[发明专利]一种基于局部特征的PCNN电力故障区域检测方法

权利要求书

1.一种基于局部特征的PCNN电力故障区域检测方法，其特征在于，包括以下步骤：

步骤1，获得故障电气设备的红外图像，其中电力故障区域即为红外图像中亮度较高的区域；

步骤2，将原始红外图像输入到基于局部特征的PCNN模型中，实现故障区域的提取，具体实现方式如下，

步骤2.1，将原始红外图像作为输入赋给基于局部特征的PCNN模型，并根据图像最高亮度区域获得初始化神经元脉冲发放区域Y(0),其中Y(0)＝{ij|F_ij(n)＝＝T_h}，T_h为图像最高灰度值，按式(一)设置权重M_ij,kl和W_ij,kl，

其中，σ_h为高斯尺度，设置为1或更大，C为归一化系数；

步骤2.2，基于局部特征的PCNN模型按式(二)～(八)进行迭代计算，

U_ij(n)＝F_ij(n)·[1+βL_ij(n)] (四)

X＝{ij|L_ij(n)＞0}∪{ij|Y_ij(n)＝0} (七)

其中，F_ij(n)为反馈输入，L_ij(n)为连接输入，I_ij表示神经元ij所对应的图像灰度值，n为迭代索引，下标ij、kl分别代表红外灰度图像像素位置所对应的神经元，其值为对应灰度值I_ij，V_F和V_L分别为放大系数，α_F和α_L为衰减系数，U_ij为神经元ij的内部活动项，β为连接系数，E_g为全局阈值，Ω_c为先前点火区域，当U_ij(n)＞E_g(n-1)时，神经元发生点火并形成脉冲Y_ij(n)，即点火区域，神经元集合S_c是在集合X内与点火区域Y_ij(n)相似的神经元，由模糊聚类模型进行归类得到；

步骤2.3，设置停止规则，针对点火区域Y_ij(n)的边界，结合图像梯度算子，

其中，G_x，G_y代表在像素点上水平和垂直梯度方向的梯度值，分别由水平方向和垂直方向两个相邻点像素灰度值之差决定，当图像梯度G大于某一阈值时，停止迭代；

步骤2.4，将点火区域Y_ij(n)作为输出，实现故障区域的检测。