【技術實現步驟摘要】
本專利技術屬于圖像處理，尤其是電力巡線近距離非同軸光譜圖像的智能配準及融合方法。
技術介紹
1、高壓輸電線路中的絕緣子因長期承受嚴酷復雜的自然環境的考驗，易發生絕緣性能的退化，這嚴重威脅到電力傳輸系統的安全與可靠性。鑒于此，絕緣子的狀態監測在電力線路的維護檢查中占據了至關重要的地位。盡管人工巡檢在目標針對性上表現突出，但其在效率上存在局限，難以跟上現代社會對輸電線路規模快速擴張的檢測需求，也難以滿足電網對智能化和數字化轉型的迫切需求。無人機技術的興起，以其卓越的靈活性和效率，為輸電線路絕緣子的非接觸式檢測提供了新的解決方案，具備著廣闊的應用潛力。在絕緣子非接觸狀態檢測方法中，無人機載多光譜相機獲得的多波段圖像信息可以為線路絕緣子狀態的分析與評估提供重要的數據支撐，如基于非同軸多光譜相機的污穢可視化分析等。
2、在各種不同結構的無人機載相機中，多目式非同軸成像裝置可實現多個光譜通道的模塊化組合，并保證了采集圖像的高空間分辨率，然而在無人機巡線應用場景下，近焦目標的非同軸成像難以避免地產生較大的視覺畸變和非線性配準問題，必須對非同軸圖像進行有效配準才能夠實現圖像信息融合，并且需要在不損失原始圖像空間分辨率的前提下有效提升光譜分辨率，現有的非同軸圖像配準方法絕大多數適用于遠距離目標拍攝，并且對配準精度要求不高，但對于污穢、老化、發熱及放電等以可視化信息融合為目標的電力巡線場景而言，需要實現像素級配準以提升信息利用率。
3、針對非同軸光譜圖像的配準，目前最常用的一類方法為基于特征點檢測的圖像配準方法，圖像特征點的
技術實現思路
1、本專利技術的目的在于克服現有技術的不足，提出電力巡線近距離非同軸光譜圖像的智能配準及融合方法，夠避免復雜背景圖像特征點匹配帶來的大量冗余計算和配準錯誤，計算效率大幅提升，有助于無人機機載相機下的原位分析和實時成像。
2、本專利技術解決其技術問題是采取以下技術方案實現的：
3、電力巡線近距離非同軸光譜圖像的智能配準及融合方法，包括以下步驟：
4、步驟1、構建興趣區域識別模型，采用興趣區域識別模型對圖像中目標絕緣子進行區域化定位，標定興趣區域定位框的位置信息，并消除框外背景數據，得到興趣區域；
5、步驟2、對興趣區域進行網格分區，采用特征點檢測算法對圖像各分區網絡進行特征點檢測，并生成特征點坐標集合；
6、步驟3、采用最近鄰匹配算法對基準圖像和待配準的軸圖像的特征點進行配對，輸出特征配對的像素點位置信息；
7、步驟4、采用隨機一致性采樣算法處理像素點位置信息，獲得圖像變換參數；
8、步驟5、利用圖像變換模塊將待配準的圖像進行投影變換，得到與基準圖像配準后的圖像；
9、步驟6、重復上述步驟對其他帶配準的圖像進行同樣的處理，得到所有的配準圖像；
10、步驟7、將各配準圖像的各像素點灰度值集合構成光譜圖像向量矩陣，完成光譜圖像融合。
11、而且，所述步驟1中興趣區域識別模型的構建方法為：
12、步驟1.1、建立各類常用器型線路絕緣子的三維數字白模，并注釋標簽；
13、步驟1.2、在三維數字白模表面覆蓋均勻或不均勻隨機色斑，形成虛擬三維絕緣子模型；
14、步驟1.3、將虛擬三維絕緣子模型疊加在輸電線路走廊常見背景影像中；
15、步驟1.4、對疊加在輸電線路走廊常見背景的二維圖像上的虛擬三維絕緣子模型的旋轉、平移、交疊、縮放的姿態參數進行隨機編碼，采用隨機編碼生成姿態絕緣子的二維平面圖像數據，并框選包含絕緣子的矩形區域，原則上框選范圍中非絕緣子區域像素點不超過框選總像素點數量的30％；
16、步驟1.5、采用yolo系列算法對不同白模姿態的二維平面圖像數據進行訓練和測試，重復步驟1.2至1.4，直至訓練模型的正判率達到95％以上。
17、而且，所述步驟1.1中標簽包括絕緣子型號、器型和材質。
18、而且，所述步驟2中網格分區采用均等方式將框內區域分為n×m個矩形區域，各區域像素數量占總像素數量比例r保持在1/25≤r≤1/9區間范圍。
19、而且，所述步驟2中特征點檢測算法優選采用superpoint算法，構建針對n×m個矩形區域的特征點檢測通道，并完成特征點檢測，并生成特征點坐標集合{[x,y]}。
20、而且，所述步驟3的具體實現方法為：使用最近鄰匹配算法nearest?neighborsearch，并進行計算估計，當矩形區域像素點數量ns超過1.8×105時，啟動flann算法來加速最近鄰搜索速度，采用kd樹作為索引類型；葉子點數(checks)初始值設置為矩形區域像素點數量ns×10-4向上取整。
21、而且，所述步驟7中光譜圖像向量矩陣(axy)中的向量為axy＝[g1,g2,…gi,…,gk-1,gk]，其中gi為第i個待配準光譜圖像特征點(x，y)處的灰度值。
22、本專利技術的優點和積極效果是：
23、本專利技術通過興趣區域識別、網格化特征點檢測、最近鄰匹配、隨機一致性采樣、圖像變換和批量處理，最終實現光譜圖像的高精度融合。本專利技術能夠有效實現非同軸近距離圖像的高精度圖像配準，平均綜合互信息值平均超過0.8，并可達到像素級的光譜圖像信息融合，而高質量配準與信息融合，是進行絕緣子表面狀態增強成像和光譜重構成像的基本前提。同時能夠避免復雜背景圖像特征點匹配帶來的大量冗余計算和配準錯誤，計算效率大幅提升，有助于無人機機載相機下的原位分析和實時成像。本專利技術自動化程度高，適應性強，顯著提升了電力巡線圖像處理的效率和準確性。
本文檔來自技高網...【技術保護點】
1.電力巡線近距離非同軸光譜圖像的智能配準及融合方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的電力巡線近距離非同軸光譜圖像的智能配準及融合方法，其特征在于：所述步驟1中興趣區域識別模型的構建方法為：
3.根據權利要求2所述的電力巡線近距離非同軸光譜圖像的智能配準及融合方法，其特征在于：所述步驟1.1中標簽包括絕緣子型號、器型和材質。
4.根據權利要求1所述的電力巡線近距離非同軸光譜圖像的智能配準及融合方法，其特征在于：所述步驟2中網格分區采用均等方式將框內區域分為n×m個矩形區域，各區域像素數量占總像素數量比例R保持在1/25≤R≤1/9區間范圍。
5.根據權利要求1所述的電力巡線近距離非同軸光譜圖像的智能配準及融合方法，其特征在于：所述步驟2中特征點檢測算法優選采用SuperPoint算法，構建針對n×m個矩形區域的特征點檢測通道，并完成特征點檢測，并生成特征點坐標集合{[x,y]}。
6.根據權利要求1所述的電力巡線近距離非同軸光譜圖像的智能配準及融合方法，其特征在于：所述步驟3的具體實現方法為：使用最近
7.根據權利要求1所述的電力巡線近距離非同軸光譜圖像的智能配準及融合方法，其特征在于：所述步驟7中光譜圖像向量矩陣(Axy)中的向量為Axy＝[g1,g2,…gi,…,gk-1,gk]，其中gi為第i個待配準光譜圖像特征點(x，y)處的灰度值。
...【技術特征摘要】
1.電力巡線近距離非同軸光譜圖像的智能配準及融合方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的電力巡線近距離非同軸光譜圖像的智能配準及融合方法，其特征在于：所述步驟1中興趣區域識別模型的構建方法為：
3.根據權利要求2所述的電力巡線近距離非同軸光譜圖像的智能配準及融合方法，其特征在于：所述步驟1.1中標簽包括絕緣子型號、器型和材質。
4.根據權利要求1所述的電力巡線近距離非同軸光譜圖像的智能配準及融合方法，其特征在于：所述步驟2中網格分區采用均等方式將框內區域分為n×m個矩形區域，各區域像素數量占總像素數量比例r保持在1/25≤r≤1/9區間范圍。
5.根據權利要求1所述的電力巡線近距離非同軸光譜圖像的智能配準及融合方法，其特征在于：所述步驟2中特征點檢測算法優選采用superpoint算...
【專利技術屬性】
技術研發人員：郭威，王仰銘，周晨曦，武藝博，文清豐，李隆基，張弛，王松波，李學剛，
申請(專利權)人：國網天津市電力公司電力科學研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。