[发明专利]一种电力设备自动识别方法和装置在审
申请号: | 201910451982.9 | 申请日: | 2019-05-28 |
公开(公告)号: | CN110175650A | 公开(公告)日: | 2019-08-27 |
发明(设计)人: | 陈宏军;白永祥;王克谦;王鹏;熊化化;陈荣群;魏继承;姜祖明;许娟;林德山;严建邦;张彭飞;王蕾 | 申请(专利权)人: | 国网河南省电力公司信阳供电公司;河南恩湃高科集团有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/38;G06K9/00;G06T7/00;G06T7/11 |
代理公司: | 北京众合诚成知识产权代理有限公司 11246 | 代理人: | 任苇 |
地址: | 476000*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电力设备 红外影像 梯度直方图 灰度转化 方法和装置 区域生长 区域图像 自动识别 分割法 初始种子点 获取图像 提取图像 图像 | ||
1.一种电力设备自动识别方法,其特征在于,包括如下步骤:
步骤1:获取电力设备的红外影像,对电力设备的红外影像进行灰度转化;
步骤2:在灰度转化后的红外影像中选取初始种子点,利用区域生长分割法获取红外影像中的电力设备区域图像;
步骤3:提取电力设备区域图像中电力设备的梯度直方图特征,采用SVM分类器,根据电力设备的梯度直方图特征对红外影像中的电力设备进行识别。
2.根据权利要求1所述的电力设备自动识别方法,其特征在于,所述步骤1中,对电力设备的红外影像进行灰度转化后对其进行中值滤波。
3.根据权利要求1所述的电力设备自动识别方法,其特征在于,所述步骤2中选取灰度转化后红外影像中灰度值最大的点作为种子点。
4.根据权利要求1或3所述的电力设备自动识别方法,其特征在于,所述步骤2中利用区域生长分割法获取红外影像中电力设备区域图像时,采用温度相似性作为生长判断条件。
5.根据权利要求1所述的电力设备自动识别方法,其特征在于,所述步骤3中提取图像中电力设备梯度直方图特征的方法为:
对电力设备区域图像进行归一化处理,计算各像素点的梯度;
将红外影像设备区域划分成若干小单元格,以梯度方向为横轴,以不同梯度方向的数量为纵轴,统计各单元格内梯度直方图,形成该单元格的特征描述符;
将相邻四个单元格组成一个Block块,分别串联各Block块内所有单元格的特征描述符,对各Block块内梯度直方图进行归一化操作,形成各Block的特征描述符;
串联红外影像内所有Block块的特征描述符,组成红外影像设备区域的梯度直方图特征描述符。
6.一种电力设备自动识别装置,包括处理器和存储器,所述存储器上存储有用于在处理器上执行的计算机程序;其特征在于,所述处理器执行所述计算机程序时,实现如下步骤:
步骤1:获取电力设备的红外影像,对电力设备的红外影像进行灰度转化;
步骤2:在灰度转化后的红外影像中选取初始种子点,利用区域生长分割法获取红外影像中的电力设备区域图像;
步骤3:提取电力设备区域图像中电力设备的梯度直方图特征,采用SVM分类器,根据电力设备的梯度直方图特征对红外影像中的电力设备进行识别。
7.根据权利要求6所述的电力设备自动识别装置,其特征在于,所述步骤1中,对电力设备的红外影像进行灰度转化后对其进行中值滤波。
8.根据权利要求6所述的电力设备自动识别装置,其特征在于,所述步骤2中选取灰度转化后红外影像中灰度值最大的点作为种子点。
9.根据权利要求6或8所述的电力设备自动识别装置,其特征在于,所述步骤2中利用区域生长分割法获取红外影像中电力设备区域图像时,采用温度相似性作为生长判断条件。
10.根据权利要求6所述的电力设备自动识别装置,其特征在于,所述步骤3中提取图像中电力设备梯度直方图特征的方法为:
对电力设备区域图像进行归一化处理,计算各像素点的梯度;
将红外影像设备区域划分成若干小单元格,以梯度方向为横轴,以不同梯度方向的数量为纵轴,统计各单元格内梯度直方图,形成该单元格的特征描述符;
将相邻四个单元格组成一个Block块,分别串联各Block块内所有单元格的特征描述符,对各Block块内梯度直方图进行归一化操作,形成各Block的特征描述符;
串联红外影像内所有Block块的特征描述符,组成红外影像设备区域的梯度直方图特征描述符。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网河南省电力公司信阳供电公司;河南恩湃高科集团有限公司,未经国网河南省电力公司信阳供电公司;河南恩湃高科集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910451982.9/1.html,转载请声明来源钻瓜专利网。