【技术实现步骤摘要】
本专利技术涉及图像处理领域，提供了一种基于变电站智能巡检的相机水印生成及wiou校验得分算法。
技术介绍
1、在变电站数字化转型的快速发展阶段，基于已有的变电站设备设施进行智能巡检快速化部署成为变电站的重要需求之一，对变电站智能巡检的图像数据添加相机数字水印是变电站进行基本信息保护必不可少的重要举措。在变电站异常检测系统中待分析图像向底图对齐过程中由于文字结构信息强，导致对齐效果差。常见的sift(scale-invariantfeature transform)、orb(oriented fast and rotated brief)、superpoint等特征提取算法，是基于局部特征描述的算法，主要关注图像的边缘、角点、纹理等特征。这些特征通常对应着图像中较为明显的像素强度变化或结构信息。而文字信息会产生较强的结构信息，使得特征提取算法错误地将这些文字信息识别为图像中的特征点。例如，当文字与图像中的其他特征重叠或相邻时，sift算法可能会将文字的边缘或纹理误认为是图像中的特征点，从而使得特征匹配的准确性和稳定性下降。相机水印检测模型泛化能力弱，对新部署的站点其他文字标识产生误检，没有可靠信息进行校验，导致异常检测系统漏检率高。
2、现有技术缺陷：
3、1、直接通过图像ps技术或深度学习可见水印去除算法，需要耗费大量的人力和资源对新部署的站点进行模型的训练，实际部署效率低；
4、2、不对水印加以处理，即使对齐效果中存在偏差，异常检测系统也可以通过后期算法进行过滤，但是部分特征明显区域也会成为
5、3、直接利用检测模型对站点数据进行相机水印的检测，并未对模型和后处理结果进行校验，提升了相机水印检测模型在新站点的误检概率，从而提高了变电站异常检测系统的漏检概率及潜在风险。
技术实现思路
1、本专利技术的目的解决数字水印在变电站图像异常中导致的误检问题。
2、为了实现上述目的本专利技术采用以下技术手段：
3、本专利技术提供了一种基于变电站智能巡检的相机水印生成及wiou校验得分算法，包括以下步骤：
4、步骤1：建立变电站的原始图像数据集a+set及水印图像数据b+set；
5、步骤2：利用水印图像数据b+set，通过随机散布算法，得到增加后的水印生成图片数据集c+set；
6、步骤3：以原始图像数据集a+set与水印生成图片数据集c+set为训练集，以yolo为网络架构的水印定位模型，调整偏向wiou损失函数，对偏向中心预测错误的区域增加惩罚系数，训练适应变电站异常检测系统的水印定位检测模型；
7、步骤4：结合变电站异常检测系统已有的roi区域信息，对所检测的相机图像的水印信息进行wiou的误检框的过滤及计算图像整体wiou分数；
8、步骤5：自动化迭代训练集，将特征提取法应用到随机生成水印生成图片数据集的过程中，增强模型的泛化能力，学习更多的图像的高维特征，得到最终水印定位检测模型。
9、上述技术方案中，步骤1包括以下步骤：
10、步骤1.1、建立原始图像数据集a+set，通过采集已有的p个变电站取得每个变电站n个点位，从n个点位里面任取q张不同时间点的图像数据，得到p*n*q张图片，并进行labelimg相机水印标注；
11、步骤1.2、建立水印图像数据集b+set，通过水印生成算法，将已有合作的p个变电站的每个变电站n个点位的时间戳、云台、站名、间隔名、设备名、点位名进行随机排列组合，组成m行水印内容，水印里面的文字包含随机不同黑白颜色，进行批量水印图像数据集生成，得到p*n*m张水印图像数据。
12、上述技术方案中，步骤2具体包括：
13、建立水印生成图片数据集c+set，将b+set里面的所有数据，通过随机散布算法，以不同的方式添加到原始集合a+set里面的每一张a0里面，最后得到水印生成图片数据集c+set。
14、上述技术方案中，随机散布算法具体包括以下步骤：
15、叠加法：将水印图像叠加在原始图像上，然后使用透明度或混合模式来使水印图像变得不可见；
16、像素交换法：将原始图像中的一些像素替换为水印图像中的像素，即将水印图像嵌入到原始图像中；
17、嵌入法：将水印图像嵌入到原始图像的最低有效位中，实现将水印图像添加到原始图像中而不会影响视觉效果；
18、微调法：对原始图像的参数进行微调，参数包括亮度、对比度、色相，以便将水印图像添加到原始图像中而不会引起视觉上的变化；
19、特征提取法：利用步骤3里面训练的水印检测模型去迭代训练集，在初次训练中不使用本特征提取法，利用水印定位检测模型来提取原始图像和水印图像的特征，将水印图像特征添加到原始图像特征中，让模型的优化方向学习水印图像高维特征进行迭代。
20、上述技术方案中，步骤3具体包括以下步骤：
21、3.1、调整边框损失函数wiou_loss，在多个检测框和目标框iou相同的情况下，更偏向区距离中心点更远的框作为模型优化的方向；
22、3.2、以原始图像数据集a+set与添加水印图像数据集c+set为水印定位检测模型初始训练集，进行初版模型的训练。
23、上述技术方案中，变电站异常检测系统已有的roi区域信息、是指每个巡视点位对进行roi配置，roi配置包括roi区域的位置信息和roi区域的灵敏度信息，获取roi相机水印的位置信息与水印定位检测模型的相机水印输出区域进行低于wiou阈值的过滤，并获得当前变电站的平均mwiou分数。
24、上述技术方案中，步骤4具体包括以下步骤：
25、4.1制作与原始图像数据集a+set完全不相交的其他p’个变电站原始图像数据集d+set作为测试集并进行labelimg的标注；
26、4.2获取变电站异常检测系统p’个变电站的n个站点roi相机水印的位置信息；
27、4.3将roi相机水印的位置信息与水印定位检测模型的相机水印输出区域进行低于wiou阈值的过滤；
28、4.3按照下式进行每张图像wiou的得分及平均mwiou的得分计算：
29、c＝a-(a∩b)
30、d＝b-(a∩b)
31、wiou＝(a∩b)/(5*c+(a∩b)+d)
32、
33、a为每张图像目标框的面积和，b为每张图像上预测框的面积和，∩表示交集，∪表示并集，根据这个定义，wiou的值介于0和1之间，给予预测错误区域c更大的惩罚系数，评估在整张图上面的整体预测分数，wiou值越大表示预测框越接近变电站异常检测系统所需要的预测框。
34、因为本专利技术采用上述技术手段，因此具备以下有益效果：...
【技术保护点】
1.一种基于变电站智能巡检的相机水印生成及WIoU校验得分算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于变电站智能巡检的相机水印生成及WIoU校验得分算法，其特征在于，步骤1包括以下步骤：
3.根据权利要求1所述的基于变电站智能巡检的相机水印生成及WIoU校验得分算法，其特征在于，步骤2具体包括：
4.根据权利要求3所述的基于变电站智能巡检的相机水印生成及WIoU校验得分算法，其特征在于，随机散布算法具体包括以下步骤：
5.根据权利要求1所述的基于变电站智能巡检的相机水印生成及WIoU校验得分算法，其特征在于，步骤3具体包括以下步骤：
6.根据权利要求1所述的基于变电站智能巡检的相机水印生成及WIoU校验得分算法，其特征在于，变电站异常检测系统已有的ROI区域信息是指每个巡视点位对进行ROI配置，ROI配置包括ROI区域的位置信息和ROI区域的灵敏度信息，获取ROI相机水印的位置信息与水印定位检测模型的相机水印输出区域进行低于WIoU阈值的过滤，并获得当前变电站的平均MWIoU分数。
7.根据
...【技术特征摘要】
1.一种基于变电站智能巡检的相机水印生成及wiou校验得分算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于变电站智能巡检的相机水印生成及wiou校验得分算法，其特征在于，步骤1包括以下步骤：
3.根据权利要求1所述的基于变电站智能巡检的相机水印生成及wiou校验得分算法，其特征在于，步骤2具体包括：
4.根据权利要求3所述的基于变电站智能巡检的相机水印生成及wiou校验得分算法，其特征在于，随机散布算法具体包括以下步骤：
5.根据权利要求1所述的基于变电站智能巡检的相机水印生成及wio...
【专利技术属性】
技术研发人员：许知博，张杰，赵航，李轶，周梁，李小卫，廖强，王月超，张宇，王哲，顾华鑫，吴哲潇，朱琳，
申请(专利权)人：国网陕西省电力有限公司咸阳供电公司，
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。