[发明专利]一种变电设备缺陷图像匹配方法

权利要求书

1.一种变电设备缺陷图像匹配方法，其特征在于，包括以下步骤：

11)变电站设备正常图像数据集的获取：获取变电站设备正常图像数据集；

12)变电站设备缺陷图像数据集的获取：获取变电站设备缺陷图像数据集；

13)构建缺陷图像匹配网络：设定缺陷图像匹配网络包括多尺度特征提取网络、关键点检测器和描述器网络；

构建多尺度特征提取网络：利用ResNet残差特征学习，构建多尺度特征提取网络；

关键点检测器的分析：通过使用特征响应图计算图像中每个像素的关键点分值，将高响应特征的像素作为关键点；

描述器网络用于对图像I_i与图像I_j关键点周围进行密集图像块采样，组成图像块p_i与p_j；

通过对图像I_i与图像I_j特征描述的计算，得到两幅图匹配结果；

所述描述器网络的构建包括以下步骤：

51)从得分图F中选择T个得分最高的特征点及图像位置(x,y)，通过对其方向映射图与尺度映射图的计算，将描述器定义为：

P^T＝{x,y,O,S}^T；

52)从选择的T个关键点周围根据关键点的位置(x,y)、方向O、尺度S进行图像块标准化裁剪，并将所获取的图像块正则化操作后，重新缩放操作至32x32大小；

53)对获得的图像块批量输入到描述器网络，描述器网络由7个卷积层组成，每个卷积层均连接着一个正则化和ReLU操作，网络最后一层L2正则化的输出作为描述符D，其维数为128；

14)缺陷图像匹配网络的训练：利用变电站设备正常图像数据集和变电站设备缺陷图像数据集对缺陷图像匹配网络进行训练；

15)待匹配图像的获取：获取正常图像以及待匹配的变电设备缺陷图像；

16)变电设备缺陷图像匹配结果的获得：将正常图像和待匹配的变电设备缺陷图像输入训练后的缺陷图像匹配网络，得到变电设备缺陷图像的匹配结果。

2.根据权利要求1所述的一种变电设备缺陷图像匹配方法，其特征在于，所述构建多尺度特征提取网络包括以下步骤：

21)设定深度残差网络ResNet构建多尺度特征提取网络；

22)将残差单元表示为：

y_l＝h(x_l)+F(x_l,W_l),x_l+1＝f(y_l)，

其中，x_l和x_l+1分别表示的是第l个残差单元的输入和输出，F是残差函数，h(x_l)表示学习到的残差，而h(x_l)＝x_l表示恒等映射,f(y_l)是ReLU激活函数；

浅层l到深层L的学习特征为：

23)设定使用Conv1、Conv2_x、Conv3_x、Conv4_x和Conv5_x的每个阶段最后残差块的特征激活输出x_l+1，对应的特征图表示为{C1,C2,C3,C4,C5}。

3.根据权利要求1所述的一种变电设备缺陷图像匹配方法，其特征在于，所述变电站设备正常图像进行多尺度映射特征图的提取包括以下步骤：

31)定义多特征多尺度特征响应图这里1≤n≤5；

32)针对特征图{C1,C2,C3,C4,C5}，使用N个 卷积核来产生特征映射{Qn}，这里Qn中的每个响应描述了从图像的某一区域提取的特征；

33)将空间分辨率上采样2倍，通过逐元素相加将上采样的特征图与从下而上的特征图进行融合；

34)迭代32)步骤，逐步生成精细的分辨率特征图，迭代过程中，把C5层上附加1x1卷积层来产生粗糙的分辨率特征图；

35)在每一个融合图上添加一个3x3的卷积来生成最终的多尺度空间上的特征图