[发明专利]基于生成式对抗网络的电力图像数据增广方法

说明书

本发明公开了一种基于生成式对抗网络的电力图像数据增广方法，包括以下步骤：获取电力系统巡检时的原始图像；对原始图像进行图像处理，消除原始图像中噪声等的干扰和影响，得到高质量的目标图像；对目标图像进行特征增强，提取图像特征；通过生成式对抗网络方法进行目标图像与背景图像的博弈合成，生成新的图像数据。上述方案通过生成式对抗网络方法对电力图像进行数据增广，针对合成的图像，无需进行图像标注，节省了人力与物力成本，同时合成方法科学合理，增广结果质量高、效率快，方案可行性强。

技术领域

本发明涉及图像处理技术领域，具体设计一种基于生成式对抗网络的电力图像数据增广方法。

背景技术

电网作为民生与国防建设的重要基础设施，在电能的传输、配送等方面起到决定性的作用。近年来，随着我国电网规模的不断扩大，输电线路及变电站所覆盖的区域面积也越来越大，因此，保证电网安全运行显得尤为重要。直升机、无人机和智能机器人凭借其户外作业效率高、作业风险低以及作业灵活的特点，在电力巡检上的应用逐渐普及，为电力系统带来了大量的巡检图像和视频数据，相较于传统的巡检方法有效地保障了电网的安全。但是受目前的智能化水平限制，一线工作人员对收集的数据只能进行人工分析和识别，才能得到最终的巡检报告，这种处理方法效率低下且人力成本较高，己经无法满足实际的需要。

随着人工智能技术的发展与推进，利用深度学习的图像识别方法在电力故障诊断中的研究正如火如荼地进行。与传统机器学习不同的是，深度学习需要海量的正样本来进行训练，供机器学习到足够的特征来实现“举一反三”，从而防止数据集量过小容易出现过拟合的现象。而由于直升机、无人机和智能机器人推广应用的时间并不长，部分故障类型(如防鸟设施损坏、绝缘子污秽等)的图像数据采集量小，无法满足深度学习的需求。

发明内容

本发明的目的是提供一种基于生成式对抗网络的电力图像数据增广方法，对电力图像数据进行海量增广，生成的图像质量高、效率快，以满足深度学习的需要。

为实现上述目的，本发明采用的技术方案是：一种基于生成式对抗网络的电力图像数据增广方法，包括以下步骤：

S1：获取电力系统巡检时的原始图像；

S2：对原始图像进行图像处理，消除原始图像中噪声等的干扰和影响，得到高质量的目标图像；

S3：对目标图像进行特征增强，提取图像特征；

S4：通过生成式对抗网络方法进行目标图像与背景图像的博弈合成，生成新的图像数据。

进一步的，所述原始图像的获取包括由固定摄像头、无人机、直升机或智能机器人采集的图像。

进一步的，所述S2中的图像处理包括图像去噪、去雾、特征提取和图像裁剪。

进一步的，所述图像去噪包括高斯滤波和中值滤波，

所述高斯滤波通过对图像数据进行加权平均，消除图像数据中的高斯噪声，包括：

用一个模板扫描图像中的每一个像素；

用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值；

所述中值滤波包括：

把图像数据中一点的值用该点的一个邻域中各点值的中值代替；

使周围的像素值接近的真实值，消除孤立的脉冲噪声。

进一步的，所述去雾包括直方图均衡和同态滤波：

直方图均衡通过直方图对图像的对比度进行调整，增加图像的全局对比度；

同态滤波法对图像进行转换，去除乘性噪声，增加图像对比度以及标准化亮度。

进一步的，所述的特征提取包括：