论文摘要
基于红外图像处理的电力设备及其关键构件识别是红外诊断技术的关键步骤,其难点之一在于设备图像的倾斜、缩放以及外形相似性导致的设备特征参量难以提取。本文以电流互感器、电压互感器、避雷器、隔离开关以及断路器五种外形相对接近的设备状态红外图像为研究对象,采用具有旋转与缩放不变性的Zernike矩作为待识别设备的特征,并基于相关向量机(Relevance Vector Machine,RVM)进行设备分类与识别。实验结果表明,该方法不受目标在图像中所处位置与倾斜角度影响,能够自定义生成大量高质量样本且有效分辨不同设备,设备识别准确率达到94.7%,验证了该方案的有效性与实用性。
论文目录
文章来源
类型: 期刊论文
作者: 郭文诚,崔昊杨,马宏伟,秦伦明
关键词: 电力设备识别,红外图像
来源: 激光与红外 2019年04期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业,无线电电子学,计算机软件及计算机应用
单位: 上海电力学院电子与信息工程学院
基金: 国家自然科学基金项目(No.61107081),上海市地方能力建设项目(No.15110500900)资助
分类号: TM507;TP391.41;TN219
页码: 503-506
总页数: 4
文件大小: 673K
下载量: 219