[发明专利]一种基于红外成像技术的电力设备识别方法

权利要求书

1.一种基于红外成像技术的电力设备识别方法，其特征在于，所述方法按照图像清晰化、边缘提取、特征提取、目标识别的过程对电力设备进行检测识别，其中，图像清晰化用于获得高质量的红外图像，边缘提取用于通过边缘检测提取图像边缘，特征提取用于提取边缘图像特征，目标识别用于将所有正负样本的特征进行SVM训练得到训练模型，然后利用训练模型实现红外图像中的电力设备识别。

2.根据权利要求1所述的基于红外成像技术的电力设备识别方法，其特征在于，所述图像清晰化进一步包括：

a.图像归一化，将电力设备红外图像的灰度值归一化到[0,1]，消除图像灰度的偏差；

b.小波去噪，利用小波变换消除灰度值归一化后的图像的噪声，提高目标特性；

c.形态学滤波，若经过a、b步骤的处理后，图像的噪声仍然大于最大允许噪声，则利用图像形态学处理进行背景滤波，进一步消除锐化噪声点和独立噪声点。

3.根据权利要求1所述的基于红外成像技术的电力设备识别方法，其特征在于，边缘提取进一步包括：利用Canny算子，获取图像的显著性边缘轮廓。

4.根据权利要求1所述的基于红外成像技术的电力设备识别方法，其特征在于，特征提取进一步包括：利用五种不同的检测窗口在边缘图像中滑动，并提取指定检测窗口的边缘方向直方图特征作为检测窗口的特征。

5.根据权利要求4所述的基于红外成像技术的电力设备识别方法，其特征在于，窗口滑动过程中，利用面积相同，长宽不同的五种窗口进行滑动。

6.根据权利要求1所述的基于红外成像技术的电力设备识别方法，其特征在于，目标识别进一步包括：将所有正负样本的显著性边缘EOH特征投入SVM分类器进行训练，得到SVM训练模型；再利用SVM训练模型对红外图像检测窗口的EOH特征进行分类，实现电力设备在红外图像中的识别。

7.根据权利要求6所述的基于红外成像技术的电力设备识别方法，其特征在于，将图像EOH特征用于SVM分类器，选取线性内积作为SVM分类器的核函数，训练时利用自适应修改学习率和动量批梯度下降算法来提高训练速度，得到设计的SVM分类器的结构。