基于图像融合的保护压板运行状态辨识方法技术

基于图像融合的保护压板运行状态辨识方法，包括保护压板图像高光区域检测步骤；基于图像融合的高光区域去除步骤；保护压板状态辨识步骤。该方法利用基于改进的OTSU二维阈值分割方法快速检测图像中的高光干扰，然后引入改进的RANSAC算法完成多视角的图像特征匹配和求取最佳透视变换矩阵，利用辅助图像透视变换至主图像修复其中的高光区域，最后在图像修复的基础上通过对压板边缘检测的倾角来判断其运行状态。本发明专利技术能够更好地辅助智能巡检机器人对压板投退状态的核对，提高继电保护压板投退状态辨识准确率，降低巡检人员的劳动强度，减少电网操作中的误操作、避免经济损失，确保电网安全稳定运行。

【技术实现步骤摘要】
基于图像融合的保护压板运行状态辨识方法
本专利技术涉及电网智能巡检
，具体涉及一种基于图像融合的保护压板运行状态辨识方法。
技术介绍
随着通信技术以及人工智能技术的不断发展，带动了智能电网的快速建设。智能巡检逐渐成为当前变电站无人值守模式下的重要辅助运维手段。继电二次设备保护压板作为电力运行系统中的重要保护装置，由于其数量较多，传统人工巡检工作量大且繁杂，误检或者漏检情况时有发生，为此采用智能机器人对其巡检也成为研究热点。目前图像处理相关技术在电力系统中的应用主要集中在一次设备。而在实际生产中二次设备的运行状态切换不容易发现，需要得到关注和实时监测。通过观察采集到的压板图像可知，由于保护柜门大多使用玻璃柜门，在光照不均的情况下压板图像存在局部高光干扰。严重情况下高光干扰会使得纹理信息严重缺失无法辨识，出现压板状态的误检漏检的情况。变电站里出现的玻璃柜门反光原因主要有三种：(1)：自然光透过窗户照射到玻璃柜门上形成的反光；(2)；室内照明灯在玻璃柜门上形成的反光；(3)：光线较暗时相机闪光灯在柜门上形本文档来自技高网...

【技术保护点】
1.基于图像融合的保护压板运行状态辨识方法，其特征在于包括以下步骤：/n步骤1、保护压板图像高光区域检测：/n步骤1.1：智能机器人巡检继电保护压板，拍摄保护压板图像；/n步骤1.2：将拍摄的保护压板图像输入至计算机图像处理系统中，对保护压板图像进行筛选，删去没有拍摄到完整区域的保护压板图像，对筛选后的保护压板图像进行压缩；/n步骤1.3：对保护压板图像进行灰度化处理，扩大高光区域与背景区域差异；/n步骤1.4：利用二维OTSU算法，求得最佳阈值，将保护压板灰度化图像按最佳阈值进行分割，从而快速检测出图像中的高光区域；/n步骤2、基于图像融合的高光区域去除：/n步骤2.1、特征点检测：/n利用...

【技术特征摘要】
1.基于图像融合的保护压板运行状态辨识方法，其特征在于包括以下步骤：
步骤1、保护压板图像高光区域检测：
步骤1.1：智能机器人巡检继电保护压板，拍摄保护压板图像；
步骤1.2：将拍摄的保护压板图像输入至计算机图像处理系统中，对保护压板图像进行筛选，删去没有拍摄到完整区域的保护压板图像，对筛选后的保护压板图像进行压缩；
步骤1.3：对保护压板图像进行灰度化处理，扩大高光区域与背景区域差异；
步骤1.4：利用二维OTSU算法，求得最佳阈值，将保护压板灰度化图像按最佳阈值进行分割，从而快速检测出图像中的高光区域；
步骤2、基于图像融合的高光区域去除：
步骤2.1、特征点检测：
利用SIFT算法对基准图和辅助图进行特征点检测，生成特征描述向量，并用最近邻法对基准图和辅助图进行特征匹配；
步骤2.2：基于改进RANSAC算法的透视变换：
通过得到的特征匹配点，求取透视变换矩阵，采用透视变换对辅助图进行视角、尺寸调整，使其与基准图一致；
步骤2.3、图像修复：
根据基准图中检测到的高光区域位置，用透视变换后的辅助图相对应区域位置，对其进行纹理填补修复，进而去除基准图中的高光；
步骤3、保护压板状态辨识：
步骤3.1：连通区域提取：
对高光去除后的基准图进行颜色区域筛选、二值化、形态学处理，并用8连通方式对连通区域进行提取；
步骤3.2：有效压板区域筛选：
依据形态特征进行面积、尺寸、形状分析，从连通区域中准确提取出有效压板区域；
步骤3.3：压板投退状态辨识：
对筛选出的有效压板区域进行辨识，识别出有效压板投退状态后，采用重心坐标对有效压板按照从左至右、从上到下顺序进行排序，最终得到一个只含有0、1的状态序列。


2.根据权利要求1所述基于图像融合的保护压板运行状态辨识方法，其特征在于：步骤2.2具体步骤包括以下步骤：
步骤一：对SIFT算法提取出的有效特征点，利用最近邻法进行初始匹配，初始所选欧式距离阈值为0.6；将图像等分成4个区域，判断当前所分4个区域特征匹配点对数是否均大于4，若是则进行下一步，否则将欧式距离阈值加0.1重新匹配；
步骤二：从4个区域中各筛选出欧式距离最小的4对匹配点，一共16对，将这16对匹配点4对一组进行组合，根据组合后4对匹配点的欧式距离和从小到大进行1、2、…、N排序，选取序号前50组；
步骤三：首先按照序号顺序取序号为1的4对匹配点计算变换矩阵H，利用矩阵H对图像中的所有匹配点对进行校验，判断局内点数所占匹配点对总数比例是否大于50％，若大于50％则当前所计算出的矩阵H为最佳变换矩阵，否则按照序号顺序选取下一组4对匹配点计算变换矩阵H。


3.基于图像融合的保护压板运行状态辨识方法，其特征在于，将一维OTSU算法增加维度变为二维，包括如下步骤：
S1：设图像I(x,y)的灰度级为L级，那么图像I的领域平均灰度也为L级；
S2：设f(x,y)为像素点(x,y)的灰度值，g(x,y)为中心像素点(x,y)的K×K领域内的平均灰度值；令f(x,y)＝i，g(x,y)＝j，然后就形成了一个二元组(i,j)；
S3：设二元组(i,j)出现的次数为fij，求出二元组对应的概率密度Pij，Pij＝fij/N,i,j＝1,2,…,L，其中，N为图像像素点总数；
S4：任意选取一个阈值向量(s,t)，将图像的二维直方图划分成4个区域，B、C区域代表图像的前景和背景，A、D区域代表噪声点；
S5：设背景和前景出现的概率分别为ω1，ω2，对应的均值矢量为μ1，μ2，整幅图像所对应的均值矢量为μ，公式如下：















S6：利用离散测度矩阵S(s,t)，求得图像的离散测度tr(S(s,t))，公式如下：
S(s,t)＝ω1(μ1-μ)(μ1-μ)T+ω2(μ2-μ)(μ2-μ)T(6)
tr(S(s,t))＝ω1[(μ1i-μi)2+(μ1j-μj)2]+ω2[(μ2i-μi)2+(μ2j-μj)2](7)
S7：离散测度越大，类间方差就越大，最大离散测度对应的即为最佳阈值(s*,t*)；
(s*,t*)＝argmax{tr(S(s,t))}(8)
通过以上步骤求得最佳阈值后，利用该阈值对0～255个亮度等级的灰度图像进行二值化处理，分离出前景区域和背景区域，此时的前景区域即为高光区域。


4.基于图像融合的保护压板运行状态辨识方法，其特征在于，利用SIFT算法对基准图和辅助图进行特征点检测，生成特征描述向量，包括如下步骤：
Step1：输入图像I(x,y)，对该图像进行不断降阶采样，得到一系列大小不一的图像，将这些图像由大到小、从下到上排序构成金字塔状模型，然后对每层图像利用连续变化尺度的二维高斯函数G(x,y,σ)与图像I(x,y)进行卷积，求出图像的尺度空间L(x,y,σ)；
L(x,y,σ)＝G(x,y,σ)*I(x,y)(9)



其中：*表示卷积运算，σ为尺度；
Step2：令尺度空间内每层多张图像合称为一组，对同组相邻两层图像进行相减得到高斯差分图像，将同组除顶层和底层外的每层高斯差分图像的每个像素点与其同层8个以及上下邻层图像9×2个共26个像素点比较，当该点像素值为最大或者最小时，该像素点为极值点，高斯差分函数公式如下：
D(x,y,σ)＝L(x,y,kσ)-L(x,y,σ)(11)
其中，k为固定的系数；
Step3：对尺度空间高斯差分函数进行曲线拟合来重新计算极值点坐标，即利用Taylor公式对尺度空间高斯差分函数进行展开：



其中，X＝(x,y,σ)T，求导并让方程等于零，即可得到极值点的偏移量：



对应的极值点方程的值为：



利用原极值点坐标加上偏移量即为生成的极值点新坐标，将生成的新坐标像素值与所设定的对比度阈值进行比较，剔除对比度低的极值点，此时余下的极值点即为特征点；
Step4：使用梯度法求取图像中特征点邻域内像素点的梯度模值和方向，梯度的模值m(x,y)和方向θ(x,y)...

【专利技术属性】
技术研发人员：舒征宇，姚景岩，汪俊，许欣慧，高健，翟二杰，黄志鹏，李镇翰，张洋，李浩，马聚超，
申请(专利权)人：三峡大学，
类型：发明
国别省市：湖北;42