一種電力設(shè)備紅外與可見(jiàn)光配準(zhǔn)研究

曹珊珊

（沈陽(yáng)航空航天大學(xué)電子信息工程學(xué)院，沈陽(yáng) 110136）

0 引言

在社會(huì)飛速發(fā)展的同時(shí)，電力設(shè)備成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊徊糠?，維持電力設(shè)備的安全運(yùn)行也成為了一個(gè)重要課題，定期巡檢與維護(hù)變電站的正常運(yùn)轉(zhuǎn)則是其中至關(guān)重要的一步。為了進(jìn)一步解放人工，降低人力成本，目前我國(guó)已將變電站自主巡檢機(jī)器人投入使用，而紅外與可見(jiàn)光圖像處理及傳輸技術(shù)作為巡檢機(jī)器人進(jìn)行電力系統(tǒng)的故障檢測(cè)關(guān)鍵技術(shù)之一展現(xiàn)出了極大潛力。

圖像配準(zhǔn)的目的在于使兩幅圖像達(dá)到信息上的融合，再結(jié)合圖像識(shí)別深度學(xué)習(xí)將一個(gè)設(shè)備不同狀態(tài)下的信息融合于單個(gè)圖像中，使設(shè)備的信息更加直觀化，診斷效率也得以提高。導(dǎo)致電力設(shè)備的診斷系統(tǒng)的資源利用率和運(yùn)行效率較為低下的主要原因是人工處理大量的圖像數(shù)據(jù)時(shí)占用了較多的人力資源，因此，為了使自主診斷系統(tǒng)更加高效準(zhǔn)確，對(duì)電力設(shè)備紅外與可見(jiàn)光圖像的自動(dòng)配準(zhǔn)研究具有重大意義。

1 算法流程

在工程實(shí)際中，巡檢機(jī)器人和無(wú)人機(jī)在圖像取景時(shí)，由于傳感器裝配差異及拍攝視角，距離和光照等客觀因素，拍攝圖像間難免出現(xiàn)清晰度及視角差異等問(wèn)題，進(jìn)而導(dǎo)致配準(zhǔn)準(zhǔn)度降低，最終無(wú)法準(zhǔn)確匹配紅外與可見(jiàn)光圖像。

針對(duì)以上問(wèn)題，本文提出一種基于輪廓特征的紅外與可見(jiàn)光配準(zhǔn)方法。該方法使用基于SUSAN+CSS 算法的角點(diǎn)檢測(cè)方法來(lái)進(jìn)行特征點(diǎn)提取，在圖像輪廓上提取特征點(diǎn)并將輪廓中線(xiàn)特征方向作為特征點(diǎn)的主方向，以此解決紅外與可見(jiàn)光圖像之間存在視角差異的問(wèn)題，獲得正確的特征匹配點(diǎn)，最后使用本文算法進(jìn)行特征匹配，篩選出正確匹配的特征點(diǎn)，得到配準(zhǔn)圖像，本文算法流程如圖1所示。

圖1 算法流程

2 算法實(shí)現(xiàn)

當(dāng)紅外和可見(jiàn)光圖像在拍攝時(shí)因客觀因素導(dǎo)致拍出的圖像存在視角差異時(shí)，現(xiàn)有的主方向分配算法的配準(zhǔn)精度較低，進(jìn)而導(dǎo)致無(wú)法準(zhǔn)確匹配紅外與可見(jiàn)光圖像。針對(duì)此問(wèn)題，在方向分配與匹配算法上進(jìn)行改進(jìn)，本文提出一種新的分配方法，由圖像輪廓中線(xiàn)來(lái)決定主方向。

2.1 方向分配

平面上任意一條曲線(xiàn)的曲率定義式寫(xiě)作下式：

圖像的輪廓曲線(xiàn)Γ為一種平面曲線(xiàn)，其坐標(biāo)集合可定義為式（3）：

因輪廓曲線(xiàn)Γ中存在噪聲，所以在計(jì)算其曲率前需要先對(duì)Γ進(jìn)行平滑濾波，式（4）中G為高斯核函數(shù)，?為卷積運(yùn)算符號(hào)，最終可得到輪廓曲線(xiàn)Γ的曲率，如式（5）。

將此方向向量定義為特征點(diǎn)的主方向：

同一特征點(diǎn)在不同尺度下的采樣得到的輪廓在λ和λ以上述取值后得到相似結(jié)果，使得三角形中線(xiàn)指向的方向向量方向相同。

2.2 匹配算法

將紅外圖像與可見(jiàn)光圖像進(jìn)行特征點(diǎn)提取后，理論上得到的所有能夠正確匹配的特征點(diǎn)連線(xiàn)長(zhǎng)度相等，且傾斜角度一致，錯(cuò)誤匹配的特征點(diǎn)則不然。這些錯(cuò)誤匹配的特征點(diǎn)的存在，是由于紅外圖像與可見(jiàn)光圖像之間經(jīng)常存在相對(duì)旋轉(zhuǎn)，為了得到紅外圖像與可見(jiàn)光圖像之間的精準(zhǔn)匹配，需要篩選出正確的匹配點(diǎn)。

本文采用雙邊匹配方法進(jìn)行匹配，可獲得候選匹配特征點(diǎn)集合，見(jiàn)式（11），其中n為匹配點(diǎn)對(duì)數(shù)。

假設(shè)紅外圖像相對(duì)于可見(jiàn)光圖像存在旋轉(zhuǎn)角度為?，將紅外圖像匹配點(diǎn)旋轉(zhuǎn)負(fù)旋轉(zhuǎn)角度后縮放于可見(jiàn)光圖像尺度，可得旋轉(zhuǎn)變換矩陣與紅外候選匹配點(diǎn)如下：

匹配特征點(diǎn)連線(xiàn)后得到的長(zhǎng)度與傾斜角記為式（13），為紅外圖像橫向分辨率：

將區(qū)間［0，360°）平均分為36份，每份角度為10°，將每份所包含的Δ中的元素?cái)?shù)量作出統(tǒng)計(jì)，可以得到包含元素?cái)?shù)量最多的區(qū)間，將此區(qū)間的中間值作為旋轉(zhuǎn)角?，代入式（13）后可求出對(duì)應(yīng)的與。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 實(shí)驗(yàn)平臺(tái)與參數(shù)設(shè)置

本實(shí)驗(yàn)硬件仿真環(huán)境為Intel（R）Core（TM）i5-9400F CPU @ 2.50 GHZ，軟件仿真環(huán)境為MATLAB R2019b。在以上硬件與軟件的基礎(chǔ)上，從電力設(shè)備圖像數(shù)據(jù)庫(kù)獲取本文需要的紅外與可見(jiàn)光圖像，調(diào)整圖像大小為768×576進(jìn)行仿真實(shí)驗(yàn)，采用MATLAB代碼實(shí)現(xiàn)本文算法。

3.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)

表1 數(shù)據(jù)集概述

3.3 配準(zhǔn)實(shí)驗(yàn)結(jié)果

按本文算法進(jìn)行圖像配準(zhǔn)，結(jié)果如圖2所示。

圖2 第一組圖像配準(zhǔn)及融合結(jié)果

算法一為文獻(xiàn)［8］算法；算法二為文獻(xiàn)［9］算法。由表格中的評(píng)價(jià)參數(shù)可知，相較于算法一與算法二，本文算法RMSE 值更低，即本文算法匹配點(diǎn)定位精度以及整個(gè)配準(zhǔn)算法精度較高；Precision 和Recall 值高，即匹配算法區(qū)分正誤匹配點(diǎn)能力越強(qiáng)，因此可得出結(jié)論，本文算法得到的匹配點(diǎn)更為精確，驗(yàn)證了本文算法擁有較優(yōu)的特征點(diǎn)匹配性能。

4 結(jié)語(yǔ)

為了增強(qiáng)配準(zhǔn)后圖像的特征信息，消除拍攝過(guò)程中由視角差異等帶來(lái)的負(fù)面影響，本文采用基于圖像輪廓特征的匹配方法可有效篩選出正確匹配點(diǎn)，從而保證紅外與可見(jiàn)光圖像配準(zhǔn)后視角一致，極大地提升了配準(zhǔn)后圖像的精度。實(shí)驗(yàn)數(shù)據(jù)表明，本文算法與其他算法相比有一定的優(yōu)勢(shì)，對(duì)變電站巡檢機(jī)器人進(jìn)行電力設(shè)備故障的自主診斷有研究意義。