[发明专利]基于深度信念网络的高压线绝缘子缺陷检测方法及系统

权利要求书

1.一种基于深度信念网络的高压线绝缘子缺陷检测方法，其特征在于，包括以下步骤：

S1，获取包含被检测高压线绝缘子的原始图像；

S2，对所述原始图像进行预处理，得到处理后的图像；

S3，利用模糊C-均值聚类方法对所述处理后的图像进行图像分割，得到高压线绝缘子区域；

S4，采用连通区域标识方法对所述高压线绝缘子区域进行边界跟踪，得到所述高压线绝缘子的轮廓，进而得到高压线绝缘子图像；

S5，提取所述高压线绝缘子图像的图像特征向量；其中，所述图像特征向量为三维特征向量，包括灰度特征向量、亮度特征向量和纹理特征向量；

S6，以所述图像特征向量作为深度信念网络的输入，进而通过所述深度信念网络检测高压线绝缘子的缺陷情况。

2.根据权利要求1所述的基于深度信念网络的高压线绝缘子缺陷检测方法，其特征在于，S1中，所述原始图像为基于RGB颜色空间的原始图像；

S2具体为：

将所述原始图像从RGB颜色空间转换到HSI颜色空间；

从转换到HSI颜色空间的所述原始图像中提取S饱和度分量，得到S分量子图像；

将所述S分量子图像的每个像素点转换到[0,255]像素空间，得到灰度图像；

对所述灰度图像进行图像平滑和噪声过滤处理，即得到所述处理后的图像。

3.根据权利要求2所述的基于深度信念网络的高压线绝缘子缺陷检测方法，其特征在于，采用中值滤波的方法进行所述图像平滑的图像处理步骤。

4.根据权利要求2所述的基于深度信念网络的高压线绝缘子缺陷检测方法，其特征在于，S3具体为：

S3.1，采用边缘检测方法对所述处理后的图像进行边缘检测，得到所述处理后的图像的所有可能的边缘；

S3.2，将所述所有可能的边缘记为边缘区域，将位于所述所有可能的边缘的内部区域记为非边缘区域；

S3.3，设E₀为非边缘区域中所有像素点的集合，E₁为边缘区域中所有像素点的集合；

利用区域生长算法，首先将非边缘区域划分为互不相交的块，然后，根据物理就近原则，将边缘区域中各像素点逐个划分到相邻的块中，形成互不相交的、连续的子类，完成一次图像的初步分割；

假设共有n个样本数据，表示为：X_j，其中，j＝1、2…n；

V_i代表每个聚类的中心，其中，i＝1、2…c；c为预定的聚类数据；

U_ij表示第j个样本数据对于第i类聚类中心的隶属度；

则：通过所述初步分割，设共得到c个互不相交的子类：其中，i∈{1、2…c}；中的上标0代表第一次初步分割得到的结果；

则当X_j位于第i类时，否则，在进行迭代时，调用下述隶属度公式U_ij和类中心公式V_i进行迭代，完成图像的最终分割：

隶属度公式U_ij为：

类中心公式V_i为：

Vi=(Σxj∈E1(Uij)mxj+Σxj∈E0xj)/(Σxj∈E1(Uij)m+Σxj∈D01);]]>

其中，m∈{1,+∞}，是加权指数，n为图像中的像素数或模数，c为预先设置的类别数1<c≤n；d_ij为样本X_j与第i类的聚类中心V_i间的欧式距离，d_kj为样本x_j与第k类的聚类中心v_k间的欧式距离；U_ij表示样本X_j是否在第i类的聚类中，即样本X_j对于V_i的隶属度；

当点X_j∈E₁，即为边缘点时，其计算公式与隶属度公式U_ij相同，采用的是模糊化隶属关系的方法；当点X_j∈E₀，即为非边缘点时，隶属度均不发生变化，不再重新计算；重新计算和确定归属的只是边缘点。