[发明专利]基于GPU加速的超高压变电设备红外图像定位方法

说明书

技术领域

本发明属于输变电设备运行状态检修领域，尤其涉及一种基于GPU加速的超高压变电设备红外图像定位方法。

背景技术

变电站是电力系统中担负电压变换、电能传输和终端分配的电力枢纽。超高压变电设备长期工作运行在高电压、大电流的状态下，同时还受到日晒、雨淋、潮湿、高温和风尘等恶劣环境和自然条件的损害，容易发生设备的劣化和缺陷，甚至导致事故的发生。因此必须对其进行实时监测。目前比较常用的是采用手持式热像仪定期对变电设备进行人工巡检，这种方式使得检测人员工作量大，再加上节前保电、迎峰度假等非计划测温工作，造成检测人员容易疲劳，增加了工作的不安全性，同时也降低了设备故障的检出率；另外由于近年来电力系统发展较快，电力设备较多，而且有些变电站路途遥远，从而导致测温往往不在负荷高峰期进行，以致部分热缺陷不能及时地被发现，同样也降低了设备故障的检出率。由于超高压变电设备运行的可靠性比常规的高压设备要求高，因此使得现有的传统检测方法已不能完全满足要求。

目前基于局部不变特征的图像定位方法是研究热点。一种利用GPU(Graphics Processing Unit，图形处理器)加速的SIFT(Scale Invariant Feature Transform，尺度不变特征变换)特征具有尺度不变性及旋转不变性等优势，利用RANSAC(Random Sample Consensus，随机抽样一致)算法对其进行错误匹配点剔除，与其它的局部不变特征算法，如：SURF(Speeded-Up Robust Features，加速鲁棒特征)，BRISK(Binary Robust Invariant Scalable Keypoints，二进制鲁棒不变尺度关键点)等相比，其运算速度以及内存占有量有了明显改善，所以对于实时应用场合、连续视频图像中的目标识别与定位有更好的效果，故本发明采用基于GPU加速的SIFT特征对超高压变电设备红外图像进行定位。

发明内容

根据现有技术存在的问题，本发明的目的是提供一种符合工程实际需求的超高压变电设备红外图像定位的方法，提高超高压变电设备故障诊断的效率；以解决现有的超高压变电设备红外图像识别方法大都停留在起步阶段，而且所用算法运算量巨大，占用计算资源较多，很难满足现场工程对实时性的要求的问题。

为实现上述目的，本发明所采用的技术方案是：基于GPU加速的SIFT特征对超高压变电设备红外图像定位方法，具体包括以下步骤：

(1)预处理

预处理主要包括：首先分别对变电站设备红外监测图像进行灰度化，然后利用形态学上的开运算分别对监测图像和模板图像先腐蚀再膨胀完成去噪。

(2)SIFT特征提取

SIFT是一种检测局部特征的算法，该算法通过求一幅图中的特征点及其有关尺度和方向的描述子得到特征，获得了良好效果。

①尺度空间极值检测：搜索所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。

②关键点定位：在每个候选的位置上，通过一个拟合精细的模型来确定位置和尺度。关键点的选择依据于它们的稳定程度。

③方向确定：基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换，从而提供对于这些变换的不变性。

④关键点描述：在特征点周围取16*16的邻域，并把该领域化为4*4个的小区域，每个小区域统计8个方向梯度，最后得到4*4*8＝128维的向量，该向量作为该点的sift描述子，允许比较大的局部形状的变形和光照变化。

⑤GPU加速

GPU核心上可以放下上百个计算单元。为了计算的目的，晶体管最佳利用的关键是使致力于计算的硬件最大化，并且允许多个计算单元通过并行同时操作，而且保证各个计算单元以最大效率操作。对于GPU来说，它的任务是在屏幕上合成显示数百万个像素的图像——也就是同时拥有几百万个任务需要并行处理，因此GPU被设计成可并行处理很多任务，而不是像CPU那样完成单任务。

假设串行执行一个算法需要的时间为1，而可以实现并行的部分执行时间为f，如果我们使用N个处理器进行加速优化处理，当然我们考虑理想情况，那么并行加速后算法最大的提速倍数S可达到

S＝1/(1-f+f/N)

也就是说最大的提速倍数可达到这样一个上限。

(3)特征匹配

对SIFT特征向量进行匹配是根据相似性度量来进行的，本发明中采用欧氏距离对SIFT的特征向量进行匹配。