[發明專利]一種基于密度聚類分析的變電站設備圖像識別方法

在審

• 申請號: 202010664013.4
• 申請日: 2020-07-10
• 公開（公告）號: CN112131924A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 蘇琨;田二勝;張正文;陳杰;馬慧卓;程宇航;蘇陽;張新陽;馬志鵬;滕文濤;張桂紅;李衛東;蘇志剛
• 申請（專利權）人: 國網河北省電力有限公司雄安新區供電公司;河北雄安許繼電科綜合能源技術有限公司;許繼集團有限公司;國家電網有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62;G06T7/00;G06T5/30;G06T7/136;G06T7/45
• 代理公司: 北京中政聯科專利代理事務所(普通合伙) 11489
• 代理人: 朱曉娟

1.一種基于密度聚類分析的變電站設備圖像識別方法，其特征在于，包括如下步驟：

(1)構建基于改進分水嶺的設備圖像分割模型，實現包含復雜情景的現場圖像中各設備的分割獨立；

(2)構建基于灰度共生矩陣的設備圖像特征提取模型，提取灰度圖像的亮度分布情況及紋理特征；

(3)采用基于密度聚類的算法求解所建立模型。

2.根據權利要求1所述的基于密度聚類分析的變電站設備圖像識別方法，其特征在于，所述步驟(1)中所述的基于改進分水嶺的設備圖像分割模型具體為：首先利用閾值分割法對圖像進行預處理，再使用形態學處理方法消除圖像中的空洞與細紋。

3.根據權利要求2所述的基于密度聚類分析的變電站設備圖像識別方法，其特征在于，所述利用閾值分割法對圖像進行預處理具體為：

利用圖像的灰度直方圖，計算統計意義上的最佳閾值，得到二值化圖像：

式中，μ1、μ2分別為分割后的兩個像素集合的灰度平均值，t為初始閾值，ni是灰度值為i的像素總數，L為整幅圖像的灰度級；

令則類間方差σ²(t)表示為：

最大類間方差即為分割閾值，利用分水嶺算法對原圖中的每個極小值點進行標記，當某個極小值到分水嶺的距離小于設定的閾值時，該極小值對應的標記將被消除。

4.根據權利要求3所述的基于密度聚類分析的變電站設備圖像識別方法，其特征在于，所述使用形態學處理方法消除圖像中細小的空洞與細紋具體為：

用腐蝕運算來消除或減弱物體的邊界點，表述為：

式中，E為經過腐蝕運算產生的圖像，A為平面上要處理的目標區域，S(x,y)為平面坐標上的結構元素所表示的區域；

采用膨脹運算來擴展或增強物體的邊界點，表述為：

式中，D為經過膨脹運算產生的圖像；

同時利用腐蝕運算和膨脹運算來處理物體的邊界點，利用開運算和閉運算對原圖像進行處理，開運算與閉運算是腐蝕與膨脹的結合，開運算對原圖像進行先腐蝕后膨脹操作，在劃分區域時，對物體的邊界進行平滑處理，并且消除小的孤立點，閉運算對原圖像進行先膨脹后腐蝕操作，填補物體內部出現的空洞，連接相鄰的區域。

5.根據權利要求1所述的基于密度聚類分析的變電站設備圖像識別方法，其特征在于，所述步驟(2)中所述的基于灰度共生矩陣的設備圖像特征提取模型中，所述灰度共生矩陣的計算過程是：點A(x,y)為N階灰度圖像中的任一點，經過位置偏移算子δ(Δx,Δy)的偏移后得到點B(x+Δx,y+Δy)，其中點A和點B的亮度值分別為g₁和g₂，則A、B兩點的聯合亮度(g₁,g₂)，在所有每個可能取值的概率P(g₁,g₂)所組成的N×N矩陣即為該灰度圖像的灰度共生矩陣。

6.根據權利要求5所述的基于密度聚類分析的變電站設備圖像識別方法，其特征在于，采用以下幾個基于灰度共生矩陣的統計量來描述圖像的紋理特征：角二階矩、慣性矩、相關性、熵以及逆差距。

7.根據權利要求1所述的基于密度聚類分析的變電站設備圖像識別方法，其特征在于，所述步驟(3)中所述的基于密度聚類的算法的求解方法進一步包括步驟：

1)根據密度估計函數計算數據集中所有點的密度；

2)根據設定閾值，判斷密度吸引點；

3)從數據集中選取一個點，判斷是否為密度吸引點，是，則進行步驟5)；否，則進行步驟4)；

4)搜索該點所聚類的密度吸引點；

5)判斷是否所有點都被處理，否，則進行步驟3)；是，則停止計算，輸出結果。