基于图像的刀闸状态自动识别技术
摘要 結合电力设备中刀闸区域的特点和 SIFT 特征,有效地解决了电力设备
中刀闸状态的判别。利用 SIFT 特征的匹配得到两幅图像之间的 H 矩阵,通过图
像配准找到图像中的刀闸区域,然后进行刀闸的状态识别。实验表明,该方法可
有效地解决电力刀闸的状态识别。这对于智能变电站的电力设备监测自动化具有
重要的作用。
关键词 SIFT 特征;刀闸识别;图像匹配;图像识别
1 前言
刀闸设备是变电站中非常重要的设备,对刀闸设备的操作直接关系到变电站
乃至整个电网的稳定运行。因此,在对刀闸设备操作后,准确及时地核对刀闸设
备的状态是非常重要的。本文提出一种基于角点特征的刀闸状态自动识别的方
法,并成功应用于智能变电站巡视机器人系统来代替巡视人员到现场的确认,对
于智能变电站电力设备监测自动化具有重要的作用。
角点是在其邻域内的各个方向上灰度变化值足够高的像素点。它是一种非常
重要的图像点特征,包含图像中比较丰富的二维结构信息。图像中刀闸设备附近
区域由于其角点特征突出,并且易于提取,便于对图像匹配。近年来,SIFT 角
点在实际的应用中因其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、
仿射变换、噪声也保持一定程度的稳定性,这使得它被广泛用于目标识别、图像
复原、图像拼接等领域。
本文方法的主要思路为:首先,选取模板图像,提取其 SIFT 特征,人工标
记刀闸设备区域,存入模板库中;其次,由 SIFT 算子检测待匹配图像的角点特
征;然后,采用 RANSIC 算法[4]得到待匹配图像和模板图像间的单应性矩阵,
根据模板库中标记的刀闸所在区域,得到待匹配图像的对应刀闸区域;最后,利
用图像处理的方法进行刀闸状态的识别[1]。
2 SIFT 特征
David G. Lowe 在 2004 年正式提出了一种基于尺度空间的、对图像缩放、旋
转甚至仿射变换保持不变性的图像局部特征描述算子——SIFT 算子。SIFT 特征
匹配算法包括两个阶段,第一阶段是 SIFT 特征向量的生成,即从两幅待匹配图
像中提取出对尺度缩放、旋转、亮度变化无关的特征向量;第二阶段是 SIFT 特
征向量的匹配。
2.1 SIFT 特征向量的生成
尺度空间的图像是利用一组连续的高斯卷积核与原图像进行卷积生成的。将
相邻尺度的图像相减就可以得到一组高斯差分图像,搜索局部极值点,确定备选