[发明专利]一种基于目标建议算法的航拍图像绝缘子识别方法

摘要

本发明公开了一种基于目标建议算法的航拍图像绝缘子识别算法，本发明采用一种融合目标建议算法、绝缘子判别算法的航拍图像中绝缘子识别算法，通过目标建议算法获取绝缘子候选窗，然后融合不变矩特征和HOG特征作为训练特征，最后利用绝缘子判别算法判断候选窗是否为绝缘子；本发明的优点是有效地提升了航拍图像中绝缘子的识别效果并能够大大地提高后续的故障检测工作的工作效率，能够大大地提高目标的检测速度，有助于减轻线路巡检人员巡检工作的强度和难度，使输电线路的巡检工作逐步走向智能化，并能够大大提高电力系统安全稳定运行能力；具有较强的实用价值和现实意义。

主权项

1.一种基于目标建议算法的航拍图像绝缘子识别方法，其特征在于，包括以下步骤：步骤1、建立标准绝缘子图像库作为正样本集，建立航拍背景图像库作为负样本集；步骤2、对待检测的航拍巡检图像进行滤波、灰度化、图像增强预处理；步骤3、对预处理后的待检测图像进行目标建议算法处理，获得一系列具有区分物体和背景意义的绝缘子候选窗；步骤4、对待检测图像中的每一个绝缘子候选窗进行二值化处理，从而提取不变矩特征和HOG特征进行特征级融合，得到表征绝缘子的图像特征；步骤5、对候选窗的图像特征进行绝缘子判别算法处理，判断此候选窗中是否为绝缘子；其中，所述步骤3中的目标建议算法包括以下步骤：(31).将步骤1建立的正样本集、负样本集的三维图像数据(x，y，z)均转为二维灰度图像数据(i，j)；(32).分别计算二维灰度图像x、y方向的导数，然后计算梯度，得到梯度图；(33).将梯度图缩放成24种尺寸的图像，然后采用8*8模板进行匹配，提取闭合轮廓的梯度特征；(34).运用神经网络训练正样本集、负样本集的梯度特征，得到权重系数图；(35).依据权重系数图对遍历所得的搜索窗的梯度特征进行评价，以评分的高低筛选出绝缘子候选窗；其中，所述步骤5中的绝缘子判别算法包括以下步骤：(51).对步骤1建立的正样本集、负样本集进行与步骤4相同的图像处理和特征提取；(52).更新正样本集、负样本集图像特征分布；(53).对正样本集、负样本集的图像特征进行学习和训练，寻找当前样本分布下的最优弱分类器和对应的权重值，计算弱分类器误差率，当误差小于设定阈值，则跳转到步骤(54)，否则，跳转到步骤(52)；(54).聚合多次训练的弱分类器，以权重值级联成一个强分类器；(55).以步骤4得到的绝缘子图像特征输入到步骤(54)得到的强分类器中，通过特征识别对每个候选窗进行绝缘子判别，从而识别航拍图像中复杂背景下的绝缘子设备。