CN113421249A - 变电站设备可变尺度图像数值处理方法 - Google Patents

变电站设备可变尺度图像数值处理方法 Download PDF

Info

Publication number
CN113421249A
CN113421249A CN202110742779.4A CN202110742779A CN113421249A CN 113421249 A CN113421249 A CN 113421249A CN 202110742779 A CN202110742779 A CN 202110742779A CN 113421249 A CN113421249 A CN 113421249A
Authority
CN
China
Prior art keywords
image
value
target
real
extreme point
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
Application number
CN202110742779.4A
Other languages
English (en)
Other versions
CN113421249B (zh
Inventor
李昌
沈颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANGHAI SUNRISE POWER TECHNOLOGY CO LTD
Original Assignee
SHANGHAI SUNRISE POWER TECHNOLOGY CO LTD
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SHANGHAI SUNRISE POWER TECHNOLOGY CO LTD filed Critical SHANGHAI SUNRISE POWER TECHNOLOGY CO LTD
Priority to CN202110742779.4A priority Critical patent/CN113421249B/zh
Publication of CN113421249A publication Critical patent/CN113421249A/zh
Application granted granted Critical
Publication of CN113421249B publication Critical patent/CN113421249B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/001Industrial image inspection using an image reference approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20024Filtering details
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种变电站设备可变尺度图像数值处理方法,涉及电力系统技术领域,该方法先从摄像头拍摄的目标设备图像中选取一张基准图像,再对基准图像实施灰度处理、正态高斯滤波后,根据灰度值对像素点进行筛选,再根据筛选出的像素点计算出图像的极值点距离值;然后采用同样方法计算目标设备实时图像的极值点距离值,根据目标设备实时图像的极值点距离值及基准图像的极值点距离值,计算出目标设备实时图像的图像尺度变化值,再根据计算结果对目标设备实时图像的尺寸进行调整。本发明提供的方法,适合采用图像比对来识别电力设备工况的变电站监控系统使用。

Description

变电站设备可变尺度图像数值处理方法
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可变尺度图像数值处理方法的技术。
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,再采用直方图匹配方法,将实时图像与参考图像进行比对,从而识别出电力设备的工况。
变电站中的每个摄像头通常都会有多个巡视点,每个巡视点所拍摄的电力设备是不一样的,因此摄像头每巡航至一个巡视点,就要对拍摄参数进行相应的调整,但是由于焦距调节等拍摄参数的调整存在着一定的误差,摄像头在同一个巡视点拍摄的目标设备图像的尺寸也会有一定的变化,这种图像尺寸的变化会导致直方图匹配失败,从而使得变电站监控系统对目标设备实时图像的识别产生误差,甚至识别失败。
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将目标设备实时图像中的目标设备尺寸调整至标准尺寸,从而使得直方图匹配方法能顺利实施的变电站设备可变尺度图像数值处理方法。
为了解决上述技术问题,本发明所提供的一种变电站设备可变尺度图像数值处理方法,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,并从拍摄的目标设备图像中选取一张图像作为基准图像Pre;
2)将基准图像Pre设定为目标图像;
3)对目标图像实施灰度处理,处理方式为:对目标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;
4)对目标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V;
5)在图像V中,选出灰度值大于Vup的像素点及灰度值小于Vlow的像素点,Vup、Vlow的计算公式为:
Vup=0.85×(Vmax-Vpre)
Vlow=0.15×(Vpre-Vmin)
式中,Vmax为图像V中的像素点的最大灰度值,Vmin为图像V中的像素点的最小灰度值,Vpre为图像V中的像素点的平均灰度值;
6)计算目标图像的2个极值点坐标,计算公式为:
Figure BDA0003141957440000021
Figure BDA0003141957440000022
Figure BDA0003141957440000023
Figure BDA0003141957440000024
式中,Vu(x)为目标图像的第一个极值点的横坐标值,Vu(y)为目标图像的第一个极值点的纵坐标值,P(i,x)为图像V中的第i个灰度值大于Vup的像素点的横坐标值,P(i,y)为图像V中的第i个灰度值大于Vup的像素点的纵坐标值,n为图像V中的灰度值大于Vup的像素点的数量,Vl(x)为目标图像的第二个极值点的横坐标值,Vl(y)为目标图像的第二个极值点的纵坐标值,Q(j,x)为图像V中的第j个灰度值小于Vlow的像素点的横坐标值,Q(j,y)为图像V中的第j个灰度值小于Vlow的像素点的纵坐标值,m为图像V中的灰度值小于Vlow的像素点的数量;
7)计算目标图像的极值点距离值,计算公式为:
Figure BDA0003141957440000031
Figure BDA0003141957440000032
式中,Lx为目标图像的极值点横坐标距离值,Ly为目标图像的极值点纵坐标距离值;
8)将摄像头拍摄的目标设备实时图像设定为新的目标图像,然后采用步骤3)至步骤7)的方法计算出目标设备实时图像的极值点距离值;
9)计算目标设备实时图像的图像尺度变化值,计算公式为:
Kx=Lrx/Lcx
Ky=Lry/Lcy
式中,Kx为目标设备实时图像的横坐标变化值,Lrx为目标设备实时图像的极值点横坐标距离值,Lcx为基准图像的极值点横坐标距离值,Ky为目标设备实时图像的纵坐标变化值,Lry为目标设备实时图像的极值点纵坐标距离值,Lcy为基准图像的极值点纵坐标距离值;
10)对目标设备实时图像的尺寸进行调整,其中的横向尺寸调整为原尺寸的Kx倍,纵向尺寸调整为原尺寸的Ky倍。
本发明提供的变电站设备可变尺度图像数值处理方法,根据基准图像的特征极值点,对目标设备实时图像的横纵尺寸进行调整,使得目标设备实时图像中的目标设备尺寸能调整至标准尺寸,确保直方图匹配方法能顺利实施,该方法计算速度快,实现成本低,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可变尺度图像数值处理方法,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,并从拍摄的目标设备图像中选取一张图像作为基准图像Pre,基准图像Pre应当选取清晰度较高的图像;
2)将基准图像Pre设定为目标图像;
3)对目标图像实施灰度处理,处理方式为:对目标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;
4)对目标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V;
5)在图像V中,选出灰度值大于Vup的像素点及灰度值小于Vlow的像素点,Vup、Vlow的计算公式为:
Vup=0.85×(Vmax-Vpre)
Vlow=0.15×(Vpre-Vmin)
式中,Vmax为图像V中的像素点的最大灰度值,Vmin为图像V中的像素点的最小灰度值,Vpre为图像V中的像素点的平均灰度值;
6)计算目标图像的2个极值点坐标,计算公式为:
Figure BDA0003141957440000041
Figure BDA0003141957440000042
Figure BDA0003141957440000051
Figure BDA0003141957440000052
式中,Vu(x)为目标图像的第一个极值点的横坐标值,Vu(y)为目标图像的第一个极值点的纵坐标值,P(i,x)为图像V中的第i个灰度值大于Vup的像素点的横坐标值,P(i,y)为图像V中的第i个灰度值大于Vup的像素点的纵坐标值,n为图像V中的灰度值大于Vup的像素点的数量,Vl(x)为目标图像的第二个极值点的横坐标值,Vl(y)为目标图像的第二个极值点的纵坐标值,Q(j,x)为图像V中的第j个灰度值小于Vlow的像素点的横坐标值,Q(j,y)为图像V中的第j个灰度值小于Vlow的像素点的纵坐标值,m为图像V中的灰度值小于Vlow的像素点的数量;
7)计算目标图像的极值点距离值,计算公式为:
Figure BDA0003141957440000053
Figure BDA0003141957440000054
式中,Lx为目标图像的极值点横坐标距离值,Ly为目标图像的极值点纵坐标距离值;
8)将摄像头拍摄的目标设备实时图像设定为新的目标图像,然后采用步骤3)至步骤7)的方法计算出目标设备实时图像的极值点距离值;
9)计算目标设备实时图像的图像尺度变化值,计算公式为:
Kx=Lrx/Lcx
Ky=Lry/Lcy
式中,Kx为目标设备实时图像的横坐标变化值,Lrx为目标设备实时图像的极值点横坐标距离值,Lcx为基准图像的极值点横坐标距离值,Ky为目标设备实时图像的纵坐标变化值,Lry为目标设备实时图像的极值点纵坐标距离值,Lcy为基准图像的极值点纵坐标距离值;
10)对目标设备实时图像的尺寸进行调整,其中的横向尺寸调整为原尺寸的Kx倍,纵向尺寸调整为原尺寸的Ky倍。

Claims (1)

1.一种变电站设备可变尺度图像数值处理方法,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,并从拍摄的目标设备图像中选取一张图像作为基准图像Pre;
2)将基准图像Pre设定为目标图像;
3)对目标图像实施灰度处理,处理方式为:对目标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;
4)对目标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V;
5)在图像V中,选出灰度值大于Vup的像素点及灰度值小于Vlow的像素点,Vup、Vlow的计算公式为:
Vup=0.85×(Vmax-Vpre)
Vlow=0.15×(Vpre-Vmin)
式中,Vmax为图像V中的像素点的最大灰度值,Vmin为图像V中的像素点的最小灰度值,Vpre为图像V中的像素点的平均灰度值;
6)计算目标图像的2个极值点坐标,计算公式为:
Figure FDA0003141957430000011
Figure FDA0003141957430000012
Figure FDA0003141957430000013
Figure FDA0003141957430000014
式中,Vu(x)为目标图像的第一个极值点的横坐标值,Vu(y)为目标图像的第一个极值点的纵坐标值,P(i,x)为图像V中的第i个灰度值大于Vup的像素点的横坐标值,P(i,y)为图像V中的第i个灰度值大于Vup的像素点的纵坐标值,n为图像V中的灰度值大于Vup的像素点的数量,Vl(x)为目标图像的第二个极值点的横坐标值,Vl(y)为目标图像的第二个极值点的纵坐标值,Q(j,x)为图像V中的第j个灰度值小于Vlow的像素点的横坐标值,Q(j,y)为图像V中的第j个灰度值小于Vlow的像素点的纵坐标值,m为图像V中的灰度值小于Vlow的像素点的数量;
7)计算目标图像的极值点距离值,计算公式为:
Figure FDA0003141957430000021
Figure FDA0003141957430000022
式中,Lx为目标图像的极值点横坐标距离值,Ly为目标图像的极值点纵坐标距离值;
8)将摄像头拍摄的目标设备实时图像设定为新的目标图像,然后采用步骤3)至步骤7)的方法计算出目标设备实时图像的极值点距离值;
9)计算目标设备实时图像的图像尺度变化值,计算公式为:
Kx=Lrx/Lcx
Ky=Lry/Lcy
式中,Kx为目标设备实时图像的横坐标变化值,Lrx为目标设备实时图像的极值点横坐标距离值,Lcx为基准图像的极值点横坐标距离值,Ky为目标设备实时图像的纵坐标变化值,Lry为目标设备实时图像的极值点纵坐标距离值,Lcy为基准图像的极值点纵坐标距离值;
10)对目标设备实时图像的尺寸进行调整,其中的横向尺寸调整为原尺寸的Kx倍,纵向尺寸调整为原尺寸的Ky倍。
CN202110742779.4A 2021-06-30 2021-06-30 变电站设备可变尺度图像数值处理方法 Active CN113421249B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110742779.4A CN113421249B (zh) 2021-06-30 2021-06-30 变电站设备可变尺度图像数值处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110742779.4A CN113421249B (zh) 2021-06-30 2021-06-30 变电站设备可变尺度图像数值处理方法

Publications (2)

Publication Number Publication Date
CN113421249A true CN113421249A (zh) 2021-09-21
CN113421249B CN113421249B (zh) 2024-02-06

Family

ID=77717908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110742779.4A Active CN113421249B (zh) 2021-06-30 2021-06-30 变电站设备可变尺度图像数值处理方法

Country Status (1)

Country Link
CN (1) CN113421249B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030053699A1 (en) * 2001-06-26 2003-03-20 Andreas Olsson Processing of digital images
JP2010032986A (ja) * 2008-06-30 2010-02-12 Nec Corp 液晶パネルのフォーカス位置決め装置およびフォーカス位置決め方法
CN102542655A (zh) * 2011-11-16 2012-07-04 中钞实业有限公司 基于纤维个性化特征的票据防伪鉴别方法
US20150254808A1 (en) * 2012-10-05 2015-09-10 Koninklijke Philips N.V. Real-time image processing for optimizing sub-images views
CN106504229A (zh) * 2016-09-30 2017-03-15 上海联影医疗科技有限公司 图像中特征点的检测方法
US20170277975A1 (en) * 2016-03-25 2017-09-28 Canon Kabushiki Kaisha Edge detecting apparatus and edge detecting method
US20180018497A1 (en) * 2015-02-13 2018-01-18 Byd Company Limited Method and device for calculating line distance
CN108304883A (zh) * 2018-02-12 2018-07-20 西安电子科技大学 基于改进sift的sar图像匹配方法
CN111191629A (zh) * 2020-01-07 2020-05-22 中国人民解放军国防科技大学 一种基于多目标的图像能见度检测方法
CN111950511A (zh) * 2020-08-26 2020-11-17 上海申瑞继保电气有限公司 变电所户外柱形设备倾斜识别方法
CN112001328A (zh) * 2020-08-26 2020-11-27 上海申瑞继保电气有限公司 高压双柱式隔离开关开合状态图像识别方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030053699A1 (en) * 2001-06-26 2003-03-20 Andreas Olsson Processing of digital images
JP2010032986A (ja) * 2008-06-30 2010-02-12 Nec Corp 液晶パネルのフォーカス位置決め装置およびフォーカス位置決め方法
CN102542655A (zh) * 2011-11-16 2012-07-04 中钞实业有限公司 基于纤维个性化特征的票据防伪鉴别方法
US20150254808A1 (en) * 2012-10-05 2015-09-10 Koninklijke Philips N.V. Real-time image processing for optimizing sub-images views
US20180018497A1 (en) * 2015-02-13 2018-01-18 Byd Company Limited Method and device for calculating line distance
US20170277975A1 (en) * 2016-03-25 2017-09-28 Canon Kabushiki Kaisha Edge detecting apparatus and edge detecting method
CN106504229A (zh) * 2016-09-30 2017-03-15 上海联影医疗科技有限公司 图像中特征点的检测方法
CN108304883A (zh) * 2018-02-12 2018-07-20 西安电子科技大学 基于改进sift的sar图像匹配方法
CN111191629A (zh) * 2020-01-07 2020-05-22 中国人民解放军国防科技大学 一种基于多目标的图像能见度检测方法
CN111950511A (zh) * 2020-08-26 2020-11-17 上海申瑞继保电气有限公司 变电所户外柱形设备倾斜识别方法
CN112001328A (zh) * 2020-08-26 2020-11-27 上海申瑞继保电气有限公司 高压双柱式隔离开关开合状态图像识别方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
ALEX YONG-SANG CHIA ET AL.: "Preserving Maximum Color Contrast in Generation of Gray Images", ICPRAM 2014: PATTERN RECOGNITION APPLICATIONS AND METHODS *
XUDONG YANG ET AL.: "Fast extraction of linear segmentation characteristic based on gray scale projection multiple processing", 2009 IEEE INSTRUMENTATION AND MEASUREMENT TECHNOLOGY CONFERENCE *
YANG SA: "Medical Image Registration Algorithm Based on Compressive Sensing and Scale-Invariant Feature Transform", 2015 8TH INTERNATIONAL CONFERENCE ON INTELLIGENT COMPUTATION TECHNOLOGY AND AUTOMATION (ICICTA) *
孟令枫;杨兴;于晓春;邓梅;于永进;: "基于直线检测法的变电站开关状态图像识别系统的研究", 电子质量, no. 04 *
顾煜洁: "遥感图像特征提取与匹配关键技术研究", 中国优秀硕士学位论文全文数据库 *

Also Published As

Publication number Publication date
CN113421249B (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
CN111402247B (zh) 一种基于机器视觉的输电线路上悬垂线夹缺陷检测方法
CN111583116A (zh) 基于多摄像机交叉摄影的视频全景拼接融合方法及系统
CN113469953A (zh) 一种基于改进YOLOv4算法的输电线路绝缘子缺陷检测方法
CN109949209A (zh) 一种基于深度学习的绳索检测与去除方法
CN108665468A (zh) 一种基于降维灰度纹理-形状矩阵提取直线塔绝缘子串的装置及方法
CN102236790B (zh) 一种图像处理方法和设备
CN114331997A (zh) 一种基于图像识别的导线缺陷监测方法
CN110570384A (zh) 一种对场景图像进行光照均衡处理的方法、装置、计算机设备以及计算机存储介质
CN107659777B (zh) 一种自动曝光的方法及装置
CN113763484A (zh) 基于视频图像分析技术的船舶目标定位及速度估算方法
CN109447946B (zh) 一种架空通信光缆异常检测方法
CN113421248B (zh) 变电站设备旋转图像数值处理方法
CN101561316B (zh) 一种基于感兴趣区域(roi)的在线检测视觉数据处理系统
CN113421249B (zh) 变电站设备可变尺度图像数值处理方法
CN112489018A (zh) 一种电力线智能巡线方法及巡线
CN112560574A (zh) 河流黑水排放检测方法及应用其的识别系统
CN109738437A (zh) 一种金属化薄膜电容器自愈点测量装置及方法
CN112616017B (zh) 基于多摄像机交叉摄影的视频全景拼接融合方法和系统
CN113343917B (zh) 基于直方图的变电站设备识别方法
CN112257514B (zh) 一种用于设备故障巡检的红外视觉智检的拍摄方法
CN113971774A (zh) 一种输水结构表面淡水壳菜空间分布特征识别方法
CN114120061A (zh) 一种面向电力巡检场景的小目标缺陷检测方法及系统
CN113421293B (zh) 变电站设备图像质心计算方法
CN113343916B (zh) 变电站设备图像中的设备特征提取方法
CN113077398A (zh) 断路器圆形分合指示灯图像噪声滤波方法

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