复杂条件下的配电房异常状态图像识别方法技术

本发明专利技术公开了一种复杂条件下的配电房异常状态图像识别方法。本发明专利技术引入了区域特征消噪，根据配电房装置特征和配电房监测系统图像拍色角度特征，利用二值图像连通区域特征，将面积小，离心率小的区域进行去除，实现噪声消除，提高前景图像提取质量。本发明专利技术通过配电房二值图像模板与检测提取的图像进行矩阵运算识别配电房异常，运算效率高，识别速度快，同时引入了图像移位校准，提升图像识别准确性。

【技术实现步骤摘要】
复杂条件下的配电房异常状态图像识别方法
本专利技术涉及电力系统图像识别
，具体是一种复杂条件下的配电房异常状态图像识别方法。
技术介绍
近年，随着城市化进程的加快，电力配网的发展，配网技术获得了快速增长，满足了城市工业和居民不断增长的用电需求。但配网站所巡检耗费大量的人力和时间，不能及时的发现配电房异常状态，影响了用电安全。配电房视频监测等自动化图像系统的提出已有时日，也获得了较为广泛的应用，但多数系统仍采用后台人工的方式对视频监测系统采集的配电房图像进行间隔巡查，以发现配电房异常，但大量的图像耗费较多的人力和时间，不能快速及时的发现隐患。部分配电房视频监测系统具备一定的图像识别能力，可在配电房装置和背景对比度较明显的情况下较好的发现异常，但在复杂条件下，识别效果较差、识别率低，不能够较好的发现异常。常规的的图像识别对复杂的环境背景处理噪声消除能力较弱，不能较好的去除干扰，导致配电房状态图像识别不准确和误报。基于此，本专利技术提出一种复杂条件下的配电房异常状态图像识别方法，通过不断试验总结出了适合在复杂条件下配电房异常状态图像识别的方法，包括图像预处理、图像分割和图像识别所采用的算法组合和参数，解决上述技术难题，有效提升配电房视频监测的识别率和准确度。
技术实现思路
本专利技术要解决的技术问题是：提出一种复杂条件下的配电房异常状态图像识别方法，它能有效准确的对复杂条件下的配电房异常状态进行图像识别，以克服现有技术的不足。本专利技术是这样实现的：复杂条件下的配电房异常状态图像识别方法，包括以下步骤：1)步骤001)图像输入：输入通过视频监测系统采集的配电房数字化图像；步骤100)图像预处理：对采集输入的配电房图像进行色彩空间变化、灰值化图像增强和滤波消噪，提升图像灰度级和图像对比度；采用的基于模糊数学模型的增强算法，能够实现在抑制高灰度区背景噪声的同时增强低灰度区的前景区域，针对复杂环境下的配电房图像增强效果较好。步骤200)图像分割：通过边缘检测技术对经过预处理的配电房图像进行前景提取，前景提取的步骤包括：步骤210)边缘检测：采用Ratio算子对配电房图像进行边缘检测，生成二值化图像，完成配电房前景提取；步骤220)数学形态增强：根据配电房特征构建结构元素，进行先膨胀后腐蚀的闭运算，对边缘检测提取的二值图像进行细化，滤除复杂条件下图像分割引入的细小干扰噪声，增强图像；步骤230)区域特征消噪：采用了区域标记法将图像中的连通区域进行分割，然后遍历所有区域，计算区域像素面积，区域像素面积小于设定阀值的则判定为噪声区域，将该噪声区域消除；同时，使用区域椭圆模型来对二值图像的方向性和形状特征进行识别，当连通区域的离心率小于阀值则消除；否则保留相应的区域，直至图像遍历完毕，获得分割后提取的前景图像；步骤200)采用二次图像增强，包括图像灰度级图像增强和边缘检测结果图像增强，充分提高每阶段图像处理的最佳图像输入，提高图像识别效果。步骤300)图像识别：对完成分割后提取的前景图像进行图像运算，通过与模板图像(对于摄像设备一般都支持定位拍摄，模板图像是指正常状态下的配电房图像，这是差异分析的基本步骤)对比，识别出配电房异常，其具体步骤如下：首先输入经过边缘检测和图像过滤、消噪后获得的前景二值图像，与配电房的模板二值图像进行匹配，对齐两幅图像的像素位置，对于存在偏差的通过像素位移对齐，提高图像二值矩阵运算结果的准确率；然后，将配电房监视图像和模板图像进行二值矩阵与或运算，当运算结果完整图像区域像素面积大于阀值，则判断配电房状态异常；当识别存在异常后，需要对异常位置进行定位并对异常进行区域显式标记，首先将上步与或运算结果生成的二值图像进行通过区域生长算法完成区域分析，当区域像素面积增长很小或停止增长是标记该区域，该区域即配电房异常状态区域，定位完成后，在区域边界生成边界像素对异常进行显式标记；在步骤300)创新引入了区域特征消噪，根据配网电力线路特征和配网线路监测系统图像拍色角度特征，利用二值图像连通区域特征，将面积小，离心率小的区域进行去除，实现噪声消除，提高前景图像提取质量。步骤400)结果输出：对识别结果为异常的配电房图像中的异常位置进行定位并以显式方式标记并输出。所述的步骤100)的具体处理过程如下：步骤110)所述的色彩空间变换是：将配电房彩色图片RGB颜色空间中三个颜色分量分散在三个通道上，并根据色值映射关系分别变换为灰度二维空间的灰度值，最终生成配电房灰度级图像；步骤120)所述的灰值化图像增强是：对比直方图均衡化增强算法，采用了基于模糊数学模型的增强算法(所述的增强算法在图像处理领域一般表达为图像模糊增强算法，此处即为这种表达)对步骤110)获得的配电房数字灰度图像增强,改进了隶属度函数,使其满足在过渡点处隶属度为0.5，并使用自适应阀值分割算法(Otsu)选择过波点，获得增强的配电房图；步骤130)所述的滤波消噪是：采用了二维中值滤波算法，对步骤120)中获得的增强的配电房图像进行高效的中值滤波，消除图像噪声，完成对图像的预处理。现有常规配电房视频监测图像识别采用直方图均衡化算法增强图像，以及增强的双子图分割的直方图均衡化算法，但该类方法对配电房容易引入和放大背景噪声，对低灰度区域增强偏弱。本专利技术采用的基于模糊数学模型的增强算法，够实现在抑制高灰度区背景噪声的同时增强低灰度区的前景区域，针对复杂条件下的配电房图像增强效果较好。多数配电房视频监测图像识别采用中值滤波方法进行图像滤波，但中值滤波计算量和内存消耗大，本专利技术采用快速二维中值滤波算法，对增强的配电房图像进行高效的中值滤波，具备计算快、内存占用少等优点。大部分常规配电房视频监测图像识别采用Candy算子和Prewitt算子进行图像边缘检测，在简单背景图像中有较好的检测效果，受其噪声抑制能力的限制，对复杂背景下配电房的检测效果较弱。本专利技术采用具备较强的抗干扰能力的Ratio算子进行边缘检测，会由于图像的对比度低而出现异常的漏检，但这一劣势则通过图像增强进行弥补。本专利技术引入了区域特征消噪，根据配电房装置特征和配电房监测系统图像拍色角度特征，利用二值图像连通区域特征，将面积小，离心率小的区域进行去除，实现噪声消除，提高前景图像提取质量。本专利技术通过配电房二值图像模板与检测提取的图像进行矩阵运算识别配电房异常，运算效率高，识别速度快，同时引入了图像移位校准，提升图像识别准确性。附图说明图1为本专利技术提供的一种复杂条件下的配电房异常状态图像识别方法的识别流程；图2为本专利技术提供的一种复杂条件下的配电房异常状态图像识别方法的图像预处理过程；图3为本专利技术提供的一种复杂条件下的配电房异常状态图像识别方法的图像增强过程；图4为本专利技术提供的一种复杂条件下的配电房异常状态图像识别方法的图像分割流程；图5为本专利技术提供的一种复杂条件下的配电房异常状态图像识别方法的区域特征消噪过程；图6为本专利技术提供的一种复杂条件下的配电房异常状态图像识别方法的异常状态识别过程。具体实施方式本专利技术的实施例：复杂条件下的配电房异常状态图像识别方法，包括按顺序进行的下列步骤：步骤001)图像输入：输入通过视频监测系统采集的配电房数字化图像。步骤100)图像预处理：对采集输入的配电房图像进行色彩空间变化本文档来自技高网...

【技术保护点】
1.一种复杂条件下的配电房异常状态图像识别方法，其特征在于,包括以下步骤：1)步骤001)图像输入：输入通过视频监测系统采集的配电房数字化图像；步骤100)图像预处理：对采集输入的配电房图像进行色彩空间变化、灰值化图像增强和滤波消噪，提升图像灰度级和图像对比度；步骤200)图像分割：通过边缘检测技术对经过预处理的配电房图像进行前景提取，前景提取的步骤包括：步骤210)边缘检测：采用Ratio算子对配电房图像进行边缘检测，生成二值化图像，完成配电房前景提取；步骤220)数学形态增强：根据配电房特征构建结构元素，进行先膨胀后腐蚀的闭运算，对边缘检测提取的二值图像进行细化，滤除复杂条件下图像分割引入的细小干扰噪声，增强图像；步骤230)区域特征消噪：采用了区域标记法将图像中的连通区域进行分割，然后遍历所有区域，计算区域像素面积，区域像素面积小于设定阀值的则判定为噪声区域，将该噪声区域消除；同时，使用区域椭圆模型来对二值图像的方向性和形状特征进行识别，当连通区域的离心率小于阀值则消除；否则保留相应的区域，直至图像遍历完毕，获得分割后提取的前景图像；步骤300)图像识别：对完成分割后提取的前景图像进行图像运算，通过与模板图像对比，识别出配电房异常，其具体步骤如下：首先输入经过边缘检测和图像过滤、消噪后获得的前景二值图像，与配电房的模板二值图像进行匹配，对齐两幅图像的像素位置，对于存在偏差的通过像素位移对齐，提高图像二值矩阵运算结果的准确率；然后，将配电房监视图像和模板图像进行二值矩阵与或运算，当运算结果完整图像区域像素面积大于阀值，则判断配电房状态异常；当识别存在异常后，需要对异常位置进行定位并对异常进行区域显式标记，首先将上步与或运算结果生成的二值图像进行通过区域生长算法完成区域分析，当区域像素面积增长很小或停止增长是标记该区域，该区域即配电房异常状态区域，定位完成后，在区域边界生成边界像素对异常进行显式标记；步骤400)结果输出：对识别结果为异常的配电房图像中的异常位置进行定位并以显式方式标记并输出。...

【技术特征摘要】
1.一种复杂条件下的配电房异常状态图像识别方法，其特征在于,包括以下步骤：1)步骤001)图像输入：输入通过视频监测系统采集的配电房数字化图像；步骤100)图像预处理：对采集输入的配电房图像进行色彩空间变化、灰值化图像增强和滤波消噪，提升图像灰度级和图像对比度；步骤200)图像分割：通过边缘检测技术对经过预处理的配电房图像进行前景提取，前景提取的步骤包括：步骤210)边缘检测：采用Ratio算子对配电房图像进行边缘检测，生成二值化图像，完成配电房前景提取；步骤220)数学形态增强：根据配电房特征构建结构元素，进行先膨胀后腐蚀的闭运算，对边缘检测提取的二值图像进行细化，滤除复杂条件下图像分割引入的细小干扰噪声，增强图像；步骤230)区域特征消噪：采用了区域标记法将图像中的连通区域进行分割，然后遍历所有区域，计算区域像素面积，区域像素面积小于设定阀值的则判定为噪声区域，将该噪声区域消除；同时，使用区域椭圆模型来对二值图像的方向性和形状特征进行识别，当连通区域的离心率小于阀值则消除；否则保留相应的区域，直至图像遍历完毕，获得分割后提取的前景图像；步骤300)图像识别：对完成分割后提取的前景图像进行图像运算，通过与模板图像对比，识别出配电房异常，其具体步骤如下：首先输入经过边缘检测和图像过滤、消噪后获得的前景二值图像，与配电房的模板二值图像进行匹配，对齐两幅图像的像素位置，对于存在偏差的...

【专利技术属性】
技术研发人员：杨凤生，王林波，蔡广林，熊波，王冕，周海，曾惜，王宏远，杨琦岑，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：贵州,52