本发明属于数字图像处理技术领域，具体涉及视觉信息在电力设备监测中的应用。
背景技术：
电力系统的发展程度和技术水准已成为各国经济发展水平的标志之一。当前，我国电网规模越来越大，结构越来越密集，区域之间的连接也越来越紧密。如果电力设备发生故障，则会产生极其不利的影响。为了提高电力系统的稳定性，提前检测电力设备装置是否存在故障是防止电力系统发生故障的重要环节。对电力系统设备进行监测能保证在系统出故障前快速诊断、及时维修，从而确保电力设备安全运行。
目前某些电力公司在电厂、变电站安装了视频监控系统，可实现远程监控及控制等功能。但这些监控系统只有视频监视功能，并没有视频图像识别功能，不能有效地识别电力设备故障。为了充分发挥视频监控系统的功能，可采用远程数字视频监控设备与数字图像识别系统相结合，以实现电力设备故障监测，进而为设备故障监测提供新的方法与手段。
技术实现要素：
（一）发明目的
视觉信息在电力设备监测中的应用是一种非接触式电力设备故障检测方法，该方法克服了传统人工检测方法及接触式检测方法的不足，具有实时性、动态性、成本低，检测精度及智能化程度高等特点。该方法能从技术上保证电力设备安全运行，减少因电力设备故障带来的事故及经济损失，具有一定的应用价值。
（二）技术方案
一种视觉信息在电力设备监测中的应用，其特征是首先采集电力设备图像，建立电力设备图像数据库；然后对图像进行去噪、增强等预处理；接着对图像进行分割处理以便提取图像特征；最后通过图像分类与识别进行故障判决，从而得到电力设备是否存在故障及故障类别的结论；
步骤如下：
A、利用工业摄像机采集电力设备图像；
B、对图像进行去噪处理；
C、对图像进行增强处理；
D、对图像进行分割处理；
E、提取图像特征；
F、图像分类与识别；
G、判决电力设备是否存在故障及故障类别。
进一步的，步骤B所述的对图像进行去噪处理，
采用Contourlet变换与循环平移相结合方法对图像进行去噪处理。
进一步的，步骤C所述的对图像进行增强处理，
采用非下采样Contourlet变换对图像进行非线性增强处理。
进一步的，步骤D所述的对图像进行图像分割处理，
采用简化型脉冲耦合神经网络模型对图像进行分割处理。
进一步的，步骤E所述的提取图像特征，
提取图像的面积、矩形度、Hu不变矩等特征。
进一步的，步骤F所述的图像分类与识别，
采用概率神经网络方法对图像进行分类与识别。
（三）有益效果
视觉信息在电力设备监测中的应用是一种非接触式电力设备故障检测方法，利用视觉信息，在不影响电力设备正常运行情况下在线监测电力设备故障。该方法具有成本低，检测精度及自动化程度高，实时性、动态性、检测效果好等特点，从技术上减少因电力设备故障带来的事故及经济损失，保证电力设备安全运行。
附图说明
图1为该方法的具体实现方案。
具体实施方式
下面结合该方法的具体实现方案对本发明的实施方案做进一步的详述。
如图1所示，基于本发明的视觉信息在电力设备监测中的应用，其特征是首先采集电力设备图像，建立电力设备图像数据库，接着图像进行去噪、增强等预处理，并对预处理后的图像进行图像分割，然后提取图像特征，并对图像进行分类与识别，最后判决电力设备是否存在故障及故障类型；步骤如下：
A、利用工业摄像机采集电力设备图像；
B、对图像进行去噪处理；
C、对图像进行增强处理；
D、对图像进行分割处理；
E、提取图像特征；
F、图像分类与识别；
G、判决电力设备是否存在故障及故障类别。
进一步的，步骤B所述的对图像进行去噪处理，采用Contourlet变换与循环平移相结合对图像进行去噪处理。首先用小波变换代替Contourlet变换中的拉普拉斯变换，以降低Contourlet变换的冗余性；接着结合循环平移方式，使该变换具有平移不变性；最后采用自适应阈值方式，对采集的电力设备图像去噪。
进一步的，步骤C所述的对图像进行增强处理，采用非下采样Contourlet变换对图像进行增强处理。首先采用非下采样Contourlet变换对图像进行分解；然后采用非线性增强函数对分解系数进行非线性变换；最后进行重构，得到增强后图像。
进一步的，步骤D所述的对图像进行分割处理，首先简化传统脉冲耦合神经网络，得到简化型脉冲耦合神经网络；接着对该模型参数赋值；然后利用该模型分割图像。
进一步的，步骤E所述的提取图像特征，提取图像的面积、矩形度、Hu不变矩等特征。
进一步的，步骤F所述的图像分类与识别，采用概率神经网络方法对图像进行分类与识别，首先根据图像特征产生训练集及测试集；接着建立基于概率神经网络的电力设备故障类别模型；然后进行图像分类与识别。
进一步的，步骤G所述的判决电力设备是否存在故障及故障类别，通过比较测试集预测类别与真实类别间的误差，来判断电力设备是否存在故障及故障类别。
综上所述，本发明视觉信息在电力设备监测中的应用能对电力设备故障及类别进行有效监测，具有成本低，检测精度高、智能化程度高等特点，在大大提高电力设备监测效率情况下，从技术方面确保电力设备安全运行。