基于多尺度重构误差融合的绝缘子显著性检测方法技术

本发明专利技术公开了一种基于多尺度重构误差融合的绝缘子显著性检测方法，包括：对绝缘子图像进行超像素分割，提取绝缘子图像四周的超像素图像块作为背景模板；计算绝缘子图像的每个超像素图像块所对应的稀疏重构误差和稠密重构误差；利用基于图像上下文信息的重构误差传播机制，使稀疏重构误差和稠密重构误差在每个类内的超像素图像块之间传播；将不同尺度超像素分割情况下得到的重构误差进行加权融合；利用条件随机场对稀疏重构误差和稠密重构误差进行融合，生成绝缘子显著图；本发明专利技术方法显著提高了复杂环境下绝缘子检测的准确性。

Insulator saliency detection method based on multi-scale reconstruction error fusion

The invention discloses an insulator saliency detection method based on multi-scale reconstruction error fusion, which includes: super-pixel segmentation of insulator image, extraction of super-pixel image blocks around insulator image as background template, calculation of sparse reconstruction error and consistency corresponding to each super-pixel image block of insulator image. Dense reconstruction error; using reconstruction error propagation mechanism based on image context information, sparse reconstruction error and dense reconstruction error are propagated among super-pixel image blocks in each class; weighted fusion of reconstruction errors under different scales of super-pixel segmentation is carried out; and sparse reconstruction error is processed by conditional random field. The method of the invention can significantly improve the accuracy of insulator detection in complex environment by fusing with dense reconstruction error to generate insulator saliency map.

【技术实现步骤摘要】
基于多尺度重构误差融合的绝缘子显著性检测方法
本专利技术涉及一种基于多尺度重构误差融合的绝缘子显著性检测方法，属于

技术介绍
近几年，保障输电线路的可靠性及运行情况成为建设智能电网的重要内容。变电设备的安全运行是保障电力系统稳定和安全的前提。绝缘子作为电力输电线路不可缺少的绝缘元件，它的运行状况直接影响电网的可靠性和安全性。同时绝缘子在输电线路中起到电气绝缘及支撑的作用；而且它表面的污秽、裂纹、破损等问题严重威胁输电线路的安全运行。根据统计，目前电力系统故障中所占比例最高的事故是由绝缘子缺陷引起的。因此对绝缘子的状况进行监测，及时完成故障诊断尤为重要。目前，在输电线路巡线方面，传统的人工巡检方式需要工作人员攀爬到高压铁塔设备上，通过人眼观察的方式来判断设备是否有故障，这种巡检方式已经根本无法适应逐渐增加的输电线路和巨大的巡检工作需求。近年来，自动巡检机器人成为变电站智能自动巡检的主要方式。利用平台上装载的摄像头获取了大量的绝缘子图像信息，如果对这些海量图像采用工作人员肉眼判读，不仅工作量大，容易发生漏判和误判现象，而且难以准确发现绝缘子存在的安全隐患。而实现故障自动检测的重要前提是识别和定位图像中的绝缘子。因此研究绝缘子的自动检测方法是非常必要的。目前，虽然出现了一些有关绝缘子的自动识别方法，但是这些方法也存在一定的缺点。如：由于变电站图像背景复杂，图像中存在和绝缘子形状相似的其他电力设备，如电流互感器和避雷器等，容易产生误识别的结果。
技术实现思路
本专利技术的目的在于克服现有技术中的不足，提供一种基于多尺度重构误差融合的绝缘子显著性检测方法，解决现有技术中绝缘子检测不精确的技术问题。为解决上述技术问题，本专利技术所采用的技术方案是：基于多尺度重构误差融合的绝缘子显著性检测方法，包括如下步骤：对绝缘子图像进行超像素分割，提取绝缘子图像四周的超像素图像块作为背景模板；计算绝缘子图像的每个超像素图像块所对应的稀疏重构误差和稠密重构误差；利用基于图像上下文信息的重构误差传播机制，使稀疏重构误差和稠密重构误差在每个类内的超像素图像块之间传播；将不同尺度超像素分割情况下得到的重构误差进行加权融合；利用条件随机场对稀疏重构误差和稠密重构误差进行融合，生成绝缘子显著图；进一步的，利用简单线性迭代算法对绝缘子图像进行超像素分割，具体包括如下步骤：对原始图像进行初始化聚类及相似度度量；采用K均值聚类方法更新迭代聚类中心；将最相似的聚类中心标签赋予像素点，形成超像素图像块。进一步的，利用稀疏表示方法求取稀疏重构误差，具体方法如下：计算每个超像素图像块对应的稀疏系数；计算每个超像素图像块在背景模板上的稀疏重构误差；对稀疏重构误差进行归一化。进一步的，利用主成分分析法求取稠密重构误差，具体方法如下：计算背景模板的协方差矩阵：对协方差矩阵进行特征值分解，根据特征值的大小，选取特征向量；将超像素图像块投影到特征向量上，得到相应超像素图像块的稠密表示系数；利用稠密表示系数计算获得各个超像素图像块所对应的稠密重构误差；将稠密重构误差进行线性归一化。进一步的，使稀疏重构误差和稠密重构误差在每个类内的超像素图像块之间传播的具体方法如下：利用K均值聚类算法，将得到的超像素图像块划分为K类；对重构误差进行更新，具体包括如下步骤：根据重构误差大小，降序排列重构误差；分别计算传播后的重构误差：假设待测绝缘子的第i个超像素图像块属于第k个类别，根据这一类内的其他超像素图像块的重构误差，将该超像素图像块经过上下文信息传播后的重构误差定义如下：其中，[k1,k2,k3,…,kNc]代表第k类别内的Nc个超像素图像块，τ是上式和(1-τ)εi的平衡系数；代表和第i个超像素图像块属于同一类的其他超像素图像块通过传播后重构误差的加权平均，j代表的是第k个类别中的第j个超像素图像块；εi为第i个超像素图像块在上一步中得到的重构误差；为同一类内的其他超像素图像块的权重，用和待测绝缘子的超像素图像块之间进行归一化后的特征相似度来表示，计算公式如下：其中，为矩阵X在每个特征维度下的方差和，δ(·)是脉冲函数；Xi代表第i个矩阵，代表第kj个矩阵。进一步的，生成绝缘子显著图的具体方法如下：建立条件随机场模型，将输入图像I(x,y)的图像标注A(x,y)的条件概率表示为：其中，Z为分配函数；E(A|I)为能量函数，能量函数定义为稀疏重构误差进和稠密重构误差以及二者的线性组合，表示为：其中，和分别为稠密重构误差和稀疏重构误差得到的显著图，和分别为稠密重构误差和稀疏重构误差对应的特征权值；ωmn(Sm-Sn)2代表颜色差异惩罚项；Sm和Sn分别为第m个像素点和第n个像素点对应的颜色特征项；ωmn为第m个像素点和第n个像素点对应的颜色差异惩罚项的权值；其中，dcol(pm,pn)为像素对之间颜色差异归一化的L2范数；pm和pn分别为第m个像素点和第n个像素点，为差异矩阵的方差和平方。与现有技术相比，本专利技术所达到的有益效果是：在变电站背景复杂的情况下，采用本专利技术方法生成的绝缘子显著图进行绝缘子检测，检测性能良好，召回率可达89.72％，精确率可达93.76％，显著提高了复杂环境下绝缘子检测的准确性。附图说明图1为本专利技术的流程图。具体实施方式本专利技术公开的基于多尺度重构误差融合的绝缘子显著性检测方法，包括如下步骤：首先，利用简单线性迭代算法对绝缘子图像进行超像素分割，提取绝缘子图像四周的超像素图像块作为背景字典；然后，分别计算每个超像素图像块的对应的稀疏重构误差和稠密重构误差；接着，利用基于上下文信息的重构误差传播机制，使两个重构误差在每个类内的图像块之间传播，并将不同尺度超像素分割情况下得到的重构误差进行加权融合；最后，采用条件随机场框架将稀疏构误差和稠密重构误差进行融合，通过二者的结合来更好的抑制图像中背景的噪声，产生更加精确的绝缘子显著图。在变电站背景复杂的情况下，采用本专利技术方法生成的绝缘子显著图进行绝缘子检测，检测性能良好，召回率可达89.72％，精确率可达93.76％，显著提高了复杂环境下绝缘子检测的准确性。下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。如图1所示，为本专利技术的流程图，包括如下步骤：步骤1：对绝缘子图像进行超像素分割,提取绝缘子图像四周的超像素图像块作为背景模板即背景字典。其具体包含如下步骤：步骤1.1：初始化聚类假设原图像含有N个像素点，要分割的超像素个数为K，每个超像素区域的大小为N/K，以间距作为选择K个初始种子Ck的初始条件，则Ck＝[lt,at,bt,xt,yt]T(t＝1,2.....K)其中：l为绝缘子图像颜色的亮度；a为各个像素的红绿颜色信息，若a大于零则代表红色，小于零时则代表绿色；b为各个像素的黄蓝颜色信息，若b大于零则代表黄色，小于零则代表蓝色；a和b的取值范围在[-100,100]之间；(x,y)代表像素的坐标；t为第t个初始种子。为了提高聚类时的计算效率，在绝缘子图像的xy空间平面上选择以每个聚类中心的2S*2S的区域，作为超像素分割时的聚类区域，而并不是在整幅图像中寻找。随后依次计算聚类中心3*3邻域内9个像素点的梯度大小，得到的梯度最小的像素点即为本文档来自技高网...

【技术保护点】
1.基于多尺度重构误差融合的绝缘子显著性检测方法，其特征在于，包括如下步骤：对绝缘子图像进行超像素分割，提取绝缘子图像四周的超像素图像块作为背景模板；计算绝缘子图像的每个超像素图像块所对应的稀疏重构误差和稠密重构误差；利用基于图像上下文信息的重构误差传播机制，使稀疏重构误差和稠密重构误差在每个类内的超像素图像块之间传播；将不同尺度超像素分割情况下得到的重构误差进行加权融合；利用条件随机场对稀疏重构误差和稠密重构误差进行融合，生成绝缘子显著图。

【技术特征摘要】
1.基于多尺度重构误差融合的绝缘子显著性检测方法，其特征在于，包括如下步骤：对绝缘子图像进行超像素分割，提取绝缘子图像四周的超像素图像块作为背景模板；计算绝缘子图像的每个超像素图像块所对应的稀疏重构误差和稠密重构误差；利用基于图像上下文信息的重构误差传播机制，使稀疏重构误差和稠密重构误差在每个类内的超像素图像块之间传播；将不同尺度超像素分割情况下得到的重构误差进行加权融合；利用条件随机场对稀疏重构误差和稠密重构误差进行融合，生成绝缘子显著图。2.根据权利要求1所述的基于多尺度重构误差融合的绝缘子显著性检测方法，其特征在于，利用简单线性迭代算法对绝缘子图像进行超像素分割，具体包括如下步骤：对原始图像进行初始化聚类及相似度度量；采用K均值聚类方法更新迭代聚类中心；将最相似的聚类中心标签赋予像素点，形成超像素图像块。3.根据权利要求1所述的基于多尺度重构误差融合的绝缘子显著性检测方法，其特征在于，利用稀疏表示方法求取稀疏重构误差，具体方法如下：计算每个超像素图像块对应的稀疏系数；计算每个超像素图像块在背景模板上的稀疏重构误差；对稀疏重构误差进行归一化。4.根据权利要求1所述的基于多尺度重构误差融合的绝缘子显著性检测方法，其特征在于，利用主成分分析法求取稠密重构误差，具体方法如下：计算背景模板的协方差矩阵：对协方差矩阵进行特征值分解，根据特征值的大小，选取特征向量；将超像素图像块投影到特征向量上，得到相应超像素图像块的稠密表示系数；利用稠密表示系数计算获得各个超像素图像块所对应的稠密重构误差；将稠密重构误差进行线性归一化。5.根据权利要求1所述的基于多尺度重构误差融合的绝缘子显著性检测方法，其特征在于，使稀疏重构误差和稠密重构误差在每个类内的超像素图像块之间传播的具体方法如下：利用K均...

【专利技术属性】
技术研发人员：徐长福，薄斌，周志成，陶风波，胡成博，陶加贵，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院，国家电网有限公司，江苏省电力试验研究院有限公司，
类型：发明
国别省市：江苏,32