[發明專利]一種電網巡檢圖像智能識別方法及裝置

在審

• 申請號: 201610959718.2
• 申請日: 2016-10-27
• 公開（公告）號: CN106599780A
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 戴永東;毛鋒;何菲
• 申請（專利權）人: 國家電網公司;國網江蘇省電力公司泰州供電公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京風雅頌專利代理有限公司11403
• 代理人: 李莎,李弘

1.一種電網巡檢圖像智能識別方法，其特征在于，包括以下步驟：

獲取待識別巡檢圖像；

使用事先采集的圖像集對待識別巡檢圖像進行基于局部特征的圖像重建，得到重建圖像；

統計得出重建圖像的方向梯度直方圖以及在HSV空間下的顏色直方圖；

對所述方向梯度直方圖和顏色直方圖進行歸一化處理，得到歸一化方向梯度直方圖和歸一化顏色直方圖；

利用所述歸一化方向梯度直方圖和歸一化顏色直方圖，使用分類算法對重建圖像進行分類；

根據分類結果確定待識別巡檢圖像中設備的種類和狀態。

2.根據權利要求1所述的電網巡檢圖像智能識別方法，其特征在于，所述待識別巡檢圖像中包含位置水印和時間水印；所述獲取待識別巡檢圖像步驟后還包含：

從所述位置水印和時間水印中識別得到位置信息和時間信息；

將所述位置水印和時間水印從所述待識別巡檢圖像中去除。

3.根據權利要求2所述的電網巡檢圖像智能識別方法，其特征在于，所述利用所述歸一化方向梯度直方圖和歸一化顏色直方圖，使用分類算法對待識別巡檢圖像進行分類的具體方式為：

根據所述位置信息選取對應于該位置的事先經過訓練的支持向量機；

將所述歸一化方向梯度直方圖、歸一化顏色直方圖以及時間信息輸入該支持向量機，得到分類結果。

4.根據權利要求3所述的電網巡檢圖像智能識別方法，其特征在于，所述支持向量機的訓練方式為：

設定所述支持向量機所對應的坐標范圍；

采集該坐標范圍內的多張實地照片作為訓練樣本；

利用所述訓練樣本對所述支持向量機進行訓練。

5.根據權利要求1所述的電網巡檢圖像智能識別方法，其特征在于，所述使用事先采集的圖像集對待識別巡檢圖像進行基于局部特征的圖像重建的具體方式為：

將圖像集中的原圖像進行降質，生成與原圖像對應的降質圖像；

計算降質圖像的梯度信息，以及降質圖像與該降質圖像所對應的原圖像的殘差信息；

通過稀疏表達方法得到降質圖像所對應的低分特征集以及原圖像所對應的高分特征集；

計算待識別巡檢圖像的梯度信息，依據梯度信息在低分特征集中找到所述待識別巡檢圖像的稀疏表示系數向量；

在所述高分特征集中找到對應于所述稀疏表示系數向量的殘差信息，將此殘差信息融合到所述待識別巡檢圖像上，獲得待識別巡檢圖像的重建圖像。

6.一種電網巡檢圖像智能識別裝置，其特征在于，包括：

獲取模塊，用于獲取待識別巡檢圖像；

重建模塊，用于使用事先采集的圖像集對待識別巡檢圖像進行基于局部特征的圖像重建，得到重建圖像；

統計模塊，用于統計得出重建圖像的方向梯度直方圖以及在HSV空間下的顏色直方圖；

歸一化模塊，用于對所述方向梯度直方圖和顏色直方圖進行歸一化處理，得到歸一化方向梯度直方圖和歸一化顏色直方圖；

分類模塊，用于利用所述歸一化方向梯度直方圖和歸一化顏色直方圖，使用分類算法對重建圖像進行分類；

結果確定模塊，用于根據分類結果確定待識別巡檢圖像中設備的種類和狀態。

7.根據權利要求6所述的電網巡檢圖像智能識別裝置，其特征在于，所述待識別巡檢圖像中包含位置水印和時間水印；本裝置中還包含：

識別模塊，用于從所述位置水印和時間水印中識別得到位置信息和時間信息；

去水印模塊，用于將所述位置水印和時間水印從所述待識別巡檢圖像中去除。

8.根據權利要求7所述的電網巡檢圖像智能識別裝置，其特征在于，所述分類模塊包含：

支持向量機選取子模塊，用于根據所述位置信息選取對應于該位置的事先經過訓練的支持向量機；

輸入子模塊，用于將所述歸一化方向梯度直方圖、歸一化顏色直方圖以及時間信息輸入支持向量機，得到分類結果。

9.根據權利要求8所述的電網巡檢圖像智能識別裝置，其特征在于，還包含用于訓練所述支持向量機的訓練模塊，所述訓練模塊包含：

坐標設定子模塊，用于設定所述支持向量機所對應的坐標范圍；

樣本采集子模塊，用于采集確定坐標范圍內的多張實地照片作為訓練樣本；

支持向量機訓練子模塊，用于利用所述訓練樣本對所述支持向量機進行訓練。

10.根據權利要求6所述的電網巡檢圖像智能識別裝置，其特征在于，所述重建模塊包含：

降質子模塊，用于將圖像集中的原圖像進行降質，生成與原圖像對應的降質圖像；

第一計算子模塊，用于計算降質圖像的梯度信息，以及降質圖像與該降質圖像所對應的原圖像的殘差信息；

特征集生成子模塊，用于通過稀疏表達方法得到降質圖像所對應的低分特征集以及原圖像所對應的高分特征集；

第二計算子模塊，用于計算待識別巡檢圖像的梯度信息，依據梯度信息在低分特征集中找到所述待識別巡檢圖像的稀疏表示系數向量；

融合子模塊，用于在所述高分特征集中找到對應于所述稀疏表示系數向量的殘差信息，將對應于所述稀疏表示系數向量的殘差信息融合到所述待識別巡檢圖像上，獲得待識別巡檢圖像的重建圖像。