【技术实现步骤摘要】
一种基于红外与可见光图像融合的变电站无人机巡检方法
:
[0001]本专利技术涉及变电站巡检
,尤其涉及一种基于红外与可见光图像融合的变电站无人机巡检方法。
技术介绍
:
[0002]变电站是电力系统中不可缺少的重要组成部分,其安全稳定运行是保证电力系统正常运行的基础。变电站的巡检业务是保证电网安全稳定运行的关键工作之一,对变电站的运行状况进行实时监测,及时发现变电站电气设备的缺陷,作出预警,避免发生安全事故。目前,变电站内运维巡检主要有人工巡检、机器人巡检两种方式,人工巡检为传统巡检方式,机器人巡检为近年来广受欢迎的新兴巡检方式,在输电线路巡检应用中已形成一定规模,具有全自主、近距离、高质量等特点。
[0003]现有变电站无人机巡检系统图像主要是通过红外与可见光传感器获取的,它们可以同时安装在无人机巡检中,两者输出的图像含有不同的信息,这些信息相互补充可以融合在一起用于变电站无人机巡检电气设备的识别。在过去的几十年里,人们提出了许多图像融合技术,包括传统的方法和最近的基于深度学习的方法。尽管近年来基于深度学习的图像融合算法能够生成令人满意的融合图像,但在图像融合领域仍存在一些紧迫的挑战:一方面,虽然有些研究在特征层面引入感知损失来约束融合图像和源图像,但感知损失并不能有效增强融合图像中的语义信息;另一方面,现有的网络体系结构在提取细粒度的细节特征方面效率不高。因此,急需要提出一种更合理的红外与可见光图像融合技术应用于变电站无人机巡检方法当中,克服上述的缺陷。
技术实现思路
:
[0004]为
【技术保护点】
【技术特征摘要】
1.一种基于红外与可见光图像融合的变电站无人机巡检方法,其特征在于,包括以下步骤:(1)、利用无人机的信息采集设备,获取变电站电气设备的红外图像与可见光图像,分别进行预处理;(2)、对红外图像、可见光图像对进行配准处理;(3)、构建图像融合网络,所述图像融合网络包括特征提取模块、特征融合与图像重建模块,所述图像融合网络是通过内容损失和语义损失组成的联合损失进行约束的;(4)、利用特征提取模块从配准后红外图像和可见光图像中提取红外特征和可见光特征;(5)、利用特征融合与图像重建模块将上述提取的红外特征和可见光特征进行融合,得到融合特征,并根据融合特征获得融合图像;(6)、将融合图像作为训练和被识别对象,采用图像识别算法对变电站电气设备进行识别,进而完成变电站无人机巡检。2.根据权利要求1所述的一种基于红外与可见光图像融合的变电站无人机巡检方法,其特征在于,步骤(3)中所述内容损失定义如下:定义如下:为强度损失,约束融合图像的整体表观强度,为纹理损失,强制融合图像包含更多细粒度纹理细节;α被用来在强度损失和纹理损失之间取得平衡;强度损失度量的是变电站无人巡检融合图像和源图像在像素级上的差异;因此,将红外图像和可见光图像的强度损失定义为:H、W分别为图像的高度和宽度,I
i
为红外图像,I
v
为可见光图像,I
f
为融合图像,||
·
||1为L1
‑
norm,即L1范数,max(
·
)表示元素最大选择数,通过最大选择策略整合了变电站无人巡检红外图像和可见光图像的像素强度分布;然后,利用融合分布约束融合图像的像素强度分布;纹理损失迫使融合图像包含更多的细粒度纹理信息,其定义如下:其中表示Sobel梯度算子,用于测量图像的细粒度纹理信息。|
·
|表示绝对运算;变电站无人巡检融合图像的最佳纹理假定是红外图像和可见光图像纹理的最大聚合。3.根据权利要求1所述的一种基于红外与可见光图像融合的变电站无人机巡检方法,其特征在于,步骤(3)中所述语义损失是通过引入实时语义分割网络对融合图像进行分割来实现,实时语义分割网络输出分割结果为I
S
∈R
H
×
W
×
C
和辅助分割结果为I
Sa
∈R
H
×
W
×
C
,其中,H为图像高度,W为图像宽度,C为图像通道数;相应地,语义损失包括主语义损失和辅
语义损失两个元素,从不同的角度反映了融合图像所包含的语义...
【专利技术属性】
技术研发人员:李多雄,
申请(专利权)人:安徽优航遥感信息技术有限公司,
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。