[發明專利]一種基于紅外圖像的電纜部位自動識別方法

在審

• 申請號: 201910655905.5
• 申請日: 2019-07-19
• 公開（公告）號: CN110717883A
• 公開（公告）日: 2020-01-21
• 發明（設計）人: 廖雁群;韋亦龍;周灝;裴星宇;史筱川;葉宇婷;胡欣欣;黃嘉明;李劍;鄒玉斌
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司珠海供電局
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06T7/12
• 代理公司: 44102 廣州粵高專利商標代理有限公司
• 代理人: 劉瑤云

1.一種基于紅外圖像的電纜部位自動識別方法，其特征在于，包括有以下步驟：

S1:構建電纜不同部位的訓練樣本庫；

S2:讀取電纜不同部位訓練樣本紅外圖像；

S3:提取電纜不同部位訓練樣本特征量和對應的部位標簽；

S4:利用訓練樣本訓練出支持向量機分類器；

S5:讀取待測試的電纜不同部位紅外圖像；

S6:提取待測試電纜不同部位紅外圖像的特征量；

S7:利用訓練好的支持向量機分類器和提取到的待測試紅外圖像特征量將待測試的紅外圖像對應到不同的部位標簽。

2.根據權利要求1所述的基于紅外圖像的電纜部位自動識別方法，其特征在于，所述步驟S1中，電纜不同部位包括電纜的終端接頭、中間接頭和交叉互聯箱。

3.根據權利要求2所述的基于紅外圖像的電纜部位自動識別方法，其特征在于，所述步驟S3中，部位標簽為部位的名稱，包括“終端接頭”、“中間接頭”和“交叉互聯箱”。

4.根據權利要求1所述的基于紅外圖像的電纜部位自動識別方法，其特征在于，所述步驟S3中，訓練樣本特征量為方向梯度直方圖和灰度共生矩陣。

5.根據權利要求4所述的基于紅外圖像的電纜部位自動識別方法，其特征在于，所述步驟S4中，提取特征量方向梯度直方圖，包括有以下步驟：

S411：將圖像灰度化后再將圖像二值化；

S412：計算每個像素的梯度幅值和梯度方向，計算公式如式(1)～式(4)所示，其中I(x,y)表示位置(x,y)處的灰度值，G(x,y)表示位置(x,y)處的梯度幅值，α(x,y)表示位置(x,y)處的梯度方向；

G_x(x,y)＝I(x+1,y)-I(x-1,y) (1)

G_y(x,y)＝I(x,y+1)-I(x,y-1) (2)

S413：將圖像以m*m像素/細胞元劃分為細胞元；

S414：將梯度方向劃分為若干個方向塊，根據計算出的梯度幅值和方向統計每個細胞元的加權梯度直方圖；

S415：將n*n細胞元組成一個塊，塊與塊之間互有重疊，串聯所有塊的方向梯度直方圖作為最終提取的特征量。

6.根據權利要求5所述的基于紅外圖像的電纜部位自動識別方法，其特征在于，所述步驟S4中，提取特征量灰度共生矩陣，包括有以下步驟：

S421：將圖像灰度化；

S422：將灰度劃分為n個等級；

S423：選定若干個方向；

S424：選定距離d；

S425：分別計算兩灰度等級i、j在圖像中不同方向相距d的次數得到對應方向上的灰度共生矩陣；

S426：將灰度共生矩陣歸一化，歸一化的灰度共生矩陣中每個元素(i,j)是圖像中灰度等級分別為i和j在步驟S423限定方向上以像素對出現的聯合概率；

S427：計算歸一化后的共生矩陣的4個特征：對比度、相關度、能量及齊次性，對比度的計算公式如式(5)所示，相關度的計算公式如式(6)所示，能量的計算公式如式(7)所示，齊次性的計算公式如式(8)所示；

其中，

p(i,j)為歸一化后的灰度共生矩陣，其中p指歸一化后的灰度共生矩陣，即p(i,j)指圖像中灰度等級分別為i和j在特定方向上以像素對出現的聯合概率；μ_i為灰度等級i的數學期望；μ_j為灰度等級j的數學期望；s_i為灰度等級i的方差；s_j為灰度等級j的方差；σ_i為灰度等級i的方差，σ_j為灰度等級j的方差；

S428：取4個方向上的特征量的平均值和標準差作為最終提取的特征量。