[发明专利]基于深度学习的多光谱图像融合电力物联网故障点检测方法

权利要求书

1.一种基于深度学习的多光谱图像融合电力物联网故障点检测方法，其特征在于，包括以下步骤：

1)获取若干电力物联网设备的多光谱图像，再对各多光谱图像进行预处理；

2)基于深度卷积神经网络使用特征空间距离对多光谱图像进行描述；

3)将多光谱图像作为训练样本输入到深度卷积神经网络中对深度卷积神经网络进行训练；

4)利用训练后的深度卷积神经网络对待检测多光谱图像进行检测，得电力物联网的故障点位置。

2.根据权利要求1所述的基于深度学习的多光谱图像融合电力物联网故障点检测方法，其特征在于，步骤4)的具体操作为：

从待检测多光谱图像中提取候选区域，再将所有候选区域调整到统一的大小，然后再输入到训练后的深度卷积神经网络中，利用分类器或者softmax对候选区域进行分离，以确定电力物联网的故障点位置。

3.根据权利要求1所述的基于深度学习的多光谱图像融合电力物联网故障点检测方法，其特征在于，步骤1)中对多光谱图像进行预处理的具体过程为：对多光谱图像进行图像配准、图像增强及图像融合操作。

4.根据权利要求3所述的基于深度学习的多光谱图像融合电力物联网故障点检测方法，其特征在于，利用基于灰度的图像配准方法、基于变换域的图像配准方法或基于特征的图像配准方法对多光谱图像进行图像配准。

5.根据权利要求4所述的基于深度学习的多光谱图像融合电力物联网故障点检测方法，其特征在于，利用线性变换方法、分段线性变换方法或直方图均衡化方法对多光谱图像进行图像增强。

6.根据权利要求5所述的基于深度学习的多光谱图像融合电力物联网故障点检测方法，其特征在于，基于连续小波变换进行图像融合。