[发明专利]一种变电站设备巡检图像全景重建方法

权利要求书

1.一种变电站设备巡检图像全景重建方法，其特征在于：所述重建方法首先对采集的变电设备巡检图像进行特征提取，其次对提取出的特征点进行特征匹配，然后将特征空间的参数模型代入对应图像的特征匹配信息对模型进行求解，得到固定的图像空间转换模型，从而将图像通过转换模型转换到待配准图像的空间坐标上，最后处理图像重合部分进行图像融合。

2.如权利要求1所述的变电站设备巡检图像全景重建方法，其特征在于：所述对采集的变电设备巡检图像进行特征提取是采用改进的SURF特征检测算法进行特征提取；所述特征匹配包含根据特征点之间的欧氏距离进行特征匹配查找并利用最近邻和次近邻距离比值进行初步筛选的粗匹配方法，以及通过匹配线段斜率检查、交叉匹配过滤和随机抽样一致RANSAC算法计算小数据集合合理性来删除粗匹配中错误匹配特征对的精匹配方法，并利用RANSAC算法将特征空间的参数模型代入对应图像的特征匹配信息对模型进行求解，得到固定的图像空间转换模型，从而将图像通过转换模型转换到待配准图像的空间坐标上；所述进行图像融合是利用加权求和算法处理图像重合部分进行图像融合。

3.如权利要求1所述的变电站设备巡检图像全景重建方法，其特征在于：

(1)所述对采集的变电设备巡检图像进行特征提取的方法是：

通过改进的SURF特征检测算法的特征提取和描述方式，结合快速投影检测到电力设备特征关键点，SURF算子通过一个特征向量来描述关键点周围区域的情况；

(2)所述对提取出的特征点进行特征匹配的方法是：所述特征匹配包括特征点粗匹配与特征点精匹配；

所述特征点粗匹配是采用改进的SURF算法通过计算两个特征点间的欧式距离来确定匹配度，欧氏距离越短，代表两个特征点的匹配度越好，并加入了黑塞矩阵迹的判断，如果两个特征点的矩阵迹正负号相同，代表这两个特征具有相同方向上的对比度变化；如果不同，直接予以排除；

所述特征点精匹配是采用RANSAC算法去除错点的方法，使用一幅图像将它定义为刚性的，在特征点之间找到单应性变换，使用RANSAC算法找到最佳单应性矩阵；

(3)所述图像融合的方法是：

利用RANSAC算法将特征空间的参数模型代入对应图像的特征匹配信息对模型进行求解，得到固定的图像空间转换模型，从而将图像通过转换模型转换到待配准图像的空间坐标上，然后利用加权求和算法处理图像重合部分进行图像融合。

4.如权利要求3所述的变电站设备巡检图像全景重建方法，其特征在于：所述特征提取的方法还包括：

①构造尺度空间

改进的SURF算法的尺度空间由O组S层组成，不同组间图像的尺寸都是一致的，不同组间使用的盒式滤波器的模板尺寸逐渐增大，同一组不同层图像使用相同尺寸的滤波器，其滤波器的尺度空间因子逐渐增大；

②检测特征点

搜索所有尺度空间上的图像，通过黑塞矩阵来识别潜在的对尺度和确定候选点，为特征提取做准备；

③确定特征点方向

改进的SURF算法将经过黑塞矩阵处理的每个像素点与其图像域和尺度域的所有相邻点进行比较，当其大于或者小于所有相邻点时，该点就是极值点；

初步定位出特征点后，再经过滤除能量比较弱的关键点以及错误定位的关键点，筛选出最终的稳定的特征点；

④构造特征点描述符

改进的SURF算法中提取特征点周围4×4个矩形区域块，取得矩形区域方向沿着特征点的主方向，每个子区域统计25个像素点水平方向和垂直方向的Hear小波特征，这里的水平和垂直方向都是相对主方向而言的，该Hear小波特征为水平方向值之和、垂直方向值之和、水平方向值绝对值之和以及垂直方向绝对之和4个方向。

5.如权利要求4所述的变电站设备巡检图像全景重建方法，其特征在于：所述检测特征点步骤中

对于一个图像I(x,y)，所述黑塞矩阵如下：

式(1)中H为黑塞矩阵，I(x,y)为图像在(x,y)位置的像素幅值，(x,y)为图像中像素的位置坐标，

所述黑塞矩阵的判别式是：