基于三维仿真的变电站通信设备安全态势分析方法

针对变电站通信设备中存在的安全态势分析覆盖面小、分析准确度差的问题，提出了一种基于三维仿真的变电站通信设备安全预警方法。通过三维仿真技术实现变电站三维模型与视频安防系统、通信网管系统的数据融合；通过局部线性嵌入算法对变电站通信设备三维模型进行降维，实现变电站通信设备多维信息的有效特征提取；在此基础上，通过长短期记忆网络深度学习，实现变电站通信设备的安全态势分析，对可能存在的变电站通信设备安全问题进行预警。通过实例运行表明，这种方法能有效分析变电站通信设备的安全态势。     

变电站智能巡检系统仪表定位算法设计与实现

为了对变电站各类仪表设备进行更为精确的监测与定位,提出了一种基于SURF的变电站仪表定位算法,该算法首先对工业相机获取的目标区域待测图像进行预处理,之后利用SURF算法对待测图片和数据库中的仪表设备模板图片分别进行特征点检测并求出其描述子,通过RANSAC(随机采样一致性)对这些特征点进行精确配准,最后根据配准结果判断设备或仪表在待测区域的坐标位置,并将坐标值传递给巡检系统,巡检系统根据坐标值指导云台转动,实现对仪表的精确定位。实验表明,该方法与其他识别方法相比,具有速度快、鲁棒性好、准确率高等优点,具有较高的实用价值。     

基于多光谱图像配准融合的机器人巡检平台

针对变电站中开展机器人巡检工作时,普遍存在复杂场景下拍摄所得红外与可见光检测图像存在遮挡、旋转和视角差异等情况,进而导致图像匹配融合效率低的问题,本文提出了一种基于STM32控制的多光谱图像配准融合巡检机器人模型。该模型首先建立模板库,通过模板匹配定位图像中的目标电力设备,在此基础上使用SURF算法进行精细匹配,即利用RANSAC剔除设备特征误配点,并采用单映射FINDHOMOGRAPHY算法进行像素叠加,最终实现变电站设备的红外、可见光图像融合。实验结果表明,本文的改进算法生成特征点数量合适、质量提升明显,相比SIFT、SURF等传统图像融合算法,配准精度提高至少30%,图像处理速度提高至少30%,具备实用意义,可有效应用于设备识别、电力设备故障诊断领域。     

结合SURF特征和RANSAC算法的图像配准方法

提出了一种基于SURF特征和RANSAC算法的图像配准方法。首先通过SURF算法对图像进行特征点检测,将欧式距离作为相似性测度进行特征点粗匹配,并通过RANSAC算法剔除误匹配点对;然后利用正确的匹配点对求解仿射变换模型从而实现图像的精确配准。实验结果表明了该方法的精确性和有效性。     

基于旋转SURF算子的图像配准新方法

针对SURF算法中快速Hessian矩阵行列式检测出的特征点的不连续现象,从而造成的旋转,模糊和光照变化适应性较差的不足,提出一种旋转SURF检测算子的图像配准新方法;该算法通过将SURF算法的积分图像盒子滤波模板逆时针旋转45度,引入一种可以检测角度旋转的滤波核提升检测算子对不同图像变换的匹配性能,保证新的检测算子与原算法较好的结合,同时利用改进的单纯形算法依据输入图像进行参数优化;仿真结果表明,该方法不仅保留了算法的速度优势,缩短了配准时间,而且在图像模糊变换,光照变换和JPEG压缩变换方面性能有明显的提升,此外对视角变换以及小尺度变换性能也有提高。     

基于投影图像 SURF 特征提取的三维模型配准

针对传统三维模型配准方法存在对点云初始位置有一定要求、模型配准的精度有 时不高等问题,提出了一种基于三维模型投影图像 SURF 特征提取的三维模型配准方法。首先 通过扫描三维模型数据确定投影图像的范围,判断每个投影图像像素所隶属的模型网格,并求 解从投影图像到纹理图像的映射关系,从而获取二维投影图像;然后对这两幅投影图像分别进 行 SURF 特征点的选取与特征值的计算,并按 SURF 特征值进行特征匹配,再根据投影图像像 素点与三维网格端点的映射关系计算三维特征点对;最后通过匹配的特征点对求取模型变换矩 阵完成三维模型的配准。实验结果表明,该方法在配准时间变化不大的前提下,有效提高了配 准精度,并具有较好的鲁棒性。     

直方图均衡化与SURF重构的图像特征提取方法

针对SURF算法提取图像特征点较少的问题,提出了一种经直方图均衡化处理,重构SURF尺度空间（R-SURF）的图像特征提取方法。该方法能提高图像特征点检测数目,同时保持较高的匹配率,并且继承SURF算法的良好特性。将算法与SURF和C-SURF算法进行比较实验,结果表明R-SURF具有更好的特征检测能力。     

基于快速鲁棒特征集合统计特征的图像分类方法

针对现有利用快速鲁棒特征(SURF)进行图像分类的方法中存在的效率低、正确率低的问题,提出一种利用图像SURF集合的统计特征进行图像分类的方法.该方法将SURF的各个维度及尺度信息视为各自独立的随机变量,并利用拉普拉斯响应区分不同数据.首先,获取图像的SURF向量集合;然后,分维度计算SURF向量集合的一阶中心绝对矩、带权一阶中心绝对矩等统计特征,并构建特征向量;最后,结合支持向量机(SVM)进行图像分类.在Corel 1K图像库上的实验结果表明,该方法查准率较SURF直方图方法和三通道Gabor纹理特征方法分别提高17.6%和5.4%.通过与HSV直方图特征进行高级特征融合,可获得良好的分类性能.与SURF直方图结合HSV直方图方法、三通道Gabor纹理特征结合HSV直方图方法、基于视觉词袋(BoVW)模型的多示例学习方法相比,查准率分别提高了5.2%,6.8%,3.2%.     

基于SURF特征点的自主空中加油定位研究

针对硬式空中加油技术中加油插座的定位问题,提出了一种结合SURF(Speeded-up Robust Features)特征点的双目立体视觉定位方法,确定了加油插座的空间位置,实现伸缩管和加油插座的精确对准。基于SURF匹配算法,对双目视觉系统采集的左右图像进行目标检测,并获取匹配目标的SURF特征点,通过空间误匹配点对的剔除和目标点坐标的计算,确定左右图像中具有空间位置一致性的目标点(即加油插座),从而恢复目标点的三维信息。实验结果表明,结合SURF方法能够有效地对加油插座的空间位置进行定位,具有一定的实用价值。     

CT体数据中心环绕特征检测算法及其CUDA加速

针对CT体数据的多尺度特征点检测计算量大、耗时长的问题,提出一种三维中心环绕特征快速检测算法.设计三维中心环绕特征检测子,结合三维积分图像快速生成图像的尺度空间,同时利用三维Harris边缘判定准则去除边缘点,增强特征点的稳定性.实验结果表明,相比于经典的三维DoG和SURF检测子,算法计算时间显著降低(检测时间约为三维DoG检测子的1/8,三维SURF检测子的1/2),同时相比于三维SURF检测子,特征点检测重复率也有一定程度的提高.最后,对三维中心环绕特征检测算法进行并行性分析,并分别从尺度空间生成和特征点搜索及边缘抑制两部分进行CUDA并行加速.实验结果表明,经CUDA加速后,算法能得到10倍左右的加速比,特征点检测过程耗时基本达到实际应用需求.     

基于SURF和ORB全局特征的快速闭环检测

针对移动机器人SLAM(同时定位与地图创建)中的闭环检测问题,提出了一种基于SURF(加速鲁棒特征)和ORB(oriented FAST and rotated BRIEF)全局特征的快速闭环检测算法.首先利用SURF与ORB分别提取查询图像的全局特征,实现对图像的特征表征.在特征提取过程中,对查询图像进行归一化操作,并将归一化的图像中心直接作为SURF与ORB的特征点位置,从而避免了耗时的特征点定位过程.然后将归一化的图像直接作为特征点的邻域区域,把计算的SURF与ORB局部特征描述符作为图像的全局特征.为了融合SURF与ORB全局特征实现查询图像的位置识别,提出了H-KNN(混合K最近邻)的改进算法:WH-KNN(加权混合K最近邻).最后通过跟踪模型实现闭环检测,其核心思想是利用之前闭环检测的结果预测查询图像在地图图像中的位置范围.实验中分别使用采集数据集和牛津大学公开数据集对本文算法进行了验证,同时与传统的BOW(词袋)算法进行了对比.本文算法在两种数据集上分别达到了94.3%和94.5%的准确率,并且查询图像位置识别与全局特征提取的平均时间不到3 ms.其准确性及计算速度都超过了BOW算法,可以准确快速地实现实时闭环检测.     

SURF算法在小尺寸图像拼接中参数配置的优化

在图像拼接领域,SURF算法因其出众的时效性和鲁棒性,有着十分广泛的应用。针对SURF算法中特征点提取和描述过程中参数固定,对侧重点不同的图像拼接应用存在变通性较差的问题,提出了从窗口滤波器权值,特征点周围子区域的选择以及子区域内Haar小波变换的采样点范围三方面进行参数配置优化。针对目前主流的流媒体尺寸图像,利用控制变量法在不同的SURF参数配置下,对算法的时效性、准确性和鲁棒性等性能进行了分析;通过特征点匹配率和特征点匹配效率的比较,给出了SURF算法参数的选择策略。仿真结果表明该策略可以有效提高SURF算法在图像拼接中的运算速度和准确性,丰富算法在实时领域的应用。     

变电站电气设备运行状态自动化预测方法

变电站在电力系统中具有重要作用，其中电气设备的运行状态直接影响着电网的可靠性。为了保证变电站能够安全运行，提出变电站电气设备运行状态自动化预测方法。根据高斯滤波器对采集的变电站电气设备运行信号展开滤波去噪处理，使用小波包原理对去噪后的电气设备运行信号进行特征提取，确定设备运行状态特征值，利用长短期记忆网络（long short-term memory,LSTM）建立变电站电气设备状态自动化预测模型，将提取的特征作为模型输入向量输入模型中，通过模型的学习训练，确定模型输出值，实现对变电站电气设备状态的精准预测。实验结果表明，所提方法处理后的设备运行信号更加平滑，平均绝对误差和预测时间始终在0.052%和79 ms以下，具有良好的预测能力。     

基于Faster R-CNN深度学习的变电站三维可视化方法

变电站视频三维可视化存在的识别准确率低、可移植性差的问题,对此提出一种基于Faster R-CNN深度学习的变电站三维可视化方法。对变电站摄像头采集的视频数据进行预处理,过滤与现场设备无关的数据,减少噪声数据对变电站现三维可视化带来的影响。采用SIFT算法在不同时空尺度上提取变电站设备特征,为变电站三维可视化提供数据基础。再次,通过Faster R-CNN深度学习算法,构建变电站三维可视化场景,并形成完整的变电站三维可视化场景。以某220 kV变电站为例,验证本算法三维可视化的自动生成性能和准确率,其结果验证了本方法的实用性和有效性。     

基于Android移动设备的增强现实技术研究

针对移动设备弱处理能力和低内存等局限性,导致增强现实技术不能在移动设备上普及,提出一种新的增强现实技术方案。采用SURF算法提取视频帧图像的特征点,接着使用FREAK算法进行特征点描述;在汉明距离强制匹配之后,采用改进的RANSAC算法剔除了误匹配点,然后通过计算比较匹配特征点占样本图像特征点的比重,判断是否成功匹配目标物体;最后渲染对应的三维模型完成增强现实三维注册。通过在Android移动设备上的验证,结果表明该技术方案满足移动设备对实时性、准确性和鲁棒性的要求,为移动增强现实的推广奠定了良好的基础。     

一种抗视角变换的SURF匹配算法

针对传统的SURF匹配算法在图像搜索、物体识别中对视角变化大的图像特征点无法匹配的缺陷,提出了一种改进的SURF图像匹配算法。该算法利用模拟图序列的概念,即由原始图像模拟各种可能的视角变换生成的一组图像序列,对图像序列中的每幅图像进行SURF特征点提取;剔除冗余特征点后将模拟图序列中的特征点映射到原始图像中,这一过程增加了原始图像的特征点数量,特征点描述向量改用原始图像和多个模拟图的SURF特征描述向量共同表示;最后采用欧氏距离准则,最终得到两幅图像的正确匹配对。实验结果表明,本算法增加了特征点匹配对数,改善了视角变换过大(大于60°)使得图像无法匹配的情况。     

基于改进的SURF算子和透视变换模型的图像配准

对于传统的图像匹配算法存在特征信息少、错误匹配率高的问题,提出了一种基于改进的SURF算子和通过透视变换模型的图像配准算法。首先对传统的SURF描述符进行改进来进行特征点检测,然后用FLANN(Fast Library for Approximate Nearest Neighbors)搜索算法对检测出的角点进行粗匹配,再采用随机抽样一致(Random Samples Consensus,RANSAC)算法来消除粗匹配中误匹配的特征点对,最后将保留下来的精确匹配角点通过透视变换模型对图像进行配准。实验表明,该方法在光照、平移和模糊、旋转和尺度、视角变化具有更优的性能,提高了SURF算法的配准精度。     

基于注意力机制学习的变电设备缺陷检测方法

针对现有的变电站缺陷图像检测识别算法鲁棒性弱问题,提出一种基于注意力机制学习的变电设备缺陷图像检测识别方法。所提方法以卷积神经网络作为缺陷图像特征提取的骨架网络,融合注意力机制原理,进一步提升缺陷图像特征的可辨识性。首先,构建注意力机制的卷积神经网络特征提取模型,提取不同注意力机制下变电站缺陷图像特征;其次,设计一种自适应特征学习函数,将不同注意力机制下的特征融合成为新的高质量变电缺陷图像特征;最后,将不同注意力机制下的缺陷图像特征输入到分类模型,实现变电站缺陷图像检测。所提方法增强了变电设备缺陷图像检测的准确性与鲁棒性,实验结果显示,所提方法的mAP达到了70.4%。     

结合SURF特征点与DAISY描述符的图像匹配算法

图像匹配技术是许多计算视觉问题研究的基础,基于图像局部特征的方法是本领域研究的热点。为了解决经典的SURF算法在旋转不变性上表现欠佳的问题,提出了一种结合SURF特征点与DAISY描述符的图像匹配算法。在SURF算法特征点检测的基础上,提出一种适合DAISY描述符的主方向分配方法,并按照该主方向旋转获得新的DAISY描述符。本算法在略微增加运算成本的基础上,增强了经典SURF算法在图像旋转上的匹配能力。实验结果表明,在图像模糊、光照变化、JPEG压缩比变化、视场变化等多种复杂情况下,本算法具有更强的鲁棒性。     

手指再生技术中断指虚拟三维图像仿真

手指再生技术过程需要根据手指三维图像残缺特征,对手指残缺区域进行方向和角度再生虚拟估计,一旦手指三维图像残缺信息量过少,传统的虚拟三维图像仿真方法无法取得足够信息,只能根据简单的向上、角度旋转等信息完成再生手指三维图像的仿真,效果不好.提出一种新的多媒体虚拟手指再生技术三维图像仿真方法.在手指状态空间中寻找一组样本,运用近似估计概率密度函数,降低手指再生方向估计的误差,以样本均值替代积分运算,获得状态最小方差分布,对手指残缺三维图像的方向和角度进行估计,再通过角度信息对手指残缺三维图像进行多目标融合.实验结果表明,利用该算法进行手指再生技术的虚拟三维图像仿真,能够真实的反映手指再生技术中,不同三维图像残缺特征间的关联性,从而为手指再生技术提供准确的决策依据.