CN113160194A - 一种紫外和可见光图像的距离自适应配准方法 - Google Patents
一种紫外和可见光图像的距离自适应配准方法 Download PDFInfo
- Publication number
- CN113160194A CN113160194A CN202110469589.XA CN202110469589A CN113160194A CN 113160194 A CN113160194 A CN 113160194A CN 202110469589 A CN202110469589 A CN 202110469589A CN 113160194 A CN113160194 A CN 113160194A
- Authority
- CN
- China
- Prior art keywords
- ultraviolet
- visible light
- image
- distance
- led
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000009466 transformation Effects 0.000 claims abstract description 28
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 14
- 230000004927 fusion Effects 0.000 claims abstract description 12
- 238000001228 spectrum Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000007500 overflow downdraw method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 2
- 208000028659 discharge Diseases 0.000 description 18
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000011179 visual inspection Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10052—Images from lightfield camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种紫外和可见光图像的距离自适应配准方法，首先构建紫外和可见光图像配准参数标定系统，在各个固定距离，使用紫外可见双光谱相机采集紫外和可见光待配准图像；然后对待配准的紫外和可见光图像进行预处理，通过轮廓检测和圆心检测得到各LED在图像上的坐标；再根据可见光LED的坐标计算出紫外LED在可见光图像上的坐标，计算出紫外和可见光配准的最优仿射变换矩阵；构建电力设备现场实时图像配准系统，在电力设备放电检测现场采集放电信号的紫外和可见光图像，并用激光测距仪记录相机到电力设备的拍摄距离；最后根据拍摄距离选取对应的仿射变换矩阵，完成紫外和可见光图像的配准、融合和显示。本发明可以对拍摄到的紫外和可见光图像进行距离自适应的实时配准，实现电力设备现场的实时放电检测。
Description
技术领域
本发明涉及电力设备放电检测和图像处理领域，特别涉及一种紫外和可见光图像的距离自适应配准方法。
背景技术
近年来，随着电力系统的迅速发展，电网覆盖范围扩大，电力设备的安全稳定运行也日益重要。由于电力设备大多布设在室外，不可避免地存在绝缘老化等情况，因此可能存在着局部放电现象。局部放电所产生的电晕会浪费电能，进一步损耗电力设备绝缘子，干扰无线电通讯等，严重影响到电力设备的安全运行。因此，及时发现电力设备的电晕放电现象并确定放电位置日益迫切。
电晕放电时发出的光线包括可见光，红外线和紫外线。早期的放电检测多利用人工目视或远红外望远镜检查，而当人工目视能看到可见光信号，或远红外望远镜能检测到红外信号时，放电位置往往已严重破损且出现发热现象，且这两种方法都容易受到太阳光照的干扰，应用效果不够理想。而太阳光线中照射到地球的紫外线波长都在280nm以上，280nm以下的区间成为日盲区。电晕放电产生的紫外线有一部分波长在280nm以下，利用紫外相机对其进行探测，可避免太阳光的干扰。
单独的紫外相机只能探测到放电信号，不能识别具体的放电位置，利用紫外可见双光谱相机可以实现对电晕信号的发现与定位。紫外可见双光谱相机拍摄到的紫外和可见光图像需要进行配准和融合，才能清楚地看到放电信号的实际位置。图像配准方法主要包括基于像素、基于特征以及基于模型的配准方法三类，其中基于特征的配准方法计算量小，速度快，应用最为广泛。然而在紫外图像中，很难找到足够的紫外特征点与可见光特征点进行匹配。
发明内容
有鉴于此，本发明的目的是提供一种紫外和可见光图像的距离自适应配准方法。能够实现根据拍摄距离自动选择对应仿射变换矩阵，并进行紫外和可见光图像配准的功能。
本发明的目的是通过以下技术方案实现的：
该种紫外和可见光图像的距离自适应配准方法，包括如下步骤：
步骤S01：构建紫外和可见光图像配准参数标定系统，在各个固定距离，使用紫外可见双光谱相机采集紫外和可见光待配准图像；
步骤S02：对待配准的紫外和可见光图像进行预处理，再通过轮廓检测和圆心检测得到各LED在图像上的坐标；
步骤S03：根据可见光LED的坐标计算出紫外LED在可见光图像上的坐标，使用RANSAC算法计算紫外和可见光配准的最优仿射变换矩阵；
步骤S04：构建电力设备现场实时图像配准系统，在电力设备放电检测现场采集放电信号的紫外和可见光图像，并用激光测距仪记录相机到电力设备的拍摄距离；
步骤S05：根据拍摄距离选取对应的仿射变换矩阵，完成紫外和可见光图像的配准、融合和显示。
进一步，在步骤S01中，构建的紫外和可见光图像配准参数标定系统包括供电系统、紫外和可见光LED标定板、紫外可见双光谱相机和激光测距仪传感器。
进一步，在步骤S03中，使用RANSAC算法计算最优仿射变换模型。
进一步，在步骤S05中，通过查表的方式得到对应的仿射变换矩阵，实现距离自适应的紫外和可见光图像配准，使用加权平均融合方法实现紫外和可见光图像融合。
进一步，所述RANSAC算法计算最优仿射变换模型的步骤为：
步骤S031：随机抽取X组不共线的对应特征点作为局内点，并以此拟合出仿射变换模型；
步骤S032：用得到的模型对其他数据进行测试，计算其他数据与模型的投影误差，若误差小于阈值，则将数据加入局内点，最后根据全部局内点计算模型的代价函数，如式(2)所示：
步骤S033：重复前两步的运算，如果得到的新模型的局内点数多于旧模型，或局内点数相等且代价函数值小于旧模型，则用当前模型替代旧模型；
步骤S034：重复进行多次迭代，得到的最终模型即为最优变换模型。
进一步，使用加权平均方法实现紫外和可见光图像融合的步骤为：
步骤S051：当紫外图像上的像素点M(x，y)的灰度值大于阈值K1时，表示这个像素点为目标点，则此时融合图像为M(x，y)；
步骤S052：当M(x，y)的灰度值小于阈值K1时，对N(x，y)进行判断；
步骤S053：如N(x，y)的灰度值小于阈值K2，则此时融合图像为N(x，y)；
步骤S054：如N(x，y)的灰度值大于阈值K2，则此时融合图像为a1M(x，y)+a2N(x，y)，其中加权系数的选取需要人工进行调整，使融合的边缘效果较好。
进一步，所述紫外和可见光LED标定板使用了黑色背景板和N行M列LED，其中奇数行为可见光LED，对应的偶数行为紫外LED；使所有LED之间的横向和纵向间距都相等，记间距值为l，紫外LED位于其上下两行对应位置的两个可见光LED连线的中点，故可以根据可见光图像上两个对应的可见光LED的坐标，计算出位于两者中点的紫外LED的坐标，从而得到紫外图像与可见光图像上相匹配的特征点对。
进一步，所述X为5。
本发明的有益效果是：
1)可以通过一次拍摄获得某固定距离的紫外和可见光图像配准的仿射变换矩阵；
2)可以根据拍摄时的实际距离选择对应的仿射变换矩阵，实现距离自适应的紫外和可见光图像配准；
3)可以实现电力设备放电检测现场的实时图像配准与融合。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和前述的权利要求书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1为一种紫外和可见光图像的距离自适应配准方法的步骤示意图；
图2为紫外和可见光图像配准参数标定系统示意图；
图3为紫外和可见光LED标定板示意图；
图4为电力设备现场实时图像配准系统示意图。
具体实施方式
以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
在本发明的描述中，需要理解的是，术语“纵向”、“长度”、“周向”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接或可以互相通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
如图1所示，本发明包括如下几个步骤：
步骤S01：构建紫外和可见光图像配准参数标定系统，在各个固定距离，使用紫外可见双光谱相机采集紫外和可见光待配准图像。
紫外和可见光图像配准参数标定系统架构参照附图2，硬件设备包括供电系统、紫外和可见光LED标定板、紫外可见双光谱相机、激光测距仪传感器。
首先设计并布置紫外和可见光LED标定板。紫外和可见光LED标定板设计参照附图3所述，使用了黑色背景板和5行10列LED，其中第1、3、5行为可见光LED，第2、4行为紫外LED。使所有LED之间的横向和纵向间距都相等，记间距值为l。第2、4行上的紫外LED位于其上下两行对应位置的两个可见光LED连线的中点，因此，可以根据可见光图像上两个对应的可见光LED的坐标，计算出位于两者中点的紫外LED的坐标，从而得到紫外图像与可见光图像上相匹配的特征点对。当然，行数和列数可以根据实际需要进行选择确定。
步骤S02：对待配准的紫外和可见光图像进行预处理，通过轮廓检测和圆心检测得到各LED在图像上的坐标。
首先对紫外图像和可见光图像进行二值化处理，利用最大类间方差法或用人工调整的方式决定二值化的门限阈值，使图像中目标和背景的对比更为强烈，目标的轮廓更加清晰。二值化处理后，由于可能存在噪声被分为目标前景的情况，对图像再进行中值滤波处理，去除噪声的干扰。
图像的轮廓检测算法是将图像中灰度值变化较大的像素提取出来组成线条，作为图像的轮廓。使用Canny算子进行轮廓检测，Canny算子是一种基于二阶微分的轮廓检测算法，提取结果准确，不易受噪声影响。提取出轮廓后，对每个LED的轮廓进行圆心提取，即分别提取轮廓在横、纵方向的覆盖范围的中点，得到各个LED在图像上的坐标。
步骤S03：根据可见光LED的坐标计算出紫外LED在可见光图像上的坐标，使用RANSAC算法计算紫外和可见光配准的最优仿射变换矩阵。
按照步骤S01所述方法，可以根据可见光LED的坐标计算出紫外LED在可见光图像上的坐标。根据紫外可见光双光谱相机的结构，待配准的紫外图像与可见光图像之间的变换关系可表示为一个仿射变换模型。将可见光图像作为基准图像，紫外图像作为待配准图像，仿射变换模型的形式如式(1)所示：
其中(x，y)为紫外图像上特征点的位置，(x′，y′)为可见光图像上其对应特征点的位置。可见模型中包含6个未知数，想要对其进行求解，需要至少3组不共线的对应特征点。通过拍摄标定装置，可以得到20组对应特征点。
使用RANSAC算法，可以利用多组对应特征点拟合出最优的变换模型。RANSAC算法通过抽取数据集中的随机子集，并反复迭代多次来拟合最优模型，算法将输入数据分为局内点和局外点，局内点即可以用模型拟合的数据，局外点为不能适应模型的数据，可能由过大的测量误差所致。RANSAC算法的运行步骤如下：
随机抽取3组不共线的对应特征点作为局内点，并以此拟合出仿射变换模型；
用得到的模型对其他数据进行测试，计算其他数据与模型的投影误差，若误差小于阈值，则将数据加入局内点，最后根据全部局内点计算模型的代价函数，如式(2)所示：
局内点数越多，代价函数值越小，代表模型对整个数据集拟合越好；
重复前两步的运算，如果得到的新模型的局内点数多于旧模型，或局内点数相等且代价函数值小于旧模型，则用当前模型替代旧模型；
重复进行多次迭代，得到的最终模型即为最优变换模型。
步骤S04：构建电力设备现场实时图像配准系统，在电力设备放电检测现场采集放电信号的紫外和可见光图像，并用激光测距仪记录相机到电力设备的拍摄距离。
电力设备现场实时图像配准系统的架构参照附图4，设备包括紫外可见双光谱相机、激光测距仪传感器等，通过双光谱相机采集现场的放电信号的紫外和可见光图像，利用激光测距仪传感器记录拍摄距离。
步骤S05：根据拍摄距离选取对应的仿射变换矩阵，完成紫外和可见光图像的配准、融合和显示。
得到激光测距仪传感器记录的拍摄距离，可通过查表的方式得到对应的仿射变换矩阵，实现紫外和可见光图像的配准。
紫外与可见光图像的融合选择像素级的融合方法，能最大程度上保留原始图像中的细节信息。使用加权平均融合方法，即将紫外和可见光图像直接进行像素加权处理，用M(x，y)、N(x，y)分别表示紫外和可见光原始图像，F(x，y)表示融合后的图像，则加权平均融合法如式(3)所示：
其中，(x，y)表示像素的坐标，a1，a2分别表示紫外和可见光图像的权重系数。利用图像预处理中进行二值化处理时得到的紫外和可见光图像的阈值K1，K2进行融合。图像融合的步骤为：
当紫外图像上的像素点M(x，y)的灰度值大于阈值K1时，表示这个像素点为目标点，则此时融合图像为M(x，y)；
当M(x，y)的灰度值小于阈值K1时，对N(x，y)进行判断；
如N(x，y)的灰度值小于阈值K2，则此时融合图像为N(x，y)；
如N(x，y)的灰度值大于阈值K2，则此时融合图像为a1M(x，y)+a2N(x，y)，其中加权系数的选取需要人工进行调整，使融合的边缘效果较好。
完成图像融合后，在工控机上显示最终图像。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种紫外和可见光图像的距离自适应配准方法，其特征在于：包括如下步骤：
步骤S01：构建紫外和可见光图像配准参数标定系统，在各个固定距离，使用紫外可见双光谱相机采集紫外和可见光待配准图像；
步骤S02：对待配准的紫外和可见光图像进行预处理，再通过轮廓检测和圆心检测得到各LED在图像上的坐标；
步骤S03：根据可见光LED的坐标计算出紫外LED在可见光图像上的坐标，使用RANSAC算法计算紫外和可见光配准的最优仿射变换矩阵；
步骤S04：构建电力设备现场实时图像配准系统，在电力设备放电检测现场采集放电信号的紫外和可见光图像，并用激光测距仪记录相机到电力设备的拍摄距离；
步骤S05：根据拍摄距离选取对应的仿射变换矩阵，完成紫外和可见光图像的配准、融合和显示。
2.根据权利要求1所述的一种紫外和可见光图像的距离自适应配准方法，其特征在于：在步骤S01中，构建的紫外和可见光图像配准参数标定系统包括供电系统、紫外和可见光LED标定板、紫外可见双光谱相机和激光测距仪传感器。
3.根据权利要求1所述的一种紫外和可见光图像的距离自适应配准方法，其特征在于：在步骤S03中，使用RANSAC算法计算最优仿射变换模型。
4.根据权利要求1所述的一种紫外和可见光图像的距离自适应配准方法，其特征在于：在步骤S05中，通过查表的方式得到对应的仿射变换矩阵，实现距离自适应的紫外和可见光图像配准，使用加权平均融合方法实现紫外和可见光图像融合。
5.根据权利要求1所述的一种紫外和可见光图像的距离自适应配准方法，其特征在于：所述RANSAC算法计算最优仿射变换模型的步骤为：
步骤S031：随机抽取X组不共线的对应特征点作为局内点，并以此拟合出仿射变换模型；
步骤S032：用得到的模型对其他数据进行测试，计算其他数据与模型的投影误差，若误差小于阈值，则将数据加入局内点，最后根据全部局内点计算模型的代价函数，如式(2)所示：
步骤S033：重复前两步的运算，如果得到的新模型的局内点数多于旧模型，或局内点数相等且代价函数值小于旧模型，则用当前模型替代旧模型；
步骤S034：重复进行多次迭代，得到的最终模型即为最优变换模型。
6.根据权利要求1所述的一种紫外和可见光图像的距离自适应配准方法，其特征在于：使用加权平均方法实现紫外和可见光图像融合的步骤为：
步骤S051：当紫外图像上的像素点M(x，y)的灰度值大于阈值K1时，表示这个像素点为目标点，则此时融合图像为M(x，y)；
步骤S052：当M(x，y)的灰度值小于阈值K1时，对N(x，y)进行判断；
步骤S053：如N(x，y)的灰度值小于阈值K2，则此时融合图像为N(x，y)；
步骤S054：如N(x，y)的灰度值大于阈值K2，则此时融合图像为a1M(x，y)+a2N(x，y)，其中加权系数的选取需要人工进行调整，使融合的边缘效果较好。
7.根据权利要求1所述的一种紫外和可见光图像的距离自适应配准方法，其特征在于：所述紫外和可见光LED标定板使用了黑色背景板和N行M列LED，其中奇数行为可见光LED，对应的偶数行为紫外LED；使所有LED之间的横向和纵向间距都相等，记间距值为l，紫外LED位于其上下两行对应位置的两个可见光LED连线的中点，故可以根据可见光图像上两个对应的可见光LED的坐标，计算出位于两者中点的紫外LED的坐标，从而得到紫外图像与可见光图像上相匹配的特征点对。
8.根据权利要求5所述的一种紫外和可见光图像的距离自适应配准方法，其特征在于：所述X为5。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110469589.XA CN113160194B (zh) | 2021-04-28 | 2021-04-28 | 一种紫外和可见光图像的距离自适应配准方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110469589.XA CN113160194B (zh) | 2021-04-28 | 2021-04-28 | 一种紫外和可见光图像的距离自适应配准方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113160194A true CN113160194A (zh) | 2021-07-23 |
| CN113160194B CN113160194B (zh) | 2023-06-16 |
Family
ID=76872122
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110469589.XA Active CN113160194B (zh) | 2021-04-28 | 2021-04-28 | 一种紫外和可见光图像的距离自适应配准方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113160194B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN116402723A (zh) * | 2023-06-06 | 2023-07-07 | 国网山东省电力公司电力科学研究院 | 集成机器人平台的紫外成像检测系统 |
| JP7308333B1 (ja) | 2021-12-29 | 2023-07-13 | セメス株式会社 | 静電気可視化装置 |
| WO2024098678A1 (zh) * | 2022-11-11 | 2024-05-16 | 深圳供电局有限公司 | 一种用于电力设备检测的紫外光及可见光融合方法 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102663725A (zh) * | 2012-03-05 | 2012-09-12 | 西北工业大学 | 基于线特征和控制点的可见光和sar图像配准方法 |
| JP2013109773A (ja) * | 2013-01-07 | 2013-06-06 | Olympus Corp | 特徴マッチング方法及び商品認識システム |
| 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 |
| US20140002639A1 (en) * | 2011-03-25 | 2014-01-02 | Joseph M. Cheben | Autonomous Detection of Chemical Plumes |
| US20160196653A1 (en) * | 2014-12-31 | 2016-07-07 | Flir Systems, Inc. | Systems and methods for dynamic registration of multimodal images |
| CN107169921A (zh) * | 2017-04-26 | 2017-09-15 | 国网上海市电力公司 | 一种双光谱的图像配准系统和方法 |
| CN107392886A (zh) * | 2017-06-14 | 2017-11-24 | 国网山东省电力公司菏泽供电公司 | 一种电力设备图像处理方法 |
| CN108230237A (zh) * | 2017-12-15 | 2018-06-29 | 同济大学 | 一种用于电气设备在线检测的多光谱图像重构方法 |
| CN108416732A (zh) * | 2018-02-02 | 2018-08-17 | 重庆邮电大学 | 一种基于图像配准与多分辨率融合的全景图像拼接方法 |
| CN108469234A (zh) * | 2018-03-02 | 2018-08-31 | 北京科技大学 | 一种在轨航天器表面异常状况智能检测方法及其系统 |
| CN109948629A (zh) * | 2019-03-18 | 2019-06-28 | 贵州电网有限责任公司 | 一种基于sift特征的gis设备x射线图像故障检测方法 |
| US20190213723A1 (en) * | 2016-09-19 | 2019-07-11 | Hangzhou Hikvision Digital Technology Co., Ltd. [CN/CN] | Light-splitting combined image collection device |
| CN110298872A (zh) * | 2019-07-03 | 2019-10-01 | 云南电网有限责任公司电力科学研究院 | 一种紫外光相机与可见光相机阵列的配准方法 |
| US20190318463A1 (en) * | 2016-12-27 | 2019-10-17 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for fusing infrared image and visible light image |
| CN210573939U (zh) * | 2019-08-14 | 2020-05-19 | 南昌欧菲生物识别技术有限公司 | 标定板及标定装置 |
| CN111242991A (zh) * | 2020-01-10 | 2020-06-05 | 大连理工大学 | 一种可见光与红外相机快速配准的方法 |
-
2021
- 2021-04-28 CN CN202110469589.XA patent/CN113160194B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140002639A1 (en) * | 2011-03-25 | 2014-01-02 | Joseph M. Cheben | Autonomous Detection of Chemical Plumes |
| CN102663725A (zh) * | 2012-03-05 | 2012-09-12 | 西北工业大学 | 基于线特征和控制点的可见光和sar图像配准方法 |
| JP2013109773A (ja) * | 2013-01-07 | 2013-06-06 | Olympus Corp | 特徴マッチング方法及び商品認識システム |
| 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 |
| US20160196653A1 (en) * | 2014-12-31 | 2016-07-07 | Flir Systems, Inc. | Systems and methods for dynamic registration of multimodal images |
| US20190213723A1 (en) * | 2016-09-19 | 2019-07-11 | Hangzhou Hikvision Digital Technology Co., Ltd. [CN/CN] | Light-splitting combined image collection device |
| US20190318463A1 (en) * | 2016-12-27 | 2019-10-17 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for fusing infrared image and visible light image |
| CN107169921A (zh) * | 2017-04-26 | 2017-09-15 | 国网上海市电力公司 | 一种双光谱的图像配准系统和方法 |
| CN107392886A (zh) * | 2017-06-14 | 2017-11-24 | 国网山东省电力公司菏泽供电公司 | 一种电力设备图像处理方法 |
| CN108230237A (zh) * | 2017-12-15 | 2018-06-29 | 同济大学 | 一种用于电气设备在线检测的多光谱图像重构方法 |
| CN108416732A (zh) * | 2018-02-02 | 2018-08-17 | 重庆邮电大学 | 一种基于图像配准与多分辨率融合的全景图像拼接方法 |
| CN108469234A (zh) * | 2018-03-02 | 2018-08-31 | 北京科技大学 | 一种在轨航天器表面异常状况智能检测方法及其系统 |
| CN109948629A (zh) * | 2019-03-18 | 2019-06-28 | 贵州电网有限责任公司 | 一种基于sift特征的gis设备x射线图像故障检测方法 |
| CN110298872A (zh) * | 2019-07-03 | 2019-10-01 | 云南电网有限责任公司电力科学研究院 | 一种紫外光相机与可见光相机阵列的配准方法 |
| CN210573939U (zh) * | 2019-08-14 | 2020-05-19 | 南昌欧菲生物识别技术有限公司 | 标定板及标定装置 |
| CN111242991A (zh) * | 2020-01-10 | 2020-06-05 | 大连理工大学 | 一种可见光与红外相机快速配准的方法 |
Non-Patent Citations (5)
| Title |
|---|
| YANJIE LIU: "A Fast Fusion Method for Multi-exposure Image in YUV Color Space", 《 2018 IEEE 3RD ADVANCED INFORMATION TECHNOLOGY, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (IAEAC)》 * |
| 李洪: "双光谱图像检测的图像配准融合技术", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 * |
| 谢沈阳: "紫外光和可见光图像融合方法的研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
| 陈涛: "紫外—可见双光谱成像系统自动调焦技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
| 陈锦龙: "一种放电检测中紫外和可见光图像配准方法", 《测绘科学》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| JP7308333B1 (ja) | 2021-12-29 | 2023-07-13 | セメス株式会社 | 静電気可視化装置 |
| JP2023102244A (ja) * | 2021-12-29 | 2023-07-24 | セメス株式会社 | 静電気可視化装置 |
| WO2024098678A1 (zh) * | 2022-11-11 | 2024-05-16 | 深圳供电局有限公司 | 一种用于电力设备检测的紫外光及可见光融合方法 |
| CN116402723A (zh) * | 2023-06-06 | 2023-07-07 | 国网山东省电力公司电力科学研究院 | 集成机器人平台的紫外成像检测系统 |
| CN116402723B (zh) * | 2023-06-06 | 2023-08-22 | 国网山东省电力公司电力科学研究院 | 集成机器人平台的紫外成像检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113160194B (zh) | 2023-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113160194B (zh) | 一种紫外和可见光图像的距离自适应配准方法 | |
| CN103487729B (zh) | 基于紫外视频与红外视频融合的电力设备缺陷检测方法 | |
| CN102252623B (zh) | 基于视频差异分析的输电线路导/地线覆冰厚度测量方法 | |
| CN102819740B (zh) | 一种单帧红外图像弱小目标检测和定位方法 | |
| CN103048331B (zh) | 基于柔性模板配准的印刷缺陷检测方法 | |
| CN107560592B (zh) | 一种用于光电跟踪仪联动目标的精确测距方法 | |
| CN105894499A (zh) | 一种基于双目视觉的空间物体三维信息快速检测方法 | |
| CN112560619B (zh) | 一种基于多聚焦图像融合的多距离鸟类精准识别方法 | |
| CN105160652A (zh) | 基于计算机视觉的手机外壳检验装置与方法 | |
| CN107240079A (zh) | 一种基于图像处理的路面裂缝检测方法 | |
| CN103412246B (zh) | 基于紫外视频的电力设备异常放电自动检测方法 | |
| CN103534583A (zh) | 轮胎的缺陷检测方法 | |
| CN110827361B (zh) | 基于全局标定架的相机组标定方法及装置 | |
| CN104331978A (zh) | 纸币褶皱的识别装置和方法 | |
| CN109712084A (zh) | 一种图像修复方法、图像修复系统及平板探测器 | |
| CN116878748A (zh) | 一种激光与图像融合的智能气体泄漏定位方法及装置 | |
| CN115629388B (zh) | 一种基于红外和微波成像仪数据的雷达回波模拟方法 | |
| CN115294145A (zh) | 一种输电线路弧垂的测量方法及系统 | |
| CN109671038A (zh) | 一种基于伪不变特征点分类分层的相对辐射校正方法 | |
| CN113762161B (zh) | 一种障碍物智能监测方法及系统 | |
| CN117576093B (zh) | 基于el图像的太阳能电池片隐裂检测方法 | |
| CN104992455A (zh) | 塌陷坑检测方法及装置 | |
| CN112883969B (zh) | 一种基于卷积神经网络的降雨强度检测方法 | |
| CN116485802B (zh) | 一种绝缘子闪络缺陷检测方法、装置、设备及存储介质 | |
| CN112541478A (zh) | 一种基于双目摄像头的绝缘子串污损检测方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |