基于BEMD的电力设备红外与可见光图像的配准研究

电力设备的红外图像和可见光图像从不同角度反映了设备的状态,对它们进行配准可以提高在线监测的准确性.将2维经验模态分解( BEMD)方法引入到电力设备的红外与可见光图像配准中.通过理论分析得出了基于BEMD的图像配准原理,把图像的配准问题转化成了BEMD分解后子图像的配准问题,并确定了原始图像、趋势图像及2维仿射变换在配准中的关系;基于此原理提出了一种红外与可见光图像配准方法.实验结果表明该方法可取得良好的配准效果,同时也验证了该配准原理的正确性和方法的先进性.     

基于SIFT的电力设备红外/可见光图像配准方法

提出了一种红外与可见光图像的配准方法,该方法将SIFT(Scale Invariant Feature Transform)特征应用于两者自动配准的特征匹配,SIFT特征对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。实验表明,该方法具有稳定、可靠、快速等特点。     

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。     

基于亚像素红外与可见光图像配准方法

为了提高不同分辨率的红外与可见光图像配准的精度,提出了一种基于亚像素纠正的红外与可见光自动配准方法.采用了Shi—— Tomasi角点检测器和Taylor多项式将角点的坐标纠正到亚像素级,在六参数仿射变换模型基础上采用改进的Hausdorff距离进行精确匹配.与传统方法比较,该方法提高精度10％左右.实验表明,该方法配...     

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。     

基于经验模式分解和互信息的图像配准研究

针对基于互信息的配准方法具有精度高、鲁棒性强的特点,提出了一种基于经验模式分解和互信息测度的图像配准方法。该方法将经验模式分解扩展到二维．并利用其自适应性分解图像得到近似分量（子图像）,然后用最大互信息作为相似性测度对子图像进行逐层迭代计算,最终实现图像配准。试验结果证明了该方法的可行性与有效性,且具有更高的时频分辨率,配准精度高,可靠性好,不需要进行图像分割和特征提取等预处理。     

基于图像配准的电力设备缺陷定位算法

针对固定场景下的电力设备缺陷检测问题,提出了一种基于图像配准的固定场景电力设备缺陷定位方法.首先对相同场景下的样本图和测试图,分别进行直方图均衡化,降低光照变换对缺陷定位的影响;然后通过计算两幅图像的ORB(方向旋转不变性)特征点的欧氏距离,选取最小距离作为特征点对,通过交叉检验选出较优的特征点对,再通过随机抽样一致算...     

采用对象分割和图像配准方法的变电站红外预警系统

为了早期发现变电站事故隐患,建立了一个红外温度巡检与预警系统,该系统能够自动循环采集变电站电气设备的红外图像,通过提取目标设备的温度信息进行故障判别。为了解决机械传动造成的图像位置偏差导致系统难以对感兴趣设备进行定位监测的问题,提出了一种基于对象分割和图像配准的校正方法,首先对图像进行对象分割和组态定义,并将待测目标提取出来,然后采用基于相位相关和Harris角点匹配的图像配准方法对序列偏差图像进行配准。使用上述方法对某变电站中获取的15组电气设备红外遥视图像进行了实验,平均正确匹配率达到93.3%,并且配准精度较高,达到了亚像素级。实验表明该方法能够对偏差图像进行有效校正,使系统能够及时准确地获得设备部件的温度,保障监测系统的可靠运行。     

基于灰度冗余和SURF算法的电气设备红外和可见光图像配准

为了对电力设备故障进行更为有效和直观的诊断,提出了一种基于灰度冗余和SURF算法的红外和可见光图像的配准方法.该算法对红外图像和可见光图像进行基于灰度冗余的处理,利用SURF方法分别找到两幅图像的特征点并求出其描述子,通过RANSAC(随机采样一致性)对这些特征点进行精确配对,通过最小二乘法求得仿射变换参数并实现两幅图...     

基于灰度冗余和SURF算法的电气设备红外和可见光图像配准

为了对电力设备故障进行更为有效和直观的诊断,提出了一种基于灰度冗余和SURF算法的红外和可见光图像的配准方法.该算法对红外图像和可见光图像进行基于灰度冗余的处理,利用SURF方法分别找到两幅图像的特征点并求出其描述子,通过RANSAC(随机采样一致性)对这些特征点进行精确配对,通过最小二乘法求得仿射变换参数并实现两幅图像的配准.实验表明,该方法与其他配准方法相比,具有速度快,鲁棒性高等优点,具有较高的实用价值.     

基于多尺度图像配准方法

针对不同波段的TM图像，文中提出一种以交互反差为准则基于多尺度的图像配准方法。本方法解决这种具有不同灰度属性的图像配准问题，并用Matlab程序仿真，验证本方法的实用性。     

基于改进卷积神经网络的电力设备红外图像分类识别方法

随着电力设备故障诊断技术的不断发展、红外测温诊断技术不断成熟,如何快速有效地对各类电气设备红外测温图像进行分类识别,是今后故障诊断智能化发展的关键环节之一。通过对红外测温图像分类识别方法进行研究,提出了一种基于改进卷积神经网络的电力设备红外图像分类识别方法。首先,通过旋转、翻转等方法对收集的红外图像进行数据增强;然后,建立基于改进MobileNetV2的电力设备红外图像分类识别模型,将电力设备红外测温图像通过迁移学习进行加权训练,利用Focal Loss函数改进神经网络的损失函数;最后,通过Softmax分类方法实现电力设备红外图像分类识别。试验表明,使用改进MobileNetV2的分类识别模型对电力设备红外图像进行分类识别的总平均准确率为92.62%,红外图像检测速度为116 f/s,具备较好的收敛速度与识别能力,为电力设备智能巡检提供了新思路。     

电力设备红外图像缺陷检测

机器人在巡检过程中采集到的红外图像很难反映设备目标的纹理信息.人工方法或传统机器学习方法不能精准识别和分类电力设备缺陷,同时其他环境因素容易导致误判.采用CenterNet结合结构化定位的算法模型,通过对现场红外图像数据样本收集、训练及验证算法模型的计算,实现从复杂的红外图像中以较高的准确率将不同变电站设备及其部件识别...     

基于ERDAS IMAGINE软件系统在图像配准中的应用

讨论了ERDASIMAGINE遥感图像处理软件系统对于具有平移、旋转和比例缩放的两幅图像在配准中的应用,并且通过分析基于控制点配准方法的原理,实现了两幅图像的配准。实验结果表明在该软件系统中采用基于控制点的配准方法可有效解决图像配准问题,而且具有较高的配准精度。此外,该软件系统具有操作简单、界面友好的特点。     

基于VV-Net的三维医学图像配准

三维医学图像配准算法被广泛应用于科学研究和随访等医学场景,提高其配准精度具有重要的意义.针对医学图像配准问题,提出一种基于V-Net的V形网络(VV-Net),该配准模型可以通过堆叠V-Net进行端到端的训练.具体的说,移动图像经过两个V-Net依次进行扭曲,使用额外的V-Net为前两个V-Net提供补充信息,共同构成...     

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。     

基于模板迭代更新的图像配准算法

在计算机视觉中,用变换矩阵对图像对进行配准一直是具有挑战性的,尤其是在变换矩阵难以获取且噪声很大的情况下.针对图像对之间重叠区域很小,以至于变换矩阵的获取精度不甚理想,首先用SIFT算子提取出图像的特征点,然后在对图像进行匹配时,提出一种基于模板迭代更新的图像匹配方法,推导出最小二乘约束下的变换矩阵求解方法.实验对比了一些实际场景图像序列的匹配结果,验证了本算法的可靠性和稳定性.     

基于注意力密集网络的伪彩色红外与 可见光图像融合

针对现有红外与可见光图像融合算法中存在融合图像的纹理细节不清晰,红外信息和纹理细节的显示不平衡等问 题,提出了一种基于注意力密集网络的伪彩色红外与可见光图像融合方法。首先对灰度的红外图像进行伪彩色处理再与彩 色的可见光图像组成多通道数据输入融合网络。其次,设计了一种由卷积层和带有注意力模块的密集连接块组成的生成器 网络结构,关注源图像的关键信息,增强网络提取源图像信息的能力。最后,利用红外像素、可见光像素、可见光梯度和红外 梯度构建内容损失函数,以保持融合图像中红外目标和纹理细节的平衡。与5种具有代表性的融合方法进行定性和定量比 较。结果表明,该方法所获得融合图像的峰值信噪比、信息熵、平均梯度和互信息取得最优值,分别为31.6841、6.5581、 6.0096、3.0960。定量以及定性结果证明所提融合方法使融合图像具有更为丰富的纹理细节以及良好的视觉效果。