本发明专利技术公开了一种基于差异图融合的变电设备红外图像变化检测方法，方法包括获取目标设备在不同时期下的两幅原始红外设备图像；根据原始红外设备图像构建第一组原始灰度图；对第一组原始灰度图进行非线性处理，得到第二组变换灰度图和第三组变换灰度图；从第一组原始灰度图、第二组变换灰度图、第三组变换灰度图中提取差异图得到第一差异图、第二差异图和第三差异图；对第一差异图、第二差异图和第三差异图进行均值滤波处理，得到对应的目标差异图；根据各个目标差异图，计算最优差异图；对最优差异图进行聚类处理，得到红外设备图像的变化检测结果。本发明专利技术准确率高且成本低，可广泛应用于红外图像处理技术领域。应用于红外图像处理技术领域。应用于红外图像处理技术领域。
【技术实现步骤摘要】
一种基于差异图融合的变电设备红外图像变化检测方法
[0001]本专利技术涉及红外图像处理
，尤其是一种基于差异图融合的变电设备红外图像变化检测方法。
技术介绍
[0002]随着社会经济的迅速发展，促进了对电网的智能化建设。变电站是电力系统的一个关键节点，实时判断变电站变电设备的运行状态，及时排除变电站设备存在的故障隐患，是保证电网安全可靠运行的基础。目前，变电站的日常巡检任务采用人工巡检方式去判断变电设备运行状况不仅难以满足实时性要求，而且带来了高额的人工成本。另一方面，由于人工巡检员对设备运行状况具有强烈的经验性和主观性，也会大大增加了巡检结果的误差，造成误、漏报情况的发生率。因此，利用智能巡检机器人去替代人工巡检，实现变电站内变电设备的巡检智能化刻不容缓。
[0003]智能巡检机器人的智能化主要是通过传感器对变电设备和周围环境进行感知，应用图像检测识别相关技术，对设备的运行状态进行评估，从而及时发现变电站内设备的各项问题，排除变电设备的故障隐患。巡检机器人通常配备可见光摄像机、红外热成像仪等主要传感器。可见光摄像机通过搭载高清摄像机，能够精确地读取设备仪表数字。红外热成像仪可以采集周围环境以及变电设备辐射的红外线，转化为可见的热分布图像，从而获得设备的红外图像。在这种情况下，通过分析对比两个不同时期所采集的红外图像，可以获取变电设备在这两个时期的变化信息，并对设备是否故障进行评估。如果设备图像变化异常，则会自动发出警报提醒。同样地，通过获取多个时期同一设备的红外图像并进行分析比较，实时监测变电设备的运行状态，以便及时发现设备的异常情况。
[0004]目前的图像变化检测技术都是应用于森林覆盖变化、土地利用覆盖、城市环境变化等领域的遥感图像处理，而目前变电站内变电设备的运行状态主要还是通过人工巡检，存在人工成本高、检测误差大等问题。
技术实现思路
[0005]有鉴于此，本专利技术实施例提供一种准确率高且成本低的，基于差异图融合的变电设备红外图像变化检测方法。
[0006]本专利技术实施例的一方面提供了一种基于差异图融合的变电设备红外图像变化检测方法，包括：
[0007]获取目标设备在不同时期下的两幅原始红外设备图像；
[0008]将所述原始红外设备图像转换为灰度图像，构建第一组原始灰度图；
[0009]通过高斯函数对所述第一组原始灰度图进行非线性处理，得到第二组变换灰度图；并通过对数函数对所述第一组原始灰度图进行非线性处理，得到第三组变换灰度图；
[0010]从所述第一组原始灰度图中提取差异图得到第一差异图；从所述第二组变换灰度图中提取差异图得到第二差异图；从所述第三组变换灰度图中提取差异图得到第三差异
图；
[0011]对所述第一差异图、所述第二差异图和所述第三差异图进行均值滤波处理，得到对应的目标差异图；
[0012]根据各个目标差异图，计算最优差异图；
[0013]对所述最优差异图进行聚类处理，得到红外设备图像的变化检测结果。
[0014]可选地，所述将所述原始红外设备图像转换为灰度图像，构建第一组原始灰度图这一步骤中，将所述原始红外设备图像转换为灰度图像的计算公式为：
[0015]I＝0.299
×
R+0.587
×
G+0.114
×
B
[0016]其中，R、G、B分别为原始红外设备图像的红色分量、绿色分量、蓝色分量组成的单通道图像。
[0017]可选地，所述通过高斯函数对所述第一组原始灰度图进行非线性处理的表达式为：
[0018][0019]其中，(i,j)代表图像像素坐标；I
k
()代表第k幅原始红外设备图像(k＝1,2)；g()代表对原始红外设备图像进行高斯变换处理；σ代表高斯核宽度；exp()代表自然指数函数；
[0020]所述通过对数函数对所述第一组原始灰度图进行非线性处理的表达式为：
[0021]l(I
k
(i,j))＝log(I
k
(i,j)+1)
[0022]其中，l()代表对原始红外图像进行对数变换处理；log()代表对数函数。
[0023]可选地，所述从所述第一组原始灰度图中提取差异图得到第一差异图，具体为：
[0024]将所述第一组原始灰度图中各组图像的对应像素点进行相减，得到所述第一差异图。
[0025]可选地，所述根据各个目标差异图，计算最优差异图，包括：
[0026]计算滤波后的各个目标差异图的信息熵值，得到相应的权重系数；
[0027]根据所述权重系数，将各个目标差异图进行加权求和，得到最优差异图；
[0028]其中，所述权重系数的计算公式为：
[0029][0030]其中，ω1代表第一差异图对应的权重系数；ω2代表第二差异图对应的权重系数；ω3代表第三差异图对应的权重系数；H1代表第一差异图对应的信息熵值；H2代表第二差异图对应的信息熵值；H3代表第三差异图对应的信息熵值。
[0031]本专利技术实施例的另一方面还提供了一种基于差异图融合的变电设备红外图像变化检测系统，包括：
[0032]第一模块，用于获取目标设备在不同时期下的两幅原始红外设备图像；
[0033]第二模块，用于将所述原始红外设备图像转换为灰度图像，构建第一组原始灰度图；
[0034]第三模块，用于通过高斯函数对所述第一组原始灰度图进行非线性处理，得到第二组变换灰度图；并通过对数函数对所述第一组原始灰度图进行非线性处理，得到第三组
变换灰度图；
[0035]第四模块，用于从所述第一组原始灰度图中提取差异图得到第一差异图；从所述第二组变换灰度图中提取差异图得到第二差异图；从所述第三组变换灰度图中提取差异图得到第三差异图；
[0036]第五模块，用于对所述第一差异图、所述第二差异图和所述第三差异图进行均值滤波处理，得到对应的目标差异图；
[0037]第六模块，用于根据各个目标差异图，计算最优差异图；
[0038]第七模块，用于对所述最优差异图进行聚类处理，得到红外设备图像的变化检测结果。可选地，将所述原始红外设备图像转换为灰度图像的计算公式为：
[0039]I＝0.299
×
R+0.587
×
G+0.114
×
B
[0040]其中，R、G、B分别为原始红外设备图像的红色分量、绿色分量、蓝色分量组成的单通道图像；
[0041]所述通过高斯函数对所述第一组原始灰度图进行非线性处理的表达式为：
[0042][0043]其中，(i,j)代表图像像素坐标；I
k
()代表第k幅原始红外设备图像(k＝1,2)；g()代表对原始红外图像进行高斯变换处理；σ代表高斯核宽度；exp()代表自然指数函数；
[0044]所述通过对数函数对所述第一组原始灰度图进行非线性处理的表本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于差异图融合的变电设备红外图像变化检测方法，其特征在于，包括：获取目标设备在不同时期下的两幅原始红外设备图像；将所述原始红外设备图像转换为灰度图像，构建第一组原始灰度图；通过高斯函数对所述第一组原始灰度图进行非线性处理，得到第二组变换灰度图；并通过对数函数对所述第一组原始灰度图进行非线性处理，得到第三组变换灰度图；从所述第一组原始灰度图中提取差异图得到第一差异图；从所述第二组变换灰度图中提取差异图得到第二差异图；从所述第三组变换灰度图中提取差异图得到第三差异图；对所述第一差异图、所述第二差异图和所述第三差异图进行均值滤波处理，得到对应的目标差异图；根据各个目标差异图，计算最优差异图；对所述最优差异图进行聚类处理，得到红外设备图像的变化检测结果。2.根据权利要求1所述的一种基于差异图融合的变电设备红外图像变化检测方法，其特征在于，所述将所述原始红外设备图像转换为灰度图像，构建第一组原始灰度图这一步骤中，将所述原始红外设备图像转换为灰度图像的计算公式为：I＝0.299
×
R+0.587
×
G+0.114
×
B其中，R、G、B分别为原始红外设备图像的红色分量、绿色分量、蓝色分量组成的单通道图像。3.根据权利要求1所述的一种基于差异图融合的变电设备红外图像变化检测方法，其特征在于，所述通过高斯函数对所述第一组原始灰度图进行非线性处理的表达式为：其中，(i,j)代表图像像素坐标；I
k
()代表第k幅原始红外设备图像(k＝1,2)；g()代表对原始红外设备图像进行高斯变换处理；σ代表高斯核宽度；exp()代表自然指数函数；所述通过对数函数对所述第一组原始灰度图进行非线性处理的表达式为：l(I
k
(i,j))＝log(I
k
(i,j)+1)其中，l()代表对原始红外图像进行对数变换处理；log()代表对数函数。4.根据权利要求1所述的一种基于差异图融合的变电设备红外图像变化检测方法，其特征在于，所述从所述第一组原始灰度图中提取差异图得到第一差异图，具体为：将所述第一组原始灰度图中各组图像的对应像素点进行相减，得到所述第一差异图。5.根据权利要求1所述的一种基于差异图融合的变电设备红外图像变化检测方法，其特征在于，所述根据各个目标差异图，计算最优差异图，包括：计算滤波后的各个目标差异图的信息熵值，得到相应的权重系数；根据所述权重系数，将各个目标差异图进行加权求和，得到最优差异图；其中，所述信息熵值的计算公式为：其中，ω1代表第一差异图...
【专利技术属性】
技术研发人员：李砺，徐维超，温中蒙，
申请(专利权)人：尔智机器人珠海有限公司，
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。