[发明专利]基于稀疏表示图像修复的二次设备状态识别方法

说明书

本发明公开了基于稀疏表示图像修复的二次设备状态识别方法，包括：采集二次设备的图像，对设备图像进行高光区域检测；对检测出的高光区域的设备图像块进行图像稀疏表示，修复图像；从修复的设备图像中提取二次设备的边缘轮廓，识别二次设备的状态。本发明采用二维最大类间方差法，对设备图像进行二值化，识别设备图像的高光区域、非高光区域。本发明对二次设备的图像的高光区域进行修复后，根据修复的设备图像自动识别二次设备的状态，大大降低了二次设备状态的误判率，使得二次设备状态的自动识别更加准确可靠，且提高了设备状态识别的效率，使电网的安全稳定运行更加有保障。

技术领域

本发明属于变电站二次设备运维领域，具体涉及一种基于稀疏表示图像修复的二次设备状态识别方法。

背景技术

随着国内智能电网的快速发展，变电站的无人值守模式和智能化巡检也在不断推广和深入。国内外关于变电站智能巡检的研究也逐渐聚焦于图像处理技术的设备运行状态辨识和异常检测。

电气一次设备和二次设备的运行环境存在极大差异，导致其图像处理的难点不同。其中，一次设备的图像处理存在图像背景复杂、局部放电等异常画面捕捉困难的问题；而二次设备的图像处理的主要难点在于光源变化多样，存在高光和阴影干扰等问题。当巡检机器人采集到高光、阴影干扰的图像后，二次设备状态识别的准确率会大大下降，甚至造成误判，从而影响工作效率。

目前，图像处理和图像识别技术在一次设备的运检和机器人巡检中的应用较多，但在二次设备运检中的应用较少，且都没有考虑到由于拍摄角度、阳光或者图像采集设备等其他因素导致图像本身不利于状态识别的情况。

因此，研究一种基于改进稀疏表示算法消除变电站现场图像中的高光干扰，并在此基础上提取压板边缘倾角完成压板的投退状态识别。

发明内容

本发明的目的是针对上述问题，提供一种基于稀疏表示图像修复的二次设备状态识别方法，对设备图像进行高光区域检测后，对高光区域进行修复，然后从修复的设备图像中提取二次设备的边缘轮廓，识别二次设备的状态，提高二次设备状态识别的准确率和识别的效率。

本发明的技术方案是基于稀疏表示图像修复的二次设备状态识别方法，包括以下步骤：步骤1：采集二次设备的图像，对设备图像进行高光区域检测；

步骤2：对检测出的高光区域的设备图像块进行图像稀疏表示，修复图像；

步骤3：从修复的设备图像中提取二次设备的边缘轮廓，识别二次设备的状态。

进一步地，步骤2具体包括：

步骤2.1：采用阈值分割方法对设备图像进行二值化，识别设备图像的高光区域、非高光区域；步骤2.2：对设备图像的非高光区域构建字典；

步骤2.3：若设备图像存在高光区域，对高光区域的边界点计算优先权，找出优先权值最大的边界点；

步骤2.4：选取以优先权值最大的边界点为中心的k×k区域，并求解此区域的稀疏表示的系数矩阵；

步骤2.5：利用求解的系数矩阵修复设备图像的高光区域；

步骤2.6：判断修复的设备图像是否存在高光区域，若存在高光区域，执行步骤2.3，若不存在高光区域，则输出修改的设备图像。

优选地，所述阈值分割方法为二维最大类间方差法。

优选地，步骤2.3采用改进的优先权计算公式

式中N_k(p)为以p点为中心的k×k大小的窗口，表示窗口内的非高光区域；表示窗口的梯度幅度，的计算式如下：

式中表示用Sobel算子的滤波核S_x对窗口区域进行卷积