红外技术能有效地检测电力设备过热缺陷,具有远距离、不接触、不取样、准确、快速、直观等特点。传统的电力设备故障红外人工诊断耗时、耗力,而针对人工诊断不足提出的智能诊断其难点之一在于能否较好的获得感兴趣区域(ROI,Region of in...红外技术能有效地检测电力设备过热缺陷,具有远距离、不接触、不取样、准确、快速、直观等特点。传统的电力设备故障红外人工诊断耗时、耗力,而针对人工诊断不足提出的智能诊断其难点之一在于能否较好的获得感兴趣区域(ROI,Region of interest)。红外图像具有强度集中、对比度低等性质,常用的分割算法用于电力设备红外图像ROI获取,其结果往往是过分割。针对过分割难点,本文提出一种基于FAs T-Match算法的电力设备红外图像分割方法。首先,运用FAs T-Match算法在可见光图像中近似模板匹配,然后在红外与可见光图像之间通过近似仿射变换找到目标在红外图像中的近似区域,最后用分割算法对近似区域分割。实验结果表明,提出的方法能够较好地解决电力设备红外图像过分割问题。展开更多
为实现不同光学模态信息优势互补,以助力电力设备故障检测与定位任务,该文采用可见光图像增强红外图像的纹理信息。针对现有红外-可见光图像配准技术难以精确对齐电力设备局部精细化结构的问题,首次提出自适应监督重训配准算法(adaptive...为实现不同光学模态信息优势互补,以助力电力设备故障检测与定位任务,该文采用可见光图像增强红外图像的纹理信息。针对现有红外-可见光图像配准技术难以精确对齐电力设备局部精细化结构的问题,首次提出自适应监督重训配准算法(adaptive registration algorithm with supervision and retraining,ARSR),主要包括双阶各向异性高斯方向导数机制(dual order anisotropic Gaussian directional derivative,Dual-AGDD)以及双视图匹配参数重训框架(double-view matching parameter retraining,DVMPR)。首先,提出Dual-AGDD完成特征点筛选与定向。1阶AGDD进行自适应电力设备局部细化角点检测,2阶AGDD构建高斯特征三角形确定特征点主方向,采用局部强度不变性方法构建特征描述子。接着,提出DVMPR框架对图像透视尺度与视野旋转进行制约校正。最后,基于3σ原则改进支持向量回归,对误匹配点进行剔除,完成异源数据配准。试验结果显示,对不同旋转和尺度差异、不同环境的电力设备异源图像进行配准时,该文算法的平均定位误差为2.65,平均配准精确率为98.57%,具有较强的图像旋转、尺度不变性和环境鲁棒性,显著优于现有CAO-C2F、SuperPoint-SuperGlue等配准算法,可提高电力设备精细化结构异源图像配准精度。展开更多
文摘红外技术能有效地检测电力设备过热缺陷,具有远距离、不接触、不取样、准确、快速、直观等特点。传统的电力设备故障红外人工诊断耗时、耗力,而针对人工诊断不足提出的智能诊断其难点之一在于能否较好的获得感兴趣区域(ROI,Region of interest)。红外图像具有强度集中、对比度低等性质,常用的分割算法用于电力设备红外图像ROI获取,其结果往往是过分割。针对过分割难点,本文提出一种基于FAs T-Match算法的电力设备红外图像分割方法。首先,运用FAs T-Match算法在可见光图像中近似模板匹配,然后在红外与可见光图像之间通过近似仿射变换找到目标在红外图像中的近似区域,最后用分割算法对近似区域分割。实验结果表明,提出的方法能够较好地解决电力设备红外图像过分割问题。
文摘为实现不同光学模态信息优势互补,以助力电力设备故障检测与定位任务,该文采用可见光图像增强红外图像的纹理信息。针对现有红外-可见光图像配准技术难以精确对齐电力设备局部精细化结构的问题,首次提出自适应监督重训配准算法(adaptive registration algorithm with supervision and retraining,ARSR),主要包括双阶各向异性高斯方向导数机制(dual order anisotropic Gaussian directional derivative,Dual-AGDD)以及双视图匹配参数重训框架(double-view matching parameter retraining,DVMPR)。首先,提出Dual-AGDD完成特征点筛选与定向。1阶AGDD进行自适应电力设备局部细化角点检测,2阶AGDD构建高斯特征三角形确定特征点主方向,采用局部强度不变性方法构建特征描述子。接着,提出DVMPR框架对图像透视尺度与视野旋转进行制约校正。最后,基于3σ原则改进支持向量回归,对误匹配点进行剔除,完成异源数据配准。试验结果显示,对不同旋转和尺度差异、不同环境的电力设备异源图像进行配准时,该文算法的平均定位误差为2.65,平均配准精确率为98.57%,具有较强的图像旋转、尺度不变性和环境鲁棒性,显著优于现有CAO-C2F、SuperPoint-SuperGlue等配准算法,可提高电力设备精细化结构异源图像配准精度。
