[發明專利]風電安全智能預警應急系統圖像處理方法

有效

• 申請號: 201110278950.7
• 申請日: 2011-09-20
• 公開（公告）號: CN102324033A
• 公開（公告）日: 2012-01-18
• 發明（設計）人: 吳建華;戴會超;薛友宏;莊亞明
• 申請（專利權）人: 吳建華
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06T7/00
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 任立;姚姣陽

1.風電安全智能預警應急系統圖像處理方法，在風電機艙里安裝微型紅外攝行頭，采用多個攝像頭對機艙內圖像進行高保真采取；其特征在于：將攝像頭采集到圖像按以下步驟進行處理：

㈠將采集到的圖像進行去噪預處理；

㈡對預處理后的圖像進行像素級圖像融合；

㈢對像素級圖像融合后的圖像進行感興趣區域分割及主要特征提取，獲取物體主要信息；

㈣對步驟㈢處理后圖像的邊緣進行分割和匹配，以得到分割后的圖形基元關系。

2.如權利要求1所述的風電安全智能預警應急系統圖像處理方法，其特征在于：所述步驟㈣具體按以下步驟進行：⑴圖像基元分割；⑵圖像基元匹配；⑶建立圖像基元關系模型。

3.如權利要求2所述的風電安全智能預警應急系統圖像處理方法，其特征在于：所述步驟⑴圖像基元分割，采用多項式擬合的方法將圖像中的邊緣圖形分割成線段和圓弧，具體按以下步驟進行：

①追蹤圖形邊緣，依次對每個像素點選取其周圍n*n的窗口進行擬合，并獲得傾斜角向量；

②從某個像素點開始，逐漸增加傾斜角向量的元素個數，同時對傾斜角向量進行差分，得到新的向量，對新的向量依次取前i個元素的平均數，得到傾斜角變化平均數向量；

③依次對傾斜角向量的每個元素進行判斷，首先判斷其是否接近0度或90度，對于接近0度或90度的傾斜角的轉變不予考慮分割，對于不屬于這個范圍的元素，進一步觀察傾斜角變化平均數向量中的對應元素，如果此元素的值大于平均向量中對應元素的值的2～3倍，則可判斷其為可疑點；

④對可疑點做進一步的判斷，如果可疑點傾斜角的變化趨勢相同，則可判斷此點為分割點；否則，為干擾點，刪除此點重新判斷；

⑤對分割出來的直線或圓弧做一次相反方向的分割，舍去分割后長度過短的直線或圓弧。

4.如權利要求2所述的風電安全智能預警應急系統圖像處理方法，其特征在于：所述步驟⑵圖像基元匹配，具體按以下步驟進行：

①選取若干合適的圓弧和一到二條直線邊緣樣本；

②從端點開始，進行一次邊緣跟蹤，分別得到兩個向量：橫坐標組成的x向量和縱坐標組成的y向量，并分別減去它們的平均數以保持它們對原始圖形的平移不變；

③將兩個向量以z=x+y*i組合成新的向量z；

④對向量z取傅立葉變換，得到特征向量direction[]；

⑤對特征向量取模，并除以它的第二個元素direction[2]，分別得到訓練樣本的特征向量。

5.如權利要求2所述的風電安全智能預警應急系統圖像處理方法，其特征在于：所述⑶建立圖像基元關系模型，建立物體由上至下的分解模型，直至得到底層的直線和圓弧，直線和圓弧互相之間具有的空間關系按以下步驟進行判定：

①連接的判定：若一條直線或圓弧的端點與另一條直線或圓弧的某一點P1相鄰，則它們是連接關系，若P1是端點，則它們為L連接關系，否則為T連接關系；

②平行的判定：按組成直線的像素點計算它們的平均傾斜角，若兩條直線的平均傾斜角的差小于5度，則判定它們為平行關系；

③相切的判定：若存在單向的分割點，則它必為相切關系的分割點；

④共線的判定：將已被判定為直線的一組像素點擬合成直線，再計算另一組被判定為直線的像素點到直線的平均距離d1，若d1低于預設閾值ε1，則判定它們為共線關系；

⑤同心的判定：設有一隨機點P2，它到一條被判定為圓弧的一組像素點的距離為向量d2，以d2的方差作為期望函數，搜索使d2的方差最小的點，作為上述圓弧的圓心，若兩條圓弧的圓心之間的距離小于預設閾值ε2，則判定為同心關系;

⑥共圓的判定：判定有了圓心之后，通過計算圓弧上像素點到圓心的平均距離得到圓弧的近似半徑，若兩條同心圓弧之間的半徑之差小預設閾值ε3，則判定它們為共圓關系。

6.如權利要求1所述的風電安全智能預警應急系統圖像處理方法，其特征在于：所述步驟㈠中去噪預處理采用的方法為：閾值小波去噪方法、中值濾波去噪方法、馬爾可夫樹去噪方法、貝葉斯估計去噪方法或神經網絡去噪方法。

7.如權利要求1所述的風電安全智能預警應急系統圖像處理方法，其特征在于：所述步驟㈡中像素級圖像融合方法為：IHS變換方法、PCA變換方法、線性加權法或基于小波變換方法。

8.如權利要求1所述的風電安全智能預警應急系統圖像處理方法，其特征在于：所述步驟㈢中感興趣區域分割及主要特征提取，具體按以下步驟進行：

①選擇圖像分割算法提取感興趣區域，去除背景和非有用信息，所述圖像分割算法為基于數學形態學的圖像分割方法、基于模糊理論的圖像分割方法、基于神經網絡的圖像分割方法、基于支持向量機的圖像分割方法、基于圖論的圖像分割方法、基于免疫算法的圖像分割方法或基于粒度計算理論的圖像分割方法；

②通過目標識別算法確定圖像中是否存在感興趣的目標，并精確定位，所述目標識別算法為由下而上的數據驅動型性或由上而下的知識驅動型；

④將圖像中有意義的特征或區域提取出來，所述特征區域是圖像的原始特征或空間頻譜，所述原始特征為像素的灰度值、物體輪廓、顏色、反射特征和紋理，所述空間頻譜為直方圖特征。