[发明专利]一种基于多光谱图像信息融合的绝缘子污秽状态检测方法

权利要求书

1.一种基于多光谱图像信息融合的绝缘子污秽状态检测方法，其特征在于，该方法包括以下步骤：

S1、同时通过可见光图像、红外图像、紫外图像三种光谱图像对绝缘子污秽状态进行检测；

S2、根据S1中所得的三种光谱图像通过信息融合，综合评价绝缘子污秽状态。

2.根据权利要求1所述的一种基于多光谱图像信息融合的绝缘子污秽状态检测方法，其特征在于，步骤S2中三种光谱图像通过信息融合后，得到绝缘子表面等值附盐密度，通过绝缘子表面等值附盐密度评价绝缘子污秽状态。

3.根据权利要求2所述的一种基于多光谱图像信息融合的绝缘子污秽状态检测方法，其特征在于，由步骤S1中可见光图像、红外图像、紫外图像三种光谱图像分别得到可见光图像特征值、红外图像特征值和紫外图像特征值，将可见光图像特征值、红外图像特征值和紫外图像特征值通过信息融合，综合评价绝缘子污秽状态。

4.根据权利要求3所述的一种基于多光谱图像信息融合的绝缘子污秽状态检测方法，其特征在于，所述的可见光图像通过可见光图像处理、特征提取和特征选择后可得到绝缘子盘面V分量均值作为可见光图像特征值。

5.根据权利要求3所述的一种基于多光谱图像信息融合的绝缘子污秽状态检测方法，其特征在于，所述的红外图像通过红外图像处理、特征提取和特征选择后可得到绝缘子盘面最大温升作为红外图像特征值。

6.根据权利要求3所述的一种基于多光谱图像信息融合的绝缘子污秽状态检测方法，其特征在于，所述的紫外图像通过紫外图像处理、特征提取和特征选择后可得到绝缘子表面最大放电光斑面积作为紫外图像特征值。

7.根据权利要求3所述的一种基于多光谱图像信息融合的绝缘子污秽状态检测方法，其特征在于，对所述的可见光图像、红外图像、紫外图像构建多光谱图像BP神经网络，所述的神经网络的输入参数为可见光图像特征值、红外图像特征值、紫外图像特征值，输出为绝缘子表面等值附盐密度。

8.根据权利要求7所述的一种基于多光谱图像信息融合的绝缘子污秽状态检测方法，其特征在于，所述BP神经网络需样本对其进行训练，据此通过神经网络信息融合方法对绝缘子污秽状态进行评估。

9.根据权利要求8所述的一种基于多光谱图像信息融合的绝缘子污秽状态检测方法，其特征在于，BP神经网络的训练步骤如下：

S1、网络初始化，根据研究对象的实际情况确定网络的输入层、隐含层和输出层神经元个数；

S2、利用训练样本进行前向传输信号计算；

S3、利用误差反向传播算法进行输出层和隐含层连接权值的调整；

S4、根据给定的迭代次数和误差要求判断网络训练是否结束，若达到给定的迭代次数或满足误差要求，则停止迭代，训练结束，否则继续步骤S3，直到达到给定的迭代次数或者网络误差函数E满足精度要求为止。

10.根据权利要求1所述的一种基于多光谱图像信息融合的绝缘子污秽状态检测方法，其特征在于，可见光图像检测、红外图像检测、紫外图像检测中任一检测方法无法进行时，其他检测方法仍可正常进行。