[发明专利]基于电力巡线红外巡检视频数据的电力设备异常发热检测方法

说明书

技术领域

本发明属于应用于电力巡线的红外视频图像处理技术领域，具体是指基于电力巡线红外巡检视频数据的电力设备异常发热检测方法。

背景技术

自动化的电力设备目标探测技术是电力巡线红外视频异常发热诊断过程中的关键技术。这在许多有关基于红外影像进行故障诊断的技术文档和研究论文中都有论述，Huangqiang.Research on HV-Power Equipment Diagnosis by Infrared Image Edge Detection，Power and Energy Engineering Conference，[c]，2009，.APPEEC2009.Asia-Pacific.APPEEC2009.Asia-Pacific；Mohd Shawal Jadin.Recent progress in diagnosing the reliability of electrical equipmentby using infrared thermography[J]Infrared Physics&Technology，2012Vol.55No.4.张越，基于红外热像技术的电力设备故障在线监测与诊断，2012，大连理工大学。

基于红外视频进行目标探测的方法主要分为两种。即：运用神经网络和运用图像处理的方法。大多数专家学者都把研究重点放在运用图像处理的方法进行运动目标榆测和跟踪，现有的比较有效的图像运动目标检测的主要是光流法和差分图像法。一般来说，光流法的时问开销很大，其实时性和实用性较差。相反，图像差分法比较简单，易于实时，因而成为目前应用最广泛、最成功的运动目标检测方法。图像差分法可分为两类：背景图像差分法和帧间差分法。由于帧间查分的方法简单、易于实现，且行之有效。因此，是一种红外视频目标探测的有效方法。

相关文献：林佳乙等.基于背景差分法和帧间差分法的视频运动检测，仪器仪表学报，2008Vol.29No.3.许静等，基于帧间差分和光流法的红外图像运动检测，计算机仿真，2012Vol.29No.6。

但是，帧间差分进行目标探测具有如下缺点：1.不适用与目标和背景都不动而探测器运动的情况，不能提取对象的完整区域。2.同时依赖于选择的帧间时间间隔。对快速运动的物体，需要选择较小的时间间隔，如果选择不合适，当物体在前后两帧中没有重叠时，会被检测为两个分开的物体；而对慢速运动的物体，应该选择较大的时问差，如果时间选择不适当，当物体在前后两帧中几乎完全重叠时，则检测不到物体。

因而，提出了一种基于图像拼接的帧间差分方法，考虑到在图像拼接的过程中，建立了统一的物方坐标系，因此，相邻两帧的背景信息（如树木）通过拼接后重合在了一起，而电力设备信息由于离物方较远所以并未完全重合。基于此，在拼接的基础上进行帧间差分，从拼接后的重叠区域中，用后一帧数据减去前一帧数据。并且由于采集到的红外视频数据，相邻两帧之间有较大的重叠区域，重叠区域面积和无人机飞行速率以及视频的采样频率相关，不过一般在70%～97%左右。这为图像拼接奠定了良好的基础。

但是，由于由于差分后的影像中电力设备具有不连续、噪声多等特征，传统的图像处理方式，如经典的Canny算子会受阈值参数影像，采用Hough变换检测出来的直线也受边缘检测性能的影响。因此，有关学者提出了一种基于输电线主方向来提取输电线的方法。从傅里叶频谱角度来看，对一个具有方向性的规则纹理而言，它在傅里叶频域的能量聚集在过原点的直线上。对帧间差分后的图像做实验，对其进行二维的傅里叶变换得到图像对应的功率谱矩阵。并将每个矩阵元素所对应的能量转换到其对应的极坐标上，将相同角度的极坐标所对应的能量进行叠加，得到一个角度-能量直方图，其中，能量所对应的最大值即为求得的主方向。

参考文献：张道兵等，一种稳健的道路主方向提取算法，光子学报，2007Vol.36No.6。张红英等，利用图像边缘信息估算图像纹理主方向，西南科技大学学报，2007Vol.22No.2.

为最终识别在图像中的目标，需要使用相应的目标识别算法对其进行识别，常用的目标识别算法有两种包括：一种是自下而上的数据驱动（data-driven）算法；另一种是自上而下的模型驱动算法（model-driven）算法。由于输电线本身具有相互平行且连续不间断的特性，利用主方向所给出的先验知识，可以采用模型驱动的方法，得到连续的完整的电力设备目标。