[发明专利]一种基于红外图像的电力设备识别方法及系统

权利要求书

1.一种基于红外图像的电力设备识别方法，用于通过电力设备的红外图像识别电力设备类型；其特征在于，包括以下步骤：

S100：获取多幅用于训练的电力设备的红外图像，每一幅作为一个红外图像样本X_i；

S200：提取每一幅红外图像的HOG特征、SIFT特征和LBP特征；

S300：利用主成分分析法对所提取的特征进行降维融合，得到降维融合特征向量；

S400：分别以所述降维融合的特征向量作为SVM分类器、KNN分类器和BP神经网络分类器的输入，利用SVM分类器、KNN分类器和BP神经网络分类器对红外图像样本X_i进行分类，预测红外图像样本X_i属于电力设备类标签ω_j的概率，并将SVM分类器、KNN分类器和BP神经网络分类器中每个分类器预测的X_i属于ω_j的概率作为输入特征，基于MLR规则建立线性回归模型并进行训练学习，完成学习后得到集成分类器其中，是第l个分类器分配的权重参数；

S500:获取待识别电力设备的红外图像，执行步骤S200-S300，将得到的特征向量输入到步骤S400中得到的所述集成分类器，计算所述集成分类器的值并返回集成分类器最大值时对应的类标签ω_j，该标签即为待识别电力设备的红外图像的最终识别结果。

2.根据权利要求1所述的基于红外图像的电力设备识别方法，其特征在于，所述步骤S200中，提取每一幅红外图像的HOG特征包括以下步骤：

S201:利用Gamma矫正对红外图像进行规范化；

S202:利用公式G_x(x，y)＝I(x+1，y)-I(x-1，y)和G_y(x，y)＝I(x，y+1)-I(x，y-1)计算规范后的红外图像中(x,y)处像素点在x及y方向上的梯度；

S203:利用公式和计算规范后的红外图像中(x,y)处像素点的梯度大小及方向；

S204:将红外图像划分为若干个图像块，把每个图像块划分成4个单元格，对每一个单元格内的像素根据梯度方向划分到相应的梯度方向区间，以梯度区间为单位，对每一个梯度区间内的像素梯度值求和，作为相应梯度区间的特征值，对图像块的单元格特征值拼接得到图像块的特征向量，对图像中所有图像块的特征向量拼接得到红外图像的HOG特征向量。

3.根据权利要求1所述的基于红外图像的电力设备识别方法，其特征在于，所述步骤S200中，提取每一幅红外图像的SIFT特征包括以下步骤：

S211:构建红外图像的尺度金字塔；

S212:寻找尺度空间的极值点完成特征点定位；

S213:为步骤S212确定的特征点进行特征方向赋值，对σ尺度上的某一特征点L(x,y,σ)利用如下公式实现：

θ(x，y)＝tan^-1(L(x，y+1)-L(x，y-1))/(L(x+1，y)-L(x-1，y))；

S214:使用一组向量来描述经步骤S100-步骤213处理的特征点，得到红外图像的SIFT特征向量。

4.根据权利要求1所述的基于红外图像的电力设备识别方法，其特征在于，所述步骤S200中，提取电力设备图像的LBP特征包括以下步骤：

S221:将红外图像划分为16×16的小区域；

S222:以小区域中的每个非边缘像素点为中心点，将该中心点的灰度值与相邻的8个像素点的灰度值进行比较，若相邻像素点的灰度值比该中心点的灰度值大，则标记1，否则标记0，相邻的8个像素点形成一个八位的二进制数即为该中心点的LBP值；

S223:计算每个小区域的直方图，对该直方图进行归一化处理；

S224:将得到的每个小区域的直方图连接成为一个特征向量，即为红外图像的LBP特征向量。