電力部件的完好無損是整個(gè)輸電系統(tǒng)能夠正常運(yùn)行的前提之一,高壓輸電線路的巡檢有助于及時(shí)的發(fā)現(xiàn)電力部件的各種故障,從而保障電網(wǎng)的穩(wěn)定運(yùn)行。無人機(jī)在輸電線路巡檢中的應(yīng)用使得巡檢過程突破了地形的限制,提高了巡檢效率。但是在現(xiàn)階段的無人機(jī)巡檢過程中,對(duì)各種故障的判斷識(shí)別主要由人力進(jìn)行,因此運(yùn)用圖像處理技術(shù)在無人機(jī)巡檢圖像中進(jìn)行故障的自動(dòng)識(shí)別是現(xiàn)在一個(gè)研究熱點(diǎn),而想要在巡檢圖像中對(duì)輸電線路故障進(jìn)行自動(dòng)判斷識(shí)別,對(duì)圖像中電力部件的準(zhǔn)確識(shí)別是前提。因此,本文對(duì)輸電線路無人機(jī)巡檢圖像中電力部件的識(shí)別方法進(jìn)了研究。主要研究?jī)?nèi)容如下:針對(duì)無人機(jī)在拍攝圖像和圖像傳輸過程中存在噪聲的問題,經(jīng)過對(duì)巡檢圖像中噪聲特點(diǎn)的分析,采用了去噪效果較好的雙邊濾波算法對(duì)無人機(jī)巡檢圖像進(jìn)行去噪處理;針對(duì)部分無人機(jī)巡檢圖像存在亮度不足的問題,選取MSRCR算法對(duì)亮度不足的圖像進(jìn)行增強(qiáng)。通過圖像去噪和增強(qiáng),使得圖像中的信息展現(xiàn)得更加準(zhǔn)確,為后續(xù)輸電線路無人機(jī)巡檢圖像中電力部件的準(zhǔn)確識(shí)別打下了基礎(chǔ)。針對(duì)高壓輸電線路中絕緣子串目標(biāo),提出了一種基于SIFT-BOW特征的巡檢圖像中電力部件識(shí)別方法。方法首先通過選擇性搜索提取候選區(qū)域,然后提... 

【文章來源】：重慶理工大學(xué)重慶市

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

人工添加椒鹽噪聲和高斯噪聲效果圖

均值濾波處理效果圖

高斯濾波處理效果圖

【參考文獻(xiàn)】：
期刊論文
[1]圖像處理在光伏局部陰影中的應(yīng)用[J]. 王建麗,劉立群,張聰明.  太陽(yáng)能學(xué)報(bào). 2020(02)
[2]基于Canny邊緣特征點(diǎn)的接觸網(wǎng)絕緣子識(shí)別方法[J]. 姚曉通,劉力,李致遠(yuǎn).  電瓷避雷器. 2020(01)
[3]基于SIFT算法的圖像拼接技術(shù)研究[J]. 何惠洋,韓軍.  自動(dòng)化與儀表. 2020(02)
[4]基于改進(jìn)YOLOv3的絕緣子串定位與狀態(tài)識(shí)別方法[J]. 顏宏文,陳金鑫.  高電壓技術(shù). 2020(02)
[5]基于改進(jìn)k-means算法的數(shù)字圖像聚類[J]. 高西,胡子牧.  液晶與顯示. 2020(02)
[6]基于電力大數(shù)據(jù)的地區(qū)E-GDP值預(yù)測(cè)[J]. 田世明,龔桃榮,黃小慶,于文龍.  電力自動(dòng)化設(shè)備. 2019(11)
[7]基于改進(jìn)SSD模型的輸電線路巡檢圖像金具檢測(cè)方法[J]. 戚銀城,江愛雪,趙振兵,郎靜宜,聶禮強(qiáng).  電測(cè)與儀表. 2019(22)
[8]無人機(jī)電網(wǎng)巡檢中的絕緣子缺陷檢測(cè)與定位[J]. 陳文浩,姚利娜,李豐哲.  計(jì)算機(jī)應(yīng)用. 2019(S1)
[9]基于YOLOv2網(wǎng)絡(luò)的絕緣子自動(dòng)識(shí)別與缺陷診斷模型[J]. 賴秋頻,楊軍,譚本東,王亮,傅思遙,韓立偉.  中國(guó)電力. 2019(07)
[10]基于YOLO的無人機(jī)電力線路桿塔巡檢圖像實(shí)時(shí)檢測(cè)[J]. 郭敬東,陳彬,王仁書,王佳宇,仲林林.  中國(guó)電力. 2019(07)

碩士論文
[1]高鐵自動(dòng)巡檢系統(tǒng)中圖像智能識(shí)別關(guān)鍵技術(shù)研究[D]. 劉東方.南京郵電大學(xué) 2019
[2]多尺度特征融合改進(jìn)YOLOv3網(wǎng)絡(luò)的行人和車輛檢測(cè)[D]. 王國(guó)文.南京郵電大學(xué) 2019
[3]基于深度學(xué)習(xí)的車牌精準(zhǔn)定位研究[D]. 丁潘.新疆大學(xué) 2019
[4]基于YOLO的多尺度快速行人檢測(cè)算法研究與應(yīng)用[D]. 端輝.大連理工大學(xué) 2019
[5]L0范數(shù)在圖像增強(qiáng)變分模型中的應(yīng)用[D]. 馬帥.西安電子科技大學(xué) 2019
[6]基于Faster R-CNN的顯微序列圖像中癌細(xì)胞的檢測(cè)與多目標(biāo)跟蹤[D]. 周莉莉.浙江工業(yè)大學(xué) 2019
[7]面向輸電線路巡檢視頻中的絕緣子目標(biāo)的識(shí)別與跟蹤方法[D]. 湯丹.安徽工業(yè)大學(xué) 2019
[8]水下堤壩裂縫圖像檢測(cè)方法的研究[D]. 陳文靜.華北水利水電大學(xué) 2019
[9]基于圖像識(shí)別的輸電線路絕緣子檢測(cè)方法研究[D]. 左川.華北電力大學(xué) 2019
[10]高壓輸電線無人機(jī)巡檢技術(shù)的研究與軟件實(shí)現(xiàn)[D]. 王雪.西安電子科技大學(xué) 2018



本文編號(hào)：3406180