摘要：近年来，我国电力系统建设范围越来越广泛，其要求也越来越严格，为提高电力系统监测和故障诊断能力，结合无人机的无线遥感视觉监测技术进行电力系统实时监测方法研究，提出一种基于无人机视觉信息融合Harris角点检测技术的电力系统损坏监测方法。采用远程无人机红外遥感扫描技术进行电力系统分布式图像采集，对采集的无人机红外遥感图像进行块分割和向量量化处理，对提取的视觉图像量化特征进行信息融合，结合Harris角点检测方法提取电力系统损坏部位的异常分布特征，实现电力系统损坏部位的准确定位识别。仿真结果得知，采用该方法进行无人机视觉下的电力系统损坏监测的准确性较高，实时性较好，对损坏点的定位准确性较好。
关键词：无人机视觉；电力系统；检测；运用
前言
电力系统主要有发电机系统、输电系统以及配电系统等，电力系统的组成结构复杂，网络分布广阔，输电距离较长，且长期工作在野外和高负荷状态下，容易导致损坏，电力系统的损坏将会为人们的生产生活带来不可估计的损失，需要对电力系统进行有效长期的智能保护，使得电力系统能在一个较好的工况下保持稳定运转，研究电力系统损坏监测方法，对提高电力系统的运行稳定性方面具有重要意义。通过对电力系统损坏的实时监测，及时实现故障诊断和检修，确保电力系统的运行工况的可靠性，相关的电力系统损坏监测方法研究受到人们的极大重视。当前，对电力系统损坏监测方法主要采用人工排查方法，受到天气、输电线路的长短和复杂性等因素的影响，导致传统方法进行监测的可靠性不高。
随着近年来无人机技术的快速发展，采用无人机巡线方法进行电力系统损坏监测具有可行性，对此，本文提出一种基于无人机视觉信息融合和Harris角点检测技术的电力系统损坏监测方法。采用远程无人机红外遥感扫描技术进行电力系统分布式图像采集，对采集的无人机红外遥感图像进行各块分割和向量量化处理，结合特征提取和检测方法实现电力系统损坏检测，并通过仿真实验得出有效性结论。
一、无人机视觉成像和预处理
（1）电力系统损坏的远程无人机红外遥感扫描成像
为了实现对电力系统的损坏检测，根据远程无人机红外遥感扫描成像的在进行电力系统的损坏点和正常点的差异性特征分析，本文采用远程无人机红外遥感扫描成像分析方法进行电力系统图像采集，针孔成像模型进行电力系统的远程无人机红外遥感扫描成像。
期刊文章分类查询,尽在期刊图书馆进行图像采集和图像的特征信息处理，电力系统损坏远程无人机红外遥感扫描成像采样像素点，构建电力系统损坏监测无人机视觉图像采集的分块网络结构，采用小波尺度分解技术对图像帧进行n级空间分解，对关键帧视频数据进行方向性的奇偶拆分，采用模板匹配方法构建电力系统无人机视觉图像损坏分布的网格区域，在远程无人机红外遥感扫描成像的局部区域内，进行损坏不问的特征提取和像素融合增强处理，实现对无人机视觉像素特征重组。
在边缘尺度二上提取电力系统损坏部位的远程无人机红外遥感扫描成像的边缘轮廓，结合边缘特征提取结果进行图像像素值的量化处理，以量化信息为数据输人基础，进行电力系统损坏监测及特征提取。
（2）图像块分割及向量量化处理
对采集的无人机红外遥感图像进行块分割和向量量化处理，得到电力系统损坏发部分边缘轮廓信息矩阵为：通过边缘轮廓检测方法，求得电力系统远程无人机红外遥感扫描成像的网格区域中的RGB尺度参量，得到边缘轮廓分布的极值像素点。其中，电力系统的远程无人机红外遥感扫描成像在仿射闭合区域内的灰度信息联合特征估计函数描述。在电力系统监测区域中，采用尺度极值检测方法，大小的图像块的灰度直方图统计结果，采用LGB向量量化对图像进行量化处理，得到向量量化结果。此为无人机视觉图像采集过程中的光学散射系数，根据向量量化结果进行信息融合处理。
二、电力系统损坏视觉监测实现
在上述采用远程无人机红外遥感扫描技术进行电力系统分布式图像采集，对采集的无人机红外遥感图像进行块分割和向量量化处理的基础上，进行损坏点定位和监测设计，本文提出一种基于无人机视觉信息融合和Harris角点检测技术的电力系统损坏监测方法。对于无人机视觉图像块采用多重小波尺度变换获得电力系统无人机视觉采集图像的几何结构纹理分布特征集合。其中Q为力系统损坏区域参考图像邻域块数目，W为窗口宽度。分别电力系统的损坏状态下和正常状态下的灰度在x轴和Y轴的纹理集，那么根据灰度恒定特征分布，采用Harris角点检测进行损坏区域的角点提取得到Harris矩阵。以圆心心对远程无人机红外遥感扫描图像进了RGB分解，从而获得电力系统损坏部位的异常分布特征。
三、仿真实验
为了测试本文方法在实现电力系统损坏检测和远程故障诊断中的应用性能，进行仿真实验，实验采用的是Matlab仿真工具变成设计，采用LightWave3D远程无人机红外遥感成像扫描仪进行电力系统的远程无人机红外遥感成像图像采集，电力系统的外管成像的长度和宽度是20/12，远程无人机红外遥感成像分辨率是1200，红外遥感成像分辨率没定1200piex，损坏区域的像素匹配系数Tm=0.23.根据上述仿真环境和参量设定进行电力系统损坏检测仿真实验，采用远程无人机红外线遥感扫描技术进行电力系统分布式图像的采集，得到原始图像采集结果，在这种的情况下，对于远程无人机红外线遥感技术中，这种实验方法是当前非常实用的一种方式。在进行仿真模式中，你可以发现这种情况是与实际情况有着很大相同的地方的，对于这种来说，仿真实验是非常有必要的。
向量量化结果为数据输人进行信息融合，实现电力系统损坏监测，得到监测输出的视觉图像。以采集的图像为研究对象，对采集的无人机红外遥感图像进行了块分判和向量量化处理，得到图像的向量量化。分析结果得知，采用本文方法进行电力系统损坏监测，输出图像的质量较好，能更好地分辨出电力系统的损坏特征，检测性能，为对比算法性能，采用本文方法和传统方法进行电力系统损坏监测，得到对比结果。本文方法进行电力系统损坏的准确性更高.
小结
通过对电力系统损坏的实时检测、及时实现故障诊断和检修，确保电力系统的运行状况的可靠性，本文采用远程尤人机红外遥感扫描成像分析方法进行电力系统图像对采集的像进行块分割和向量量化处理，捉取损坏区域特征，实现电力系统损坏部位的准确定位识别。分析结果表明，采用该方法进行电力系统损坏监测的准确性较好，可靠性较高。
参考文献：
[1]莫建文，曾儿孟，张彤，等．基于多字典学习和图像块映射的超分辨率重建[J]．计算机应用，2016，36（5）：1394+1398．
[2]潘宗序，禹晶，胡少兴，等．基于多尺度结构自相似性的单幅图像超分辨率算法[J]．自动化学报，2014，40（4）：594-603．
[3]谭海鹏，曾炫杰，牛四杰，等．基于正则化约束的遥感图像多尺度去模糊[J]．中国图
[4]张新明，尹欣欣，涂强．动态迁移和椒盐变异融合生物地理学优化算法的高维多阈值分割[J]．光学精密工程，2015，23（10）：2943，295
论文作者:李畅1,彭中华2
论文发表刊物:《防护工程》2018年第31期
论文发表时间:2019/1/14
标签：无人机论文; 电力系统论文; 遥感论文; 图像论文; 向量论文; 方法论文; 视觉论文; 《防护工程》2018年第31期论文;