[发明专利]基于语义分割的红外图像光伏组件视觉识别方法

权利要求书

1.基于语义分割的红外图像光伏组件视觉识别方法，其特征在于，包括：

使用语义分割算法进行光伏组件串区域的准确快速分割；

对光伏组件串区域进行图像增强，提高间隙与光伏组件区域的对比度；

使用最大熵阈值分割算法与Hough直线变换从光伏组件串图片中提取出分离直线，分离光伏组件；

使用连通区域提取算法提取图片中的光伏组件区域；

对光伏组件区域进行透视校正，消除拍摄角度影响。

2.根据权利要求1所述的基于语义分割的红外图像光伏组件视觉识别方法，其特征在于，所述语义分割算法由特征提取和掩模预测两部分组成；

其中，特征提取使用图像卷积和空间金字塔结构提取图像特征，掩模预测是对特征图进行上采样和像素分类得到目标分割掩模；

A.特征提取：

图像卷积通过卷积核提取图像特征,假设输入图像第h行w列像素为x(h,w)，卷积核w_2n+1为边长2n+1的方阵，卷积输出y_c(h,w)：

式中卷积输出y_c(h,w)通过线性修正函数获取非线性功能，卷积输出通过空间金字塔结构，使用不同间隔卷积核提取图像不同感受野特征，将不同感受野特征融合得到图像的多尺度信息；

B.掩膜预测：

首先使用双线性插值将特征图上采样到原图大小，然后使用大小为1*1的卷积核融合图像中每个像素的特征；使用Logistic函数将融合结果放缩[0,1]范围内，计算像素属于不同类别的概率：

式中，y_cf表示融合后的特征值，k为常数，实验中k取1，并根据像素类别概率y_p(h，w)得到语义分割结果：y_p(h，w)接近0时像素属于背景区域，y_p(h，w)接近1时像素属于目标区域。

3.根据权利要求1所述的基于语义分割的红外图像光伏组件视觉识别方法，其特征在于，所述图像增强包括k近邻中值滤波、直方图均衡和Gamma变换三个步骤；

A.K近邻中值滤波：

以待处理的像素为中心构造一个N′N的模板，N取奇数；在N′N个像素中选取与待处理的像素值相近的k个近邻点，以k个近邻点的中值代替待处理的像素值；

B.直方图均衡：

将图像分为8*8大小相同的矩形，计算每一个矩形的直方图，并进行归一化；设置阈值T，统计归一化直方图中高于T的部分，设这部分的和为total；将total平均分给所有的灰度级，每个灰度级分到计算直方图的升高高度Upper＝T-L；对直方图进行如下处理：

式中，k＝1，2，...，255；h′(i)为限制对比度后灰度值为k的像素出现的概率。

C.Gamma变换：

g_o(i，j)＝cg_i(i，j)^γ (4)

式中，c为补偿系数，g为γ系数，调整补偿系数和γ系数，图像会获得不同的增强效果。