一种旋转不变的HOG红外图像电力设备识别方法技术

本发明专利技术请求保护一种旋转不变的HOG红外图像电力设备识别方法及存储介质，高效判断图像内是否存在电力设备区域，包括以下步骤：进行红外图像预处理；通过改进的方向梯度直方图(HOG)对正负样本的特征进行提取；通过支持向量机(SVM)作为分类器对特征进行分析，生成并保存目标识别模型作为初始检测子，并记录初次识别结果；将用来训练SVM的负样本集带入初始检测子，进行难例挖掘，将检测出来的难例加入负样本集中，迭代训练，增强模型分类性能，得到最终分类器。HOG算法的改进之处在于从提取到的梯度信息得到图像的主方向的角度，调整图像中每个像素的梯度角度，保证同种设备的方向相同，从而实现HOG的旋转不变性。

【技术实现步骤摘要】
一种旋转不变的HOG红外图像电力设备识别方法
本专利技术属于电力设备运行状态检修领域，尤其涉及到一种旋转不变的HOG红外图像电力设备识别方法。
技术介绍
红外检测技术的应用为电力设备实行状态维修和预知维修提供了强有力的手段，将红外检测技术与电力设备在线监测相结合保障电气设备安全、可靠运行已是未来的必然趋势。随着人工智能技术的发展，未来红外测温技术应向着自动识别、导入、诊断等方向发展。要想实现电力设备红外图像的智能诊断，需要先准确判断图像中是否存在电力设备，现阶段缺少一种对图像中是否存在电力设备的高效检测方法。
技术实现思路
本专利技术针对目前红外带电检测存在的问题，围绕智能化的识别电力设备的红外图像开展研究，针对在拍摄过程中可能出现的错拍或图像模糊无法分辨是否存在电力设备的情况，提出一种智能识别的方法，以便于将电力设备红外图像进行分类，为未来进行电力设备红外图像异常诊断的研究提供可靠前提。提出了一种旋转不变的HOG红外图像电力设备识别方法及存储介质。本专利技术的技术方案如下：一种旋转不变的HOG红外图像电力设备识别方本文档来自技高网...

【技术保护点】
1.一种旋转不变的HOG红外图像电力设备识别方法，其特征在于，包括以下步骤：/n步骤1、准备初始样本，包括训练集以及测试集，训练集中包括分开的正样本和负样本，测试集为正负样本的集合；/n步骤2、处理电力设备红外图像正负样本训练数据集，处理电力设备红外图像正样本冗余信息，采用gamma校正法对输入图像进行颜色空间归一化，将收集到的样本全部统一为相同尺寸，作为训练时使用的样本；/n步骤3、对处理后的训练集提取图像各像素点的HOG梯度信息，得到初始HOG特征描述符；/n步骤4、改进HOG描述符，具体包括：根据得到的初始HOG特征描述符提取得到该图像的梯度主方向角度，将图像各像素点的梯度角度根据主方向...

【技术特征摘要】
1.一种旋转不变的HOG红外图像电力设备识别方法，其特征在于，包括以下步骤：
步骤1、准备初始样本，包括训练集以及测试集，训练集中包括分开的正样本和负样本，测试集为正负样本的集合；
步骤2、处理电力设备红外图像正负样本训练数据集，处理电力设备红外图像正样本冗余信息，采用gamma校正法对输入图像进行颜色空间归一化，将收集到的样本全部统一为相同尺寸，作为训练时使用的样本；
步骤3、对处理后的训练集提取图像各像素点的HOG梯度信息，得到初始HOG特征描述符；
步骤4、改进HOG描述符，具体包括：根据得到的初始HOG特征描述符提取得到该图像的梯度主方向角度，将图像各像素点的梯度角度根据主方向角度做出调整，将调整后的梯度角度与梯度大小作为新的HOG特征描述符；
步骤5、将步骤4得到的改进后的HOG特征描述符带入SVM分类器训练，生成并保存目标识别模型和初次识别结果；
步骤6、对设备图像和非设备图像作以区分，使用线性SVM分类器，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，将被当前模型误判为正样本的负样本定义为困难样本，将其加入负样本集中，迭代训练模型，得到最终的SVM检测模型；将测试集的特征向量输入步骤5中训练得到的SVM分类器进行设备的检测。


2.根据权利要求1所述的一种旋转不变的HOG红外图像电力设备识别方法，其特征在于，所述步骤1中正样本为包含电力设备的图像，负样本为在拍摄过程中可能误拍到的不包含电力设备的图像或无法分辨是否存在电力设备的图像。


3.根据权利要求1所述的一种旋转不变的HOG红外图像电力设备识别方法，其特征在于，采用gamma校正法对输入图像进行颜色空间归一化：
I(x，y)＝I(x，y)gamma
通过方向梯度直方图(HOG)获取像素点梯度信息，得到初始HOG特征描述符。


4.根据权利要求3所述的一种旋转不变的HOG红外图像电力设备识别方法，其特征在于，所述通过方向梯度直方图(HOG)获取像素点梯度信息，得到初始HOG特征描述符，具体包括：
为了得到图像中轮廓区域的特征信息，计算该图片中的每个像素点梯度方向和大小，这样也进一步削弱了光照的干扰；其中，像素点的梯度大小表示该点的权值，对于给定图像I的每一个像素点(x,y)的梯度：
水平方向的梯度：
Gx(x,y)＝[-101]*I(x,y)(2)
垂直方向的梯度：
Gy(x,y)＝[-101]T*I(x,y)(3)
则该点的梯度大小为：



梯度方向为：



得到初步的HOG特征描述符。


5.根据权利要求1所述的一种旋转不变的HOG红外图像电力设备识别方法，其特征在于，所述步骤3中初步提取图像各像素点的HOG特征描述符，具体过程如下：
1...

【专利技术属性】
技术研发人员：朱太云，钱宇骋，赵常威，程登峰，季坤，甄超，朱胜龙，杨为，秦少瑞，张晨晨，吴正阳，吴杰，
申请(专利权)人：国网安徽省电力有限公司电力科学研究院，
类型：发明
国别省市：安徽;34