一种电缆瓷套终端红外图像特征提取和识别方法与流程

本发明涉及电缆瓷套终端在线监测技术领域，尤其涉及一种电缆瓷套终端红外图像特征提取和识别方法。

背景技术：

瓷套终端的红外检测是将被测终端的表面热分布以人眼可见的图像呈现出来，具有远距离、不接触、不取样和不解体的优势。基于获得的红外图像，对终端有无缺陷、缺陷属性、出现位置和严重程度做出诊断和判别，进而采取相应的措施排除缺陷。

统计表明，终端的异常发热集中在线夹、应力锥和尾管等部位。由于不同部位发热对应的发热类型(电流型或电压型致热)和诊断标准不同，故需对终端红外图像进行识别，克服目前效率较低的人工分析和诊断方式。

在图像模式识别中，特征提取是关键环节。良好的特征不受光线、噪点、几何形变的影响。图像识别几十年的发展中，新的特征不断被提出，其中矩特征受到广泛关注。按照投影基函数的特性，矩可以分为非正交矩和正交矩。非正交矩主要有几何矩、复数矩等，其计算复杂度低，但容易受到噪声影响，且不利于原始图像的重建。正交矩主要有zernike矩、legendre矩、tchebichef矩、fourier-mellin矩等。正交矩对噪声鲁棒性强，图像重建效果好，但其本质上缺乏尺度变换不变性，且会在图像二值化与归一化过程中引入重采样与重量化误差。

技术实现要素：

本发明实施例提供了一种电缆瓷套终端红外图像特征提取和识别方法，该方法提取的特征向量更能够表征红外图像，具有更高的识别率。

本发明实施例提供了一种电缆瓷套终端红外图像特征提取和识别方法，包括：

获取到电缆瓷套终端红外图像样本和待识别电缆瓷套终端红外图像；

对所述电缆瓷套终端红外图像样本进行计算得到样本温度差、异常发热区域的样本面积和四个样本不变矩，将所述样本温度差、所述异常发热区域的样本面积和四个所述样本不变矩构成样本特征向量；

以特征向量作为输入，并以两位二进制数作为输出，构建bp神经网络，通过所述样本特征向量对所述bp神经网络进行训练操作，得到训练后的网络；

对所述待识别电缆瓷套终端红外图像进行计算得到温度差、异常发热区域的面积和四个不变矩，将所述温度差、所述异常发热区域的面积和四个所述不变矩构成待识别特征向量，将所述待识别特征向量输入所述训练后的网络，得到识别结果。

优选地，所述对所述电缆瓷套终端红外图像样本进行计算得到样本温度差、异常发热区域的样本面积和四个样本不变矩，将所述样本温度差、所述异常发热区域的样本面积和四个所述样本不变矩构成样本特征向量具体包括：

通过预置第一公式对所述电缆瓷套终端红外图像样本进行计算得到样本温度差，通过预置第二公式对所述电缆瓷套终端红外图像样本进行计算得到异常发热区域的样本面积，通过预置第三公式对所述电缆瓷套终端红外图像样本进行计算得到四个样本不变矩，将所述样本温度差、所述异常发热区域的样本面积和四个所述样本不变矩构成样本特征向量。

优选地，所述对所述待识别电缆瓷套终端红外图像进行计算得到温度差、异常发热区域的面积和四个不变矩，将所述温度差、所述异常发热区域的面积和四个所述不变矩构成待识别特征向量，将所述待识别特征向量输入所述训练后的网络，得到识别结果具体包括：

通过所述预置第一公式对所述待识别电缆瓷套终端红外图像进行计算得到温度差，通过所述预置第二公式对所述待识别电缆瓷套终端红外图像进行计算得到异常发热区域的面积，通过预置第三公式对所述异常发热区域的面积进行计算得到四个不变矩，将所述温度差、所述异常发热区域的面积和四个所述不变矩构成待识别特征向量，将所述待识别特征向量输入所述训练后的网络，得到识别结果。

优选地，所述电缆瓷套终端红外图像样本包括：没有异常发热的电缆瓷套终端红外图像、线夹部位异常发热的电缆瓷套终端红外图像、应力锥部位异常发热的电缆瓷套终端红外图像、尾管部位异常发热的电缆瓷套终端红外图像。

优选地，所述预置第一公式为：

δt＝t1-t2

式中，t1为电缆瓷套终端最高温度；t2为环境温度；

所述预置第二公式为：

s＝s1/s2

式中，s1为红外图像中异常发热区域的面积；s2为红外图像中电缆瓷套终端横截面积。

优选地，本发明实施例还提供了一种电缆瓷套终端红外图像特征提取和识别装置，包括：

获取单元，用于获取到电缆瓷套终端红外图像样本和待识别电缆瓷套终端红外图像；

构成单元，用于对所述电缆瓷套终端红外图像样本进行计算得到样本温度差、异常发热区域的样本面积和四个样本不变矩，将所述样本温度差、所述异常发热区域的样本面积和四个所述样本不变矩构成样本特征向量；

训练单元，用于以特征向量作为输入，并以两位二进制数作为输出，构建bp神经网络，通过所述样本特征向量对所述bp神经网络进行训练操作，得到训练后的网络；

输入单元，用于对所述待识别电缆瓷套终端红外图像进行计算得到温度差、异常发热区域的面积和四个不变矩，将所述温度差、所述异常发热区域的面积和四个所述不变矩构成待识别特征向量，将所述待识别特征向量输入所述训练后的网络，得到识别结果。

优选地，所述构成单元还用于通过预置第一公式对所述电缆瓷套终端红外图像样本进行计算得到样本温度差，通过预置第二公式对所述电缆瓷套终端红外图像样本进行计算得到异常发热区域的样本面积，通过预置第三公式对所述电缆瓷套终端红外图像样本进行计算得到四个样本不变矩，将所述样本温度差、所述异常发热区域的样本面积和四个所述样本不变矩构成样本特征向量。

优选地，所述输入单元还用于通过所述预置第一公式对所述待识别电缆瓷套终端红外图像进行计算得到温度差，通过所述预置第二公式对所述待识别电缆瓷套终端红外图像进行计算得到异常发热区域的面积，通过预置第三公式对所述异常发热区域的面积进行计算得到四个不变矩，将所述温度差、所述异常发热区域的面积和四个所述不变矩构成待识别特征向量，将所述待识别特征向量输入所述训练后的网络，得到识别结果。

优选地，所述电缆瓷套终端红外图像样本包括：没有异常发热的电缆瓷套终端红外图像、线夹部位异常发热的电缆瓷套终端红外图像、应力锥部位异常发热的电缆瓷套终端红外图像、尾管部位异常发热的电缆瓷套终端红外图像。

优选地，所述预置第一公式为：

δt＝t1-t2

式中，t1为电缆瓷套终端最高温度；t2为环境温度；

所述预置第二公式为：

s＝s1/s2

式中，s1为红外图像中异常发热区域的面积；s2为红外图像中电缆瓷套终端横截面积。

从以上技术方案可以看出，本发明实施例具有以下优点：

本发明实施例提供了一种电缆瓷套终端红外图像特征提取和识别方法，包括：获取到电缆瓷套终端红外图像样本和待识别电缆瓷套终端红外图像；对所述电缆瓷套终端红外图像样本进行计算得到样本温度差、异常发热区域的样本面积和四个样本不变矩，将所述样本温度差、所述异常发热区域的样本面积和四个所述样本不变矩构成样本特征向量；以特征向量作为输入，并以两位二进制数作为输出，构建bp神经网络，通过所述样本特征向量对所述bp神经网络进行训练操作，得到训练后的网络；对所述待识别电缆瓷套终端红外图像进行计算得到温度差、异常发热区域的面积和四个不变矩，将所述温度差、所述异常发热区域的面积和四个所述不变矩构成待识别特征向量，将所述待识别特征向量输入所述训练后的网络，得到识别结果。本发明实施例通过计算得到4个不变矩，结合温度差，异常发热区域的面积构成红外图像的特征向量，并以bp神经网络为分类器，能够提高红外图像识别率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的一种电缆瓷套终端红外图像特征提取和识别方法的流程示意图；

图2为本发明实施例提供的一种电缆瓷套终端红外图像特征提取和识别装置的结构示意图；

图3(a)为没有异常发热的电缆瓷套终端红外图像示意图；

图3(b)为线夹部位异常发热的电缆瓷套终端红外图像示意图；

图3(c)为应力锥部位异常发热的电缆瓷套终端红外图像示意图；

图3(d)为尾管部位异常发热的电缆瓷套终端红外图像示意图；

图4为bp神经网络拓扑结构图。

具体实施方式

本发明实施例提供了一种电缆瓷套终端红外图像特征提取和识别方法，该方法提取的特征向量更能够表征红外图像，具有更高的识别率。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例提供的一种电缆瓷套终端红外图像特征提取和识别方法的一个实施例，包括：

101、获取到电缆瓷套终端红外图像样本和待识别电缆瓷套终端红外图像；

在本实施例中，电缆瓷套终端红外图像样本包括：没有异常发热的电缆瓷套终端红外图像、线夹部位异常发热的电缆瓷套终端红外图像、应力锥部位异常发热的电缆瓷套终端红外图像、尾管部位异常发热的电缆瓷套终端红外图像。

102、对电缆瓷套终端红外图像样本进行计算得到样本温度差、异常发热区域的样本面积和四个样本不变矩，将样本温度差、异常发热区域的样本面积和四个样本不变矩构成样本特征向量；

步骤102具体包括：

通过预置第一公式对电缆瓷套终端红外图像样本进行计算得到样本温度差，通过预置第二公式对电缆瓷套终端红外图像样本进行计算得到异常发热区域的样本面积，通过预置第三公式对电缆瓷套终端红外图像样本进行计算得到四个样本不变矩，将样本温度差、异常发热区域的样本面积和四个样本不变矩构成样本特征向量。

103、以特征向量作为输入，并以两位二进制数作为输出，构建bp神经网络，通过样本特征向量对bp神经网络进行训练操作，得到训练后的网络；

需要说明的是，本发明实施例采用两位二进制数标记红外图像并作为输出，没有异常发热红外图像、线夹部位异常发热红外图像、应力锥部位异常发热红外图像和尾管部位异常发热红外图像分别用两位二进制数00，01，10，11标记。

104、对待识别电缆瓷套终端红外图像进行计算得到温度差、异常发热区域的面积和四个不变矩，将温度差、异常发热区域的面积和四个不变矩构成待识别特征向量，将待识别特征向量输入训练后的网络，得到识别结果。

步骤104具体包括：

通过预置第一公式对待识别电缆瓷套终端红外图像进行计算得到温度差，通过预置第二公式对待识别电缆瓷套终端红外图像进行计算得到异常发热区域的面积，通过预置第三公式对异常发热区域的面积进行计算得到四个不变矩，将温度差、异常发热区域的面积和四个不变矩构成待识别特征向量，将待识别特征向量输入训练后的网络，得到识别结果。

进一步地，预置第一公式为：

δt＝t1-t2

式中，t1为电缆瓷套终端最高温度；t2为环境温度；

预置第二公式为：

s＝s1/s2

式中，s1为红外图像中异常发热区域的面积；s2为红外图像中电缆瓷套终端横截面积。

进一步地，预置第三公式为：

式中，e1、e2、e3、e4为四个不变矩；为函数的z(u,k)均值；m和n分别为行数和列数。

函数的z(u,k)的表达式为：

其中，σ为大于零的实常量；m(u,k)和mg(u,k)的表达式分别为：

mg(u,k)＝λ^σ-iu-1e^ikφm(u,k)

其中，λ为图像尺度变换因子；φ为图像旋转角度；p(r,θ)的表达式为：

p(r,θ)＝∫∫f(x,y)δ(r-xcosθ-ysinθ)dxdy

其中，f(x,y)为图像在位置(x,y)处对应的像素值。δ(t)为dirac函数，该函数在t＝0之外的其他点处的值均为0。

上面是对一种电缆瓷套终端红外图像特征提取和识别方法进行的详细说明，为便于理解，下面将以一具体应用场景对一种电缆瓷套终端红外图像特征提取和识别方法的应用进行说明，应用例包括：

(1)获取电缆瓷套终端红外图像样本，包括没有异常发热的电缆瓷套终端红外图像、线夹部位异常发热的电缆瓷套终端红外图像、应力锥部位异常发热的电缆瓷套终端红外图像、尾管部位异常发热的电缆瓷套终端红外图像，如图3(a)、图3(b)、图3(c)、图3(d)所示；

(2)红外图像特征提取：基于红外图像样本，提取温度差，异常发热区域的面积，4个不变矩共6个特征值构成红外图像样本的特征向量；

温度差δt按下式计算：

δt＝t1-t2

式中，t1为电缆瓷套终端最高温度；t2为环境温度。

异常发热区域的面积s按下式计算为：

s＝s1/s2

式中，s1为红外图像中异常发热区域的面积；s2为红外图像中电缆瓷套终端横截面积。

4个不变矩e1、e2、e3、e4按下式计算：

式中，e1、e2、e3、e4为四个不变矩；为函数的z(u,k)均值；m和n分别为行数和列数。

函数的z(u,k)的表达式为：

其中，σ为大于零的实常量；m(u,k)和mg(u,k)的表达式分别为：

mg(u,k)＝λ^σ-iu-1e^ikφm(u,k)

其中，λ为图像尺度变换因子；φ为图像旋转角度；p(r,θ)的表达式为：

p(r,θ)＝∫∫f(x,y)δ(r-xcosθ-ysinθ)dxdy

其中，f(x,y)为图像在位置(x,y)处对应的像素值。δ(t)为dirac函数，该函数在t＝0之外的其他点处的值均为0。

则红外图像的特征向量l为：l＝[δt,s,e1,e2,e3,e4]。

(3)网络训练：以特征向量为输入，采用两位二进制数标记红外图像并作为输出，构建bp神经网络，使用样本对网络进行训练，得到训练好的网络；

没有异常发热红外图像、线夹部位异常发热红外图像、应力锥部位异常发热红外图像和尾管部位异常发热红外图像分别用00，01，10，11标记。

以特征向量为输入，两位二进制数为输出，构建4层bp神经网络。

图4为bp神经网络拓扑结构图。

神经网络包括一个输入层，两个隐含层和一个输出层；其中x为网络的输入向量，y为网络的输出向量，w1为输入层和隐层的权值矩阵，w2为隐层和隐层的权值矩阵，w3为隐层和输出层的权值矩阵，b1为第一个隐含层的阈值向量，b2为第二个隐含层的阈值向量，b3为输出层的阈值向量，隐含层的激活函数采用sigmoid函数f(x)，输出层的激活函数采用purelin线性函数g(x)，网络输出y为：

y＝g(w3^tf(w2^tf(w1^t+b1)+b2)+b3)

采用bp算法对网络进行训练，得到训练好的网络。

(4)红外图像识别：提取待识别的电缆瓷套终端红外图像的特征向量，将其输入到训练好的网络，得到红外图像的识别结果。

根据的bp神经网络输出值，与类别标记进行对比，得到红外图像的识别结果。

当输出值在0到1之间时，将输出值进行四舍五入之后与类别标记对比。

本发明提供的一种电缆瓷套终端红外图像特征提取和识别方法，对于没有异常发热红外图像、线夹部位异常发热红外图像、应力锥部位异常发热红外图像和尾管部位异常发热红外图像，提取温度差，异常发热区域的面积，4个不变矩共6个特征值构成红外图像的特征向量。以特征向量为输入，采用两位二进制数标记红外图像并作为输出，构建bp神经网络，使用样本对网络进行训练，得到训练好的网络。提取待识别的电缆瓷套终端红外图像的特征向量，将其输入到训练好的网络，得到红外图像的识别结果。该方法提取的特征向量更能够表征红外图像，具有更改的识别率。

请参阅图2，本发明实施例提供的一种电缆瓷套终端红外图像特征提取和识别装置的一个实施例，包括：

获取单元201，用于获取到电缆瓷套终端红外图像样本和待识别电缆瓷套终端红外图像；

构成单元202，用于对电缆瓷套终端红外图像样本进行计算得到样本温度差、异常发热区域的样本面积和四个样本不变矩，将样本温度差、异常发热区域的样本面积和四个样本不变矩构成样本特征向量；

训练单元203，用于以特征向量作为输入，并以两位二进制数作为输出，构建bp神经网络，通过样本特征向量对bp神经网络进行训练操作，得到训练后的网络；

输入单元204，用于对待识别电缆瓷套终端红外图像进行计算得到温度差、异常发热区域的面积和四个不变矩，将温度差、异常发热区域的面积和四个不变矩构成待识别特征向量，将待识别特征向量输入训练后的网络，得到识别结果。

进一步地，构成单元202还用于通过预置第一公式对电缆瓷套终端红外图像样本进行计算得到样本温度差，通过预置第二公式对电缆瓷套终端红外图像样本进行计算得到异常发热区域的样本面积，通过预置第三公式对电缆瓷套终端红外图像样本进行计算得到四个样本不变矩，将样本温度差、异常发热区域的样本面积和四个样本不变矩构成样本特征向量。

进一步地，输入单元204还用于通过预置第一公式对待识别电缆瓷套终端红外图像进行计算得到温度差，通过预置第二公式对待识别电缆瓷套终端红外图像进行计算得到异常发热区域的面积，通过预置第三公式对异常发热区域的面积进行计算得到四个不变矩，将温度差、异常发热区域的面积和四个不变矩构成待识别特征向量，将待识别特征向量输入训练后的网络，得到识别结果。

进一步地，电缆瓷套终端红外图像样本包括：没有异常发热的电缆瓷套终端红外图像、线夹部位异常发热的电缆瓷套终端红外图像、应力锥部位异常发热的电缆瓷套终端红外图像、尾管部位异常发热的电缆瓷套终端红外图像。

进一步地，预置第一公式为：

δt＝t1-t2

式中，t1为电缆瓷套终端最高温度；t2为环境温度；

预置第二公式为：

s＝s1/s2

式中，s1为红外图像中异常发热区域的面积；s2为红外图像中电缆瓷套终端横截面积。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。