本发明专利技术公开了一种基于红外检测的变电站刀闸模式识别方法，该方法的识别步骤如下：Step1：输入待识别图像，通过图像配准获取图像的刀闸区域，对刀闸区域依次进行灰度化、二值化和细化处理；Step2：然后对细化后的刀闸区域图像采用Hough变换算法进行直线检测；Step3：对检测结果进行判别，利用刀闸状态判别条件来识别刀闸的状态。本发明专利技术利用SIFT特征的匹配得到两幅图像之间的H矩阵，进而找到图像中的刀闸区域，然后进行刀闸的状态识别。实验表明，该方法可有效地解决电力刀闸的识别，这对于智能变电站的电力设备监测自动化方面具有重要的作用，可以减轻变电站巡视人员的负担，大大提高检测的效率。
【技术实现步骤摘要】
本专利技术涉及一种电力刀闸状态识别方法，尤其涉及。
技术介绍
角点是在其邻域内的各个方向上灰度变化值足够高的像素点。它是一种非常重要的图像点特征，包含图像中比较丰富的二维结构信息。图像中刀闸设备附近区域由于其角点特征突出，并且易于提取，便于对图像匹配，因此，可以应用这一特征来进行图像匹配。角点提取目前已有很多种方法，如Harris角点提取方法，Moravec算子， 非线性的Susan角点提取算子等。David G. Lowe在2004年总结了已有的基于不变量技术的特征检测方法，并正式提出了一种基于尺度空间的、对图像缩放、旋转甚至仿射变换保持不变性的图像局部特征描述算子SIFT算子，其全称是kale Invariant Feature Transform,即尺度不变特征变换。近年来，SIFT角点在实际的应用中因其对旋转、 尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性，这使得它被广泛用于图像匹配、图像复原、图像拼接、目标识别和跟踪等图像处理的各个领域。刀闸设备是变电站中非常重要的设备，对刀闸设备的操作直接关系到变电站乃至整个电网的稳定运行。在常规变电站中，刀闸设备操作前后需要运行人员就地实施并人工判断设备状态是否到位，这种模式劳动强度大，操作时间长，已经逐步被淘汰。随着智能化变电站的发展，刀闸设备操作已经向远程自动化操作方向改进，但仍需运行人员参与每一项操作并由现场人员人工确认操作是否准确完成，这种模式虽然减轻了运行人员的劳动强度，缩短了操作时间，但对现场人员的主观判断依赖较大，受现场人员知识、经验等条件约束，容易出现误判，特别是如遇恶劣天气，现场条件比较危险，更加影响设备操作的顺利进行。
技术实现思路
本专利技术的目的就是为了解决上述问题，提供一种，它成功应用于智能变电站巡视机器人系统来代替巡视人员到现场的确认，对于智能变电站电力设备监测自动化具有重要的作用。为了实现上述目的，本专利技术采用如下技术方案本专利技术利用变电站巡检机器人自动采集刀闸设备的红外图像，并利用模式识别方法对刀间进行定位和识别，该方法的具体步骤如下Stepl 输入待识别红外图像，通过图像配准获取待识别图像的刀闸区域，对刀闸区域依次进行灰度化、二值化和细化处理；St印2 然后对细化后的刀闸区域图像采用Hough变换算法进行直线检测；St印3 对检测结果进行判别，利用刀闸状态判别条件来识别刀闸的状态；刀闸状态判别条件是1、如果刀闸区域内没有直线存在，则认为刀闸为“分”状态； 2、如果刀闸区域内有直线存在，则计算检测到的直线的角度，若直线与模板中刀闸的角度差θ小于某一阈值，则认为刀闸为“合”状态；否则认为刀闸为“未合好”状态。所述stepl中，图像配准的步骤如下Α.从巡检数据库中选取模板图像，提取其SIFT特征向量，并在模板图像上标记刀闸设备区域和刀闸角度，将标记后的模板图像存入模板库中；B.提取待检测图像的SIFT特征向量，并与模板图像的SIFT特征向量进行匹配；C.采用RANSIC算法得到模板图像和待检测图像间的变换矩阵，根据模板库中标记的刀闸设备所在区域，得到待检测图像的对应刀闸区域。所述步骤A或B中提取SIFT特征向量的步骤如下1)通过检测尺度空间极值来初步确定关键点位置和尺度；2)通过拟和三维二次函数以精确确定关键点的位置和尺度，同时去除低对比度的关键点和不稳定的边缘响应点，以增强匹配稳定性、提高抗噪声能力；3)利用关键点邻域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋转不变性，m{x, y) = ^Ζ(χ+\,γ)-Ζ(χ-\,γ))2+ (Ζ(χ,γ+\)-Ζ(χ,γ-\))2 θ = arctan 2 ((L (χ, y+1) -L (χ，y_l))/ (L (χ+1，y) -L (χ_1，y)))其中m(X，y)和θ分别为(χ，y)处梯度的模值和方向，其中L(x，y)为每个关键点在(x, y)处所在的尺度；4)将坐标轴旋转为关键点的方向，以关键点为中心取8 X 8的窗口，在每4X 4的小块上计算8个方向的梯度方向直方图，绘制每个梯度方向的累加值，即形成一个种子点，每个关键点使用4X4共16个种子点来描述，这样对于一个关键点就产生了 1 个数据，即最终形成1 维的SIFT特征向量。所述步骤B中，匹配过程如下取模板图像中的某个匹配点，并找出其与待检测图像中欧氏距离最近和次近的两个匹配点，在这两个匹配点中，如果最近的距离除以次近的距离小于某个比例阈值，则接受这一对匹配点。 所述步骤C中，变换矩阵为〃=3，4，5，6，7，i 为整数，且有T = H*τ，其中，分别为某组特征匹配点在模板图像和待检测图像上的坐标。本专利技术的详细实现技术方案如下第一步建立图像模板库，把已采集的单张设备图像加入模板库，标记刀闸区域位置和刀闸角度；第二步计算模板图像的SIFT特征向量；第三步利用红外热像仪设备获取待检测设备的红外图像；第四步计算待检测图像的SIFT特征，并与模板库中对应图像进行图像匹配，得KKKKKK其中，hi为矩阵H的元素，Kfh1到H矩阵；第五步根据模板库图像中的刀闸位置和第四步中所得H矩阵，获得待检测图像中刀闸子图像；第六步对第五步中的刀闸子图像进行灰度化、自适应的二值化、图像细化等图像预处理操作；第七步根据刀闸状态判别条件判断刀闸状态所述第一步中选取的红外图像模板，应该为颜色变化一致的图像，无明显云彩影响。刀闸区域位置通过标记含有刀闸的矩形区域来表示。所述第二步中SIFT特征向量有以下两步尺度空间的生成和SIFT特征向量生成1、尺度空间的生成尺度空间的图像是利用一组连续的高斯卷积核与原图像进行卷积生成的。将相邻尺度的图像相减就可以得到一组高斯差分(Difference of Gaussian, DoG)图像D(x，y, σ )，搜索局部极值点，确定备选的特征点。权利要求1.，其特征是，该方法的识别步骤如下Stepl 输入待识别红外图像，通过图像配准获取待识别红外图像的刀闸区域，对刀闸区域依次进行灰度化、二值化和细化处理；St印2 然后对细化后的刀闸区域图像采用Hough变换算法进行直线检测；St印3 对检测结果进行判别，利用刀闸状态判别条件来识别刀闸的状态；刀闸状态判别条件是1、如果刀闸区域内没有直线存在，则认为刀闸为“分”状态；2、 如果刀闸区域内有直线存在，则计算检测到的直线的角度，若直线与模板中刀闸的角度差 θ小于某一阈值，则认为刀闸为“合”状态；否则认为刀闸为“未合好”状态。2.如权利要求1所述的，其特征是，所述图像配准的步骤如下Α.从巡检数据库中选取模板图像，提取其SIFT特征向量，并在模板图像上标记刀闸设备区域和刀闸角度，将标记后的模板图像存入模板库中；B.提取待检测图像的SIFT特征向量，并与模板图像的SIFT特征向量进行匹配；C.采用RANSIC算法得到模板图像和待检测图像间的变换矩阵，根据模板库中标记的刀闸设备所在区域，得到待检测图像的对应刀闸区域。3.如权利要求2所述的，其特征是，所述步骤A或B中提取SIFT特征向量的步骤如下1)通过检测尺度空间极值来初步确定关键点位置和所在尺度；2)通过拟和三维二次函数以精确确定关键点的位置和尺度，同时去除低对比度的关键点和不稳定的本文档来自技高网...
【技术保护点】
１．基于红外检测的变电站刀闸模式识别方法，其特征是，该方法的识别步骤如下：Ｓｔｅｐ１：输入待识别红外图像，通过图像配准获取待识别红外图像的刀闸区域，对刀闸区域依次进行灰度化、二值化和细化处理；Ｓｔｅｐ２：然后对细化后的刀闸区域图像采用Ｈｏｕｇｈ变换算法进行直线检测；Ｓｔｅｐ３：对检测结果进行判别，利用刀闸状态判别条件来识别刀闸的状态；刀闸状态判别条件是：１、如果刀闸区域内没有直线存在，则认为刀闸为“分”状态；２、如果刀闸区域内有直线存在，则计算检测到的直线的角度，若直线与模板中刀闸的角度差θ小于某一阈值，则认为刀闸为“合”状态；否则认为刀闸为“未合好”状态。
【技术特征摘要】
【专利技术属性】
技术研发人员：王滨海，王万国，王振利，李健，刘延兴，
申请(专利权)人：山东鲁能智能技术有限公司，
类型：发明
国别省市：88
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。