采用CT域HMT模型的变电设备红外和可见光图像融合

将变电设备的红外图像和可见光图像融合可大大提高热故障定位的准确度。鉴于小波变换缺乏方向信息,且不能为2维图像提供理想的稀疏表达,同时考虑到边缘特征在图像融合中的重要性,提出了一种基于轮廓波变换(contourlet transform,CT)域隐马尔可夫树(hidden Markov tree,HMT)模型的红外和可见光图像融合算法。利用所提出的算法,完成了某500kV变电站设备的红外和可见光图像融合。融合结果表明,该算法由于采用期望最大(expectation maximization,EM)算法对CT分解得到的高频系数进行HMT建模且设计了一种利用Canny算子进行边缘检测的融合规则,所以可在保留更多细节信息的同时,能得到更加光滑细腻的融合图像;融合结果的均值、标准差、平均梯度和信息熵等统计指标均有明显改善。该算法为变电设备的智能检测与识别提供了量化依据和指导。     

基于深度学习的电力设备红外可见光图像智能配准方法研究

红外图像与可见光图像的融合分析是提升红外图像中电力设备定位精度和缺陷诊断准确度的有效途径。针对两种模态数据融合分析关键步骤中的红外图像与可见光图像配准问题进行研究。鉴于红外图像与可见光图像存在的模态差异,采用基于自监督学习的SuperPoint特征点提取与描述方法,提取具有模态不变性的稀疏特征点;采用基于深度图卷积的SuperGlue方法,结合全局特征点的空间及特征相关性信息,提升特征匹配的准确度;最后,采用渐近采样一致性的PROSAC方法对红外与可见光图像间的变换参数进行估计,实现配准。与传统算法对比表明,本文所提方法具有更高的模态鲁棒性,得到了更准确的配准结果。     

基于非下采样Contourlet变换耦合特征选择机制的可见光与红外图像融合算法

为了克服当下较多可见光与红外图像融合方法因忽略了光谱特征而导致融合图像存在光谱扭曲、目标内容显著度较差等不足,提出了非下采样Contourlet变换(nonsubsampled contourlet transform, NSCT)耦合特征选择机制的图像融合算法。首先,通过NSCT对可见光与红外图像计算,分离出其不同图像系数。然后,利用信息熵函数,度量图像所含信息量的丰富度,以形成低频系数的融合系数,得到富含红外目标等丰富信息的融合低频系数。采用像素点的邻点信息,度量图像的清晰度特征,并引入均值函数,度量图像的光谱特征,再联合图像的清晰度特征,构造特征选择机制,从图像中选择理想的高频系数融合函数,获取兼顾细节特征和光谱特征的融合高频系数。最后,通过实验结果发现,较现有的融合算法而言,所提算法拥有更好的融合质量,更好地保持了图像的光谱特征,且目标内容显著。     

基于生成对抗网络的隔离开关分合位置判别方法研究及应用

针对隔离开关状态需要双确认的问题,提出一种基于深度卷积生成对抗网络(DCGAN)的开关状态图像识别方法。该方法首先建立对抗学习模型,提取隔离开关样本特征,确定初始参数值;然后基于识别误差率最小的目标函数,采用反向传播算法更新模型层间连接权值;最后通过网络逐层计算得到隔离开关分合位置判别结果。以某地区变电站内的隔离开关图像为例进行测试,结果表明该方法对大规模图像样本具有较高的辨识准确率。     

基于地理信息的电力线全景图像信息融合方法

提出一种基于地理信息的电力线全景图像拼接方法。首先利用自动巡检机器人同步采集电力线的可见光图像和红外图像,采用尺度不变特征变换(SIFT)特征匹配算法分别拼接成全景图。其中红外全景图用于电力线的故障检测,可见光全景图对故障作进一步的可视化辅助检测,实现了故障信息、GPS信息和全景图像的融合,能够较精确地确定故障处的实际地理位置,提高了对电力线的维修效率。     

基于拉普拉斯分解耦合亮度调节的可见光与红外图像融合算法

为了解决当前较多可见光与红外图像融合方法的融合结果中的目标信息不突出等问题,引入拉普拉斯分解机制,采用 图像的亮度特征来融合可见光与红外图像。 借助拉普拉斯分解方法,对输入图像进行分层,求取不同的图层信息。 并利用图像 的均值特征,计算图像的亮度信息,对低频图层的融合权值进行自适应调整,从而得到一个目标信息完整度较高的融合低频图 层。 基于图像的空间频率特征,对高频图层所含的细节丰富度进行评估,以获取一个细节丰富的融合高频图层。 再利用拉普拉 斯逆分解方法,对低、高频图层完成融合。 实验数据显示,较已有的融合算法而言,所提算法的融合结果更能突出目标信息,具 备更为丰富的细节特征。     

基于智能监测终端的可见光与红外图像配准融合方法

针对可见光图像与红外图像分辨率差异大和色彩差异大的问题,提出一种基于亚像素优化和局部强度特征不变描述的可见光和红外图像配准算法,从有限离散剪切波变换、迭代配准以及配准点领域亚像素优化方面对新方法进行分析,并通过实际应用证明新方法可以实现可见光与红外图像准确配准与融合分析,快速准确地定位设备过热点。     

基于热像信息融合技术的绝缘子故障分类研究

根据绝缘子常见故障的特点,利用热红外成像设备,引入图像分区域信息融合的思想,提出了基于"概率神经网络(PNN)并结合D-S证据理论"信息融合模型的绝缘子故障分类方法。此方法在绝缘子出现故障时,可综合多个信息源进行诊断,从中筛选出能迅速反映绝缘子状态的特征量,并把这些特征量按照时间和图像区域进行分类,然后把这些数据输入到信息融合模型中,得到绝缘子热红外成像分类的结果。在搭建的测试系统上进行的测量表明:采用信息融合的模型,能很好地帮助变电站工作人员对绝缘子的健康状况进行分析。     

变电站巡检机器人保护装置识别关键技术研究

针对现场保护装置压板、二次空气开关和指示灯3个主要反映实际运行状态的基本要素,对变电站巡检机器人室内保护装置巡视功能开展研究。分别提出基于颜色特征对图像识别算法、多特征识别算法和基于灰度处理的图像阈值分割方法,以解决变电站巡检机器人对保护装置识别率低的问题,填补机器人对保护装置巡视技术方面的空白,深化机器人巡视技术的应用,适应未来无人值守变电站的发展要求。     

用于红外与可见光图像融合的注意力残差密集融合网络

为了解决当前红外与可见光图像融合算法中易出现场景信息缺失、目标区域细节模糊、融合图像不自然等问题,提出一 种用于红外与可见光图像融合的注意力残差密集融合网络(ARDFusion)。 本文整体架构是一种自编码器网络,首先,利用存在 最大池化层的编码器对源图像进行多尺度特征提取,然后,利用注意力残差密集融合网络分别对多个尺度的特征图进行融合, 网络中的残差密集块可以连续存储特征并且最大程度地保留各层特征信息,注意力机制可以突出目标信息并获取更多与目标、 场景有关的细节信息。 最后,将融合后的特征输入到解码器中,通过上采样和卷积层对特征进行重构,得到融合图像。 本文提 出了一种用于红外与可见光图像融合的注意力残差密集融合网络,实验结果表明,较已有文献的其他典型融合算法,具有较好 的融合效果,能够更好地保留可见光图像中的光谱特性且红外目标显著,并在主观评价和客观评价方面都取得了较好的融合 性能。     

基于图像融合的保护压板运行状态辨识方法研究

随着信息技术和智能化技术在电力系统的应用拓展,采用智能巡检机器人对变电站一、二次设备运行状态进行巡视逐步成为智能运检的趋势.提出了一种基于图像融合的保护压板运行状态辨识方法.基于OTSU阈值分割优化方法快速检测图像中的高光干扰;引入改进RANSAC算法完成多视角的图像特征匹配和求取最佳透视变换矩阵,利用辅助图像透视变换至主图像修复其中的高光区域;在图像修复的基础上通过对压板边缘检测的倾角来判断其运行状态.实验结果表明,所提抗干扰方法有助于更好地识别图像中压板的运行状态,辨识准确率可达93％.     

基于改进RBFNN的变电站设备红外温度预测方法

<正>为了能够准确地获取变电站敞开式设备的表面温度信息,准确定位热异常区域并以此确定设备运行状态,提出了一种变电站设备红外温度预测方法。采用量子遗传(QGA)-正交最小二乘算法(OLS)优化了径向基神经网络(RBFNN),通过将红外热像图像素与温度作为该神经网络的输入和输出量,建立了从红外图像获取设备温度的理论模型。结合同一场景的红外图像与可见光图像配准技术,即可直接从可见光图像上获取对应位置的红外温度     

基于NSST的改进最大最小滤波与DCT-LSF的多聚焦图像融合

针对图像采集传感器的景深有限,导致采集图像的局部区域产生的失焦现象,本文提出了一种新的多聚焦图像融合算法。在NSST的框架下,对低频子带分解系数采用基于离散余弦变换(DCT)和局部空间频率(LSF)的融合规则;对高频子带分解系数则采用基于最大最小滤波结合平均滤波、中值滤波(MMAM)的融合规则;然后进行INSST重构获得融合图像。实验结果表明,与经典图像融合算法相比较,本文算法能有效融合图像的高低频子带信息,并在主客观评价方面都达到了较好的效果。     

基于机器人的变电站开关状态图像识别方法

结合500kV超高压智能变电站实际建设工程,基于尺度不变特征变换(SIFT)、霍夫(Hough)变换、k-NN(k nearest neighbor)等算法,提出并研发了一种变电站专用智能机器人。研发的机器人能自动识别断路器、各种形式隔离开关的位置状态。同时,基于IEC 61850标准对断路器、隔离开关位置状态信息进行标准建模,实现与变电站监控后台倒闸操作模块无缝通信连接,为户外敞开式智能变电站"一键式"顺序控制倒闸操作,以及超高压变电站无人值班和远程操作的实现创造了前提条件。还对恶劣天气条件下断路器、隔离开关失真图像的恢复做了初步研究与探索。通过国内某500kV智能变电站的实际工程验证了所提出方法的有效性和高效性。     

基于智能图像处理技术的变电站GIS平台设计

在变电站中的GIS平台设计过程中,需要根据图像监控结果对各种电力设备进行GIS定位。利用传统的图像处理算法进行GIS平台设计,需要将变电站中的GIS图像与数据库中的特征GIS图像进行逐一比对。一旦变电站GIS图像数量巨大,将会造成匹配耗时增加,识别准确率降低。提出基于智能图像处理技术的变电站GIS平台设计方法。针对变电站GIS中的定位图像,利用二值分割方法进行分割,利用拉普拉斯卷积方法进行锐化处理,完成GIS图像的预处理:利用Gabor小波变换方法进行纹理特征提取,将处理结果进行矩阵变换处理,获得与特征GIS图像的特征点空间位置一致的图像,完成变电站GIS中各种图像的准确识别。实验结果表明,这种算法能够提高GIS图像识别的准确率,完成变电站GIS平台的设计。     

基于红外与紫外图像信息融合的绝缘子污秽状态识别

为了实现绝缘子污秽状态的非接触检测,提出了一种基于红外与紫外图像信息决策级融合的污秽等级识别方法。分别计算不同污秽等级绝缘子红外与紫外图像特征,根据Fisher准则进行特征选择,得到可以有效表征污秽状态的特征量,为了提高分类器的运算速度和准确性,利用核主元分析(KPCA)进行特征提取,分别得到红外与紫外特征的三维核主元向量,使用径向基神经网络(RBFNN)分别进行污秽等级识别,利用D-S证据理论对识别结果进行决策级融合,实现绝缘子污秽等级的识别。实验结果表明,该方法的正确率显著优于单独使用红外或紫外特征进行识别,为绝缘子污秽状态的非接触检测提供了新的方法。     

应用聚类和证据理论实现变电站保护压板状态校核EI北大核心CSCD

针对目前人工校核保护压板效率低、图像识别易受光照条件影响的问题,提出了一种基于聚类和D-S证据理论的变电站保护压板状态校核方法。首先对压板图像进行聚类分割,按行检查压板图像像素量和边界点,重新分割异常压板。根据压板在投、退状态下的形态特征,构造压板状态指标作为证据,分析了光照、透视变形因素对压板识别的影响。最后,将多个状态指标依据证据理论进行融合,减少个体指标的不确定性影响。结果表明,所提方法在光照条件不良情况下仍能正确识别压板状态,性能优于单一判据及多判据表决方法。     

应用聚类和证据理论实现变电站保护压板状态校核

针对目前人工校核保护压板效率低、图像识别易受光照条件影响的问题,提出了一种基于聚类和D-S证据理论的变电站保护压板状态校核方法。首先对压板图像进行聚类分割,按行检查压板图像像素量和边界点,重新分割异常压板。根据压板在投、退状态下的形态特征,构造压板状态指标作为证据,分析了光照、透视变形因素对压板识别的影响。最后,将多个状态指标依据证据理论进行融合,减少个体指标的不确定性影响。结果表明,所提方法在光照条件不良情况下仍能正确识别压板状态,性能优于单一判据及多判据表决方法。     

基于小波域分频的变电站红外监控图像噪声自适应滤波算法

针对变电站大量电力设施暴露于野外,受到空气粉尘、光照不均等因素的影响存在实地获取的红外监控图像含有大量噪声的问题,提出了一种基于小波域图像分频思路的自适应去噪算法。该算法首先对经分解后的变电站电力设施红外监控图像的小波低频、高频系数分别进行重构,得到空间域原始图像的背景图像和细节图像;然后对背景图像采用K-SVD字典学习自适应去噪算法进行处理;对于细节图像,根据其噪声分布特征,提出了一种基于窗口尺寸自适应调整的中值滤波改进算法进行处理;最后对噪声抑制后的背景和细节图像进行融合。研究表明,本文算法处理后的图像清晰度较高,有一定的实用价值。