[发明专利]一种用于无人机电力巡检的异构图像融合检测方法

权利要求书

1.一种用于无人机电力巡检的异构图像融合检测方法，其特征在于：包括如下步骤：

(1)、在电力巡检的无人机上，安装用于采集可见光图像的光学成像相机和用于采集热红外图像的热红外成像相机，在无人机飞行过程中采集不同角度的可见光图像和热红外图像；

(2)、从可见光图像和热红外图像中提取电力巡检异常特征并构建各种故障类型的特征知识库；

(3)、从无人机飞行过程中采集到的可见光图像和热红外图像中，提取故障目标，结合特征知识库，分别构造基本信度分配函数；

所述步骤(3)中分别构造基本信度分配函数是指：

对于可将光图像中的故障，提取故障目标的Hu不变矩，令R＝[m₁,m₂,…,m_m]为知识库的故障hu不变矩，X[k]＝[x₁[k],x₂[k]…x_m[k]]为各角度的故障hu不变矩，通过求取不同视角下各故障的Hu不变矩和知识库对应故障的不变矩之间的特征距离来衡量该视角下所获取可见光图像证据的可信度；可见光特征距离函数表示为：

d_o[k]＝||X[k]-R||；

对于热红外图像，令T[k]为环境亮度对应的温度值，T₁[k]为各角度的故障目标亮度对应的温度值，通过求取不同视角下各故障目标的亮度特征值与环境亮度特征值之间的距离来衡量该视角下所获取热红外图像证据的可信度；热红外特征距离函数可表示为：

d_t[k]＝||T₁[k]-T[k]||；

两者的故障基本信任分配函数构造如下式所示：

其中，λ₁[k]，λ₂[k]为修正系数，ω[k]，ν[k]为互不相关的高斯白噪声；

(4)、将获取到的针对同一故障目标的异构图像证据进行融合，不同角度的异构图像证据进行融合，并用综合可信度设定融合权重。

2.根据权利要求1所述的一种用于无人机电力巡检的异构图像融合检测方法，其特征在于：所述步骤(2)中电力巡检异常特征是指：线缆破损、绝缘子故障、套管破裂、杆塔坍塌、悬挂异物故障、鸟害故障；

所述构建各种故障类型的特征知识库是指：对于可见光图像，选用图像中分割出的故障目标的Hu不变矩特征；对于热红外图像，选用故障目标的亮度特征对应的温度值，分别构建可见光和热红外图像各自的故障特征知识库。

3.根据权利要求1所述的一种用于无人机电力巡检的异构图像融合检测方法，其特征在于：所述步骤(4)中的证据进行融合具体方式是指：设辨识框架Θ，ε₁[k]的mass函数融合规则为：

其中，

用以下公式来计算，

其中:

4.根据权利要求1所述的一种用于无人机电力巡检的异构图像融合检测方法，其特征在于：所述步骤(4)中用综合可信度设定融合权重是指：

证据融合过程中证据的可信度不仅跟证据自身的可信度有关，也跟其他证据对该证据的支持度有关，且用建模过程中的特征距离和证据距离表征；

令CrdI(m_i)表示证据m_i自身的可信度，如下式所示：

令w_i表示其他证据对该证据的支持度，如下式所示：

w_i反应了该证据被其它证据支持的程度，即若某个证据与其它证据间的距离小，则认为它们之间的相互支持度也高；则令m_i的相对置信度为：

证据自身的置信度与相对置信度同等重要，且定义综合置信度为：

Crd(m_i)＝(CrdI(m_i)+CrdO(m_i))/2

其中：

将α和β的参数定义为：

{α[k],β[k]}＝{Crd_i,Crd_j}

在异构图像融合的过程中，已更新的证据类型以

ε_Θ[k+1]＝(ε_O[k+1]ε_O[k])(ε_T[k+1]ε_T[k])

的顺序排列；

根据特征距离和证据距离计算出考虑不同类型证据逻辑重要性和可靠性更新权重。