一种带电绝缘子串覆冰桥接度智能图像分析方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105513039A(43)申请公布日2016.04.20(21)申请号201510401466.7(22)申请日2015.07.10(71)申请人中国电力科学研究院地址100192北京市海淀区清河小营东路15号申请人国家电网公司北京邮电大学(72)发明人于昕哲周军刘博别红霞别志松刘盼(74)专利代理机构北京安博达知识产权代理有限公司11271代理人徐国文(51)Int.Cl.G06T7/00(2006.01)G06K9/62(2006.01)权利要求书3页说明书8页附图3页(54)发明名称一种带电绝缘子串覆冰桥接度智能图像分析方法(57)摘要一种带电绝缘子串覆冰桥接度智能图像分析方法，所述方法包括，将原始图像由RGB颜色空间转换至HSI颜色空间，并对其颜色特征进行描述；采集双伞绝缘子分割图像；确定绝缘子覆冰区域，获取覆冰绝缘子的颜色特征、灰度特征和纹理特征；构造多类SVM分类器，采用SVM多类分类法对训练样本分类；结合缺点补偿算法和冗点删除算法自动检测双伞绝缘子盘径端点；对所述双伞绝缘子盘径端点进行自动配对；对所述双伞绝缘子盘径端点进行筛选，确定轮廓跟踪起点，完成双伞绝缘子冰棱桥接百分比的计算。通过对双伞悬式绝缘子图像进行覆冰桥接百分比智能分析，有效克服了传统图像分割造成的有效信息丢失的缺陷。CN105513039ACN105513039A权利要求书1/3页1.一种带电绝缘子串覆冰桥接度智能图像分析方法，其特征在于，所述方法包括，将原始图像由RGB颜色空间转换至HSI颜色空间，并对其颜色特征进行描述；采集双伞绝缘子分割图像；确定绝缘子覆冰区域，获取覆冰绝缘子的颜色特征、灰度特征和纹理特征；构造多类SVM分类器，采用SVM多类分类法对训练样本分类；结合缺点补偿算法和冗点删除算法自动检测双伞绝缘子盘径端点；对所述双伞绝缘子盘径端点进行自动配对；对所述双伞绝缘子盘径端点进行筛选，确定轮廓跟踪起点，完成双伞绝缘子冰棱桥接百分比的计算。2.根据权利要求1所述的方法，其特征在于，所述对其颜色特征进行描述包括，定义HSI颜色空间中的颜色分量为Co；Co＝max{R,G,B}(1)其中，R、G、B为图像某像素的RGB空间的三个颜色分量。3.根据权利要求1所述的方法，其特征在于，所述采集双伞绝缘子分割图像包括，利用Otsu阈值分割法，对原始图像进行K-MEANS聚类分割，分割数目为K＝2，以颜色分量的最大值Comax和最小值Comin作为K-MEANS聚类分割的初始聚类中心；设聚类分割中均值较高的一类为K1，均值较低的一类为K2；所述双伞覆冰绝缘子图像的各像素点值为：4.根据权利要求1-3任一所述的方法，其特征在于，所述确定绝缘子覆冰区域包括，扫描所述双伞覆冰绝缘子分割图像，选取值为1的像素点，即绝缘子覆冰区域，获取其颜色特征为：5.根据权利要求1所述的方法，其特征在于，所述灰度特征包括，灰度均值Fμ和标准方差Fσ；所述均值Fμ和标准方差Fσ与覆冰的薄厚程度相关；其中，覆冰越厚，其均值Fμ和标准方差Fσ则越大。6.根据权利要求1-3任一所述的方法，其特征在于，所述纹理特征的包括，构建灰度共生矩阵，提取所述灰度共生矩阵的典型特征值，计算其平均值作为所述纹理特征；将图像压缩灰度级数设置为8，步长为d＝1；设图像x轴像素总长度为Nx，y轴像素总长度为Ny，G表示灰度级的数量，Ng为灰度级的最高级，其表达式为：x＝{1，2...Nx}y＝{1，2...Ny}G＝{1，2...Ng}(4)；定义灰度共生矩阵为矩阵M，方向为θ，步长为d；则2CN105513039A权利要求书2/3页M(i，j，θ)＝p(i，j，d，θ)(5)式(5)中，i，j＝1，2...Ng，即灰度共生矩阵M的大小为Ng×Ng；i，j的距离为步长为d，θ＝0°、45°、90°、135°。7.根据权利要求6所述的方法，其特征在于，所述灰度共生矩阵的典型特征值，包括能量、对比度、相关性和熵；其中，所述能量，用于衡量图像像素分布均匀程度；所述对比度，用于表示沟纹的深浅程度；所述相关性，用于比较灰度共生矩阵中行或者列元素的相似度；所述熵，用于描述图像所包含的离散信息；8.根据权利要求1所述的方法，其特征在于，所述构造SVM多类分类器包括，采用1对1的算法构造多类SVM分类器，所述SVM多类分类器由若干二分类的SVM组成；采用SVM多类分类法对训练样本分类包括，将n个训练样本两两组合，共种组合方式；分别对组合后的每组训练样本进行分类。9.根据权利要求8所述的方法，其特征在于，所述分别对组合后的每组训练样本进行分类包括，确定每组训练的两个平面H1和H2，二者相互平行且中间存在间隔；将位于平面H1左侧的训练样本归属为其中