1.一种基于稀疏表示的绝缘子掉串缺陷检测方法,其特征在于包括以下步骤:
第一步,手工提取多个绝缘子可见光图像的单个盘片组成样本库,包括正常无故障及带有掉串缺陷的两种;
第二步,提取样本库中所有样本的HOG特征,得到样本的HOG特征矩阵H;
第三步,对H用PCA降维构造超完备字典D;
第四步,对于待检测绝缘子串,提取所有单个盘片Blockij,i=1,2,...,n,j=1,2,...,m,n表示待检测绝缘子串的个数,m表示每个绝缘子串的盘片个数;
第五步,对每个Blockij,计算其HOG特征,并用PCA进行降维,得到降维后的特征向量HPij;
第六步,将HPij输入到稀疏表示分类器SRC中计算其与D矩阵中正常绝缘子盘片类和掉串绝缘子盘片类的误差,Blockij对应误差较小的类别,以此判断Blockij是否存在掉串缺陷;
第七步,如果Blockij为掉串缺陷,则记录其位置,待所有Blockij检测完毕后统一标记掉串缺陷位置。
2.根据权利要求1所述的一种基于稀疏表示的绝缘子掉串缺陷检测方法,其特征在于:所述的第四步中,还包括利用图像分割算法进行绝缘子图像分割的步骤,剔除背景干扰,将图像分割成多个互不联通的区域,即疑似绝缘子区域块。
3.根据权利要求1所述的一种基于稀疏表示的绝缘子掉串缺陷检测方法,其特征在于:所述的第四步中,还包括使用Otsu算法进行绝缘子图像分割,然后需要利用ASIFT(Affine scale-invariant feature transform)算法进行疑似绝缘子区域块的识别,将所有疑似绝缘子区域块进行ASIFT匹配,并与给定的阈值进行比较,当匹配点个数高于该阈值时,确定该区域为绝缘子区域;否则,该区域不含有绝缘子,为干扰因素,去除该区域。
4.根据权利要求1所述的一种基于稀疏表示的绝缘子掉串缺陷检测方法,其特征在于:所述的第四步中,绝缘子串单盘片的提取方法包括,
S411、确定绝缘子串在图像的具体位置,即需要确定贯穿绝缘子盘片的直线,称为绝缘子串的主轴方向,初次选用半径为1的圆形结构元素进行腐蚀,然后以步长为1的方式增大结构元素的半径,直到能够得到多个极小区域块BMi为止,根据两点确定一条直线的原理,要求极小区域块的数量不少于2个,计算每个BMi的质心(xi,yi),利用这些质心坐标拟合出一条直线,该直线即为绝缘子的中轴;
S412、确定单个绝缘子盘片的高度h,在求得绝缘子主轴的基础上,根据直线的斜率计算出主轴与X轴的夹角θ,顺时针旋转θ-90°将其调整到垂直状态,假定调整到垂直状态的绝缘子串图像为P,将P图像在Y轴上投影,得到图像关于Y轴坐标的直方图曲线,即Y轴每个坐标点对应图像P上绝缘子串点的个数,利用局部加权回归散点平滑法去除毛刺,平滑曲线,针对平滑后的曲线记录所有波谷在Y轴上的坐标为n表示波谷的数量,定义函数ρ(xi)表示相邻波谷之间距离,ρ(xi)的定义为
检测所有ρ(xi),如果绝缘子串存在掉串或者绝缘子盘片与其他背景粘连,则此处的ρ(xi)将明显有别于其他ρ(xi),剔除这些异常值,剩余k个ρ(xi),据此即可计算单个绝缘子盘片的高度h,其计算公式为
S413、确定单个绝缘子盘片的宽度w,根据盘片的高度h及波谷在Y轴的坐标将图像P等分为高度为h的m个矩形块HBi,i=1,2,...m,每个矩形块包含一个绝缘子盘片,对每一个HBi在X轴上投影,提取其投影的最小值和最大值组成所有绝缘子盘片投影的最小值集合和最大值集合正常垂直的绝缘子串,其盘片是大小相同的,其在X轴上的投影也是一致的,但在实际中,受分割效果及其他因素的影响,其值并不一定完全相同,但误差一般在一个很小的范围内,因此,去掉SMin集合和SMax集合中的异常点,得到新的和则单个绝缘子盘片最左侧和最右侧在X轴上对应的坐标分别为和据此给出绝缘子盘片的宽度w计算公式为
5.根据权利要求1所述的一种基于稀疏表示的绝缘子掉串缺陷检测方法,其特征在于:所述的第六步中,还包括SRC稀疏表示分类器的构建,其流程包括,
S31、根据训练样本构造超完备字典D=[D1,D2,...,DN]∈RM×N,原子Di是训练样本的灰度值列向量表示,测试样本x∈RM,逼近误差容限ε;
S32、构造凸优化方程
S33、求解测试样本x在字典D上的稀疏表示系数
S34、对于每一类k=1,2,...,p,计算残差
S35、最小残差对应的类别即为测试样本x的类别。
6.根据权利要求3所述的一种基于稀疏表示的绝缘子掉串缺陷检测方法,其特征在于:在第四步中,利用ASIFT算法匹配时模板和疑似绝缘子区域块使用二值图像,ASIFT算法的具体步骤包括:
S421、选取采样参数,模拟不同经度与纬度的图像。
S422、利用SIFT算法计算模拟图像的特征。
S423、结合所有的模拟图像的特征,进行特征匹配。
7.根据权利要求1所述的一种基于稀疏表示的绝缘子掉串缺陷检测方法,其特征在于:所述的第二步中,方向梯度直方图HOG的建立流程包括设I为输入图像,I(x,y)表示图像在像素点(x,y)处的灰度值,
S21、Gamma矫正和颜色归一化,Gamma压缩公式为
I′(x,y)=cI(x,y)γ
其中,c和γ为常数,以下仍用I表示归一化后的图像;
S22、计算图像梯度,计算图像横坐标和纵坐标方向的梯度,并据此计算每个像素位置的梯度方向值,计算公式为
Gx(x,y)=I(x+1,y)-I(x-1,y)
Gy(x,y)=I(x,y+1)-I(x,y-1)
然后,利用该点在x、y上的梯度计算该点梯度幅值G(x,y)及方向计算公式为
G(x,y)=Gx2+Gy2
S23、以单元为单位,构建梯度方向直方图,将梯度方向划分为k个均匀的空间(Bin),对单元内每个像素用梯度方向在直方图中进行加权投影,得到这个单元的梯度方向直方图;
S24、将单元组成大的块,块内归一化梯度直方图,归一化之后的块描述符(向量)称为HOG特征描述符;
S25、构建检测窗口的HOG特征,将窗口中所有块内经过归一化的HOG梯度直方图组合起来就构成了检测窗口的HOG特征。