[发明专利]红外图像中绝缘子的识别方法、装置及可读存储介质

权利要求书

1.一种红外图像中绝缘子的识别方法，其特征在于，所述方法包括以下步骤：

步骤S100、获取绝缘子的样本图像数据集，所述绝缘子的样本图像数据集包括多张样本图像；其中，所述样本图像包括正样本图像和负样本图像，所述样本图像根据对绝缘子的红外图像预处理得到；

步骤S200、构建弱分类器，根据所述样本图像数据集对构建好的弱分类器进行训练，得到改进的级联分类器模型；

步骤S300、接收待检测的绝缘子红外图像，通过改进的级联分类器模型预测出所述待检测的绝缘子红外图像中的绝缘子区域。

2.根据权利要求1所述的一种红外图像中绝缘子的识别方法，其特征在于，所述步骤S100包括：

步骤S110、获取变电站的红外图像，所述红外图像包含有绝缘子；

步骤S120、将红外图像的像素进行统一，并对统一像素后的红外图像进行灰度化处理，转换成灰度直方图；

步骤S130、对灰度直方图进行均衡化处理，得到最终的样本图像；

步骤S140、使用积分图方法确定样本图像的特征值，根据各个样本图像的特征值构建样本图像数据集。

3.根据权利要求2所述的一种红外图像中绝缘子的识别方法，其特征在于，所述步骤S200包括：

步骤S210、确定弱分类器；所述弱分类器采用级联Gentle Adaboost分类器；

步骤S220、确定弱分类器中各级分类器的最小分类误差率，并根据每级级分类器的分类误差率寻找该弱分类器的最小化阈值因子；

步骤S230、从所有弱分类器的最小分类误差率中找到最小分类误差率，根据最小的分类误差对输入弱分类器进行训练的样本图像的权值进行更新，输出强分类器；

步骤S240、设定每一级强分类器的最小击中率和最大虚警率，对级联的强分类器进行训练，当每一级强分类器的击中率达到最小击中率、且虚警率低于最大虚警率时，得到改进的级联分类器模型。

4.根据权利要求3所述的一种红外图像中绝缘子的识别方法，其特征在于，所述弱分类器用下式定义：

式中：f(x_i)为样本图像中待检测区域x_i的特征计算函数；θ为弱分类器设定的最小化阈值因子；分类值α₁和α₂的绝对值在[0,1]之间，分类值α₁和α₂的绝对值大小与弱分类器的可信度成正比。

5.根据权利要求4所述的一种红外图像中绝缘子的识别方法，其特征在于，所述步骤S220包括：

步骤S221、令j＝1,2,3,...,p，其中p为特征总数；

步骤S222、计算样本图像数据集中所有绝缘子样本的权重之和T⁺及所有非绝缘子样本的权重之和T^-；

步骤S223、计算样本i前所有正样本图像的权重之和以及所有负样本图像的权重之和其中i为正样本图像对应的样本序号；j为负样本图像对应的特征序号；

步骤S224、根据以下公式计算得到最小分类误差率，同时记录该弱分类器对应的最小化阈值因子θ；