基于纹理的输电线路设备特征提取方法技术

本发明专利技术公开一种基于纹理的输电线路设备特征提取方法，包括如下步骤：（１）获取输电线设备的图像信息，并采用图片获取函数将图像等分，逐个得到等分图像的信息；（２）根据前述图像信息，利用灰度共生矩阵函数计算图像相应的灰度共生矩阵，作为计算纹理函数的输入；（３）计算纹理函数根据前述灰度共生矩阵和原始图像的灰度信息计算纹理特征值，根据８个纹理特征量的计算公式得到它们的特征值；（４）将等分图像的特征量组成一组特征量序列，遍历序列查找特征量突变点，确定发生特征量突变的位置，与该特征量对应的等分图像处即为输电线设备的故障点。此方法可方便确定和区分输电线设备的状态和好坏，检修效率高，保证输电线路的安全性和稳定性。

【技术实现步骤摘要】

本专利技术涉及输电线设备特征提取，尤其涉及输电线设备纹理特征 的提取。
技术介绍
纹理又称结构，反映的是亮度(灰度)的空间变化情况，它有三 个主要标志首先是它具有某种局部的序列性并在比该序列更大的区 域内不断重复；其次，序列是由基本部分非随机排列组成的；最后，各部分大致都是均匀的统一体，在纹理区域内的任何地方都有大致相 同的结构尺寸。这个序列的基本部分通常被称为纹理基元。因此可以 认为纹理是由纹理基元按照某种确定性的规律或者某种统计规律排 列组成的，俞者称为确定性纹理，后者称为随机性纹理。高压输电线 及部件图像中的纹理既有确定纹理，又有随机性纹理。图像的纹理有细微纹理、中等纹理和宏观纹理三级尺度(1) 细微纹理是以分辨单元为尺度表示的空间色调变化，与分 辨单元的大小和分辨单元内的独立样本数多少有关。因此这是一种固 有的纹理特征，具有随机特征。这与另外两种空间有机分布的纹理不 同， 一般不能根据它来识别面目标的类型。(2) 中等纹理实际是细微纹理的包络，它是由同一种目标的若 干分辨单元空间排列的不均匀性，以及不同目标的细微纹理所占分辨3单元的个数形成的，即以多个分辨单元为尺度来表示空间色调变化。 中等纹理是借以辨别面目标的重要信息之一，也是识别目标的主要依 据。(3)宏观纹理实际就是地形结构。它反映高压输电线图像的背 景，是地形地貌的结构特征。纹理作为一种区域特征，是对于图像各像元之间空间分布的一种 描述。由于纹理能充分利用图像信息，无论从理论上或常识出发它都 可以成为描述与识别图像的重要依据，与其它图像特征相比，它能更 好地兼顾图像宏观性质与细微结构两个方面，因此纹理成为目标识别 需要提取的重要特征。计算纹理要选择一个窗口，仅一个点是没有纹 理而言的，所以纹理是二维的。纹理分析方法基本上可分为统计方法、结构方法和谱方法三大 类。统计方法主要描述纹理单元或局部模式随机分布和空间统计特 征，其结构性用图像中纹理单元的空间频率或密度来度量，如灰度共 生矩阵纹理分析方法、随机场模型法；结构方法主要描述纹理单元及 其周期性排列的空间几何特征和排列规则,如形态学、图论、拓扑等 方法；谱方法是建立在多尺度分析与时频分析基础之上的纹理分析方 法，如Gabor变换、小波变换、分形学等。灰度共生矩阵纹理分析方法可以描述影像各像元灰度的空间分 布和结构特征，它作为传统的影像纹理分析方法已广泛应用于数字图 像处理的许多领域，尤其是利用影像纹理特征值所表征的图像空间结 构信息来改善遥感图像的地学目标分类效果。基于灰度共生矩阵的纹理分析方法 一幅图像或图像上某一个子 区域的灰度共生矩阵(Gray Level Co-occurrence Matrix)描述的 是以一定距离d和一定角度e分开的两个像元，灰度值一个为i， 一4个为j (i j=0， 1，…，N; N为所考查图像区域内灰度的最大值) 的概率A(/，力。e可取O。 、 45° 、 90° 、 135° ，表示两个像元分开 的角度。灰度共生矩阵是一个NXN的方阵，图像纹理特征表示的是 由灰度共生矩阵计算出来的一系列特征量来表达，这些特征量主要分 为基于统计的特征均值，变化量，角二阶矩(能量)表达可视纹理的特征局部平稳，对比度(惯性矩) 基于信息理论的特征熵 基于相关度的特征相关性(1)均值(Mean) w 乂-1局部窗口内灰度的均值。非相似性J^4及=Z Z & ("力.G — M￡4)2 (2)变化量(Variance) "户！局部窗口的灰度变化，变化越大，则值越大。(3) 角二阶矩(Angular Second Moment) 局部平稳性的度量，角二阶矩越大，则A"力分布越不均匀。//om=i A (/,力/(4) 局部平稳(Homogeneity) >i衡量局部同质性，当共生矩阵沿对角线集中时，值较大。ccw = Z2(/H(/,7')(5) 对比度(Contrast) '="=1 量测变化大小，局部变化大，即对比度变化大，值就大。(6) 非相似性(Dissimilarity) " h 量度相似性，与对比度相同，局部高对比变化时，值就大((7) 熵(Entropy) w 乂-1衡量复杂度，按最大熵理论，熵越大，则^("')分布越均匀。、 ，=过(/ - /0.(卜//》.A (/，录^(8) 相关(Correlation) "1户1衡量邻域灰度线性依赖性。其中WW WW /=1 /=1 /=1 乂=1目前随着城市化的发展和用电量的增加，输电线路纵横交错，特 别是一些高压线路，由于其始终暴露在室外，受到外界环境和恶劣天 气的影响，容易老化和损伤，当其出现破损时，极容易因漏电而发生 事故，危害周围居民的人身安全。目前的输电线路大都采用分级配电 的方式，当一条输电线路发生故障而断路时，可使用其它的线路进行 供电，保证输电线路的畅通，然后维修人员査找故障，更换输电线， 然而，由于现今的输电线路一般距离较长，维修人员需要对每段都进 行检修，排除故障，而且很容易遗漏故障处而造成返工，维修效率极 低，且损伤的输电线暴露在外，当行人或车辆在附近走过，很容易引 起触电，安全性较低。有鉴于上述分析，本专利技术人借鉴目前纹理的相关理论和研究，在 输电线的故障检修中进行结合和试验，本案由此产生。
技术实现思路
本专利技术的主要目的，在于提供一种基于纹理的输电线路设备特征区分输电线设备的状态和好坏，检修效率 高，保证输电线路的安全性和稳定性。为了达成上述目的，本专利技术的解决方案是一种，包括如下步骤(1) 获取输电线设备的图像信息，并采用图片获取函数将图像等分，逐个 得到等分图像的信息；(2)根据前述图像信息，利用灰度共生矩阵 函数计算图像相应的灰度共生矩阵，作为计算纹理函数的输入；(3) 计算纹理函数根据前述灰度共生矩阵和原始图像的灰度信息计算纹 理特征值，根据8个纹理特征量的计算公式得到它们的特征值，此处 8个纹理特征量为角二阶矩、熵、非相似性、变化量、均值、局部平 稳、对比度和相关性；(4)将等分图像的特征量组成一组特征量序 列，遍历序列查找特征量突变点，确定发生特征量突变的位置，与该 特征量对应的等分图像处即为输电线设备的故障点。上述步骤(1)中，等分图像采用16X16的窗口大小。 上述步骤(2)中，两个像元间的距离为5，夹角为0。。 采用上述方法后，本专利技术采用纹理特征作为输电线设备的特征 量，其原理如下-图像的纹理特征具有表示和度量图像像素集合内部组织结构特 征，通过8种特征参量来测量和描述图像中像素集合内部结构化程 度，它们是均值，变化量，角二阶矩(能量)，局部平稳，对比度(惯 性矩)，非相似性，熵和相关性。输电线设备和缺陷都有各自的纹理 特征，而且在相同的环境和相同的拍摄条件下，它们的纹理特征值都 会有所不同。本专利技术利用了纹理特征在待识别对象和连续对象内部分 块的纹理差异，来作为这些对象的特征量。图像的特征有许多种，如灰度特征，RGB特征，图像的HSI特征，连通区域特征，边界特征，纹理特征等等，总的来说可以把图像的特 征归纳为两大类，第一类为基于像素值大小的特征，也就是亮度大小 的特征，第二类为基于像素间关系的特征。由于输电线设备的图像来 源是取自自然环境下，户本文档来自技高网...

【技术保护点】
一种基于纹理的输电线路设备特征提取方法，其特征在于包括如下步骤：　（１）获取输电线设备的图像信息，并采用图片获取函数将图像等分，逐个得到等分图像的信息；　（２）根据前述图像信息，利用灰度共生矩阵函数计算图像相应的灰度共生矩阵，作 为计算纹理函数的输入；　（３）计算纹理函数根据前述灰度共生矩阵和原始图像的灰度信息计算纹理特征值，根据８个纹理特征量的计算公式得到它们的特征值，此处８个纹理特征量为角二阶矩、熵、非相似性、变化量、均值、局部平稳、对比度和相关性；　 　（４）将等分图像的特征量组成一组特征量序列，遍历序列查找特征量突变点，确定发生特征量突变的位置，与该特征量对应的等分图像处即为输电线设备的故障点。

【技术特征摘要】

【专利技术属性】
技术研发人员：张扬，陈舫明，龚坚刚，安居白，张新野，李春庚，
申请(专利权)人：浙江省电力公司，绍兴电力局，大连海事大学，
类型：发明
国别省市：86[中国|杭州]