[發(fā)明專利]一種基于紅外可見光圖像融合的電纜溝故障檢測方法

在審

• 申請?zhí)枺?/td>: 202010735272.1
• 申請日: 2020-07-28
• 公開（公告）號: CN112001260A
• 公開（公告）日: 2020-11-27
• 發(fā)明（設(shè)計）人: 凌志勇;唐名峰;樊紹勝;吳長江;劉華飛;賈智偉;李志強;胡九龍;王璇;諶彬;易波;劉錚
• 申請（專利權(quán)）人: 國網(wǎng)湖南省電力有限公司;國網(wǎng)湖南省電力有限公司株洲供電分公司;國家電網(wǎng)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 長沙智路知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 43244
• 代理人: 張毅

1.一種基于紅外可見光圖像融合的電纜溝故障檢測方法，其特征在于，包括以下步驟：

S1、獲取電纜溝檢測現(xiàn)場的可見光圖像和紅外圖像，所述可見光圖像和所述紅外圖像的相機視角場一致；

S2、利用圖像特征點匹配的方法，基于圖像顯著性的雙尺度融合方式對所述可見光圖像和所述紅外圖像進行融合，得到融合圖像；

S3、將所述融合圖像輸入預(yù)先訓(xùn)練的基于focal loss函數(shù)改進的Yolo_v3模型，得到電纜溝的故障信息；

所述電纜溝的故障信息包括電纜高溫破損和動植物尸體；

所述預(yù)先訓(xùn)練的基于focal loss函數(shù)改進的Yolo_v3模型為基于訓(xùn)練樣本中的融合圖像及其對應(yīng)的故障信息進行訓(xùn)練后的模型。

2.如權(quán)利要求1所述的電纜溝故障檢測方法，其特征在于，所述focal loss函數(shù)是基于交叉熵?fù)p失函數(shù)修改而成的函數(shù)。

3.如權(quán)利要求1所述的電纜溝故障檢測方法，其特征在于，所述focal loss函數(shù)滿足以下公式：

FL(p_t)＝-α_t(1-p_t)^γlog(p_t)

式中，i為訓(xùn)練樣本的真實標(biāo)簽，p為輸出訓(xùn)練樣本為正的置信度，α和γ均為預(yù)先設(shè)定的超參數(shù)，α_t為調(diào)整目標(biāo)函數(shù)的斜率，p_t為調(diào)制系數(shù)，F(xiàn)L(p_t)為focal loss函數(shù)的輸出信息。

4.如權(quán)利要求1所述的電纜溝故障檢測方法，其特征在于，所述步驟S2包括：

S21、對所述可見光圖像和所述紅外圖像進行尺度不變特征變換提取特征點，對所述特征點進行匹配，得到變換矩陣；

S22、基于所述變換矩陣和所述可見光圖像，得到與所述可見光圖像相匹配的紅外圖像；

S23、對所述可見光圖像和與所述可見光圖像相匹配的紅外圖像進行雙尺度圖像分解，獲得可見光圖像基礎(chǔ)層、紅外圖像基礎(chǔ)層、可見光圖像細(xì)節(jié)層和紅外圖像細(xì)節(jié)層；

S24、對所述可見光圖像和與所述可見光圖像相匹配的紅外圖像進行圖像顯著性提取，進而獲得可見光圖像的像素點權(quán)重和紅外圖像的像素點權(quán)重；

S25、基于所述可見光圖像基礎(chǔ)層和所述紅外圖像基礎(chǔ)層，獲取最終基礎(chǔ)層圖像；

S26、基于所述可見光圖像細(xì)節(jié)層、所述紅外圖像細(xì)節(jié)層、所述可見光圖像的像素點權(quán)重和所述紅外圖像的像素點權(quán)重，獲得最終細(xì)節(jié)層圖像；

S27、對所述最終基礎(chǔ)層圖像和所述最終細(xì)節(jié)層圖像進行雙尺度圖像重構(gòu)，獲得融合圖像。

5.如權(quán)利要求4所述的電纜溝故障檢測方法，其特征在于，步驟S23中，所述可見光圖像基礎(chǔ)層滿足以下公式：

式中，為可見光圖像基礎(chǔ)層，φ₁(x,y)為可見光圖像，μ(x,y)為均值濾波器，(x,y)為圖像像素點；

所述紅外圖像基礎(chǔ)層滿足以下公式：

式中，為紅外圖像基礎(chǔ)層，φ₂(x,y)為紅外圖像；

所述可見光圖像細(xì)節(jié)層滿足以下公式：

式中，為可見光圖像細(xì)節(jié)層；

所述紅外圖像細(xì)節(jié)層滿足以下公式：

式中，為紅外圖像細(xì)節(jié)層。