[发明专利]基于GLOH描述子和GVF-Snake模型的绝缘子覆冰检测方法

摘要

本发明公开了一种基于GLOH描述子和GVF‑Snake的绝缘子覆冰检测方法，包括：1对输入图像进行预处理；2提取感兴趣的目标区域，该区域内应包含绝缘子信息；3利用GLOH描述子来定位绝缘子；4利用GVF‑Snake模型来精确检测绝缘子轮廓；5对绝缘子轮廓进行分析，通过计算最大径向距离来确定绝缘子是否存在覆冰情况，并在覆冰情况下计算覆冰的厚度。本发明能够克服传统的方法难以完整地将绝缘子与复杂背景分离的缺陷，能够有效提高绝缘子覆冰情况判断的准确性。

主权项

1.一种基于GLOH描述子和GVF‑Snake模型的绝缘子覆冰检测方法，其特征是按如下步骤进行：步骤1、采集输电线路上的若干幅绝缘子图像，并对所述若干幅绝缘子图像进行中值滤波和直方图均衡化的预处理，得到若干幅预处理后的绝缘子图像；步骤2、采用Hessian‑Affine区域检测算法对所述若干幅预处理后的绝缘子图像进行检测，得到相应的特征区域；假设任意一个特征区域中包含n个特征点；步骤3、利用GLOH描述子对所述n个特征点进行描述，得到n个特征向量；记第j个特征向量为T_j，1≤j≤n；步骤4、利用机器学习方法训练绝缘子的视觉字典：步骤4.1、随机初始化K个中心点表示第i个中心点，i＝1,2,…,K；步骤4.2、计算第j个特征向量T_j到第i个中心点的距离从而得到第j个特征向量T_j到K个中心点的距离{d₁,d₂,…,d_i,…,d_K}；从所述距离{d₁,d₂,…,d_i,…,d_K}中选取最小值并将第j个特征向量T_j归类到最小值所对应的类中；从而将n个特征向量归类到相应的类中，并得到K个类；步骤4.3、计算所述K个类的中心点并与原始K个中心点进行比较，若均相同，则执行步骤4.4；否则，将计算得到的K个类的中心点赋值给所述K个中心点进行更新后，返回步骤4.2；步骤4.4、计算所述K个类的中心点中每个类的平均值，得到平均值向量表示第i个类的平均值；步骤4.5、利用式(1)得到绝缘子的视觉字典L：式(1)中，μ_i为第i个类的匹配阈值，匹配阈值μ_i为第i个类中所有特征向量与第i个类的平均值之间差值的最大模；步骤5、通过字典匹配，消除非绝缘子特征：步骤5.1、获取输电线路上的一幅绝缘子图像作为测试图像，并按照步骤1至步骤3进行处理，得到所述测试图像的m个特征向量，记为{T⁽¹⁾,T⁽²⁾,…,T^(k),…,T^(m)}；T^(k)表示所述测试图像的特征区域中第k个特征点的特征向量，1≤k≤m；步骤5.2、初始化k＝1；步骤5.3、初始化i＝1；步骤5.4、将第k个特征向量T^(k)与第i个类的平均值T_i相减后得到的差值与第i个类的匹配阈值μ_i相比较，若差值小于等于匹配阈值μ_i，则表示第k个特征向量T^(k)属于第i个类，执行步骤5.5；否则，表示第k个特征向量T^(k)不属于第i个类，执行步骤5.6；步骤5.5，判断k＞m是否成立，若成立，则表示测试图像与所述视觉字典L匹配完成，得到更新后的特征向量作为绝缘子特征；否则，将k+1赋值给k后，返回步骤5.3；步骤5.6，判断i＞K是否成立，若成立，则表示第k个特征向量T^(k)不属于任何一个类，并从m个特征向量中删除第k个特征向量T^(k)后，将k+1赋值给k，执行步骤5.3；否则，将i+1赋值给i后，返回步骤5.4；步骤6、利用式(2)计算所述测试图像的特征区域中任意一个像素点(x,y)的投票值V(x,y)：式(2)中，x_h和y_h表示更新后的特征向量中第h个绝缘子特征在所述测试图像中所对应的像素点的横坐标和纵坐标，1≤h≤H，H表示绝缘子特征的总数；σ表示特征区域的尺度；步骤7、判断V(x,y)是否大于等于所设定的阈值，若大于等于，则表示像素点(x,y)属于绝缘子所在的区域，并保留像素点(x,y)；否则，表示像素点(x,y)为非绝缘子所在的区域的像素点；步骤8、重复步骤6‑步骤7，从而完成所述测试图像的特征区域中所有像素点的检测，并得到绝缘子区域；步骤9、使用GVF‑Snake模型对所述绝缘子区域进行轮廓检测，得到绝缘子轮廓；步骤10、覆冰判断：步骤10.1、计算所述绝缘子轮廓中最大径向距离，并记为d；步骤10.2、判断|d‑d′|＞δ是否成立，若成立，则表示绝缘子有覆冰，并执行步骤10.3；否则，表示绝缘子未覆冰；δ为所设定的阈值；d′为绝缘子未覆冰时在图像中的径向距离；步骤10.3、利用式(3)得到绝缘子上覆冰的厚度D：D＝0.5(d‑d')d″/d′ (3)式(3)中，d″表示绝缘子实际的径向距离。