【技术实现步骤摘要】
一种基于HOG特征和SVM的红外图像绝缘子识别检测方法
本专利技术属于输电设备运行状态检修领域，尤其涉及到一种基于HOG特征和SVM的绝缘子检测方法。
技术介绍
绝缘子是在发电和配电过程中，来支持和固定电气设备的载流导体，并使载流导体的相与相之间和对地绝缘。由于绝缘子常在高温，潮湿，多尘埃污垢等环境下运行，并承受着导线的重量，拉力和过电压，所以在电网工作中监测绝缘子的状态是一项非常重要的工作。由于目前电网智能化的要求的提出，相较于传统的人工巡检和停电巡检，新的数字化检测方式无疑是更为高效，安全的监测方式，而数字化检测首先需要解决的即是要在不同的情况下识别出绝缘子为之后的故障判断，维修等工作做好准备。目前，配电线路绝缘子的检测方法种类繁多，包括基于红外图像的、基于激光的、基于声学的、基于可见光图像的等等。基于激光的图像识别方法其器材经济成本高昂且需要稳定的工作环境，基于声学的检测识别方法极易受到复杂环境的影响导致反射回来的信息准确率极低。鉴于此，国内外普遍使用基于可见光图像的绝缘子识别方法，主要分为依据其轮廓信息、颜色...
【技术保护点】
1.一种基于HOG特征和SVM的红外图像绝缘子识别检测方法，其特征在于包括以步骤：/n1)从初始的红外图像中截取绝缘子区域作为初始训练集；/n2)对初始训练集进行角度矫正和尺度归一化，将完成处理后的红外绝缘子图像集作为正式训练集；/n3)对正式训练集提取HOG特征描述符，按维度组合成HOG特征矩阵；/n4)针对所述HOG特征矩阵，对数据进行去均值和方差归一化，计算PCA协方差矩阵C，对特征矩阵进行降维，得到特征向量；/n5)将步骤4)得到的特征向量带入SVM分类器训练，生成并保存绝缘子识别模型和初次识别结果，采用粒子群算法PSO优化SVM分类器的惩罚系数c值和径向基核函数R...
【技术特征摘要】
1.一种基于HOG特征和SVM的红外图像绝缘子识别检测方法，其特征在于包括以步骤：
1)从初始的红外图像中截取绝缘子区域作为初始训练集；
2)对初始训练集进行角度矫正和尺度归一化，将完成处理后的红外绝缘子图像集作为正式训练集；
3)对正式训练集提取HOG特征描述符，按维度组合成HOG特征矩阵；
4)针对所述HOG特征矩阵，对数据进行去均值和方差归一化，计算PCA协方差矩阵C，对特征矩阵进行降维，得到特征向量；
5)将步骤4)得到的特征向量带入SVM分类器训练，生成并保存绝缘子识别模型和初次识别结果，采用粒子群算法PSO优化SVM分类器的惩罚系数c值和径向基核函数RBF的gamma值，径向基核函数如下：
K(xi,xj)＝exp(-gamma·‖xi-xj‖2)
xi，xj表示二维平面上的两个不同样本点，‖-‖表示样本点之间距离；
6)将训练集中未用到的负样本带入初步训练好的SVM分类器进行难例挖掘，迭代训练模型，得到最终的SVM检测模型；
7)提取待测样本的HOG特征向量并利用步骤4)的PCA协方差矩阵进行降维，得到待测样本的特征向量；
8)将步骤7)中的特征向量输入步骤6)训练得到的SVM检测模型进行绝缘子的检测。
2.根据权利要求1所述一种基于HOG特征和SVM的红外图像绝缘子识别检测方法，其特征在于：所述步骤2)的具体处理过程包括，根据Sobel分别提取初始训练集中红外图像水平和竖直方向的梯度，得到提取绝缘子轮廓后的图片，通过最小外接矩形原理确认旋转角度和旋转中心，通过旋转角度归类处理实现角度矫正，根据判别分析原理进行图片的尺寸归一化，得到正式训练集。
3.根据权利要求1所述一种基于HOG特征和SVM的红外图像绝缘子识别检测方法，其特征在于：所述步骤3)还包括采用gamma校正法对输入图像进行对比度调整：
I(x,y)new＝I(x,y)gamma
i(x,y)表示坐标点(x,y)处的灰度值，I(x,y)表示进行归一化处理后的灰度值，gamma为预补偿因子，是[0,1]之间的实数；
通过HOG获取像素点梯度，并对窗口内的像素用梯度方向在直方图中进行加权投影，获得训练集正负样本的轮廓特征。
4.根据权利要求1所述一种基于HOG特征和SVM...
【专利技术属性】
技术研发人员：李佳璇，杨帆，刘一阳，韩升，王皓，王梦珺，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50
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。