【技术实现步骤摘要】
本专利技术一般地涉及图像处理。更具体地，本专利技术涉及一种变电站远程智能巡视方法及系统。
技术介绍
1、随着社会的快速发展，人们对于电力需求越来越大。电力部门应紧跟时代发展，应用全新智能化技术，创新变电站的运维模式，将ai识别合理应用到变电站的智能巡视系统中（巡视，也称为巡检，一般利用无人机进行巡航监测），以此实现变电站的稳定发展，维护变电站的安全运行，为人们提供充足的电力资源。在变电站远程智能巡视系统中，图像采集是获取设备状态信息的重要手段。例如，中国专利申请文件cn114063643a公开了变电站远程监控控制系统及控制方法，其具体方案为：获取变电站运行信息；根据分析模型对变电站运行信息进行分析，得到估计发热点；根据估计发热点生成巡航路径并将巡航路径发送给无人巡航装置，无人巡航装置用于按照巡航路径进行巡航，无人巡航装置用于在巡航中通过红外热成像实时对变电站内的温度进行监控，无人巡航装置还用于在无人巡航装置监控到温度值高于预设值的情况下，对温度值高于预设值的位置进行拍摄以生成图像信息；接收来自无人巡航装置采集到的图像信息和图像信息对应的温度值，并将图像信息发送至工作人员终端。
2、然而，由于光照变化、天气条件等因素的影响，采集到的图像质量往往不尽如人意。同态滤波作为一种有效的图像预处理方法，可以消除不均匀照度的影响，增强图像细节，提高图像质量。通过应用同态滤波技术，变电站远程智能巡视系统可以更加准确地识别设备状态信息，提高故障预警和自动巡视的准确率。同时，还可以降低光照变化等不利因素对图像质量的影响，提高系统的稳定性
3、在利用同态滤波对视频帧图像进行滤波的过程中，和分别代表高频分量和低频分量的增益，高频分量通常与图像的细节和边缘相对应，而低频分量则与图像的照度或整体亮度有关。一般情况下需要设置>1且<1，以提升图像细节和边缘，并降低图像中光照的不均匀性来提高图像的对比度和细节。
4、但是在变电站的视频帧图像中，由于变电站所处的环境中可能存在不同的光源和阴影区域，导致不同视频帧中的亮度不同，且天气变化也会影响到视频帧图像中的光照，进而导致所采集视频帧图像中边缘清晰度存在一定变化。此时，固定的高频分量与低频分量的增益无法响应这种变化，进而导致部分视频帧滤波效果不好，影响最终的巡视结果。
技术实现思路
1、为解决上述在变电站所处环境存在不同光源等情况下，固定的高频分量与低频分量的增益无法有效地对变电站视频中各帧图像进行有效的滤波处理的技术问题，本专利技术在如下的多个方面中提供方案。
2、在第一方面中，一种变电站远程巡视方法，该方法包括：获得变电站设备的视频，确定所述视频中各帧图像的边缘像素点；对于任一帧图像，在该帧图像的前一帧图像中，获得与该帧图像中的像素点坐标相同的像素点为其映射像素点，通过该帧图像中各边缘像素点与其映射像素点之间的灰度值差异以及梯度幅值差异计算该帧图像的边缘位置稳定性，所述边缘位置稳定性表征多帧图像边缘位置之间的差异；对于任一帧图像，计算其高频分量增益 γh：，其中 hi为该帧图像中第 i个边缘像素点对应的灰度值， hi,k为该帧图像中第 i个边缘像素点的第 k个相邻像素点对应的灰度值， mi为该帧图像中第 i个边缘像素点的相邻像素点的数量， i为正整数， n为该帧图像中边缘像素点个数， bw为该帧图像的边缘位置稳定性；计算该帧图像的低频分量增益 γl：，，其中 μ为该帧图像的所有像素点对应的灰度值的平均值， σ为该帧图像的所有像素点对应的灰度值的标准差，exp()为以实数e为底的指数函数， h为该帧图像的信息熵，cv为亮度变异系数；根据视频中各帧图像的高频分量增益和低频分量增益对所述视频进行同态滤波；对视频进行缺陷识别。
3、本专利技术的有益效果在于：
4、本专利技术依据视频帧图像中光照均匀性以及边缘明显性动态调整对视频帧图像滤波时的高频分量增益和低频分量增益，以提高图像滤波效果，进而提高巡视结果的准确性。
5、优选的，计算任一帧图像的边缘位置稳定性bw的公式为：
6、；
7、其中，为该帧图像的第 j个边缘像素点对应的灰度值，为该帧图像的前一帧图像的第 j个边缘像素点对应的灰度值，为该帧图像的第 j个边缘像素点对应的梯度幅值，为该帧图像的前一帧图像的第 j个边缘像素点对应的梯度幅值， j为正整数。
8、优选的，通过sobel算子对变电站设备的视频进行处理，以得到所述视频中各帧图像的边缘像素点。
9、本专利技术通过sobel算子对变电站设备及其环境视频的处理，不仅能够有效提取边缘信息，还能提升监控系统的效率和准确性，为设备安全提供更可靠的保障。
10、优选的，所述根据所述视频中各帧图像的高频分量增益和低频分量增益对所述视频进行同态滤波包括：根据各帧图像的高频分量增益和低频分量增益设计同态滤波器；将同态滤波器对各帧图像滤波后得到的频域图像通过逆傅里叶变换得到空间域图像，以实现对图像的同态滤波。
11、本专利技术通过同态滤波器根据各帧图像的高频分量增益和低频分量增益分别对各帧图像进行同态滤波。有效去除了各帧图像中的噪音并提高了各帧图像的质量。
12、优选的，一种变电站远程智能巡视方法还包括：对于任一像素点，通过sobel算子计算该像素点的水平方向的梯度gx和垂直方向的梯度gy；计算该像素点的梯度幅值：，其中gm为该像素点的梯度幅值。
13、优选的，对视频进行缺陷识别包括：通过sift算法从同态滤波处理后的所述视频中的各帧图像中提取特征；将所述特征输入到深度学习模型中以判断各帧图像中是否出现缺陷。
14、本专利技术通过sift算法能有效提取图像中的特征；并且本专利技术将提取的特征输入深度学习模型，使模型识别各帧图像中可能存在的缺陷，减少了缺陷识别对人工的依赖，提高了检测效率。
15、优选的，一种变电站远程智能巡视方法还包括：获得其信息熵包括：对于任一帧图像，计算该帧图像的灰度直方图，并获得各个灰度级出现的频率；对于任一灰度级，将该灰度级出现的频率除以该帧图像中所有像素的数量以得到其该灰度级的概率分布；计算该帧图像的信息熵 h：，其中， pa为该帧图像的第 本文档来自技高网...
【技术保护点】
1.一种变电站远程智能巡视方法，其特征在于，包括：
2.根据权利要求1所述的一种变电站远程智能巡视方法，其特征在于，计算任一帧图像的边缘位置稳定性BW的公式为：
3.根据权利要求1所述的一种变电站远程智能巡视方法，其特征在于，通过Sobel算子对变电站设备的视频进行处理，以得到所述视频中各帧图像的边缘像素点。
4.根据权利要求1所述的一种变电站远程智能巡视方法，其特征在于，所述根据所述视频中各帧图像的高频分量增益和低频分量增益对所述视频进行同态滤波包括：
5.根据权利要求2所述的一种变电站远程智能巡视方法，其特征在于，还包括：
6.根据权利要求1所述的一种变电站远程智能巡视方法，其特征在于，对视频进行缺陷识别包括：
7.根据权利要求1所述的一种变电站远程智能巡视方法，其特征在于，还包括：获得其信息熵包括：
8.一种变电站远程智能巡视系统，包括处理器和存储器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如权利要求1-7任一项所述的一种变电站远程智能巡视方法。
【技术特征摘要】
1.一种变电站远程智能巡视方法，其特征在于，包括：
2.根据权利要求1所述的一种变电站远程智能巡视方法，其特征在于，计算任一帧图像的边缘位置稳定性bw的公式为：
3.根据权利要求1所述的一种变电站远程智能巡视方法，其特征在于，通过sobel算子对变电站设备的视频进行处理，以得到所述视频中各帧图像的边缘像素点。
4.根据权利要求1所述的一种变电站远程智能巡视方法，其特征在于，所述根据所述视频中各帧图像的高频分量增益和低频分量增益对所述视频进行同态滤波包括...
【专利技术属性】
技术研发人员：李永军，王亚杰，王俊豪，张自雨，张广伟，程飞骊，
申请(专利权)人：安徽正华同安消防科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。