[发明专利]一种基于红外图像的服务器热故障监测及诊断方法

权利要求书

1.一种基于红外图像的服务器热故障监测及诊断方法，其特征在于，包括如下步骤：

步骤1、采集服务器不同热故障状态下的红外图像及可见光图像，使得每一热故障状态对应服务器的一种热故障状态类型；

步骤2、基于图像配准的标准化方法对每一种热故障状态下的两幅图像进行倾斜校正处理，并采用手动分割方法确定红外图像中感兴趣区域，所述感兴趣区域至少包含服务器所在区域；

步骤3、对所确定的感兴趣区域的图像转换成对应的灰度图像并基于图像灰度分布的特征，自所述灰度图像中提取图像熵特征；所述的图像熵特征包括图像的全局熵和局部熵行列均值；

步骤4、采用PCA方法对所提取的全局熵以及局部熵行列均值特征进行降维处理；

步骤5、基于经步骤4处理后的全局熵的主成分以及局部熵行列均值特征的主成分，并通过支持向量机分类器进行训练，以获得各热故障状态下各自所对应的诊断模型；

步骤6、采集待检测的服务器所对应的红外图像及可见光图像，经步骤2-4处理后，通过所述诊断模型诊断出其所对应的服务器的热故障状态类型。

2.根据权利要求1所述的方法，其特征在于：

所述步骤2包括如下步骤：

步骤21、使得红外热像仪和可见光照相机位于同一拍摄位置并采集服务器的图像数据；

步骤22、使得红外热像仪所采集的图像数据以及可见光照相机所采集的图像数据被调整至同一图像分辨率；

步骤23、建立被调整的两幅图像数据之间一对一的像素关系，以获得可见光照相机所采集的图像数据上任意位置所对应的温度数据，进而完成两幅图像的图像配准工作；

步骤24、将图像的温度分布特征几何变换至一个标准的模板；该模板是与服务器实际长宽成比例的标准矩形。

3.根据权利要求1所述的方法，其特征在于：

所述步骤3包括如下步骤：

步骤31、将所确定的感兴趣区域的图像转换成对应的灰度图像；

步骤32、对所述灰度图像进行图像的全局熵特征提取，即灰度图像的全局灰度熵H(I)对应的公式，如下式所示：

其中，P_i表示图像中灰度值为i的像素所占的比例；

步骤33、对所述灰度图像进行图像的局部熵特征提取，即首先将图像的像素灰度与图像的邻域灰度均值组成特征二元组，记为(i,j)，则某像素位置上的灰度值与其周围像素灰度分布的综合特征为其中，i表示像素的灰度值，j表示其对应的邻域灰度均值，f(i,j)为特征二元组出现的频数，M×N为所提取的局部窗口的尺度值，进而图像的局部熵特征对应的公式，如下式所示：

步骤34、将图像的局部熵特征的行列均值作为服务器热故障诊断的图像特征参数；其中所述的局部熵行均值是指计算图像中每一行的像素的局部熵均值；所述的局部熵列均值是指计算图像中每一列的像素的局部熵均值。