融合高斯算法以及哈希算法的隐患图像处理方法及系统技术方案

本公开提出了融合高斯算法以及哈希算法的隐患图像处理方法及系统，提出了智能化的图像存储及管理方法，首先采用高斯算法识别出相似度高的图片，然后按照相似度通过算法冗余度算法计算图像的冗余度，能够剔除冗余度图像，将有效的图片进行存储，从而减少了存储量，节省了存储空间，同时通过相似度计算，基于相似度又寻找其中图像的冗余图像，能够进一步提高保存图像的有效性，同时避免误删，提高了图像存储的效率。解决了传统分散式存储数据不安全、不规范的问题，同时，基于哈希算法实现图像的快速查询和检索，可以用于可视化监拍装置、人工拍摄、无人机拍摄的输电线路图像进行存储和检索，能够减少人力成本，提高数据存取的效率。率。率。

【技术实现步骤摘要】
融合高斯算法以及哈希算法的隐患图像处理方法及系统


[0001]本公开涉及输电线路图像管理和分析相关
，具体的说，是涉及融合高斯算法以及哈希算法的隐患图像处理方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，并不必然构成在先技术。
[0003]输电线路通道隐患种类繁多、数量巨大以及变化迅速，是引起输电线路故障跳闸的主要风险来源，给输电线路及电网的安全可靠运行带来极大挑战。同时，随着无人机巡检、可视化监拍装置、网格化护线人员移动巡检平台等新技术手段的常态化应用，输电线路通道隐患数据来源方式丰富，同时积累了大量的多维度图像数据。但是，在海量的监控数据中真正有效的表征故障原因数据寥寥无几，而且受制于硬件设备和拍摄条件的影响，很有可能拍摄数据肉眼难以分辨。因为有效数据比例较小且有效性无法保证，也为人工监测造成了难题，一定程度上增加故障处理的时间，降低故障排除的效率。随着电网改造进程的加快，未来监控设备的覆盖率会不断增大，监控数据也会急剧增大。
[0004]专利技术人发现，输电工区巡线人员所在辖区地形复杂、道路和建设工程众多，加上恶劣天气等因素的影响，给输电线路的安全可靠运行带来巨大的挑战。目前输电运检人员仍主要通过人工导入、表格查询等传统方法进行数据处理和分析，通过人工处理海量数据，工作效率较低，人力成本高，难以保证隐患数据的完整性和可靠性。

技术实现思路

[0005]本公开为了解决上述问题，提出了融合高斯算法以及哈希算法的隐患图像处理方法及系统，针对不同来源的输电线路隐患图像，提出了智能化的存储及管理方法，解决了传统分散式存储数据不安全、不规范的问题，同时，基于哈希算法实现图像的快速查询和检索，可以用于可视化监拍装置、人工拍摄、无人机拍摄的输电线路图像进行存储和检索，能够减少人力成本，提高数据存取的效率。
[0006]为了实现上述目的，本公开采用如下技术方案：
[0007]一个或多个实施例提供了融合高斯算法以及哈希算法的隐患图像处理方法，包括图像数据存储方法，图像数据存储方法包括如下步骤：
[0008]获取待存储的输电线路巡检图像；
[0009]采用高斯算法对待存储的输电线路巡检图像进行识别，得到图像之间的特征点的匹配数据以及相似度；
[0010]根据图像之间的特征点匹配数据及相似度，结合尝试性匹配和最小生成树算法计算图像之间冗余度，获得待检测图像的冗余图像；
[0011]将冗余图像删除后的输电线路巡检图像得到图像集T，将图像集T进行分类存储。
[0012]一个或多个实施例提供了融合高斯算法以及哈希算法的隐患图像处理系统，包括
图像数据存储模块和图像检索模块，其中数据存储模块被配置为执行以下步骤：
[0013]获取待存储的输电线路巡检图像；
[0014]采用高斯算法对待存储的输电线路巡检图像进行识别，得到图像之间的特征点的匹配数据以及相似度；
[0015]根据图像之间的特征点匹配数据及相似度，结合尝试性匹配和最小生成树算法计算图像之间冗余度，获得待检测图像的冗余图像；
[0016]将冗余图像删除后的输电线路巡检图像，进行分类存储。
[0017]一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法所述的步骤。
[0018]与现有技术相比，本公开的有益效果为：
[0019]本公开中首先采用高斯算法识别出相似度高的图片，然后按照相似度通过算法冗余度算法计算图像的冗余度，能够剔除冗余度图像，将有效的图片进行存储，从而减少了存储量，节省了存储空间，同时通过相似度计算，基于相似度又寻找其中图像的冗余图像，能够进一步提高保存图像的有效性，同时避免误删，提高了图像存储的效率。
[0020]本公开的优点以及附加方面的优点将在下面的具体实施例中进行详细说明。
附图说明
[0021]构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的限定。
[0022]图1是本公开实施例1中的处理方法的流程图；
具体实施方式
[0023]下面结合附图与实施例对本公开作进一步说明。
[0024]应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。
[0025]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是，在不冲突的情况下，本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
[0026]实施例1
[0027]在一个或多个实施方式公开的技术方案中，如图1所示，融合高斯算法以及哈希算法的隐患图像处理方法，包括图像数据存储方法和图像检索方法，其中数据存储方法包括如下步骤：
[0028]步骤A1、获取待存储的输电线路巡检图像；
[0029]步骤A2、采用高斯算法对待存储的输电线路巡检图像进行识别，得到图像之间的特征点的匹配数据以及相似度；
[0030]步骤A3、根据图像之间的特征点匹配数据及相似度，结合尝试性匹配和最小生成树算法计算图像之间冗余度，获得待检测图像的冗余图像；
[0031]步骤A4、将冗余图像删除后的输电线路巡检图像得到图像集T，将图像集T进行分类存储。
[0032]本实施例中首先采用高斯算法识别出相似度高的图片，然后按照相似度通过算法冗余度算法计算图像的冗余度，能够剔除冗余度图像，将有效的图片进行存储，从而减少了存储量，节省了存储空间，同时通过相似度计算，基于相似度又寻找其中图像的冗余图像，能够进一步提高保存图像的有效性，同时避免误删，提高了图像存储的效率。
[0033]步骤A2中，输入为：输电线路隐患巡检图像和相似度阈值α；其中，通过阈值判断是否是相似度高的图片。输出为：所有经过相似度处理的图像集。主要是通过高斯算法识别出相似度高的图片。主要过程包括：构建尺度空间、定位关键点、分配方向、描述特征点、匹配特征向量和计算相似度步骤。
[0034]高斯算法步骤如下：
[0035](1)构建尺度空间，包括：对图像进行高速卷积得到每个像素位置对应的像素点，并检测极值点，构建高斯金字塔；
[0036]首先，构建高斯金字塔，一幅图像的尺度空间被定义为对其做可变尺度的高斯卷积，对图像的每个像素位置进行高斯卷积如下：
[0037]L(x,y,σ)＝G(x,y,σ)*I(x,y)
[0038]其中，
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.融合高斯算法以及哈希算法的隐患图像处理方法，其特征在于，包括图像数据存储方法，图像数据存储方法包括如下步骤：获取待存储的输电线路巡检图像；采用高斯算法对待存储的输电线路巡检图像进行识别，得到图像之间的特征点的匹配数据以及相似度；根据图像之间的特征点匹配数据及相似度，结合尝试性匹配和最小生成树算法计算图像之间冗余度，获得待检测图像的冗余图像；将冗余图像删除后的输电线路巡检图像得到图像集T，将图像集T进行分类存储。2.如权利要求1所述的融合高斯算法以及哈希算法的隐患图像处理方法，其特征在于，还包括图像检索方法，图像检索方法包括如下步骤：对获取图像数据库的图像进行特征提取，构建图像特征库；根据图像特征库的图像训练学习哈希函数；并基于训练后的哈希函数对存储的图像集T中的图像进行编码，得到每个存储图像的哈希码；将待查询图像按照基于哈希函数进行哈希编码得到待查询图像的哈希码，计算待查询图像的哈希码与图像集T中的图像对应的哈希码一一进行汉明距离计算，汉明距离最小对应的图像作为检索结果。3.如权利要求2所述的融合高斯算法以及哈希算法的隐患图像处理方法，其特征在于，将计算得到的汉明距离不大于某一设定值的图像，进行重新排序，并按照汉明距离从小到大输出设定个数的图像作为检索结果。4.如权利要求1所述的融合高斯算法以及哈希算法的隐患图像处理方法，其特征在于，采用高斯算法对待存储的输电线路巡检图像进行识别，得到图像之间的特征点的匹配数据以及相似度的方法，包括如下步骤：构建尺度空间，包括：对图像进行高速卷积得到每个像素位置对应的像素点，并检测极值点，构建高斯金字塔；针对高斯差分金字塔中的极值点，计算极值偏移量，根据设定的偏移量阈值识别出稳定的极值点作为关键点；为高差分金字塔的关键点分配方向，根据关键点所处梯度方向的弧度，建立不同方向的直方图，确定特征点；为每个特征点添加每个方向梯度信息作为特征点描述；采用最近邻距离法匹配特征向量，将特征点进行特征向量匹配；根据图像特征点匹配的数量，计算图像之间的相似度。5.如权利要求4所述的融合高斯算法以及哈希算法的隐患图像处理方法，其特征在于：利用Taylor展开式求得极值偏移量。6.如权利要求1所述的融合高斯算法以及哈希算法的隐患图像处理方法，其特征在于，构建尺度空间，包括：根据图像之间的特征点匹配数据及相似度...

【专利技术属性】
技术研发人员：刘晓晶，高翔，韩显芳，刘哲，刘宁，邵帅，胡炼，陈显达，杨杰，王振，国宇，勾建磊，范相冉，陈楠，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：