【技术实现步骤摘要】
一种基于非深度网络语义分割的绝缘子检测算法
[0001]本专利技术涉及一种绝缘子
，具体是一种基于非深度网络语义分割的绝缘子检测算法。
技术介绍
[0002]绝缘子是安装在不同电位的导体之间或导体与地电位构件之间的器件，能够耐受电压和机械应力作用。它是一种特殊的绝缘控件，能够在架空输电线路中起到重要作用。早年间绝缘子多用于电线杆，慢慢发展于高型高压电线连接塔的一端挂了很多盘状的绝缘体，它是为了增加爬电距离的，通常由玻璃或陶瓷制成，就叫绝缘子。绝缘子不应该由于环境和电负荷条件发生变化导致的各种机电应力而失效，否则绝缘子就不会产生重大的作用，就会损害整条线路的使用和运行寿命。
[0003]对于网络语义分割的绝缘子检测算法都离不开对图像进行处理识别，对于绝缘子图像数据的获取容易受到外界环境的干扰，从而导致影像绝缘子的检测精度，为此本专利技术提供一种基于非深度网络语义分割的绝缘子检测算法。
技术实现思路
[0004]本专利技术的目的在于提供一种基于非深度网络语义分割的绝缘子检测算法，以解决上述
技术介绍
中
【技术保护点】
【技术特征摘要】
1.一种基于非深度网络语义分割的绝缘子检测算法，其特征在于，具体包括如下步骤：步骤一：将输入图像中的每个像素分配一个语义类别，以得到像素化的密集分类；步骤二：将经步骤一分类后的数据处理并通过建立的网络模型，对通过网络模型的图片提取HOG特征，确定绝缘子在图片中的大致位置；步骤三：梯度定位方向直方图进行特征描述，具有对尺度旋转、缩放、光照变化能够保持不变性，并且有较强的抗噪能力；K
‑
Means聚类算法训练视觉字典，排除非绝缘子的特征，保留绝缘子特征，达到检测出图像中绝缘子的目的；步骤四：对步骤二确定的绝缘子所处的大概位置，采用结构化随机森林边缘检测算法提取图像边缘概率图Edge1，并通过非极大值抑制算法细化图像边缘，得到细化边缘概率图Edge2，筛选细化边缘概率图中满足特定条件的所有边缘，并将得到的新的边缘概率图Edge4，并将Edge4归一化至[0,1]；基于新的边缘概率图Edge4，将局部边缘特征信息代入贝叶斯推理框架中计算该边缘的显著性值；将得到的所有边缘按显著值从高到低进行排序，筛选出显著性高的边缘，利用绝缘子边缘分布呈现波动性的形态特征进行二次判断，获取绝缘子边缘段；步骤五：对所采集到的彩色绝缘子图像转化成灰度图像的方法采用加权平均法进行灰度化处理，获得灰度图像；步骤六：将测试集数据图像进行高斯滤波处理，然后再对平滑处理后的图像下采样分解，对其大小分别进行1/4下采样，得到新的图像，通过连续降采样，得到不同尺寸的缩略图，最终组成三层金字塔，从最底层到最顶层，图像尺寸逐渐缩小，图像分辨率逐渐降低，得到高斯金字塔模型；然后对得到的高斯金字塔模型每层图像分别提取HOG特征，组成图像的最终的HOG特征向量；步骤七：GLOH描述子采用对数极坐标对特征点邻域进行划分，即建立三个半径逐渐增大的嵌套圆形区域并在最外面两个圆形区域进行8个角度方向的划分，这样就形成17个不重叠的子区域，GLOH描述子对每个子区域建立16柱的梯度方向直方图...
【专利技术属性】
技术研发人员：朱兆亚，朱吕甫，朱兆喆，
申请(专利权)人：安徽炬视科技有限公司，
类型：发明
国别省市：
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。