基于图像特征和标签分布学习的航拍绝缘子识别定位方法研究

摘要

电力系统中无人机航拍巡线的应用愈加广泛，对图像处理的依赖性也愈渐增加。绝缘子作为输电线路中重要的电气部件，其运行状态是重点检测对象，而绝缘子的识别和定位是实现状态检测的前提。通常情况下航拍图像分辨率不高、背景复杂多变、伪目标多，传统的低层图像特征在以绝缘子为研究目标时不能很好完成识别定位任务。本文以复杂背景的输电线路航拍图像为对象，设计了一种航拍绝缘子识别定位方法：
　　作为研究工作的基础，本文建立航拍输电线路图像标签分布数据库，数据库的规模为1000幅图像，图像的标签数量为1~5个。利用传统特征完成对测试图像标签分布的预测，从特征层面对实验结果作出分析。
　　针对低层图像特征不能很好完成航拍图像特征表达的问题，采用一种基于VGGNet深度神经网络的特征提取方法。为解决主观标签量化的LDL存在的问题，提出一种基于像素面积占比的客观标签量化方法，以VGGNet提取的深度特征和客观标签分布相结合，完成测试图像的标签分布预测。实验结果表明能够准确实现航拍绝缘子图像分类识别。
　　对已经识别的绝缘子图像，提出一种基于标签分布的自适应多尺度滑动窗的绝缘子定位方法。通过对航拍绝缘子的图像特点分析，根据LDL对绝缘子预测的标签分布结果和图像自身的尺寸大小，计算出滑动窗口面积，以此确定滑动窗口尺寸。实验结果表明该方法能够很好完成航拍绝缘子定位任务。

目录

声明

第1章 绪论

1.1 选题背景与意义

1.2 国内外研究现状

1.3 本文主要工作和内容安排

第2章 航拍图像低层特征提取

2.1 图像的色彩空间

2.2 颜色特征

2.3 HOG特征

2.4 LBP特征

2.5 SIFT特征

2.6 GIST特征

2.7 本章小结

第3章 基于VGGNet和客观标签量化LDL的航拍绝缘子识别

3.1 航拍图像数据库

3.2 VGGNet模型与图像深度特征

3.3 标签分布学习模型

3.4 主观打分与客观标签量化的标签分配

3.5 航拍绝缘子识别方法设计

3.6 不同特征LDL实验结果与分析

3.7 航拍绝缘子目标识别

3.8 本章小结

第4章 基于自适应滑动窗的航拍绝缘子定位

4.1 基于滑动窗的目标定位

4.2 自适应滑动窗对航拍绝缘子定位

4.3 自适应多尺度滑动窗对航拍绝缘子定位

4.4 本章小结

第5章 总结与展望

5.1 总结

5.2 展望

参考文献

攻读硕士学位期间发表的论文及其他成果

致谢