[发明专利]基于缺少断开图像样本的变电站开关分合状态图像识别方法

说明书

一种基于缺少断开图像样本的变电站开关分合状态图像识别方法，通过对源图像显著区域进行检测，将显著区域和非显著区域分离，采用NSST算法完成可见光图像与红外图像的融合；采用改进SURF算法对融合图像进行目标特征量提取，准确定位开关图像区域；采用基于混沌布谷鸟算法的多阈值图像分割方法对图像进行处理，将目标图像和背景图像进行分离；基于霍夫变换得出图像中开关臂和两个触点所在直线的斜率，并计算出两者的角度差，由此判断开关分合状态。本发明能充分融合红外图像和可见光图像的有效信息，通过开关臂与开关触点所在直线角度差实现开关状态的准确识别，能在缺少断开样本图像以及能见度不高的情况下实现变电站开关状态远程在线监测。

技术领域

本发明涉及电力设备的监测领域，具体是一种基于缺少断开图像样本的变电站开关分合状态图像识别方法。

背景技术

随着变电站智能化的推进，电力设备的远程监视与控制成为了现实，图像监控系统的建设，实现了各种重要监测信息的“遥视”。此外，图像识别关键技术的发展和应用给变电站相关设备状态信息实时监测提供了有力技术支撑。

传统的变电站开关远程识别是基于分、合两种不同状态的图像样本，根据现场拍摄的图像进行特征匹配来对开关状态进行判别。如果与分状态图像样本匹配度最高则判定开关状态为断开；如果与合状态图像样本匹配度最高则判定开关状态为闭合。但是，对于某些常闭开关，其一般情况下是闭合，只有在检修时断开，因此缺少断开状态样本，只能判定闭合状态，在光线不充足或者阴雨天气的情况下所拍摄的图片与样本图像匹配度不高，极易发生误判，造成不必要的人力和物力的投入。

本申请的发明人在实现本发明的过程中经过研究发现：可见光图像分辨率和对比度比较高，但在夜间及恶劣天气等弱光条件下成像困难，红外图像则可以进行全天时的探测，能捕捉到可见光图像无法反映的物体情况。由于红外图像的分辨率低，达不到亚像素级别的分辨率。针对可见光图像和红外图像各自的优点与缺陷，图像融合技术的出现恰好能对两种源图像的细节信息和特征进行有效地提取，同时在融合过程中不会引入新的噪声，从而获得对场景更为精确的理解和解释。

图像特征提取与匹配对于图像识别的准确性起着尤为重要的作用，通过提取图像中区别于环境的特征点来达到对目标区域的定位。兼具高效性和高鲁棒性的特征点检测算法的出现，能够有效地解决图像在旋转、缩放以及图像环境在光线、角度和噪声干扰情况下的特征量提取问题，特别地，在目标图像位置和形状发生改变时仍能准确地进行特征匹配。

图像分割也是图像处理的关键步骤之一，能够将图像的灰度级按照一个或者多个阈值分成几个部分，使得目标图像与背景图像分离开来，通过对感兴趣的目标图像部分进行定位和提取，极大地提高了图像识别的速度以及准确度。

霍夫变换是处理图像识别的高效算法，它能把边缘像素连接起来，形成一个封闭边界的区域。在图像经过一系列预处理之后，可根据监测设备区域形状，通过边界阈值形成边界曲线，便于进行定量计算从而实现对目标检测设备的状态进行准确而有效的识别。

发明内容

本发明的目的在于提供一种基于缺少断开图像样本的变电站开关图像识别方法，采用可见光和红外光双摄像模式，分别得到开关可见光图像和红外图像，根据两者的特点以及互补特性，采用非下采样剪切波变换(Non-Subsampled Shearing Transform，NSST)的图像融合算法对处理得到的可见光图像和红外图像进行融合，生成含有两种开关源图像丰富细节信息和特征量的融合图像，采用改进SURF(Speeded Up Robust Features)算法对融合图像进行目标特征量提取，不会受拍摄角度以及开关位置形状的影响，准确地定位开关图像，并采用基于混沌布谷鸟算法(Chaotic Cuckoo Search Algorithm，CCS)的多阈值图像分割技术进行处理，最后通过霍夫变换得到开关臂和两个触点所在直线的斜率，根据两者的角度差来达到对开关状态进行判别的目的，并且对开关分合状态样本依赖性不高，可以仅依据开关单一状态图像样本来判别开关状态。

为实现上述目的，本发明采用如下技术方案：