【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及一种巡线图像的图像去重方法。
技术介绍
1、输电和变电是电能从生产到使用的中间环节，承载着电能的输送和转化的关键任务，输电和变电设备的安全可靠运行关乎地区人民的生产、生活等诸方面的问题。因此，维护输电系统安全稳定运行是巡检工作的首要目标和最终目的，变电设备与输电线路的反复检查巡视也是确保电网能够正常稳定运行的重要手段。人工巡视、无人机巡视、巡线设备巡视以及其他视频设备进行线路巡视都将产生大量图像数据，但是数据大多以存放在移动硬盘或光盘的方式粗放管理，没有一套信息化数据治理系统对图片数据进行统一管理，查询、分析极不方便。因此，急需开展面向输电运检场景的巡检数据治理技术研究，通过数据治理实现巡视数据的信息化管理和科学分析。与此同时，面向输电运检场景的巡检数据中存在大量重复图像，导致查询、分析效率更低，因此，在实现巡视数据的信息化管理和科学分析之前需要先对巡线图像进行去重处理。
2、传统的图片去重算法可以分为基于全局特征的去重算法和基于局部特征的去重算法。其中，基于全局特征的去重算法从图像中提取全局特征，如颜色直方图、梯度直方图等。但此类方法很难满足去重要求，因为全局特征只能描述图像的全局统计特性，而对于特征在图像中的分布缺乏描述能力。基于局部特征的去重算法提取图像局部特征，并建立特征统计向量，通过比较局部特征在图像中的统计向量来衡量图片的相似性，进而达到重复判定的目的。与基于全局特征的去重算法中的统计向量不同，基于局部特征的去重算法中，图像特征如像素颜色、梯度等，统计向量是先在局部建立，然
技术实现思路
1、本专利技术主要是为了解决面向输电运检场景的巡检数据中存在大量重复巡线图像而影响数据信息化管理和科学分析效率的问题，提供了一种巡线图像的图像去重方法，基于sift算法，构建sift关键点描述子，通过关键点匹配计算相似度，实现巡线图像重复检测并去重，通过数据清洗提高海量巡线图像数据查询、分析效率，促进面向输电运检场景的巡检数据的信息化管理和科学分析，充分提升电力企业巡线数据资源的治理水平，发挥数据的价值。
2、为了实现上述目的，本专利技术采用以下技术方案。
3、一种巡线图像的图像去重方法，包括以下步骤：
4、步骤s1：构建高斯差分尺度空间；
5、步骤s2：确定关键点位置和尺度；
6、步骤s3：确定关键点方向；
7、步骤s4：构建关键点描述子；
8、步骤s5：进行关键点匹配；
9、步骤s6：计算相似度并基于相似度判断是否去重。
10、本专利技术提供了一种巡线图像的图像去重方法，基于sift算法，首先构建高斯差分尺度空间，在该尺度空间上确定关键点的位置、尺度和方向；然后基于关键点的位置、尺度和方向构建sift关键点描述子，即局部特征向量；接着通过计算目标图关键点描述子与待测图关键点描述子的欧式距离进行关键点匹配；再基于关键点匹配情况计算目标图与待测图的相似度；最后基于相似度进行巡线图像重复检测并去重。本专利技术通过数据清洗提高海量巡线图像数据查询、分析效率，促进面向输电运检场景的巡检数据的信息化管理和科学分析，有利于解决巡线过程中海量数据、管理混乱、检索时间长、分析效果差等诸多问题；通过数据治理，充分提升电力企业巡线数据资源的治理水平，发挥数据的价值，实现数据在公司运营管理和业务创新的大规模应用，真正用好数据这个未来的重要资产。
11、作为优选，步骤s1包括：
12、步骤s11：为了实现尺度不变性，sift在高斯尺度空间中检测关键点并构建描述子，输入图像的高斯尺度空间被定义为输入图像和方差逐渐增加的高斯滤波器卷积形成的一系列图像，给定输入图像i(x，y)，其高斯卷积图像表示为：
13、l(x,y,σ)＝i(x,y)*g(σ)；
14、其中，g(σ)表示方差为σ的高斯滤波器，高斯尺度空间因此而生成；
15、步骤s12：为了检测对尺度变化具有鲁棒性的关键点，sift选取高斯差分尺度空间的极值点作为初始关键点，然后不断优化调整以确定最后的关键点，为此，在高斯尺度空间的基础上，高斯差分尺度空间通过相邻图像尺度相减而构建，表示为：
16、d(x,y,σ)＝l(x,y,kσ)-l(x,y,σ)。
17、作为优选，高斯卷积运算的计算时间和图像大小以及高斯核的大小正相关，sift使用层级结构来表示高斯差分尺度空间，所述高斯差分尺度空间中的图像被分为多个层级，每一个层级方差加倍，另外在每一个层级中高斯差分尺度空间又被划分为s个子层，因此k＝21/s。sift在高斯差分空间沿三个维度搜索特征点，所以需要s+2个高斯差分图像才能覆盖完整的层级，附加的两个子层将被用于第一层和最后一层的关键点检测。因此，需要s+3幅高斯模糊图像来生成s+2幅高斯差分图像。一个层级处理完后，第s+1幅图像将被2被降采样后用作下一个层级的第一幅图像。
18、作为优选，步骤s2包括：
19、步骤s21：为了检测尺度不变关键点，sift在高斯差分尺度空间d(x，y，o)中比较每个像素和它的8个近邻以及相邻两个子层中的18个近邻以搜索局部极小点获极大点；
20、步骤s22：通过抑制非最大值点来过滤掉不稳定的极值点，得到离散位置和预定义层级上的关键点；
21、步骤s23：确定精确的子像素级的关键点位置以及尺度；与此同时，移除低对比度和沿边缘的关键点，因为这些因素将使得关键点不稳定。
22、作为优选，步骤s23中，精确的关键点位置x0＝(x，y，σ)是通过在x0附近拟和3d二次函数并在极值插值得到的。
23、作为优选，步骤s23中，将高斯差分尺度响应函数原点移至x0处，然后再做泰勒展开，得到：
24、
25、本专利技术将绝对值小于0.03(假设像素值位于0到1之间)的极值点丢弃，因为绝对值小的极值点对比度低，将对噪声敏感。此外，因为高斯差分函数在边缘处有较强的响应，边缘上的极值点对噪声不稳定，极值点位置通常具有较大的位置误差；同时，边缘处的点通常具有难以分辨的局部外形，这将使得提取确定性的描述子困难，因此，这些极值点也将被丢弃。
26、作为优选，关键点检测的最后一步是给每个关键点分配方向，以获得旋转不变性，关键点的方向是从和尺度相关的环形邻域计算而来的，步骤s3包括：
27、步骤s31：给定本文档来自技高网...
【技术保护点】
1.一种巡线图像的图像去重方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种巡线图像的图像去重方法，其特征在于，步骤S1包括：
3.根据权利要求2所述的一种巡线图像的图像去重方法，其特征在于，使用层级结构来表示高斯差分尺度空间，所述高斯差分尺度空间中的图像被分为多个层级，每一个层级方差加倍，另外在每一个层级中高斯差分尺度空间又被划分为s个子层，因此k＝21/s。
4.根据权利要求1所述的一种巡线图像的图像去重方法，其特征在于，步骤S2包括：
5.根据权利要求4所述的一种巡线图像的图像去重方法，其特征在于，步骤S23中，精确的关键点位置X°＝(x，y，σ)是通过在X°附近拟和3D二次函数并在极值插值得到的。
6.根据权利要求5所述的一种巡线图像的图像去重方法，其特征在于，步骤S23中，将高斯差分尺度响应函数原点移至X°处，然后再做泰勒展开，得到：
7.根据权利要求1所述的一种巡线图像的图像去重方法，其特征在于，步骤S3包括：
8.根据权利要求1所述的一种巡线图像的图像去重方法，其特征在于
9.根据权利要求8所述的一种巡线图像的图像去重方法，其特征在于，步骤S5中，128维关键点描述子的相似性度量采用欧式距离，任意两关键点描述子相似性度量表示为：
10.根据权利要求9所述的一种巡线图像的图像去重方法，其特征在于，步骤S6中，定义目标图与待测图的相似度S为：
...【技术特征摘要】
1.一种巡线图像的图像去重方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种巡线图像的图像去重方法，其特征在于，步骤s1包括：
3.根据权利要求2所述的一种巡线图像的图像去重方法，其特征在于，使用层级结构来表示高斯差分尺度空间，所述高斯差分尺度空间中的图像被分为多个层级，每一个层级方差加倍，另外在每一个层级中高斯差分尺度空间又被划分为s个子层，因此k＝21/s。
4.根据权利要求1所述的一种巡线图像的图像去重方法，其特征在于，步骤s2包括：
5.根据权利要求4所述的一种巡线图像的图像去重方法，其特征在于，步骤s23中，精确的关键点位置x°＝(x，y，σ)是通过在x°附近拟和3d二次函数并在极值插值得到的。
6.根据...
【专利技术属性】
技术研发人员：温积群，季奕驰，叶强，吕家辉，诸加荣，
申请(专利权)人：浙江图盛输变电工程有限公司温州科技分公司，
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。