[发明专利]一种基于绝缘子图像特征词典的污秽状态评估方法

权利要求书

1.一种基于绝缘子图像特征词典的污秽状态评估方法，其特征在于，该方法包括以下步骤：

1)获取不同类型的样本绝缘子可见光图像，对样本绝缘子可见光图像利用Hog算法提取不同类型的样本绝缘子的九维特征向量；

2)采用聚类算法对提取的九维特征向量进行聚类，获取每类样本绝缘子的特征中心，并将聚类的最小值到最大值范围作为特征参数范围，建立绝缘子图像特征词典；

3)对拍摄到的复杂背景下的绝缘子图利用区域生长点算法进行分割，并进行特征提取，将提取的特征与绝缘子图像特征词典进行比对，判断其是否属于绝缘子图像特征词典内的分类，若是，将其视为一个种子生产区域，并作为被识别绝缘子区域；

4)对被识别绝缘子区域提取Hog描述子特征，选择Hog描述子特征中最大的三维特征向量作为组成污秽特征向量，作为分类器训练特征参数；

5)对每类绝缘子进行污秽程度分级，利用SVM分类器对训练样本特征参数进行训练，对识别的污秽程度进行分类评估；

步骤1)具体包括以下步骤：

101)采集各类样本绝缘子在不同颜色背景、不同光照、不同角度、不同污秽程度拍摄的照片各100张图像；

102)对每类绝缘子的100张图像利用Hog算法进行特征提取，获取九维梯度算子；

103)将每张图像划分为多个单元，在每个单元内统计梯度方向直方图，将所有梯度方向划分为九个bin，即得到九维特征向量，将九维特征向量作为直方图的横轴，并将角度范围所对应的梯度值累加值作为直方图的纵轴；

步骤2)具体包括以下步骤：

201)采用k-means聚类算法对步骤1)获取的九维特征向量进行聚类分析，将聚类中心的特征向量作为一个释义，统计聚类中心周围同一类的范围，获取每类绝缘子的词包范围；

202)对所有类别绝缘子的词包范围进行统计，获取每种绝缘子的特征的最大值和最小值范围[s_(pq)min，s_(pq)max]，其表示第p种绝缘子第q维特征的分布范围，其中，p＝1，2，3…为第p种绝缘子，q＝1，2，3，…，9为第q维特征向量，以此构建绝缘子图像特征词典。

2.根据权利要求1所述的一种基于绝缘子图像特征词典的污秽状态评估方法，其特征在于，步骤3)的具体内容为：

301)对拍摄到的复杂背景下的绝缘子图利用区域生长点算法进行分割，对分割划分为多个单元，将两个相邻单元作为一个组，且相邻组不重叠；

302)对每个组进行特征提取，将提取到的特征向量与绝缘子图像特征词典中的词包范围进行比对，若该特征向量在词包范围内，则将该特征向量作为一个种子生长区域，其对应的绝缘子判定为绝缘子图像特征词典中的某一类，其词包范围内的区域满足生长准则；

303)选取种子生长区域的中心作为种子声场点，对于中心的某个邻域像素点，若中心满足生长准则，则将中心与该邻域像素点合并在同一区域内，同时将该邻域像素点压入堆栈；

304)从堆栈中取出一个像素，把它当作种子生长区域的中心返回到步骤303)；

305)当堆栈为空时，返回到步骤303)；

306)重复步骤303)～305)，直到图像中的每个点都有归属，满足生长准则的点被挑出，堆栈为空，扩大停止，构成被识别绝缘子连通域生长结束，该种子生产区域作为被识别绝缘子区域。

3.根据权利要求2所述的一种基于绝缘子图像特征词典的污秽状态评估方法，其特征在于，步骤4)中，采用Fisher准则的函数值选取Hog描述子特征中最大的三维特征向量，具体内容为：

对Hog描述子特征计算Fisher准则的函数值，选择Fisher准则的函数值最大的前三维向量组成污秽识别向量组，组成训练样本特征参数。