[发明专利]一种基于空域和时域分析相结合的电力视频图像条纹故障检测方法

权利要求书

1.一种基于空域分析和时域分析相结合的电力视频图像条纹故障检测方法，其特征在于：该方法包括步骤如下：

S1：对原始视频图片转换为灰度图像，并计算图像的复杂度、平均梯度等数据，作为图像边缘提取的输入因子；

S2：采用图像边缘增强方法、滑窗边缘提取方法，结合图像边缘提取的输入因子，提取原始图像中的边缘，最终生成相应的边缘图片；

S3：经过空域处理后的边缘图片，采用离散傅里叶逆变换将边缘图片转换为频域图片；

S4：变换后的图片亮点全部分布在图片的四个角，通过对称转换后，将亮点全部集中在中心点，采用5*5滑窗对图片亮点进行检测，得出亮点数值，并结合图片边缘平均梯度、图片边缘复杂度作为影响因子等多个参数，得出最终的视频图片条纹评价因子，根据评价因子分布特点得出评价值。

2.根据权利要求1所述的获取图片边缘提取的输入因子方法，其特征在于：该方法包括步骤如下：

S11：将原始图片转换为灰度图片；

S12：切除灰度图片的部分边缘，得到新的灰度图片；

S13：对新的灰度图片求取图片的复杂度；

S14：对新的灰度图片求取图片的3*3像素总的平均梯度值。

3.根据权利要求1所述的图片边缘提取方法，其特征在于：该方法包括步骤如下：

S21：针对新的灰度图片计算各个像素点的3*3像素的平均梯度；

S22：根据图像复杂度、总平均梯度值计算边缘提取输入因子；

S23：根据每个像素点的平均梯度值，得到动态像素增强系数；

S24：根据边缘提取输入因子、动态像素增强系数、像素的平均梯度，得到边缘图片的每个像素值。

4.根据权利要求1所述的视频图片条纹评价值获取方法，其特征在于：该方法包括步骤如下：

S41：变换后的图片亮点全部分布在图片的四个角，通过对称转换后，将亮点全部集中在中心点；

S42：采用5*5滑窗对图片亮点进行检测，得出亮点数值；

S43：图片边缘平均梯度、图片边缘复杂度作为影响因子等多个参数，得出最终的视频图片条纹评价因子；

S44：根据评价因子分布特点得出评价值。