一种基于WIPI模型的红外成像SF6气体检测方法和系统技术方案

本发明专利技术公开了一种基于WIPI模型的红外成像SF6气体检测方法和系统，包括以下步骤：基于单帧红外图像模型，利用局部区域构造方法建立IPI模型；采用核范数最小化NNM模型来凸近似低秩矩阵的最小化表达式；采用加权核范数WNNM模型对所述最小化表达式进行重定义；将所述加权核范数WNNM模型转化为二次优化模型；建立奇异值表达式，使得迭代的奇异值能够自适应的更新权重，并通过WAPG算法进行求解。本发明专利技术采用加权核范数对背景图像进行约束，用加权核范数来近似红外背景图像的秩，自适应地赋予每个奇异值不同的权重，并通过WAPG算法来求解；通过自适应阈值分割算法，可准确地从稀疏目标图像中提取出SF6气体泄漏点，有效提高了SF6气体微小泄漏检测的精度。泄漏检测的精度。泄漏检测的精度。

【技术实现步骤摘要】
一种基于WIPI模型的红外成像SF6气体检测方法和系统


[0001]本专利技术涉及SF6气体检测
，尤其涉及一种基于WIPI模型的红外成像SF6气体检测方法和系统。

技术介绍

[0002]六氟化硫SF6气体是一种无色、无味、无毒且化学性质极其稳定的惰性气体，具有优异的绝缘性能和灭弧能力，是一种优于油和空气的超高压绝缘材料，因此，SF6气体被广泛应用于高压和超高压领域的电气设备，如六氟化硫全封闭组合电器，SF6断路器。
[0003]但是随着时间的推移，由于制作工艺、材料质量和自然环境等原因，GIS中的SF6气体泄漏的现象时有发生，泄漏的SF6气体会带来严重的不良后果，会使得GIS无法正常运行，导致整个电网都无法正常运转，给电力系统造成极大的经济压力。其次，泄漏的SF6气体在高压电弧的作用下会分解成多种低氟化物，这对电力运维人员的身体安全造成了一定的威胁。
[0004]现有技术中存在的红外成像检测方法，由于SF6红外成像易受背景噪声影响，呈低对比度与低信噪比特性，这些因素使得SF6微小泄漏检测变得十分困难。
[0005]为此，提供了一种基于WIPI模型的红外成像SF6气体检测方法和系统，以解决上述问题。

技术实现思路

[0006]本专利技术所述的一种基于WIPI模型的红外成像SF6气体检测方法和系统，采用加权核范数对背景图像进行约束，用加权核范数来近似红外背景图像的秩，自适应地赋予每个奇异值不同的权重，并通过WAPG算法来求解，有效地挖掘了背景的潜在信息，解决上述
技术介绍
中提出的问题。
[0007]为实现上述目的，本专利技术提供如下技术方案：
[0008]本专利技术所述的一种基于WIPI模型的红外成像SF6气体检测方法，包括以下步骤：基于单帧红外图像模型，利用局部区域构造方法建立IPI模型；采用核范数最小化NNM模型来凸近似低秩矩阵的最小化表达式；采用加权核范数WNNM模型对所述最小化表达式进行重定义；将所述加权核范数WNNM模型转化为二次优化模型；建立奇异值表达式，使得迭代的奇异值能够自适应的更新权重，并通过WAPG算法进行求解。
[0009]优选的，所述单帧红外图像模型为如下表达式：
[0010]f
D
(x，y)＝f
T
(x，y)+f
B
(x，y)+f
N
(x，y)，
[0011]式中，(x，y)分别表示像素点的横纵坐标，f
D
(x，y)为原始红外图像，f
T
(x，y)为目标图像，f
B
(x，y)为背景图像，f
N
(x，y)为噪声图像；
[0012]通过利用局部区域构造法将所述单帧红外图像模型转化为IPI模型，所述IPI模型为如下表达式：
[0013]D＝T+B+N，
[0014]式中，D为原始补片图像，T为目标补片图像，B为背景补片图像，N为噪声补片图像。
[0015]优选的，基于IPI模型，将所述背景补片图像转化为低秩矩阵：
[0016]rank(B)≤r，
[0017]所述低秩矩阵中，r为常数，代表背景的复杂程度，r的值越大，背景越复杂；
[0018]基于IPI模型，将所述目标补片图像转化为稀疏矩阵：
[0019]||T||0＜k，
[0020]所述稀疏矩阵中，||T||0表示0
‑
范数，代表所述稀疏矩阵中非0元素的数量，k的值取决于图像中目标的尺寸与数量，且k＜＜m*n，m*n表示目标补片图像的大小。
[0021]优选的，假设所述目标补片图像T为稀疏矩阵，所述背景补片图像B为低秩矩阵，并考虑图像中的噪声，将所述IPI模型转化为凸优化问题并建立一次优化模型：
[0022][0023]所述一次优化模型中，||B||
*
表示核范数，λ为非负权重的常数，||T||1表示1
‑
范数，表示F
‑
范数，定义为δ表示图像的噪声水平。
[0024]优选的，所述低秩矩阵的核范数为其所有奇异值之和，所述最小化表达式为：
[0025][0026]所述最小化表达式中，δ
i
(B)为低秩矩阵B的第i个奇异值。
[0027]优选的，核范数最小化NNM模型的低秩矩阵凸近似问题，通过对观测低秩矩阵的奇异值进行软阈值操作来得到其闭式解，建立如下闭式解表达式：
[0028][0029]所述闭式解表达式中，U∑V
T
1为低秩矩阵的奇异值分解，∑2为奇异值3δ
i
(B)组成的对角矩阵，4S
λ
(∑)为对角矩阵5∑的软阈值分割算子，则对6∑中的每个元素∑
i
7来说，则有如下分割阈值表达式：
[0030]S
λ
(∑)
i
＝max(∑
i
‑
λ，0)。
[0031]优选的，所述加权核范数WNNM模型对所述最小化表达式进行重定义后，得到定义表达式：
[0032][0033]所述定义表达式中，w＝[w1，w2，
…
，w
n
]T
，w
i
≥0为低秩矩阵B相应的奇异值对应的非负权重。
[0034]优选的，所述二次优化模型为：
[0035][0036]所述二次优化模型中，w
i
为权重分量，d
i
和δ
i
分别为B和D经过奇异值分解后得到的第i个奇异值；
[0037]当δ1≥δ2≥
…
≥δ
n
≥0且0≤w1≤w2≤
…
≤w
n
时，得到所述二次优化模型的解：
[0038][0039]通过加权软阈值分割来得到所述加权核范数WNNM模型的闭式解：
[0040][0041]当所述权重分量w
i
都相同时，所述加权核范数WNNM模型将退化为核范数最小化NNM模型；
[0042]基于IPI模型，将所述加权核范数WNNM模型转换后得到WNNM
‑
IPI模型：
[0043][0044]优选的，所述奇异值表达式为：
[0045][0046]所述奇异值表达式中，c为非负常数，为一经验参数，在实验室进行设置；δ
i
(B
k
‑1)为第k
‑
1次迭代得到的第i个奇异值，ε为一个足够小的整数，避免分母为零；
[0047]根据所述奇异值表达式，初始化B0＝D，通过软阈值奇异值分割得到奇异值软阈值分割算子S
c
(∑)
i
表达式：
[0048][0049]所述奇异值软阈值分割算子表达式中，c1＝δ
i
(B)
‑
ε；c2＝[δ
i
...

【技术保护点】

【技术特征摘要】
1.一种基于WIPI模型的红外成像SF6气体检测方法，其特征在于，包括以下步骤：基于单帧红外图像模型，利用局部区域构造方法建立IPI模型；采用核范数最小化NNM模型来凸近似低秩矩阵的最小化表达式；采用加权核范数WNNM模型对所述最小化表达式进行重定义；将所述加权核范数WNNM模型转化为二次优化模型；建立奇异值表达式，使得迭代的奇异值能够自适应的更新权重，并通过WAPG算法进行求解。2.根据权利要求1所述的一种基于WIPI模型的红外成像SF6气体检测方法，其特征在于，所述单帧红外图像模型为如下表达式：f
D
(x，y)＝f
T
(x，y)+f
B
(x，y)+f
N
(x，y)，式中，(x，y)分别表示像素点的横纵坐标，f
D
(x，y)为原始红外图像，f
T
(x，y)为目标图像，f
B
(x，y)为背景图像，f
N
(x，y)为噪声图像；通过利用局部区域构造法将所述单帧红外图像模型转化为IPI模型，所述IPI模型为如下表达式：D＝T+B+N，式中，D为原始补片图像，T为目标补片图像，B为背景补片图像，N为噪声补片图像。3.根据权利要求2所述的一种基于WIPI模型的红外成像SF6气体检测方法，其特征在于，基于IPI模型，将所述背景补片图像转化为低秩矩阵：rank(B)≤r，所述低秩矩阵中，r为常数，代表背景的复杂程度，r的值越大，背景越复杂；基于IPI模型，将所述目标补片图像转化为稀疏矩阵：||T||0＜k，所述稀疏矩阵中，||T||0表示0
‑
范数，代表所述稀疏矩阵中非0元素的数量，k的值取决于图像中目标的尺寸与数量，且k＜＜m*n，m*n表示目标补片图像的大小。4.根据权利要求3所述的一种基于WIPI模型的红外成像SF6气体检测方法，其特征在于，假设所述目标补片图像T为稀疏矩阵，所述背景补片图像B为低秩矩阵，并考虑图像中的噪声，将所述IPI模型转化为凸优化问题并建立一次优化模型：所述一次优化模型中，||B||
*
表示核范数，λ为非负权重的常数，||T||1表示1
‑
范数，表示F
‑
范数，定义为δ表示图像的噪声水平。5.根据权利要求1所述的一种基于WIPI模型的红外成像SF6气体检测方法，其特征在于，所述低秩矩阵的核范数为其所有奇异值之和，所述最小化表达式为：所述最小化表达式中，δ
i
(B)为低秩矩阵B的第i个奇异值。6.根据权利要求5所述的一种基于WIPI模型的红外成像SF6气体检测方法，其特征在于，核范数最小化NNM模型的低秩矩阵凸近似问题，通过对观测低秩矩阵的奇异值进行软阈值操作来得到其闭式解，建立如下闭式解表达式：
所述闭式解表达式中，U∑V
T
1为低秩矩阵的奇异值分解，∑2为奇异值3δ
i
(B)组成的对角矩阵，4S
λ
(∑)为对角矩阵5∑的软阈值分割算子，则对6∑中的每个元素∑
i
7来说，则有如下分割阈值表达式：S
λ
(∑)
i
＝max(∑
i<...

【专利技术属性】
技术研发人员：胡梦竹，朱立平，喻敏，罗宗昌，唐彬，李建新，梁沁沁，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：