CN114943720A - 一种电力图像处理方法及装置 - Google Patents

一种电力图像处理方法及装置 Download PDF

Info

Publication number
CN114943720A
CN114943720A CN202210629044.5A CN202210629044A CN114943720A CN 114943720 A CN114943720 A CN 114943720A CN 202210629044 A CN202210629044 A CN 202210629044A CN 114943720 A CN114943720 A CN 114943720A
Authority
CN
China
Prior art keywords
image
difference
alignment
reference image
registration
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.)
Pending
Application number
CN202210629044.5A
Other languages
English (en)
Inventor
靳敏
李强
邱镇
白景坡
王兴涛
卢大玮
李小宁
黄晓光
徐凡
张晓航
崔迎宝
李文璞
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.)
State Grid Information and Telecommunication Co Ltd
Original Assignee
State Grid Information and Telecommunication 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 State Grid Information and Telecommunication Co Ltd filed Critical State Grid Information and Telecommunication Co Ltd
Priority to CN202210629044.5A priority Critical patent/CN114943720A/zh
Publication of CN114943720A publication Critical patent/CN114943720A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06T2207/20224—Image subtraction
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种电力图像处理方法及装置，方法包括：采集获得第一图像；通过SIFT算法将所述第一图像与基准图像进行配准对齐处理；将配准对齐后的第一图像和基准图像求差，得到差异图像；基于所述差异图像，采用画框策略确定出所述第一图像中的差别区域。上述方案通过确定采集图像与正常工作状态对应的基准图像进行比对，确定出存在异常的电力设备，实现了变电设备缺陷、运行状态以及安全风险的有效监测，极大提高了变电设备的巡检工作效率，提升了对设备质量的管控能力。

Description

一种电力图像处理方法及装置
技术领域
本发明涉及图像处理技术领域，更具体的说，是涉及一种电力图像处理方法及装置。
背景技术
电网设备运维检修是设备管控和安全保障的根本，设备日常巡检又是运维检修工作的重中之重，是获取设备运行状态和提供运维决策的重要手段。随着电网建设的不断推进，电网设备数量迅猛增长，电网运行同时对设备运行安全提出了更高要求。
随着变电站巡检机器人和视频监控装置的应用，目前可由巡检机器人或视频监控装置辅助完成变电设备的少部分巡视工作。但现有站内巡检机器人和视频监控功能单一，对于设备外观缺陷、设备运行形态等不具备检测能力。同时，变电设备巡视图像(由巡检机器人或视频监控装置采集获得)需要人工甄别或审核，消耗大量运维人员和审核时间，严重降低并影响了运维检修效率。
发明内容
有鉴于此，本发明提供如下技术方案：
一种电力图像处理方法，包括：
采集获得第一图像；
通过SIFT算法将所述第一图像与基准图像进行配准对齐处理；
将配准对齐后的第一图像和基准图像求差，得到差异图像；
基于所述差异图像，确定并标识出所述第一图像中的差别区域。
可选地，所述通过SIFT算法将所述第一图像与基准图像进行配准对齐处理，包括：
基于SIFT算法计算出第一图像和基准图像的特征点；
基于计算出的所述特征点，采用邻近算法对所述第一图像和所述基准图像进行特征点匹配；
对完成特征点匹配的第一图像和基准图像进行转换对齐。
可选地，所述对完成特征点匹配的第一图像和基准图像进行转换对齐，包括：
采用单应性矩阵通过旋转变换的方式将所述基准图像与所述第一图像对齐。
可选地，所述将配准对齐后的第一图像和基准图像求差，得到差异图像，包括：
将配准对齐后的第一图像和急转图像进行矩阵求差，并将求得的矩阵差值的绝对值确定为差异图像。
可选地，在所述将配准对齐后的第一图像和基准图像求差，得到差异图像后，还包括：
对所述差异图像进行去噪处理。
可选地，所述对所述差异图像进行去噪处理，包括：
对所述基准图像的进行边缘检测处理，得到边缘检测结果图；
将所述边缘检测结果图与所述差异图像相乘，消除所述差异图像汇总的边缘噪声数据。
可选地，所述基于所述差异图像，确定并标识出所述第一图像中的差别区域，包括：
提取出所述差异图像的最大像素值；
在所述最大像素值大于第一阈值的情况下，对所述差异图像进行二值化处理，得到二值化图像；
对所述二值化图像中像素值为第一数值的像素点所在区域进行标识。
可选地，在所述将所述二值化图像中像素值为第一数值的像素点用矩形框标识前，还包括：
遍历所述二值化图像中像素值为第一数值的每一个像素点，若像素点周围第一范围内像素值为第一数值的像素点总数小于第二阈值，则将该像素点的像素值设为0。
一种电力图像处理装置，包括：
图像采集模块，用于采集获得第一图像；
图像配准模块，用于通过SIFT算法将所述第一图像与基准图像进行配准对齐处理；
差异处理模块，用于将配准对齐后的第一图像和基准图像求差，得到差异图像；
差异确定模块，用于基于所述差异图像，采用画框策略确定出所述第一图像中的差别区域。
可选地，所述图像配准模块包括：
特征点确定模块，用于基于SIFT算法计算出第一图像和基准图像的特征点；
特征点匹配模块，用于基于计算出的所述特征点，采用邻近算法对所述第一图像和所述基准图像进行特征点匹配；
对齐转换模块，用于对完成特征点匹配的第一图像和基准图像进行转换对齐。
经由上述的技术方案可知，与现有技术相比，本发明实施例公开了一种电力图像处理方法及装置，方法包括：采集获得第一图像；通过SIFT算法将所述第一图像与基准图像进行配准对齐处理；将配准对齐后的第一图像和基准图像求差，得到差异图像；基于所述差异图像，采用画框策略确定出所述第一图像中的差别区域。上述方案通过确定采集图像与正常工作状态对应的基准图像进行比对，确定出存在异常的电力设备，实现了变电设备缺陷、运行状态以及安全风险的有效监测，极大提高了变电设备的巡检工作效率，提升了对设备质量的管控能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种电力图像处理方法的流程图；
图2为本申请实施例公开的将图像进行配准对齐处理的流程图；
图3为本申请实施例公开的基准图像与第一图像的匹配特征示例图；
图4为本申请实施例公开的基准图像与第一图像的差异图像示例图；
图5为本申请实施例公开的基准图像的边缘检测结果图示例图；
图6为本申请实施例公开的消除噪声后的差异图像示例图；
图7为本申请实施例公开的第一图像缺陷识别过程示意图；
图8为本申请实施例公开的二值化图像示例图；
图9为本申请实施例公开的第一图像异常检测结果图示例图；
图10为本申请实施例公开的基于SIFT的电力图像处理过程示意图；
图11为本申请实施例公开的种个电力图像处理装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例公开的一种电力图像处理方法的流程图。参见图1所示，电力图像处理方法可以包括：
步骤101：采集获得第一图像。
其中，所述第一图像为电网设备现场的电网设备的图像，其可以为电力设备的整体或部分结构图像，整体图像可以用来判断电力设备外观是否存在破损，部分结构图像同样可以用来判断电力设备的重要结构是否发生破损，或者也可以用来判断电力设备当前的工作状态是否存在异常，如部分结构可以是电力设备的仪表显示器，其中的一些参数、指示灯等可以指示电力设备的工作状态。
第一图像可以由电网设备现场的巡检机器人采集获得，也可以由安装在电网设备现场特定位置的图像采集设备采集获得，本申请对此并不做固定限制。
步骤102：通过SIFT(Scale-invariant feature transform，尺度不变特征变换)算法将所述第一图像与基准图像进行配准对齐处理。
其中，基准图像指的可以是与第一图像同一空间但不同时间拍摄的图像；基准图像指的是变电设备无异常时拍摄的图像，且基准图像的获得时间要早于所述第一图像。
本申请可以基于SIFT算法计算出基准图像与第一图像的特征点，并采用KNN(K-NearestNeighbor，邻近算法)算法完成两幅图像的特征点匹配；然后，根据基准图像与第一图像匹配的特征点完成两个图像的转换对齐。具体的实现，将在后面的实施例中详细介绍，在此不再过多说明。
步骤103：将配准对齐后的第一图像和基准图像求差，得到差异图像。
具体的，可以将配准对齐后的第一图像和急转图像进行矩阵求差，并将求得的矩阵差值的绝对值确定为差异图像。
步骤104：基于所述差异图像，确定并标识出所述第一图像中的差别区域。
在获得差异图像后，可以基于一定的识别算法，确定出其中存在差异的部分区域，并标识出该存在差异的部分区域。和基准图像存在差异的区域所表征的内容，对应存在异常的电力设备或工作状态存在异常的电力设备。
本实施例所述电力图像处理方法，通过确定采集图像与正常工作状态对应的基准图像进行比对分析，可以确定出存在异常的电力设备，实现了变电设备缺陷、运行状态以及安全风险的有效监测，极大提高了变电设备的巡检工作效率，且有助于提升了对设备质量的管控能力。
图2为本申请实施例公开的将图像进行配准对齐处理的流程图。结合图2所示，上述实施例中，所述通过SIFT算法将所述第一图像与基准图像进行配准对齐处理，可以包括：
步骤201：基于SIFT算法计算出第一图像和基准图像的特征点。
本步骤实现的即特征点检测，对于特征点检测：
首先构建尺度空间，并基于尺度空间完成特征点的描述。根据式(1)和式(2)完成尺度空间的构建，参见如下：
Figure BDA0003679098180000061
Figure BDA0003679098180000062
其中，式(1)为可变高斯核函数，σ表示尺度空间高斯模糊函数，p和q表示高斯模板的维度；式(2)中I(x,y)为输入的原图像，(x,y)为图像的像素位置。
通过高斯差分尺度空间中差分算子可以构建出高斯差分图像，其图像中的检测点与同尺度的其余八个相邻点以及上下相邻尺度的2x9个点进行比较，使其在二维空间和尺度空间都能够检测到极值点，求得的局部极大值点即为特征点。
然后可以构建特征点描述子，计算以特征点为中心16x16窗口的像素的梯度幅值和方向，并将窗口内的像素分为16个子区域，每个子区域计算得到八个方向的梯度和模值，一共可以形成128维的特征向量。
步骤202：基于计算出的所述特征点，采用邻近算法对所述第一图像和所述基准图像进行特征点匹配。
本步骤也即进行特征点匹配。具体的，可以基于欧式距离计算基准图像与第一图像特征点的距离，计算最近距离与次最近距离的比值，如果比值在阈值范围内则可以认为匹配成功。其中的阈值可以基于经验或需求设定。本申请发明人在实施本申请方案的过程中经过多次试验，阈值为0.5的时候效果最优，因此0.5可作为本申请方案中欧氏距离的阈值。特征点匹配所用的欧氏距离公式如式(3)所示。
Figure BDA0003679098180000063
其中，dis表示基准图像与第一图像特征点之间的距离，P为特征点描述子维数，Dm、Dn分别为基准图像与第一图像的特征点描述子。
步骤203：对完成特征点匹配的第一图像和基准图像进行转换对齐。
本步骤的具体实现：首先，通过前述步骤可以确定基准图像与第一图像所对应的特征点，如图3所示；然后，为了消除不同视角拍摄的基准图像与第一图像的差异，可以采用单应性矩阵通过旋转变换等方式将基准图像与第一图像对齐，以便确定图像的差异部分，平面的单应性是指一个平面到另一个平面的投影映射。
需要说明的是，为了更好的理解本申请的具体实现，本申请实施例中关于基准图像和第一图像的附图，包括后文中将出现的差异图像的相关附图，均为一个示例中的对应图像，可相互参照理解对应内容。
上述实施例中，所述将配准对齐后的第一图像和基准图像求差，得到差异图像，可以包括：将配准对齐后的第一图像和急转图像进行矩阵求差，并将求得的矩阵差值的绝对值确定为差异图像。图4为本申请实施例公开的基准图像与第一图像的差异图像示例图，结合图4所示，可确定第一图像现对于基准图像的差异即为箱门闭合异常。
在一个可选的实现中，为了提升最终识别结果的准确度，在所述将配准对齐后的第一图像和基准图像求差，得到差异图像后，还可以包括：对所述差异图像进行去噪处理。
具体的，去噪处理过程可以是：对所述基准图像的进行边缘检测处理，得到边缘检测结果图；将所述边缘检测结果图与所述差异图像相乘，消除所述差异图像汇总的边缘噪声数据。
边缘检测的目的是标识数字图像中亮度变化明显的点。图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性，图5即为基准图像的边缘检测结果图。
通过基准图像的边缘检测结果可以消除基准图像与第一图像的差异图像中的噪声数据。具体实现中，首先可以对基准图像边缘检测结果图中的每个像素值进行逐一检测，若该像素点为边缘值，则将周围3个像素单位内的像素值设为0；然后，将设置完成的边缘检测结果图与差异图像相乘，消除差异图像中的边缘噪声数据，结果如图6所示。
图4与图6分别是消除边缘噪声数据前后的基准图像与第一图像的差异图像，通过对比可以发现图3中的比较明显的边缘噪声数据在图5中均已去除。
一个实现中，所述基于所述差异图像，确定并标识出所述第一图像中的差别区域，可以包括：提取出所述差异图像的最大像素值；在所述最大像素值大于第一阈值的情况下，对所述差异图像进行二值化处理，得到二值化图像；对所述二值化图像中像素值为第一数值的像素点所在区域进行标识。
例如，首先，对消除噪声数据后的差异图像提取最大像素值n，若n小于等于30，则基准图像与第一图像无差异；若n大于30，则对差异图像进行二值化操作；然后，结合二值化差异图像与画框策略计算出差异部分坐标框，标出第一图像中的缺陷设备，具体流程如图6所示。其中的第一阈值30，可以通过试验标定确定。
其中，图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。本发明中，示例性的可以将小于等于0.5*n的像素值设置为0，大于0.5*n的像素值设置为255，二值化差异图像如图8所示。
在所述将所述二值化图像中像素值为第一数值的像素点用矩形框标识前，还可以包括：遍历所述二值化图像中像素值为第一数值的每一个像素点，若像素点周围第一范围内像素值为第一数值的像素点总数小于第二阈值，则将该像素点的像素值设为0。
具体的，可以对二值化差异图像中像素值为255的点进行计数，总数为N；然后，循环遍历每个像素值为255的像素点，若该像素点50个单位像素内像素值为255的像素点的总数小于0.1*N，则该像素点为噪声点，并将其像素值设为0；最后，将二值化差异图像中像素值为255的像素点采用矩形框标记出来，该矩形框标出的部分即为第一图像中的异常部分，如图9所示。
图10为本申请实施例公开的基于SIFT的电力图像处理过程示意图。结合图10所示，本申请电力图像处理方案可以全面提升变电设备缺陷识别、运行状态识别、安全风险识别的多场景识别检测能力，同时可以开展多视角、多终端、多场景的自主协同巡检，实现变电设备视频图像的自动化、智能化、立体化采集和分析，极大提高变电设备的巡检工作效率，提升了对设备质量的管控能力。
对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
上述本发明公开的实施例中详细描述了方法，对于本发明的方法可采用多种形式的装置实现，因此本发明还公开了一种装置，下面给出具体的实施例进行详细说明。
图11为本申请实施例公开的种个电力图像处理装置的结构示意图。参见图11所示，电力图像处理装置100可以包括：
图像采集模块1101，用于采集获得第一图像。
图像配准模块1102，用于通过SIFT算法将所述第一图像与基准图像进行配准对齐处理。
差异处理模块1103，用于将配准对齐后的第一图像和基准图像求差，得到差异图像。
差异确定模块1104，用于基于所述差异图像，采用画框策略确定出所述第一图像中的差别区域。
本实施例所述电力图像处理装置，通过确定采集图像与正常工作状态对应的基准图像进行比对分析，可以确定出存在异常的电力设备，实现了变电设备缺陷、运行状态以及安全风险的有效监测，极大提高了变电设备的巡检工作效率，且有助于提升了对设备质量的管控能力。
一个实现中，所述图像配准模块可以包括：特征点确定模块，用于基于SIFT算法计算出第一图像和基准图像的特征点；特征点匹配模块，用于基于计算出的所述特征点，采用邻近算法对所述第一图像和所述基准图像进行特征点匹配；对齐转换模块，用于对完成特征点匹配的第一图像和基准图像进行转换对齐。
上述实施例中的所述的任意一种电力图像处理装置包括处理器和存储器，上述实施例中的图像采集模块、图像配准模块、差异处理模块、差异确定模块、特征点确定模块、特征点匹配模块、对齐转换模块等均作为程序模块存储在存储器中，由处理器执行存储在所述存储器中的上述程序模块来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序模块。内核可以设置一个或多个，通过调整内核参数来实现回访数据的处理。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
在示例性实施例中，还提供了一种计算机可读存储介质，可直接加载到计算机的内部存储器，其中含有软件代码，该计算机程序经由计算机载入并执行后能够实现上述电力图像处理方法任一实施例所示步骤。
在示例性实施例中，还提供一种计算机程序产品，可直接加载到计算机的内部存储器，其中含有软件代码，该计算机程序经由计算机载入并执行后能够实现上述所述的电力图像处理方法任一实施例所示步骤。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种电力图像处理方法，其特征在于，包括：
采集获得第一图像；
通过SIFT算法将所述第一图像与基准图像进行配准对齐处理；
将配准对齐后的第一图像和基准图像求差，得到差异图像；
基于所述差异图像，确定并标识出所述第一图像中的差别区域。
2.根据权利要求1所述的电力图像处理方法，其特征在于，所述通过SIFT算法将所述第一图像与基准图像进行配准对齐处理，包括：
基于SIFT算法计算出第一图像和基准图像的特征点；
基于计算出的所述特征点，采用邻近算法对所述第一图像和所述基准图像进行特征点匹配；
对完成特征点匹配的第一图像和基准图像进行转换对齐。
3.根据权利要求2所述的电力图像处理方法，其特征在于，所述对完成特征点匹配的第一图像和基准图像进行转换对齐，包括：
采用单应性矩阵通过旋转变换的方式将所述基准图像与所述第一图像对齐。
4.根据权利要求1所述的电力图像处理方法，其特征在于，所述将配准对齐后的第一图像和基准图像求差，得到差异图像，包括：
将配准对齐后的第一图像和急转图像进行矩阵求差，并将求得的矩阵差值的绝对值确定为差异图像。
5.根据权利要求1所述的电力图像处理方法，其特征在于，在所述将配准对齐后的第一图像和基准图像求差，得到差异图像后，还包括：
对所述差异图像进行去噪处理。
6.根据权利要求5所述电力图像处理方法，其特征在于，所述对所述差异图像进行去噪处理，包括：
对所述基准图像的进行边缘检测处理，得到边缘检测结果图；
将所述边缘检测结果图与所述差异图像相乘，消除所述差异图像汇总的边缘噪声数据。
7.根据权利要求1所述的电力图像处理方法，其特征在于，所述基于所述差异图像，确定并标识出所述第一图像中的差别区域，包括：
提取出所述差异图像的最大像素值；
在所述最大像素值大于第一阈值的情况下，对所述差异图像进行二值化处理，得到二值化图像；
对所述二值化图像中像素值为第一数值的像素点所在区域进行标识。
8.根据权利要求7所述的电力图像处理方法，其特征在于，在所述将所述二值化图像中像素值为第一数值的像素点用矩形框标识前，还包括：
遍历所述二值化图像中像素值为第一数值的每一个像素点，若像素点周围第一范围内像素值为第一数值的像素点总数小于第二阈值，则将该像素点的像素值设为0。
9.一种电力图像处理装置，其特征在于，包括：
图像采集模块，用于采集获得第一图像；
图像配准模块，用于通过SIFT算法将所述第一图像与基准图像进行配准对齐处理；
差异处理模块，用于将配准对齐后的第一图像和基准图像求差，得到差异图像；
差异确定模块，用于基于所述差异图像，采用画框策略确定出所述第一图像中的差别区域。
10.根据权利要求9所述的电力图像处理装置，其特征在于，所述图像配准模块包括：
特征点确定模块，用于基于SIFT算法计算出第一图像和基准图像的特征点；
特征点匹配模块，用于基于计算出的所述特征点，采用邻近算法对所述第一图像和所述基准图像进行特征点匹配；
对齐转换模块，用于对完成特征点匹配的第一图像和基准图像进行转换对齐。
CN202210629044.5A 2022-06-06 2022-06-06 一种电力图像处理方法及装置 Pending CN114943720A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210629044.5A CN114943720A (zh) 2022-06-06 2022-06-06 一种电力图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210629044.5A CN114943720A (zh) 2022-06-06 2022-06-06 一种电力图像处理方法及装置

Publications (1)

Publication Number Publication Date
CN114943720A true CN114943720A (zh) 2022-08-26

Family

ID=82908876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210629044.5A Pending CN114943720A (zh) 2022-06-06 2022-06-06 一种电力图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN114943720A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117114420A (zh) * 2023-10-17 2023-11-24 南京启泰控股集团有限公司 一种基于图像识别的工贸安全事故风险管控系统和方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117114420A (zh) * 2023-10-17 2023-11-24 南京启泰控股集团有限公司 一种基于图像识别的工贸安全事故风险管控系统和方法
CN117114420B (zh) * 2023-10-17 2024-01-05 南京启泰控股集团有限公司 一种基于图像识别的工贸安全事故风险管控系统和方法

Similar Documents

Publication Publication Date Title
CN110414507B (zh) 车牌识别方法、装置、计算机设备和存储介质
WO2021000524A1 (zh) 孔位保护门检测方法、装置、计算机设备和存储介质
CN111008961B (zh) 一种输电线路设备缺陷检测方法及其系统、设备、介质
CN111398176B (zh) 基于像元尺度特征的水体水色异常遥感识别方法和装置
US9208172B2 (en) Method and system for vehicle identification
Zakaria et al. Object shape recognition in image for machine vision application
CN112419298A (zh) 一种螺栓节点板锈蚀检测方法、装置、设备及存储介质
CN111563896B (zh) 一种用于接触网异常检测的图像处理方法
CN111753794B (zh) 水果品质分类方法、装置、电子设备及可读存储介质
CN111767915A (zh) 车牌检测方法、装置、设备及存储介质
CN111898486A (zh) 监控画面异常的检测方法、装置及存储介质
CN115909059A (zh) 一种自然资源样本库建立方法和装置
CN112257711B (zh) 一种铁路货车地板破损故障检测方法
CN108961262B (zh) 一种复杂场景下的条码定位方法
CN115151952A (zh) 一种变电设备高精度识别方法及系统
CN115485740A (zh) 异常晶片图像分类
CN114494161A (zh) 基于图像对比的受电弓异物检测方法、设备及存储介质
CN109948629B (zh) 一种基于sift特征的gis设备x射线图像故障检测方法
CN114943720A (zh) 一种电力图像处理方法及装置
CN114267029A (zh) 一种车道线检测方法、装置、设备及存储介质
CN114581654A (zh) 一种基于互感器状态监测方法及装置
CN112950594B (zh) 产品表面缺陷的检测方法、设备及存储介质
CN117788394A (zh) 电力设备的状态检测方法、装置、设备及存储介质
CN114648736B (zh) 基于目标检测的鲁棒工程车辆识别方法及系统
CN117011216A (zh) 一种缺陷检测方法、装置、电子设备及存储介质

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