CN113343916A - 变电站设备图像中的设备特征提取方法 - Google Patents
变电站设备图像中的设备特征提取方法 Download PDFInfo
- Publication number
- CN113343916A CN113343916A CN202110740132.8A CN202110740132A CN113343916A CN 113343916 A CN113343916 A CN 113343916A CN 202110740132 A CN202110740132 A CN 202110740132A CN 113343916 A CN113343916 A CN 113343916A
- Authority
- CN
- China
- Prior art keywords
- image
- point
- value
- contour line
- dimensional image
- 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 14
- 239000013598 vector Substances 0.000 claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000011514 reflex Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种变电站设备图像中的设备特征提取方法,涉及电力系统技术领域,该方法对摄像头拍摄的变电站设备图像依次实施灰度处理、高斯滤波后,再根据像素点的平均灰度值,将二维图像转换为三维图像,再计算出三维图像的等高线及目标设备的质心,然后再采用线段最大距离、最小距离方法找出特征范围角度,再采用等分角度方法计算出目标设备的特征向量。本发明提供的方法,用于提取变电站设备图像中的目标设备图像特征。
Description
技术领域
本发明涉及电力系统的技术,特别是涉及一种变电站设备图像中的设备特征提取方法的技术。
背景技术
变电站监控系统都利用摄像头拍摄一些电力设备的实时图像,再从图像中分割出需要识别物体,再通过提取该物体的图像数字特征对该物体进行识别。
现有变电站监控系统对于待识别物体特征的提取方法比较复杂,步骤繁复,计算速度较慢,实时性较低。
发明内容
针对上述现有技术中存在的缺陷,本发明所要解决的技术问题是提供一种能快速提取目标设备图像特征的变电站设备图像中的设备特征提取方法。
为了解决上述技术问题,本发明所提供的一种变电站设备图像中的设备特征提取方法,其特征在于,具体步骤如下:
1)利用摄像头拍摄变电站中的目标设备;
2)对拍摄的目标设备图像实施灰度处理,处理方式为:对目标设备图像中的每个像素点,令G=R,B=R,其中的G为像素点的绿色色值,B为像素点的蓝色色值,R为像素点的红色色值;
3)对目标设备图像的灰度图实施标准差为σ=1的正态高斯滤波,将正态高斯滤波后所得到的图像定义为图像V1;
为图像V1设定一个由X轴、Y轴、Z轴构成的三维直角坐标系,并且在该三维直角坐标系中,图像V1中的每个像素点的Z轴坐标值均为0;
4)计算图像V1中的所有像素点的平均灰度值Vp,将图像V1中的灰度值大于Vp的像素点的Z轴坐标值设置为1,从而将图像V1转换为三维图像V2;
5)以Z轴坐标值作为三维图像V2中的各个像素点的高度值,采用三角网等高线算法计算出三维图像V2的等高线;
6)计算出三维图像V2的质心M;
7)在三维图像V2中,在等高线上找出两个点C、D,其中的点C是等高线上与质心M的间距最大的点,点D是等高线上与质心M的间距最小的点;
8)设置迭代计数器i=1,迭代初值∠r=∠CMD×0.1;
其中,∠CMD为线段CM与线段DM的两个夹角中的优角,线段CM为质心M与点C之间的连线,线段DM为质心M与点D之间的连线;
9)在∠CMD内,以质心M为端点,画一条射线,该射线交等高线于点Tz(i),并且该射线与线段CM的夹角角度为∠r;
10)如果∠r小于∠CMD,则令i=i+1,∠r=∠CMD×0.1×i,再转至步骤9),反之则转步骤11);
11)计算目标设备的n个特征向量,n的值为9,计算公式为:
X(j)=Tz(j)->Tz(j+1)
1≤j≤n
式中,X(j)为目标设备的第j个特征向量,Tz(j)->Tz(j+1)为点Tz(j)到点Tz(j+1)的坐标向量,该坐标向量的幅值为点Tz(j)与点Tz(j+1)之间的间距,该坐标向量的方向是从点Tz(j)出发指向点Tz(j+1)。
本发明提供的变电站设备图像中的设备特征提取方法,先根据像素点的平均灰度值,将二维图像转换为三维图像,再计算出三维图像的等高线及目标设备的质心,然后再采用线段最大距离、最小距离方法找出特征范围角度,再采用等分角度方法计算出目标设备的特征向量,该方法能快速提取目标设备图像特征,实现成本低,计算准确,适合实时图像处理计算,可降低图像计算成本。
具体实施方式
以下结合具体实施例对本发明的技术方案作进一步详细描述,但本实施例并不用于限制本发明,凡是采用本发明的相似结构及其相似变化,均应列入本发明的保护范围,本发明中的顿号均表示和的关系,本发明中的英文字母区分大小写。
本发明实施例所提供的一种变电站设备图像中的设备特征提取方法,其特征在于,具体步骤如下:
1)利用摄像头拍摄变电站中的目标设备;
2)对拍摄的目标设备图像实施灰度处理,处理方式为:对目标设备图像中的每个像素点,令G=R,B=R,其中的G为像素点的绿色色值,B为像素点的蓝色色值,R为像素点的红色色值;
3)对目标设备图像的灰度图实施标准差为σ=1的正态高斯滤波,将正态高斯滤波后所得到的图像定义为图像V1;
为图像V1设定一个由X轴、Y轴、Z轴构成的三维直角坐标系,并且在该三维直角坐标系中,图像V1中的每个像素点的Z轴坐标值均为0;
4)计算图像V1中的所有像素点的平均灰度值Vp,将图像V1中的灰度值大于Vp的像素点的Z轴坐标值设置为1,从而将图像V1转换为三维图像V2;
5)以Z轴坐标值作为三维图像V2中的各个像素点的高度值,采用三角网等高线算法计算出三维图像V2的等高线;
三角网等高线算法为现有技术,在很多文献中都有记载,本实施例不再赘述;
6)计算出三维图像V2的质心M;
计算图像质心的方法为现有技术,在很多现有技术文献中都有记载,本实施例不再赘述,比如授权公告号为CN101006728B的中国专利文献中就公开了计算图像质心的方法;
7)在三维图像V2中,在等高线上找出两个点C、D,其中的点C是等高线上与质心M的间距最大的点,点D是等高线上与质心M的间距最小的点;
8)设置迭代计数器i=1,迭代初值∠r=∠CMD×0.1;
其中,∠CMD为线段CM与线段DM的两个夹角中的优角,线段CM为质心M与点C之间的连线,线段DM为质心M与点D之间的连线;
9)在∠CMD内,以质心M为端点,画一条射线,该射线交等高线于点Tz(i),并且该射线与线段CM的夹角角度为∠r;
10)如果∠r小于∠CMD,则令i=i+1,∠r=∠CMD×0.1×i,再转至步骤9),反之则转步骤11);
11)计算目标设备的n个特征向量,n的值为9,计算公式为:
X(j)=Tz(j)->Tz(j+1)
1≤j≤n
式中,X(j)为目标设备的第j个特征向量,Tz(j)->Tz(j+1)为点Tz(j)到点Tz(j+1)的坐标向量,该坐标向量的幅值为点Tz(j)与点Tz(j+1)之间的间距,该坐标向量的方向是从点Tz(j)出发指向点Tz(j+1)。
Claims (1)
1.一种变电站设备图像中的设备特征提取方法,其特征在于,具体步骤如下:
1)利用摄像头拍摄变电站中的目标设备;
2)对拍摄的目标设备图像实施灰度处理,处理方式为:对目标设备图像中的每个像素点,令G=R,B=R,其中的G为像素点的绿色色值,B为像素点的蓝色色值,R为像素点的红色色值;
3)对目标设备图像的灰度图实施标准差为σ=1的正态高斯滤波,将正态高斯滤波后所得到的图像定义为图像V1;
为图像V1设定一个由X轴、Y轴、Z轴构成的三维直角坐标系,并且在该三维直角坐标系中,图像V1中的每个像素点的Z轴坐标值均为0;
4)计算图像V1中的所有像素点的平均灰度值Vp,将图像V1中的灰度值大于Vp的像素点的Z轴坐标值设置为1,从而将图像V1转换为三维图像V2;
5)以Z轴坐标值作为三维图像V2中的各个像素点的高度值,采用三角网等高线算法计算出三维图像V2的等高线;
6)计算出三维图像V2的质心M;
7)在三维图像V2中,在等高线上找出两个点C、D,其中的点C是等高线上与质心M的间距最大的点,点D是等高线上与质心M的间距最小的点;
8)设置迭代计数器i=1,迭代初值∠r=∠CMD×0.1;
其中,∠CMD为线段CM与线段DM的两个夹角中的优角,线段CM为质心M与点C之间的连线,线段DM为质心M与点D之间的连线;
9)在∠CMD内,以质心M为端点,画一条射线,该射线交等高线于点Tz(i),并且该射线与线段CM的夹角角度为∠r;
10)如果∠r小于∠CMD,则令i=i+1,∠r=∠CMD×0.1×i,再转至步骤9),反之则转步骤11);
11)计算目标设备的n个特征向量,n的值为9,计算公式为:
X(j)=Tz(j)->Tz(j+1)
1≤j≤n
式中,X(j)为目标设备的第j个特征向量,Tz(j)->Tz(j+1)为点Tz(j)到点Tz(j+1)的坐标向量,该坐标向量的幅值为点Tz(j)与点Tz(j+1)之间的间距,该坐标向量的方向是从点Tz(j)出发指向点Tz(j+1)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110740132.8A CN113343916B (zh) | 2021-06-30 | 2021-06-30 | 变电站设备图像中的设备特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110740132.8A CN113343916B (zh) | 2021-06-30 | 2021-06-30 | 变电站设备图像中的设备特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113343916A true CN113343916A (zh) | 2021-09-03 |
CN113343916B CN113343916B (zh) | 2024-02-09 |
Family
ID=77482068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110740132.8A Active CN113343916B (zh) | 2021-06-30 | 2021-06-30 | 变电站设备图像中的设备特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113343916B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104266605A (zh) * | 2014-06-27 | 2015-01-07 | 西北工业大学 | 一种三维激光扫描成像仪的成像方法 |
US20150199588A1 (en) * | 2014-01-14 | 2015-07-16 | Microsoft Corporation | Stereo image processing using contours |
CN107563303A (zh) * | 2017-08-09 | 2018-01-09 | 中国科学院大学 | 一种基于深度学习的鲁棒性舰船目标检测方法 |
CN107895370A (zh) * | 2017-11-29 | 2018-04-10 | 南京师范大学 | 一种基于等高线的鞍部点提取方法 |
CN107909625A (zh) * | 2017-11-15 | 2018-04-13 | 南京师范大学 | 一种基于等高线的山顶点提取方法 |
CN108052912A (zh) * | 2017-12-20 | 2018-05-18 | 安徽信息工程学院 | 一种基于矩傅里叶描述子的立体面像识别方法 |
US20190195616A1 (en) * | 2016-08-29 | 2019-06-27 | Beijing Qingying Machine Visual Technology Co., Ltd. | Method and apparatus for processing three-dimensional vision measurement data |
CN110288581A (zh) * | 2019-06-26 | 2019-09-27 | 电子科技大学 | 一种基于保持形状凸性水平集模型的分割方法 |
CN111861866A (zh) * | 2020-06-30 | 2020-10-30 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种变电站设备巡检图像全景重建方法 |
CN111950509A (zh) * | 2020-08-26 | 2020-11-17 | 上海申瑞继保电气有限公司 | 变电所扇形指针仪表图像识别方法 |
CN112257721A (zh) * | 2020-12-08 | 2021-01-22 | 常州微亿智造科技有限公司 | 一种基于Fast ICP的图像目标区域匹配方法 |
-
2021
- 2021-06-30 CN CN202110740132.8A patent/CN113343916B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150199588A1 (en) * | 2014-01-14 | 2015-07-16 | Microsoft Corporation | Stereo image processing using contours |
CN104266605A (zh) * | 2014-06-27 | 2015-01-07 | 西北工业大学 | 一种三维激光扫描成像仪的成像方法 |
US20190195616A1 (en) * | 2016-08-29 | 2019-06-27 | Beijing Qingying Machine Visual Technology Co., Ltd. | Method and apparatus for processing three-dimensional vision measurement data |
CN107563303A (zh) * | 2017-08-09 | 2018-01-09 | 中国科学院大学 | 一种基于深度学习的鲁棒性舰船目标检测方法 |
CN107909625A (zh) * | 2017-11-15 | 2018-04-13 | 南京师范大学 | 一种基于等高线的山顶点提取方法 |
CN107895370A (zh) * | 2017-11-29 | 2018-04-10 | 南京师范大学 | 一种基于等高线的鞍部点提取方法 |
CN108052912A (zh) * | 2017-12-20 | 2018-05-18 | 安徽信息工程学院 | 一种基于矩傅里叶描述子的立体面像识别方法 |
CN110288581A (zh) * | 2019-06-26 | 2019-09-27 | 电子科技大学 | 一种基于保持形状凸性水平集模型的分割方法 |
CN111861866A (zh) * | 2020-06-30 | 2020-10-30 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种变电站设备巡检图像全景重建方法 |
CN111950509A (zh) * | 2020-08-26 | 2020-11-17 | 上海申瑞继保电气有限公司 | 变电所扇形指针仪表图像识别方法 |
CN112257721A (zh) * | 2020-12-08 | 2021-01-22 | 常州微亿智造科技有限公司 | 一种基于Fast ICP的图像目标区域匹配方法 |
Non-Patent Citations (4)
Title |
---|
KOJI ABE等: "Similarity Retrieval of Trademark Images by Vector Graphics Based on Shape Characteristics of Components", 《ICCAE 2018: PROCEEDINGS OF THE 2018 10TH INTERNATIONAL CONFERENCE ON COMPUTER AND AUTOMATION ENGINEERING》, pages 82 - 86 * |
沈意浪: "计算机视觉中的地图要素简化表达", 《中国博士学位论文全文数据库 基础科学辑》, no. 6, pages 008 - 5 * |
陈毅等: "双维度交叉特征点协同匹配的点云拼接算法", 《激光与光电子学进展》, vol. 58, no. 2, pages 0210003 - 1 * |
黄晟: "基于变电站为中心的配电网电压态势图片图形特征的态势评估模型及算法", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 3, pages 042 - 2093 * |
Also Published As
Publication number | Publication date |
---|---|
CN113343916B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767388B (zh) | 基于超像素提升图像拼接质量的方法、移动终端、相机 | |
CN110849367A (zh) | 基于融合uwb的视觉slam的室内定位与导航的方法 | |
US11367195B2 (en) | Image segmentation method, image segmentation apparatus, image segmentation device | |
CN110705530B (zh) | 双目活体识别同一人脸框的方法、装置、设备及存储介质 | |
CN109272000B (zh) | 一种机器人仪表对准和调焦方法及装置 | |
CN104008542A (zh) | 一种针对特定平面图形的快速角点匹配方法 | |
CN107360377B (zh) | 一种车载视频稳像方法 | |
CN113103235A (zh) | 一种基于rgb-d图像对柜体表面设备进行垂直操作的方法 | |
CN115937160A (zh) | 一种基于凸包算法的爆炸火球轮廓检测方法 | |
CN111161276B (zh) | 一种虹膜归一化图像的形成方法 | |
CN103533332B (zh) | 一种2d视频转3d视频的图像处理方法 | |
CN113343916B (zh) | 变电站设备图像中的设备特征提取方法 | |
CN105930789A (zh) | 基于对数欧式空间词袋模型的人体行为识别 | |
CN109919957A (zh) | 一种基于动态视觉传感器的角点检测方法 | |
WO2024114152A9 (zh) | 三维场景的特征提取方法、装置、设备及存储介质 | |
CN112418250A (zh) | 一种复杂3d点云的优化匹配方法 | |
CN113421293B (zh) | 变电站设备图像质心计算方法 | |
CN113343917A (zh) | 基于直方图的变电站设备识别方法 | |
CN113470049B (zh) | 一种基于结构化彩色点云分割的完整目标提取方法 | |
CN116645578B (zh) | 多模态数据融合方法及其三维目标检测方法 | |
CN115272904A (zh) | 多个单目摄像头下的目标实时跟踪与距离度量系统及方法 | |
CN108682034B (zh) | 一种基于安卓系统的智能手表实体指针的确位方法 | |
CN110232321B (zh) | 指尖点击位置的检测方法、装置、终端及计算机存储介质 | |
CN109344749A (zh) | 低角度精度周视图像采集装置实现运动目标检测方法 | |
CN114937123B (zh) | 基于多源影像融合的建筑建模方法、装置 |
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 |