图像双分割与小波域多特征融合的高压输电线路典型小目标故障识别

摘要：

为准确、快速地识别高压输电线路关键部件典型小目标故障,提出一种基于图像双分割与HSV空间颜色和HELM3纹理融合特征的高压输电线路典型小目标故障识别方法.该方法以航拍高压输电线路关键部件故障图像为原始数据,其中包括线夹偏移、绝缘子破损、引流线松股、链接金具锈蚀、铁塔杂物等典型小目标故障,以双分割后图像为研究对象,提取色度,饱和度,数值(hue,saturation,value,HSV)空间9个颜色特征、3层小波分解高频协方差矩阵与低频低阶矩(high frequency covariance matrix eigenvalues and low frequency lower order moments in 3-layer wavelet domain,HELM3)的18个不变纹理特征,进行支持向量机(support vector machine,SVM)的输电线路典型小目标故障分类识别.试验结果表明:在SVM识别模型下对高压输电线路典型小目标故障进行分类,该文的HSV和HELM3特征融合方法,相比于二者单独进行识别,平均识别率分别提高了10.89％和10.19％,达到92.64％;在不同分类模式下,该文SVM分类器的识别率比贝叶斯分类器、K近邻算法(K-nearest neighbor,KNN)分类器平均识别率提高了至少10个百分点,有明显的识别优势.

关键词：图像双分割;小波域;HSV空间模型;HELM3;图像识别;支持向量机

所属期刊栏目：45

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金61661042

在线出版日期：2021-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：4461-4469