[发明专利]基于AdaBoost算法的绝缘子图像识别方法

说明书

技术领域

本发明涉及基于AdaBoost算法的绝缘子图像识别方法，属于图像识别技术领域。

背景技术

目前，关于绝缘子的识别问题，传统的很多方法已经被提出，传统的不同的方法各有利弊：从颜色特征的角度上来说，得到绝缘子的基于形态学算法改进最佳熵阈值分割算法分割S分量图，通过灰度信息复原图像与滤波计算绝缘子和背景区域的形状特征值，并设计分类决策条件；类似地，从重复特征角度上考虑，对有问题的绝缘子检测、在噪声和复杂背景情况下具有稳定性的优点；另外，还有采用投影特点作为识别思路使用侧面投影直接从图像中搜索绝缘子；为了克服负面干扰，用阈值分割的方法；使用基于PCA方法进行倾斜校正，在特征集中选取5个特征，并使用SVM来确定绝缘子的五个特征，但是，该方法局限性较大，容易将杆塔的阴影部分也错误地识别成绝缘子，对拍摄的角度和天气要求比较高。

利用物理辐射的方法检测绝缘子，用紫外线电晕成像法即采用高灵敏度的紫外线辐射接受器，录电晕和表面放电过程中辐射的紫外线，再加以处理分析达到评价设备状况的目的，该方法可以不受地理环境条件的限制。但这种方法对灵敏度的统一要求较高。还有选用应用组合方法分割绝缘子串红外图像，红外热成像技术可将不可见的被测物体的表面温度转换为直观的热图像。应用组合方法分割绝缘子串红外图像。为了解决绝缘子串中单个绝缘子盘面的提取问题，该方法最小二乘法对单个绝缘子盘面的边缘进行了椭圆拟合；此外，还有用自组织映射的方法识别绝缘子的局部放电，其中明显的局部放电用非线性PCA方法提取，同时采用SOM(自组织映射)网络作为检测方法，用250个现场测试到的局部放电的特征向量进行试验验证，该方法识别成本较高，安全性低，对设备的消耗较大，一般来说适用性比较低。

综上所述，上述传统方法都不能有效地提升绝缘子的检测、识别效果。

发明内容

本发明的目的在于提供一种能够克服上述技术问题的基于AdaBoost算法的绝缘子图像识别方法，本发明提出的结合3D建模构造正样本的AdaBoost级联分类器的绝缘子识别方法，选用3D模型制作精确纯净的正样本大大提高了检测、识别效果。

Haar-like特征集合十分庞大，即使每个特征的计算十分高效，利用所有特征进行分类也是不现实的，本发明所以需要采用AdaBoost算法的同时进行特征的选择和分类器的训练。

AdaBoost算法采用了扩大检测窗口的方法在，检测的最初，检测窗口和样本大小一致，然后按照一定的尺度参数进行移动，遍历整个图像，标出可能的目标区域，遍历完以后，按照指定的放大的倍数参数放大检测窗口，然后再进行一次图像遍历；这样不停的放大检测窗口对检测图像进行遍历，直到检测窗口超过原图像的一半以后停止遍历；AdaBoost算法是一种样本权重的迭代更新过程，可以将一组弱分类器自适应地提升为强分类器，为每个训练样本引入一个权重，训练通过迭代过程实现；每次迭代训练一弱分类器，使其在当前的权重分布下错误率最低；每次迭代结束后增大分类错误样本的权重，降低分类正确样本的权重，从而使得下次迭代弱分类器的选择更加重视错误的样本。本发明的具体算法步骤如下：

(1)初始化每个样本的权值，S代表样本空间训练集，x_i表示第i个样本的样本空间，y_i表示第i个样本的类别标识集合，D_t表示第t轮训练后的样本分布，对每一个(x_i,y_i)∈S，令D_t＝(x_i,y_i)＝1/N,i＝1,2,...,N，表示初始的样本分布为均匀分布。

(2)对于第i个样本空间x_i，选择弱分类器，以h表示，h_t表示第t轮训练后产生的弱分类器，即