CN111192281A - 一种基于视觉感知机制的电气设备图像自动生成方法 - Google Patents

Abstract

本发明提供一种基于视觉感知机制的电气设备图像自动生成方法，包括：(1)对用户图片进行交互式预处理；(2)对步骤(1)得到的输入图像进行灰度变换，得到灰度图像；(3)利用二元高斯核对灰度图像进行高斯平滑处理，进一步去除目标物体噪声，得到输入高斯梯度图像；(4)计算输入图像外区抑制量；(5)计算获得各级抑制后响应；(6)利用Canny算子对各级抑制后响应进行边缘检测，得到边缘集合；(7)计算所有边缘集合的交集和并集，并以交集作为种子点在并集中选择强边缘；(8)二值化概率图得到感兴趣物体轮廓；(9)后处理得到电气设备图像。本发明可自动快速地生成图像中目标物体的轮廓和特征线条，从而自动生成电气设备图像。

Description

一种基于视觉感知机制的电气设备图像自动生成方法

技术领域

本发明涉及机器视觉技术领域，具体是一种基于视觉感知机制的电气设备图像自动生成方法。

背景技术

智能电网建设到如今，智能巡视已经越来越广泛的应用到电力业务过程中，如何让计算机能快速识别电气一二次设备位置状态是智能巡检的重中之重，利用巡视中摄像机提取被测对象的影像文件，比对综合判断变电站的运行状态，这需要智能设备能够对图像进行处理，自动生成目标物体的轮廓或简易线条，并且这些轮廓或简易线条能够形象地勾画出目标物体的主要特征。

针对上述问题，本发明提出一种通用的基于视觉感知机制的电气设备图像自动生成方法，可以快速有效地生成目标物体的轮廓和特征线条。

发明内容

本发明的目的在于提供一种基于视觉感知机制的电气设备图像自动生成方法，其目的在于利用图像处理技术自动快速地生成图像中目标物体的轮廓和特征线条，方便人们模仿，用电气设备简单形象地表达目标物体的主要特征。

实现本发明目的所采用的具体技术方案如下：

一种基于视觉感知机制的电气设备图像自动生成方法，包括以下步骤：

(1)对用户图片进行交互式预处理，用户在图片区域以任意形状选取图片感兴趣区域，去除背景噪声，确定目标物体，得到输入图像；

(2)对步骤(1)得到的输入图像进行灰度变换，得到灰度图像；

(3)利用二元高斯核对灰度图像进行高斯平滑处理，进一步去除目标物体噪声，得到输入高斯梯度图像；

(4)根据人类视觉感知机制，利用一组旋转不变滤波器作为外区抑制核函数对步骤(3)得到的输入高斯梯度图像进行卷积，计算输入图像外区抑制量；

(5)根据步骤(3)的高斯梯度图和步骤(4)得到的输入图像外区抑制量，利用多水平抑制参数，计算获得各级抑制后响应；

(6)利用Canny算子对各级抑制后响应进行边缘检测，得到边缘集合；

(7)计算所有边缘集合的交集和并集，并以交集作为种子点在并集中选择强边缘；

(8)根据马尔科夫随机场理论建立轮廓概率图，二值化概率图得到感兴趣物体轮廓；

(9)用户根据自动生成的感兴趣物体轮廓进行擦除或连接操作，进一步去除噪声或对轮廓进行增强，得到满意的电气设备图像。

进一步的，步骤(3)所述的高斯平滑处理中的二元高斯核公式为：

式中，(x,y)为高斯核中元素的模版坐标(模版中心位置为原点)，σ为高斯核的方差。

进一步的，步骤(4)所述的输入图像外区抑制量的计算过程为：

第一步，选取一组不变滤波器，其生成函数定义为：

式中，n∈{-2,0,2}；

为(x,y)的极坐标形式；θ表示旋转角度； a_n(θ)＝exp(inθ)；V_n定义为：

第二步，令K_θ(x,y)与输入高斯梯度图像

作卷积即可得到输入图像外区抑制量t(x,y)，为

式中，θ表示梯度方向。

进一步的，步骤(5)所述的各级抑制响应的计算公式为：

式中，

表示经过高斯平滑后的梯度图像，(x,y)为图像中像素点坐标，λ为多水平抑制参数，λ∈{0,1,2,3,4}。

进一步的，步骤(7)所述的强边缘选择过程为：

第一步，对于不同抑制水平λ_k作用下的二值图像b(p,λ_k)，根据以下公式分别计算其交集B_p,i和并集B_p,u：

B_p,u＝k＝0nb(p,λ_k)

第二步，以交集作为种子轮廓，遍历并集中所有的弱边缘E_u，如弱边缘E_u与种子轮廓有部分像素点发生重叠，则将弱边缘E_u加入到组合结果b(p,c)中，有：

其中，

进一步的，步骤(8)所述的根据马尔科夫随机场理论建立轮廓概率图具体过程为：

第一步，假设步骤(7)得到的强边缘组合结果b(p,c)满足马尔科夫随机场分布；

第二步，定义b(p,c)中每条轮廓e为目标轮廓的概率为：

式中，e_max表示b(p,c)中的最长轮廓；L(*)表示轮廓长度；

第三步，根据马尔科夫随机场理论计算轮廓点概率p(x,y,r)：

其中，w(x,y,e)＝[1-δ(e∩U(x,y,r))]，U(x,y,r)表示轮廓点(x,y)的r邻域。；

第四步，设定阈值T_p，感兴趣物体的最终轮廓输出b(x,y)定义为：

b(x,y)＝p(x,y,r)＞T_p。

本发明的电气设备自动生成方法根据人类视觉系统可以减弱视神经元对纹理性边缘响应的外区抑制特性，利用基于外区抑制特性的仿生轮廓检测方法，在提取图像中感兴趣对象的候选轮廓的同时，有效抑制纹理性边缘，并结合马尔科夫随机场对候选轮廓进行概率图建模，进一步去除噪声边缘，筛选出有效的目标轮廓，从而自动生成电气设备图像，为智能辅助决策系统提供帮助。该发明的方法可用于智能电网送电、变电、配电终端等图像识别领域。

附图说明

图1为本发明实施例的一种基于视觉感知机制的电气设备图像自动生成方法的流程示意图；

图2为本发明实施例的输入图像；

图3为本发明实施例的灰度变换图像；

图4为本发明实施例的高斯滤波图像；

图5为本发明实施例的多水平抑制图像；

图6为本发明实施例的强边缘选取图像；

图7为本发明实施例的马尔科夫建模后处理图像。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，本发明实施例提供一种基于视觉感知机制的电气设备图像自动生成方法，包括以下步骤：

(1)对用户图片进行交互式预处理，用户在图片区域以任意形状选取图片感兴趣区域，去除背景噪声，确定目标物体，得到输入图像；

(2)对步骤(1)得到的输入图像进行灰度变换，得到灰度图像；

(3)利用二元高斯核对灰度图像进行高斯平滑处理，进一步去除目标物体噪声，得到输入高斯梯度图像；其中，所述的高斯平滑处理中的二元高斯核公式为：

式中，(x,y)为高斯核中元素的模版坐标(模版中心位置为原点)，σ为高斯核的方差。

(4)根据人类视觉感知机制，利用一组旋转不变滤波器作为外区抑制核函数对步骤(3)得到的输入高斯梯度图像进行卷积，计算输入图像外区抑制量；

其中所述的输入图像外区抑制量的计算过程为：

第一步，选取一组不变滤波器，其生成函数定义为：

式中，n∈{-2,0,2}；

为(x,y)的极坐标形式；θ表示旋转角度； a_n(θ)＝exp(inθ)；V_n定义为：

第二步，令K_θ(x,y)与输入高斯梯度图像

作卷积即可得到输入图像外区抑制量t(x,y)，为

式中，θ表示梯度方向。

(5)根据步骤(3)的高斯梯度图和步骤(4)得到的输入图像外区抑制量，利用多水平抑制参数，计算获得各级抑制后响应；其中所述的各级抑制响应的计算公式为：

式中，

表示经过高斯平滑后的梯度图像，(x,y)为图像中像素点坐标，λ为多水平抑制参数，λ∈{0,1,2,3,4}。

(6)利用Canny算子对各级抑制后响应进行边缘检测，得到边缘集合；

(7)计算所有边缘集合的交集和并集，并以交集作为种子点在并集中选择强边缘；所述的强边缘选择过程为：

第一步，对于不同抑制水平λ_k作用下的二值图像b(p,λ_k)，根据以下公式分别计算其交集B_p,i和并集B_p,u：

B_p,u＝k＝0nb(p,λ_k)

第二步，以交集作为种子轮廓，遍历并集中所有的弱边缘E_u，如弱边缘E_u与种子轮廓有部分像素点发生重叠，则将弱边缘E_u加入到组合结果b(p,c)中，有：

其中，

(8)根据马尔科夫随机场理论建立轮廓概率图，二值化概率图得到感兴趣物体轮廓；所述的根据马尔科夫随机场理论建立轮廓概率图具体过程为：

第一步，假设步骤(7)得到的强边缘组合结果b(p,c)满足马尔科夫随机场分布；

第二步，定义b(p,c)中每条轮廓e为目标轮廓的概率为：

式中，e_max表示b(p,c)中的最长轮廓；L(*)表示轮廓长度；

第三步，根据马尔科夫随机场理论计算轮廓点概率p(x,y,r)：

其中，w(x,y,e)＝[1-δ(e∩U(x,y,r))]，U(x,y,r)表示轮廓点(x,y)的r邻域。；

第四步，设定阈值T_p，感兴趣物体的最终轮廓输出b(x,y)定义为：

b(x,y)＝p(x,y,r)＞T_p。

(9)用户根据自动生成的感兴趣物体轮廓进行擦除或连接操作，进一步去除噪声或对轮廓进行增强，得到满意的电气设备图像

如图2所示，以一幅智能手机拍摄的图像为例。生产该幅图像的电气设备图像的具体过程如下：

(1)预处理：用户利用软件提供的简易橡皮差工具去除图片中非感兴趣区域背景，利用画笔工具在图片内以任意形状选取图片感兴趣区域，从而确定目标物体，得到输入图像；

(2)灰度变换：对步骤(1)得到的输入图像进行灰度变换，得到如图3 所示的灰度图像；

(3)高斯滤波：利用二元高斯核对灰度图像进行平滑处理，进一步去除目标物体噪声，得到如图4所示的高斯梯度图；

(4)抑制量计算：根据人类视觉感知机制，利用一组旋转不变滤波器作为外区抑制核函数对步骤(3)得到的高斯梯度图进行卷积，计算输入图像外区抑制量；

(5)多水平抑制：根据步骤(3)的高斯梯度图和步骤(4)得到的图像外区抑制量，利用多水平抑制参数，计算获得各级抑制后响应，生成如图5所示的多水平抑制图像；

(6)边缘检测：利用Canny算子对各级抑制后响应进行边缘检测，得到边缘集合；

(7)强边缘选取：计算所有边缘集合的交集和并集，并以交集作为种子点在并集中选择强边缘，强边缘选取后的图像如图6所示；

(8)马尔科夫建模：根据马尔科夫随机场理论建立轮廓概率图，二值化概率图得到感兴趣物体轮廓；

(9)后处理：用户根据自动生成的感兴趣物体轮廓进行擦除或连接操作，进一步去除噪声或对轮廓进行增强，得到如图7所示的电气设备图像。

本发明的电气设备自动生成方法利用具有外区抑制特性滤波器模拟人类视觉机制，结合马尔科夫随机场对候选轮廓进行概率图建模，有效地检测目标物体轮廓，自动生成电气设备图像。

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，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (6)

1.一种基于视觉感知机制的电气设备图像自动生成方法，其特征在于，包括以下步骤：

(1)对用户图片进行交互式预处理，用户在图片区域以任意形状选取图片感兴趣区域，去除背景噪声，确定目标物体，得到输入图像；

(2)对步骤(1)得到的输入图像进行灰度变换，得到灰度图像；

(3)利用二元高斯核对灰度图像进行高斯平滑处理，进一步去除目标物体噪声，得到输入高斯梯度图像；

(4)根据人类视觉感知机制，利用一组旋转不变滤波器作为外区抑制核函数对步骤(3)得到的输入高斯梯度图像进行卷积，计算输入图像外区抑制量；

(5)根据步骤(3)的高斯梯度图和步骤(4)得到的输入图像外区抑制量，利用多水平抑制参数，计算获得各级抑制后响应；

(6)利用Canny算子对各级抑制后响应进行边缘检测，得到边缘集合；

(7)计算所有边缘集合的交集和并集，并以交集作为种子点在并集中选择强边缘；

(8)根据马尔科夫随机场理论建立轮廓概率图，二值化概率图得到感兴趣物体轮廓；

(9)用户根据自动生成的感兴趣物体轮廓进行擦除或连接操作，进一步去除噪声或对轮廓进行增强，得到满意的电气设备图像。

2.根据权利要求1所述的一种基于视觉感知机制的电气设备图像自动生成方法，其特征在于，步骤(3)所述的高斯平滑处理中的二元高斯核公式为：

式中，(x，y)为高斯核中元素的模版坐标(模版中心位置为原点)，σ为高斯核的方差。

3.根据权利要求1所述的一种基于视觉感知机制的电气设备图像自动生成方法，其特征在于，步骤(4)所述的输入图像外区抑制量的计算过程为：

第一步，选取一组不变滤波器，其生成函数定义为：

式中，n∈{-2，0，2}；

为(x，y)的极坐标形式；θ表示旋转角度；a_n(θ)＝exp(inθ)；V_n定义为：

第二步，令K_θ(x，y)与输入高斯梯度图像

作卷积即可得到输入图像外区抑制量t(x，y)，为

式中，θ表示梯度方向。

4.根据权利要求1所述的一种基于视觉感知机制的电气设备图像自动生成方法，其特征在于，步骤(5)所述的各级抑制响应的计算公式为：

式中，

表示经过高斯平滑后的梯度图像，(x，y)为图像中像素点坐标，λ为多水平抑制参数，λ∈{0，1，2，3，4}。

5.根据权利要求1所述的一种基于视觉感知机制的电气设备图像自动生成方法，其特征在于，步骤(7)所述的强边缘选择过程为：

第一步，对于不同抑制水平λ_k作用下的二值图像b(p，λ_k)，根据以下公式分别计算其交集B_p，i和并集B_p，u：

B_p，u＝k＝0nb(p，λ_k)

第二步，以交集作为种子轮廓，遍历并集中所有的弱边缘E_u，如弱边缘E_u与种子轮廓有部分像素点发生重叠，则将弱边缘E_u加入到组合结果b(p，c)中，有：

其中，

6.根据权利要求1所述的一种基于视觉感知机制的电气设备图像自动生成方法，其特征在于，步骤(8)所述的根据马尔科夫随机场理论建立轮廓概率图具体过程为：

第一步，假设步骤(7)得到的强边缘组合结果b(p，c)满足马尔科夫随机场分布；

第二步，定义b(p，c)中每条轮廓e为目标轮廓的概率为：

式中，e_max表示b(p，c)中的最长轮廓；L(*)表示轮廓长度；

第三步，根据马尔科夫随机场理论计算轮廓点概率p(x，y，r)：

其中，w(x，y，e)＝[1-δ(e∩U(x，y，r))]，U(x，y，r)表示轮廓点(x，y)的r邻域。；

第四步，设定阈值T_p，感兴趣物体的最终轮廓输出b(x，y)定义为：

b(x，y)＝p(x，y，r)＞T_p。

Images