[发明专利]复杂条件下的配电房异常状态图像识别方法

摘要

本发明公开了一种复杂条件下的配电房异常状态图像识别方法。本发明引入了区域特征消噪，根据配电房装置特征和配电房监测系统图像拍色角度特征，利用二值图像连通区域特征，将面积小，离心率小的区域进行去除，实现噪声消除，提高前景图像提取质量。本发明通过配电房二值图像模板与检测提取的图像进行矩阵运算识别配电房异常，运算效率高，识别速度快，同时引入了图像移位校准，提升图像识别准确性。

主权项

1.一种复杂条件下的配电房异常状态图像识别方法，其特征在于,包括以下步骤：1)步骤001)图像输入：输入通过视频监测系统采集的配电房数字化图像；步骤100)图像预处理：对采集输入的配电房图像进行色彩空间变化、灰值化图像增强和滤波消噪，提升图像灰度级和图像对比度；步骤200)图像分割：通过边缘检测技术对经过预处理的配电房图像进行前景提取，前景提取的步骤包括：步骤210)边缘检测：采用Ratio算子对配电房图像进行边缘检测，生成二值化图像，完成配电房前景提取；步骤220)数学形态增强：根据配电房特征构建结构元素，进行先膨胀后腐蚀的闭运算，对边缘检测提取的二值图像进行细化，滤除复杂条件下图像分割引入的细小干扰噪声，增强图像；步骤230)区域特征消噪：采用了区域标记法将图像中的连通区域进行分割，然后遍历所有区域，计算区域像素面积，区域像素面积小于设定阀值的则判定为噪声区域，将该噪声区域消除；同时，使用区域椭圆模型来对二值图像的方向性和形状特征进行识别，当连通区域的离心率小于阀值则消除；否则保留相应的区域，直至图像遍历完毕，获得分割后提取的前景图像；步骤300)图像识别：对完成分割后提取的前景图像进行图像运算，通过与模板图像对比，识别出配电房异常，其具体步骤如下：首先输入经过边缘检测和图像过滤、消噪后获得的前景二值图像，与配电房的模板二值图像进行匹配，对齐两幅图像的像素位置，对于存在偏差的通过像素位移对齐，提高图像二值矩阵运算结果的准确率；然后，将配电房监视图像和模板图像进行二值矩阵与或运算，当运算结果完整图像区域像素面积大于阀值，则判断配电房状态异常；当识别存在异常后，需要对异常位置进行定位并对异常进行区域显式标记，首先将上步与或运算结果生成的二值图像进行通过区域生长算法完成区域分析，当区域像素面积增长很小或停止增长是标记该区域，该区域即配电房异常状态区域，定位完成后，在区域边界生成边界像素对异常进行显式标记；步骤400)结果输出：对识别结果为异常的配电房图像中的异常位置进行定位并以显式方式标记并输出。