[发明专利]一种基于模板匹配的海量电力缺陷照片快速筛选方法

说明书

本发明公开了一种基于模板匹配的海量电力缺陷照片快速筛选方法，通过对传统的归一化互相关算法进行改进，降低计算的复杂度，减少运算过程中的计算量；利用小波金字塔分层匹配的思想，分辨率由低到高，匹配由粗到细，提高图像匹配效率，改善匹配精度；实现缺陷图像的快速、准确匹配筛选，为智能缺陷识别提供重要的数据基础。

技术领域

本发明涉及图像处理技术领域，尤其是指一种基于模板匹配的海量电力缺陷照片快速筛选方法。

背景技术

近年来，无人机技术的快速发展，高分辨率可见光照相机(摄像机)、高精度红外热像仪、激光雷达等检测装备丰富了输电线路巡视手段，利用无人机遥感技术进行输电线路的巡检能有效提高电力巡检的工作效率，减少人工巡检工作量，降低输电线路运维成本和压力。基于无人机的电力巡检获得的丰富输电线路设备数据进行系统分析和管理，能为电网防灾、管理和维护提供更多的数据支持。电网企业全面推行机巡作业模式，以南方电网公司为例，早于2004年即开展输电线路直升机巡检业务，2013年开始整体推进输电线路机巡工作，目标2020年底实现“机巡为主、人巡为辅”的输电线路精益化运维。

随着机巡业务的不断推进，输电线路机巡巡检数据处理与分析应用必将进入“大数据”时代。传统的机巡数据处理模式需要大量人工干预，缺陷识别主要依靠目视判读，手动以画图工具等标识缺陷位置，数据处理周期长，工作量大，据不完全统计，存在缺陷照片不到全部巡检照片的2％。同时，人工长时间作业易导致判断结果准确度下降，结果存在主观性、模糊性、不完全等问题，不利于及时发现设备缺陷，制约了数据的高效利用。

当前，机巡数据的处理正处于与人工智能、深度学习等新技术结合，迈向自动化、智能化的阶段。数据是人工智能的基础和血液。目前，电网企业累积的缺陷数据，基本全部是人工判读，用画图工具等框出缺陷位置的照片，这些照片由于存在标识框无法直接用于人工智能学习，需从原始的海量巡检数据中，找出未处理过的缺陷照片，为缺陷智能识别提供数据满足要求的数据基础。

目前常用的基于灰度的图像匹配算法包括：ABS算法(Absolute BalanceSearch)，序贯相似性检测算法(Similarity Sequential Detection Algorithm，SSDA)和归一化互相关算法(Normalized Cross Correlation，NCC)。

ABS算法是最早被提出来的匹配算法，是用模板图像与搜索图像上对应点像素灰度值的差值表示相关性。其计算过程可以描述为：设搜索图像为S，大小为M×N，模板图像为T，大小为m×n，则搜索图像中存在(M-m+1)×(N-n+1)个匹配点，而每个匹配点都会与一个m×n的搜索窗口对应。所以匹配的过程即为模板图像按照某一特定的顺序在搜索图像窗口上滑动，每滑动一次就进行一次计算，根据相关值判断当前搜索窗口是否与模板图像匹配。如果其差值小于预先设定的阈值，视为匹配成功，否则匹配失败。ABS值一般有三种计算方法，平均绝对差(MAD)法、绝对误差总和(SAD)法、平方差总和(SSD)法。

ABS算法虽然计算量较小，但只考虑像素值的距离，若待匹配图像的亮度变化较大则会对匹配结果造成较大影响。而且不同的图像及模板，都对应不同大小的搜索窗口和背景灰度值，所选取的阈值也不同，因此预先设定的阈值不能适合所有情况，最终造成误匹配率高。

序列相似性检测算法(SSDA)是针对传统模板匹配算法提出的一种高效的图像匹配算法。其基本原理如下：

模板图像T在搜索图像S上按每个像素点滑动并计算相关值，其相关值最大的位置即对应匹配最佳的位置。在这个过程中，SSDA算法仅计算部分匹配相关值，而没有计算全部像素灰度绝对值，因此减少了计算量，提高了运算速度。具体算法即先初步搜索，再精搜索，搜索的范围一步步减小。

SSDA算法的步骤：