[发明专利]一种变电站复杂背景红外图像中设备的识别分类方法

摘要

本发明公开了一种变电站复杂背景红外图像中设备的识别分类方法，包括步骤：一、将通过红外图像采集仪采集的变电站设备红外图像导入图像处理器中；二、图像处理器基于Retinex理论对变电站设备红外图像进行图像增强处理；三、图像处理器采用改进的直方图均衡化算法对图像进行图像增强处理；四、图像处理器采用改进的区域生长分割算法对图像进行图像分割处理，并采用形态学的方法对分割得到的图像进行修复和完善；五、对变电站设备红外图像进行特征提取；六、对图像进行特征进行分类识别，并输出分类识别结果。本发明克服了传统直方图均衡化技术存在的对比度的盲目增强和过分增强等缺陷，能精确地识别出变电站复杂背景红外图像中的设备。

主权项

1.一种变电站复杂背景红外图像中设备的识别分类方法，其特征在于，该方法包括以下步骤：步骤一、将通过红外图像采集仪(1)采集的变电站设备红外图像导入图像处理器(2)中；步骤二、图像处理器(2)基于Retinex理论对变电站设备红外图像进行图像增强处理，具体过程为：步骤201、首先，将变电站设备红外图像灰度化，然后，根据Retinex理论将变电站设备红外图像S(x,y)分解为反射物体图像R(x,y)和入射光图像L(x,y)；步骤202、采用取对数的方法将照射光分量和反射光分离，用公式表示为：S′(x,y)＝log(R(x,y))+log(L(x,y))  (A1)步骤203、采用高斯模板对步骤202处理得到的图像S′(x,y)做卷积进行低通滤波，得到低通滤波后的图像D(x,y)，用公式表示为：D(x,y)＝S′(x,y)*F(x,y)  (A2)其中，F(x,y)表示高斯滤波函数；步骤204、在对数域中，用反射物体图像R(x,y)减去低通滤波后的图像D(x,y)，得到高频增强的图像G(x,y)，用公式表示为：G(x,y)＝R(x,y)‑log(D(x,y))  (A3)步骤205、对高频增强的图像G(x,y)取反对数，得到增强后的图像R′(x,y)：R′(x,y)＝exp(G(x,y))  (A4)步骤三、图像处理器(2)采用改进的直方图均衡化算法对经过步骤二处理得到的变电站设备红外图像进行图像增强处理，具体过程为：步骤301、将步骤二处理得到的增强后的图像R′(x,y)表示为灰度直方图；步骤302、首先，确定分段灰度变换的参数x₁、x₂、y₁和y₂，其中，x₁为背景与目标区域的分界点，y₁为背景与目标区域的分界点处的灰度值，x₂为目标区域的代表点，y₂为目标区域的代表点处的灰度值；然后，采用由参数x₁、x₂、y₁和y₂作为系数的分段线性变换函数对步骤301得到的灰度直方图进行分段灰度变换，得到分段灰度变换图；步骤303、得到分段灰度变换图的直方图并统计其灰度级r_k和各灰度级像素数n_k，其中，k为经过步骤302变换后的图像中的第k个灰度级，且k的取值为0,1,2,…，L‑1；L为灰度级的总数；步骤304、根据公式p_k＝n_k/N计算分段灰度变换图的直方图各灰度级像素数的概率p_k，其中，N为灰度图像的像素点总数；步骤305、根据公式计算分段灰度变换图中各灰度级的累计概率s_k；步骤306、对s_k取整得到新的灰度变换图的累计概率S_k＝int{(L‑1)s_k+0.5}；步骤307、将步骤306中的S_k与步骤303中的r_k相对应，建立r_k与S_k的映射关系，绘制累计直方图，并统计在r_k与S_k的映射关系下新灰度变换图中各灰度级像素数的概率p'_k；步骤308、统计新灰度变换图的各灰度级像素数n′_k；步骤309、绘制出新灰度变换图；步骤四、图像处理器(2)采用改进的区域生长分割算法对经过步骤三处理得到的变电站设备红外图像进行图像分割处理，并采用形态学的方法对分割得到的图像进行修复和完善，具体过程为：步骤401、对经过步骤三处理得到的新灰度变换图进行二值化处理，得到二值图像；步骤402、标注步骤401得到的二值图像中的连通分量；步骤403、从步骤402中标注的连通分量中，找出最大的连通分量；步骤404、计算并标记出最大的连通分量的中心；步骤405、以所标记的最大的连通分量的中心为种子点进行8邻域的区域生长，得到区域分割图像；步骤406、对区域内部的大空洞进行区域填充，并对区域内部的小空洞和区域边界的毛刺部分进行膨胀或开运算操作；步骤五、图像处理器(2)调用图像特征提取模块对变电站设备红外图像特征提取，具体过程为：步骤501、图像处理器(2)将经过步骤四处理得到的变电站设备二值图像与步骤一中获取的原始的变电站设备红外图像进行点乘，提取出原始的变电站设备红外图像中的设备区域；步骤502、图像处理器(2)对经过步骤501处理后提取出的原始的变电站设备红外图像中的设备区域进行三阶颜色矩提取；步骤503、图像处理器(2)对经过步骤四处理得到的变电站设备二值图像进行不变矩提取；步骤504、图像处理器(2)将步骤502中提取到的三阶颜色矩和步骤503中提取到的不变矩合并，作为变电站设备红外图像的特征向量；步骤六、图像处理器(2)调用支持向量机分类模块对经过步骤五提取到的变电站设备红外图像特征进行分类识别，并输出分类识别结果；具体过程为：步骤601、数据尺度归一化；步骤602、将经过步骤601处理后的数据输入预先训练好的支持向量机模型中，得到分类结果；其中，预先训练支持向量机模型时，选择径向基函数RBF作为核函数，通过网络搜索法得到最优的RBF核自身的参数γ以及错误代价系数C，进而得到支持向量机模型。