[发明专利]一种基于奇异值分解的红外图像特征向量提取方法

说明书

本发明提供一种基于奇异值分解的红外图像特征向量提取方法。一种基于奇异值分解的红外图像特征向量提取方法，其中，包括如下步骤：S1.获取电缆瓷套终端红外图像的灰度图像；S2.对灰度图像的灰度值矩阵，将其等分成若干个灰度值小矩阵；S3.对于步骤S2得到的灰度值小矩阵进行奇异值分解，得到每个灰度值小矩阵的奇异值序列；S4.对于步骤S3得到的奇异值序列，计算其能量值，并组成电缆瓷套终端红外图像的特征向量。本发明的方法结合奇异值分解的优势，使得提取的特征向量更能表征电缆瓷套终端红外图像。

技术领域

本发明涉及图像识别技术领域，更具体地，涉及一种基于奇异值分解的红外图像特征向量提取方法。

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。由于不同部位发热对应的发热类型和诊断标准不同，故需对红外图像进行识别，克服目前效率较低的人工分析和诊断方式。

对电气设备红外图像进行识别时，特征向量提取是第一步。在信号特征提取方法中，基于奇异值分解法通过对构建的相关矩阵进行奇异值分解，并提取矩阵奇异值作为特征向量，已在信号识别中得到应用，但在电缆瓷套终端红外图像特征提取方面的应用还比较缺乏。

发明内容

本发明为克服现有技术中的至少一项缺陷，提供一种基于奇异值分解的红外图像特征向量提取方法。本发明的方法结合奇异值分解的优势，使得提取的特征向量更能表征电缆瓷套终端红外图像。

为解决上述技术问题，本发明采用的技术方案是：一种基于奇异值分解的红外图像特征向量提取方法，其中，包括如下步骤：

S1.获取电缆瓷套终端红外图像的灰度图像；

S2.对灰度图像的灰度值矩阵，将其等分成若干个灰度值小矩阵；

S3.对于步骤S2得到的灰度值小矩阵进行奇异值分解，得到每个灰度值小矩阵的奇异值序列；

S4.对于步骤S3得到的奇异值序列，计算其能量值，并组成电缆瓷套终端红外图像的特征向量。

进一步的，所述步骤S1中，电缆瓷套终端红外图像的灰度图像用大小为I×J的灰度值矩阵f表示，其中f(i,j)表示位置(i,j)处的像素灰度值。

进一步的，所述步骤S2中，对灰度值矩阵f，将其等分成大小为M×N的灰度值小矩阵，灰度值小矩阵的个数为K，K＝(I/M)×(J/N)，灰度值小矩阵记为f_k(k＝1,2,...,K)。

进一步的，所述步骤S3中，对灰度值小矩阵f_k(k＝1,2,...,K)进行奇异值分解，得到每个灰度值小矩阵的奇异值序列，记为σ_k(t)，k＝1,2,...,K表示第k个灰度值小矩阵的奇异值序列，t＝1,2,...,T，T＝min(M,N)。

进一步的，所述步骤S4中，具体包括如下步骤：

S41.对于第k个灰度值小矩阵的奇异值序列σ_k(t)，按下式计算其能量值：

式中，E_k为第k个灰度值小矩阵奇异值序列的能量值；

S42.利用能量值E_k(k＝1,2,...,K)，组成电缆瓷套终端红外图像的特征向量：

λ＝(E₁,E₂,...,E_K)

式中，λ为电缆瓷套终端红外图像的特征向量。

与现有技术相比，本发明的有益效果：