【技术实现步骤摘要】
本专利技术涉及图像分析
,特别是涉及一种基于深度神经元响应模式的绝缘子红外图像特征表达方法。
技术介绍
绝缘子是输电线路中极其重要且大量存在的部件,起到电气绝缘及机械支撑作用;同时又是故障多发元件,需要对其进行周期性的检修。随着热红外技术的进步,利用红外热像仪的手段对绝缘子内部缺陷进行诊断已在实际工作中大量运用。为了能在海量数据中利用智能手段实现绝缘子红外图像的自动识别与诊断,首先必须构建针对绝缘子的有效特征表达。图像的特征表达是图像处理、模式识别和计算机视觉等领域的关键技术,其目的在于从图像的原始像素中提取具有代表性,独特性,具有区分度的表示。在目标检测,目标追踪,图像分割,图像分类等计算机视觉任务中图像的特征表达是最基本前提,特征表达的好坏直接影响了最终的结果。长期以来,如何获取图像更出色的特征表达是学者们研究的重点。为了解决各种计算机视觉任务,一大批基于手工设计的特征被相继提出,从HOG(HistogramofOrientedGradient),LBP(LocalBinaryPattern),到基于局部不变特征点的Sift(Scale-invariantfeaturetransform),SURF(SpeededUpRobustFeatures)及其一系列改良版本如BRISK(BinaryRobustInvariantScalableKeypoints),FREAK(FastRetinaKeypoint)等,进而到中层特征构建如Bag-of-feature,FV(FisherVector)和VLAD(VectorofLocallyAggreg ...
【技术保护点】
一种基于深度神经元响应模式的绝缘子红外图像特征表达方法,其特征在于,所述表达方法包括:步骤一:根据深度网络对输入图像I进行前向传递;步骤二:根据所述深度网络构建深度特征模型,获得深度绝缘子红外特征。
【技术特征摘要】
1.一种基于深度神经元响应模式的绝缘子红外图像特征表达方法,其特征在于,所述表达方法包括:步骤一:根据深度网络对输入图像I进行前向传递;步骤二:根据所述深度网络构建深度特征模型,获得深度绝缘子红外特征。2.根据权利要求1所述的基于深度神经元响应模式的绝缘子红外图像特征表达方法,其特征在于,所述根据深度网络对输入图像I进行前向传递的方法包括:步骤11:对输入的图像提取表征深度特征的各层神经元响应F:F=Φ(I)(1),其中,Φ(·)为基于预训练网络产生的深度网络特征提取函数,F表示输入图像I后前向传递得到的各层神经元响应特征集合;步骤12:基于预训练的深度网络参数,构建深度特征增益层函数f(x)确定初级深度网络:f(x)=c·xc≥1---(2),]]>其中,c为常数,x表示深度网络神经元响应特征集合F中的中间层特征;步骤13:对所述初级深度网络依次进行权值压缩及深度网络剪枝,以得到改进深度网络。3.根据权利要求2所述的基于深度神经元响应模式的绝缘子红外图像特征表达方法,其特征在于,所述权值压缩的方法包括:通过随机丢失的方法对初级深度网络中的深度网络参数进行随机置零,以实现深度网络中权值的压缩。4.根据权利要求2所述的基于深度神经元响应模式的绝缘子红外图像特征表达方法...
【专利技术属性】
技术研发人员:赵振兵,徐国智,范晓晴,
申请(专利权)人:华北电力大学保定,
类型:发明
国别省市:河北;13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。