融合前景紧凑特性和多环境信息的绝缘子缺陷检测方法技术

本发明专利技术公开了一种融合前景紧凑特性和多环境信息的绝缘子缺陷检测方法，首先对采集的原始绝缘子图像用超像素特征描述指定区域位置的特征信息，然后采用模块化方法提取得到绝缘子粗略显著区域，同时剔除绝缘子粗略显著区域部分背景噪声，最后采用特征紧凑性衡量绝缘子图像中各区域特征的显著性，进而得到绝缘子各区域显著特征图像；然后得到整个绝缘子的显著特征区域图像及整个绝缘子准确的显著特征图像；快速检测出绝缘子是否有缺陷。本发明专利技术解决了现有技术中存在的复杂环境下绝缘子检测精度低的问题。

【技术实现步骤摘要】
融合前景紧凑特性和多环境信息的绝缘子缺陷检测方法
本专利技术属于图像处理
，具体涉及一种融合前景紧凑特性和多环境信息的绝缘子缺陷检测方法。
技术介绍
绝缘子是高压电线连接塔上挂一种盘状的绝缘体，作用是增加爬电距离，使带电部件绝缘，并起到机械支撑与定位作用，作为输电线路的重要组成部分，对整个输电线路的作用是可想而知的，但由于绝缘子在输电线路中数量多，分布广，长期处于恶劣的野外环境中，容易发生绝缘子自爆、污秽、破损和裂纹等故障，对输电线路的安全稳定运行造成了极大的威胁，因此在输电线路巡检中特别注意绝缘子的工作状态，传统的巡检方式有人工巡检，直升机巡检，这种方式不仅工作强度大，效率低，而且容易造成漏检、误检现象，如何对绝缘子进行高效的巡检已经成为现阶段研究的重点问题？随着机器视觉、人工智能迅猛发展，一种新型的绝缘子巡检方式基于融合前景紧凑性特征和多环境信息的绝缘子缺陷检测应运而生。这种巡检方式首先利用无人机拍摄背景复杂的绝缘子图像，其次通过4G网络传送到客户端，最后利用图像识别技术进行复杂环境下绝缘子的缺陷检测。r>专利技术本文档来自技高网...

【技术保护点】
1.融合前景紧凑特性和多环境信息的绝缘子缺陷检测方法，其特征在于，具体按照以下步骤实施：/n步骤1、采集原始绝缘子图像，首先对采集的原始绝缘子图像用超像素特征描述指定区域位置的特征信息，然后采用模块化方法提取得到绝缘子粗略显著区域，同时剔除绝缘子粗略显著区域部分背景噪声，最后采用特征紧凑性衡量绝缘子图像中各区域特征的显著性，进而得到绝缘子各区域显著特征图像；/n步骤2、对步骤1获得的绝缘子各区域显著特征图像送入区域网络Region Net，得到整个绝缘子的显著特征区域图像；/n步骤3、对步骤2获得的整个绝缘子显著特征区域图像送入多环境网络Multi-ContextNet，通过补充Region ...

【技术特征摘要】
1.融合前景紧凑特性和多环境信息的绝缘子缺陷检测方法，其特征在于，具体按照以下步骤实施：
步骤1、采集原始绝缘子图像，首先对采集的原始绝缘子图像用超像素特征描述指定区域位置的特征信息，然后采用模块化方法提取得到绝缘子粗略显著区域，同时剔除绝缘子粗略显著区域部分背景噪声，最后采用特征紧凑性衡量绝缘子图像中各区域特征的显著性，进而得到绝缘子各区域显著特征图像；
步骤2、对步骤1获得的绝缘子各区域显著特征图像送入区域网络RegionNet，得到整个绝缘子的显著特征区域图像；
步骤3、对步骤2获得的整个绝缘子显著特征区域图像送入多环境网络Multi-ContextNet，通过补充RegionNet网络中缺少的全局显著性评价，得到整个绝缘子准确的显著特征图像；
步骤4、对步骤3获得整个绝缘子准确的显著特征图像采用准确率-召回率precisionrecall-PR曲线、F-measure和平均绝对误差manabsoluteerror-MAE的值进行评价，快速检测出绝缘子是否有缺陷。


2.根据权利要求1所述的融合前景紧凑特性和多环境信息的绝缘子缺陷检测方法，其特征在于，所述步骤1具体按照以下步骤实施：
步骤1.1、首先采用多尺度方法将绝缘子图像分成不同的层进而得到绝缘子的多层图，然后采用超像素算法SLIC，将每层图像分解为不同的超像素，得到绝缘子各个区域的超像素特征图像；
步骤1.2、通过对绝缘子各个区域超像素特征图像进行梯度平滑使区域模块化，得到绝缘子区域结构化特征图像；
步骤1.3、计算显著区域紧凑性，进而得到绝缘子各区域的紧凑性图像；
步骤1.4、计算绝缘子各区域特征的颜色属性，进而得到绝缘子各区域的颜色特征图像；
由步骤1.1、1.2、1.3、1.4得到绝缘子的各区域显著特征图像。


3.根据权利要求2所述的融合前景紧凑特性和多环境信息的绝缘子缺陷检测方法，其特征在于，所述步骤1.2中对绝缘子各个区域超像素特征图像采用梯度平滑方法完成区域模块化处理，计算方法如式(1)所示：



式(1)中T表示模块化后的区域的数量，IP表示输入图像I中第p个超像素的灰度值，SP表示平均化后的结构图像，λ表示图像的平滑系数，λ越大表示图像越平滑，ε为趋于0的正数，Dx(p)表示第p个超像素在x轴方向上的区域之间的距离，Dy(p)表示第p个超像素在y轴方向上的区域之间的距离，Lx(p)表示第p个超像素在x轴方向的区域，Ly(p)表示第p个超像素在y轴方向的区域；
其中，Dx(p)和Dy(p)由式(2)计算得到：



式(2)中，R(p)表示以第p个超像素为中心的矩形区域，gp,g为加权函数，g表示超像素p的参数，SP表示平均化后的结构图像，表示x轴方向上的平滑系数，表示y轴方向的平滑系数；
其中，加权函数gp,g由式(3)计算得到：



式(3)中，xp表示第p个超像素在x轴方向上的点，xq表示第q个超像素在x轴方向上的点，yp表示第p个超像在y轴方向上的点，yq表示第q个超像素在y轴方向上的点，δ表示第p个超像素在x轴上的方差；
运用公式(1)、(2)和(3)进行区域模块化，进而把相同区域汇聚在一起得到绝缘子区域结构化特征图像。


4.根据权利要求3所述的融合前景紧凑特性和多环境信息的绝缘子缺陷检测方法，其特征在于，所述步骤1.3具体如下：
步骤1.3.1、对所述步骤1.2得到的绝缘子区域结构化特征图像采用一组6维的特征向量S代表超像素的特征，如式(4)所示：
S＝[I′x,I′y,I″xx,I″yy,fx,fy](4)
式(4)中，x表示超像素在水平方向上的点，y表示超像素在竖直方向上的点，I′x表示水平上灰度值的一阶导数、I′y表示竖直方向上灰度值的一阶导数，I″xx表示水平上灰度值的二阶导数，代表水平方向上的纹理特征、I″yy表示竖直方向上灰度值的二阶导数，代表竖直方向上的纹理特征，f是调节纹理特征与空间位置特征的权重比例参数；
步骤1.3.2、根据显著性增强的回归模型方法对每个超像素建立6×6维的方差矩阵∑，如式(5)所示：



σbc表示每个超像素的协方差，其中，b表示每个超像素在x轴方向上的点，b＝1...6，c表示每个超像素在y轴方向的点，c＝1...6；
步骤1.3.3、分别采用纹理和局部熵信息检测区域紧凑性信息，对于纹理采用局部二元模式LBP的直方图计算纹理特征，纹理特征和局部熵信息分别由和表示：
计算超像素与多层图之间的权重具体计算如公式(6)所示：



式(6)中，ξe,k表示纹理特征权重，ξl,k表示局部熵权重，dB表示直方图的纹理特征，表示第l层第k个超像素在i这一点的纹理特征，表示第m层第k个超像素在j这一点的纹理特征，表示第l层第k个超像素在i这一点的局部熵，表示第m层第k个超像素在j这一点的局部熵；
直方图的纹理特征dB定义如式(7)所示：



式(7)中，n表示直方图的数量，z表示纹理特征系数变量，表示第l层第k个超像素在i这一点的纹理特征，表示第m层第k个超像素在j这一点的纹理特征；
局部熵特征是在每个像素点的领域中按照式(8)进行计算：



式(8)中，H用于归一化局部熵信息，Hk(i)表示第k个超像素在i这一点的归一化局部熵信息；
绝缘子的区域紧凑性图像由超像素特征、方差矩阵、权重和直方图纹理特征因素决定，所以在绝缘子缺陷检测中的区域紧凑性计算部分，通过调节公式(4)中的超像素特征的参数、公式(5)中方差矩阵的参数、公式(6)中权重的参数、公式(7)中直方图纹理特征的参数和公式(8)中局部熵特征的的参数，联合得到绝缘子的区域紧凑性图像。


5.根据权利要求4所述的融合前景紧凑特性和多环境信息的绝缘子缺陷检测方法，其特征在于，所述步骤1.4具体如下：
步骤1.4....

【专利技术属性】
技术研发人员：纪超，王东旭，黄新波，聂婷婷，朱永灿，曹雯，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西;61