
<mtd>
<mi>K</mi>
</mtd>
<mtd>
<mrow>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>V</mi>
</mtd>
<mtd>
<mrow>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>,</mo>
</mrow>
</mrow>
其中,V表示所述设备图像的颜色分量,K表示所述紫外光斑图像中电晕显示颜色分量。
8.根据权利要求1所述的基于红外紫外可见光图像融合一体化的检测方法,其特征在于,所述将各种图像进行融合的方法为:采用基于BRISK特征的配准融合方法,使相应待融合的图像在空间坐标上重合。
9.根据权利要求1-8所述的基于红外紫外可见光图像融合一体化的检测方法的检测装置,其特征在于,包括:红外成像仪,紫外成像仪,可见光成像仪,与所述红外成像仪、紫外成像仪以及可见光成像仪相连接的图像融合器;紫外成像仪包括紫外CCD,紫外CCD连接有水平驱动信号产生单元、垂直驱动信号产生单元和模拟视频信号处理单元,水平驱动信号产生单元和垂直驱动信号产生单元连接有偏置电压产生电路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711125901.3A CN108008259A (zh) | 2017-11-14 | 2017-11-14 | 基于红外、紫外和可见光图像融合一体化的检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711125901.3A CN108008259A (zh) | 2017-11-14 | 2017-11-14 | 基于红外、紫外和可见光图像融合一体化的检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108008259A true CN108008259A (zh) | 2018-05-08 |
Family
ID=62052583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711125901.3A Withdrawn CN108008259A (zh) | 2017-11-14 | 2017-11-14 | 基于红外、紫外和可见光图像融合一体化的检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108008259A (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063701A (zh) * | 2018-08-08 | 2018-12-21 | 合肥英睿系统技术有限公司 | 一种红外图像中目标的标记方法、装置、设备及存储介质 |
CN109142935A (zh) * | 2018-10-15 | 2019-01-04 | 广东电网有限责任公司 | 巡检机器人 |
CN109375068A (zh) * | 2018-09-26 | 2019-02-22 | 北京环境特性研究所 | 一种基于紫外成像电晕检测的目标识别方法及装置 |
CN109816618A (zh) * | 2019-01-25 | 2019-05-28 | 山东理工大学 | 一种基于自适应阈值的区域能量光子计数图像融合算法 |
CN110427847A (zh) * | 2019-07-23 | 2019-11-08 | 深兰科技(上海)有限公司 | 一种透明物体的图像采集的方法和设备 |
CN111413597A (zh) * | 2020-03-31 | 2020-07-14 | 北方夜视技术股份有限公司 | 紫外、红外与可见光一体化高压变电设备检测方法 |
CN111428629A (zh) * | 2020-03-23 | 2020-07-17 | 深圳供电局有限公司 | 变电站运行监测方法、状态确定方法及无人机巡检系统 |
CN111798476A (zh) * | 2020-06-08 | 2020-10-20 | 国网江西省电力有限公司电力科学研究院 | 一种高压隔离开关导电臂轴线提取方法 |
CN112001327A (zh) * | 2020-08-25 | 2020-11-27 | 全球能源互联网研究院有限公司 | 一种阀厅设备故障识别方法及系统 |
CN112666426A (zh) * | 2020-11-13 | 2021-04-16 | 国网江苏省电力有限公司电力科学研究院 | 基于多光谱三合一图像的设备故障检测方法及系统 |
CN112834879A (zh) * | 2021-01-05 | 2021-05-25 | 株洲中车时代电气股份有限公司 | 一种弓网燃弧的检测装置及检测方法 |
CN112858855A (zh) * | 2021-02-23 | 2021-05-28 | 海南电网有限责任公司定安供电局 | 多光谱温度异常局放电故障综合测试装置 |
CN113077447A (zh) * | 2021-04-02 | 2021-07-06 | 保定市毅格通信自动化有限公司 | 一种可探测高压设备微弱放电并进行缺陷分析的方法 |
CN113449767A (zh) * | 2021-04-29 | 2021-09-28 | 国网浙江省电力有限公司嘉兴供电公司 | 一种多图像融合的变电站设备异常识别定位方法 |
CN113465740A (zh) * | 2021-06-30 | 2021-10-01 | 国网山东省电力公司电力科学研究院 | 一种用于外绝缘设备检测的探测辐射亮度标定方法 |
CN113592849A (zh) * | 2021-08-11 | 2021-11-02 | 国网江西省电力有限公司电力科学研究院 | 基于卷积神经网络和紫外图像的外绝缘设备故障诊断方法 |
CN113628255A (zh) * | 2021-07-28 | 2021-11-09 | 武汉三江中电科技有限责任公司 | 一种三光融合无损检测图像配准算法 |
CN113702777A (zh) * | 2021-07-27 | 2021-11-26 | 广西电网有限责任公司电力科学研究院 | 一种高压设备在线巡检监测系统 |
CN114153001A (zh) * | 2021-12-30 | 2022-03-08 | 同方威视技术股份有限公司 | 用于检查货物中冻品的检查系统及检查方法 |
CN114629784A (zh) * | 2021-11-16 | 2022-06-14 | 西安交通大学 | 一种高压电器视频流故障可视化方法 |
CN115908518A (zh) * | 2023-01-09 | 2023-04-04 | 四川赛狄信息技术股份公司 | 一种多传感图像融合方法及系统 |
CN116543378A (zh) * | 2023-07-05 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 一种图像识别方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202486267U (zh) * | 2011-12-14 | 2012-10-10 | 武汉市兑尔科技有限公司 | 一种基于紫外窄带谱段的电晕检测装置 |
CN103018640A (zh) * | 2012-11-27 | 2013-04-03 | 华北电力大学(保定) | 高压绝缘子表面电晕放电强度测试方法 |
CN103487729A (zh) * | 2013-09-06 | 2014-01-01 | 广东电网公司电力科学研究院 | 基于紫外视频与红外视频融合的电力设备缺陷检测方法 |
CN105069768A (zh) * | 2015-08-05 | 2015-11-18 | 武汉高德红外股份有限公司 | 一种可见光图像与红外图像融合处理系统及融合方法 |
US9291494B1 (en) * | 2015-05-09 | 2016-03-22 | Gregory Hubert Piesinger | Discharge corona UV detection in AC power systems method and apparatus |
CN105510787A (zh) * | 2016-01-26 | 2016-04-20 | 国网上海市电力公司 | 基于图像合成技术的便携式超声、红外、紫外检测仪 |
CN106405347A (zh) * | 2016-08-31 | 2017-02-15 | 南京顺泰科技有限公司 | 一种高压设备紫外、红外成像在线监测系统及其检测方法 |
CN106932692A (zh) * | 2017-03-07 | 2017-07-07 | 北京瑞盈智拓科技发展有限公司 | 基于红外紫外可见光图像融合的检测装置以及检测方法 |
CN106950469A (zh) * | 2017-03-07 | 2017-07-14 | 北京瑞盈智拓科技发展有限公司 | 红外紫外一体化检测装置以及紫外成像装置 |
-
2017
- 2017-11-14 CN CN201711125901.3A patent/CN108008259A/zh not_active Withdrawn
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202486267U (zh) * | 2011-12-14 | 2012-10-10 | 武汉市兑尔科技有限公司 | 一种基于紫外窄带谱段的电晕检测装置 |
CN103018640A (zh) * | 2012-11-27 | 2013-04-03 | 华北电力大学(保定) | 高压绝缘子表面电晕放电强度测试方法 |
CN103487729A (zh) * | 2013-09-06 | 2014-01-01 | 广东电网公司电力科学研究院 | 基于紫外视频与红外视频融合的电力设备缺陷检测方法 |
US9291494B1 (en) * | 2015-05-09 | 2016-03-22 | Gregory Hubert Piesinger | Discharge corona UV detection in AC power systems method and apparatus |
CN105069768A (zh) * | 2015-08-05 | 2015-11-18 | 武汉高德红外股份有限公司 | 一种可见光图像与红外图像融合处理系统及融合方法 |
CN105510787A (zh) * | 2016-01-26 | 2016-04-20 | 国网上海市电力公司 | 基于图像合成技术的便携式超声、红外、紫外检测仪 |
CN106405347A (zh) * | 2016-08-31 | 2017-02-15 | 南京顺泰科技有限公司 | 一种高压设备紫外、红外成像在线监测系统及其检测方法 |
CN106932692A (zh) * | 2017-03-07 | 2017-07-07 | 北京瑞盈智拓科技发展有限公司 | 基于红外紫外可见光图像融合的检测装置以及检测方法 |
CN106950469A (zh) * | 2017-03-07 | 2017-07-14 | 北京瑞盈智拓科技发展有限公司 | 红外紫外一体化检测装置以及紫外成像装置 |
Non-Patent Citations (4)
Title |
---|
何林阳 等: "改进BRISK特征的快速图像配准算法", 《红外与激光工程》 * |
周影 等: "微弱日盲紫外电晕自动实时检测方法", 《中国光学》 * |
彭逸月 等: "基特征点的红外与可见光图像配准研究", 《激光与红外》 * |
章朝明 等: ""日盲"紫外增强型CCD的自动增益控制", 《光学精密工程》 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063701A (zh) * | 2018-08-08 | 2018-12-21 | 合肥英睿系统技术有限公司 | 一种红外图像中目标的标记方法、装置、设备及存储介质 |
CN109375068A (zh) * | 2018-09-26 | 2019-02-22 | 北京环境特性研究所 | 一种基于紫外成像电晕检测的目标识别方法及装置 |
CN109375068B (zh) * | 2018-09-26 | 2021-02-05 | 北京环境特性研究所 | 一种基于紫外成像电晕检测的目标识别方法及装置 |
CN109142935A (zh) * | 2018-10-15 | 2019-01-04 | 广东电网有限责任公司 | 巡检机器人 |
CN109816618A (zh) * | 2019-01-25 | 2019-05-28 | 山东理工大学 | 一种基于自适应阈值的区域能量光子计数图像融合算法 |
CN110427847A (zh) * | 2019-07-23 | 2019-11-08 | 深兰科技(上海)有限公司 | 一种透明物体的图像采集的方法和设备 |
CN111428629A (zh) * | 2020-03-23 | 2020-07-17 | 深圳供电局有限公司 | 变电站运行监测方法、状态确定方法及无人机巡检系统 |
CN111413597A (zh) * | 2020-03-31 | 2020-07-14 | 北方夜视技术股份有限公司 | 紫外、红外与可见光一体化高压变电设备检测方法 |
CN111413597B (zh) * | 2020-03-31 | 2022-02-15 | 北方夜视技术股份有限公司 | 紫外、红外与可见光一体化高压变电设备检测方法 |
CN111798476A (zh) * | 2020-06-08 | 2020-10-20 | 国网江西省电力有限公司电力科学研究院 | 一种高压隔离开关导电臂轴线提取方法 |
CN111798476B (zh) * | 2020-06-08 | 2023-10-20 | 国网江西省电力有限公司电力科学研究院 | 一种高压隔离开关导电臂轴线提取方法 |
CN112001327A (zh) * | 2020-08-25 | 2020-11-27 | 全球能源互联网研究院有限公司 | 一种阀厅设备故障识别方法及系统 |
CN112001327B (zh) * | 2020-08-25 | 2023-08-18 | 全球能源互联网研究院有限公司 | 一种阀厅设备故障识别方法及系统 |
CN112666426A (zh) * | 2020-11-13 | 2021-04-16 | 国网江苏省电力有限公司电力科学研究院 | 基于多光谱三合一图像的设备故障检测方法及系统 |
CN112834879A (zh) * | 2021-01-05 | 2021-05-25 | 株洲中车时代电气股份有限公司 | 一种弓网燃弧的检测装置及检测方法 |
CN112858855A (zh) * | 2021-02-23 | 2021-05-28 | 海南电网有限责任公司定安供电局 | 多光谱温度异常局放电故障综合测试装置 |
CN113077447A (zh) * | 2021-04-02 | 2021-07-06 | 保定市毅格通信自动化有限公司 | 一种可探测高压设备微弱放电并进行缺陷分析的方法 |
CN113449767A (zh) * | 2021-04-29 | 2021-09-28 | 国网浙江省电力有限公司嘉兴供电公司 | 一种多图像融合的变电站设备异常识别定位方法 |
CN113449767B (zh) * | 2021-04-29 | 2022-05-17 | 国网浙江省电力有限公司嘉兴供电公司 | 一种多图像融合的变电站设备异常识别定位方法 |
CN113465740A (zh) * | 2021-06-30 | 2021-10-01 | 国网山东省电力公司电力科学研究院 | 一种用于外绝缘设备检测的探测辐射亮度标定方法 |
CN113702777A (zh) * | 2021-07-27 | 2021-11-26 | 广西电网有限责任公司电力科学研究院 | 一种高压设备在线巡检监测系统 |
CN113628255A (zh) * | 2021-07-28 | 2021-11-09 | 武汉三江中电科技有限责任公司 | 一种三光融合无损检测图像配准算法 |
CN113628255B (zh) * | 2021-07-28 | 2024-03-12 | 武汉三江中电科技有限责任公司 | 一种三光融合无损检测图像配准算法 |
CN113592849A (zh) * | 2021-08-11 | 2021-11-02 | 国网江西省电力有限公司电力科学研究院 | 基于卷积神经网络和紫外图像的外绝缘设备故障诊断方法 |
CN114629784A (zh) * | 2021-11-16 | 2022-06-14 | 西安交通大学 | 一种高压电器视频流故障可视化方法 |
CN114153001A (zh) * | 2021-12-30 | 2022-03-08 | 同方威视技术股份有限公司 | 用于检查货物中冻品的检查系统及检查方法 |
CN114153001B (zh) * | 2021-12-30 | 2024-02-06 | 同方威视技术股份有限公司 | 用于检查货物中冻品的检查系统及检查方法 |
CN115908518B (zh) * | 2023-01-09 | 2023-05-09 | 四川赛狄信息技术股份公司 | 一种多传感图像融合方法及系统 |
CN115908518A (zh) * | 2023-01-09 | 2023-04-04 | 四川赛狄信息技术股份公司 | 一种多传感图像融合方法及系统 |
CN116543378B (zh) * | 2023-07-05 | 2023-09-29 | 杭州海康威视数字技术股份有限公司 | 一种图像识别方法、装置、电子设备及存储介质 |
CN116543378A (zh) * | 2023-07-05 | 2023-08-04 | 杭州海康威视数字技术股份有限公司 | 一种图像识别方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108008259A (zh) | 基于红外、紫外和可见光图像融合一体化的检测方法和装置 | |
CN108564065B (zh) | 一种基于ssd的电缆隧道明火识别方法 | |
US8427632B1 (en) | Image sensor with laser for range measurements | |
US9234967B2 (en) | System and method for linearization of multi-camera flat panel X-ray detectors | |
US20160234489A1 (en) | Method for measuring performance parameters and detecting bad pixels of an infrared focal plane array module | |
US9354045B1 (en) | Image based angle sensor | |
Yang et al. | A total sky cloud detection method using real clear sky background | |
CN106123915B (zh) | 一种基于直接点扩散函数的气动退化图像复原系统 | |
CN106950469A (zh) | 红外紫外一体化检测装置以及紫外成像装置 | |
CN106932692A (zh) | 基于红外紫外可见光图像融合的检测装置以及检测方法 | |
CN109342891A (zh) | 一种基于红外紫外可见光图像融合的故障检测方法和装置 | |
CN109116197B (zh) | 日盲紫外相机及紫外光子计数方法 | |
KR102009740B1 (ko) | 표시패널 검사 장치 및 그 방법 | |
CN101458300A (zh) | 一种电路放电检测系统 | |
CN107884005A (zh) | 一种模拟人眼对光环境感知的光学测量系统与测量方法 | |
CN115409814A (zh) | 一种基于融合图像的光伏组件热斑检测方法及系统 | |
CN113762161B (zh) | 一种障碍物智能监测方法及系统 | |
CN206818831U (zh) | 红外紫外一体化的检测装置 | |
CN105403908B (zh) | 测量闪烁体灵敏度的方法、系统和设备 | |
CN207730879U (zh) | 一种基于红外紫外图像信息的故障检测装置 | |
CN102914803B (zh) | 一种成像方法和装置 | |
Li et al. | Video-based tunnel luminance detection | |
CN108154478A (zh) | 一种遥感图像处理方法 | |
Ribeiro et al. | Algorithms for face detection on infrared thermal images | |
Lobo et al. | A photometric catalogue of the Coma cluster core |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180508 |