摘要: 传统的配电房图像特征识别方法对特征的变化规律不敏感，因此特征识别率低，无法实现对配电房图像特征的精准识别。针对这一问题，本文提出基于小波多尺度分析的配电房图像特征识别方法。通过计算基于小波多尺度分析图像特征能量，确定配电房图像特征能量百分比，识别配电房图像特征。仿真实验证明，基于小波多尺度分析的配电房图像特征识别方法可以提高配电房图像特征识别的特征识别率，实现配电房图像特征精准识别。
关键词：小波多尺度分析; 配电房; 图像特征; 识别方法；
中图分类号: TP391.41 文献标识码:A
0引言：
配电房图像识别能够实时将电力设备的运行状态转化为数字结果，供运维人员开展远程巡维或监控，弥补电力设备巡视周期盲区，化故障被动抢修为缺陷主动检修，是保证电力系统安全、稳定运行，提高供电可靠性及用电客户服务品质的智能手段。通过配电房图像识别还能判断进入配电房人员是否有按要求穿戴安全帽，工作服，绝缘鞋及规范操作，做到多维度的安全监管。电力设备状态在线监测及施工操作人员安全管理的重要性对配电房图像特征识别的高精度提出了要求，本文提出通过小波多尺度分析精准识别配电房图像特征的方法[1]。小波多尺度分析指的就是将图像特征分解为两部分：第一部分是低频信息特征；第二部分是高频信息特征。低频信息特征指的是图像中变化缓慢的部分，是图像的基本结构框架，在图像全部信息中占据大部分。高频信息特征则是图像中变化迅速的部分，能够精确反映图像的细节特征信息，在图像全部信息中占据小部分[2]。
1基于小波多尺度分析的配电房图像特征识别方法
为了更加精准的掌握配电房图像中高频信息和低频信息的特征变化规律，本文基于小波多尺度分析对配电房图像特征进行识别。在基于小波多尺度分析的配电房图像特征识别方法中，首先，计算基于小波多尺度分析图像特征能量，通过确定配电房图像特征能量百分比，识别配电房图像特征。
1.1计算基于小波多尺度分析图像特征能量
基于小波多尺度分析运用金字塔结构分析配电房图像中所含的特征能量，用二维小波变化的方式进行计算[3]。设一副配电房图像的特征能量为，那么的计算公式如下。
（1）
公式（1）中，指的是配电房图像的长度；指的是配电房图像的宽度；指的是配电房图像的二维坐标；指的是配电房图像二维坐标的横坐标；指的是配电房图像二维坐标的纵坐标。利用公式（1）分析配电房图像得出能量集中在低频信息区域中，高频信息区域中能量分布较少。
1.2确定配电房图像特征能量百分比
根据配电房图像特征，确定配电房图像特征低频信息能量及高频信息能量百分比[4]。配电房图像特征能量百分比具体信息，如表1所示。
表1 配电房图像特征能量百分比
.png)
1.3识别配电房图像特征
在确定配电房图像特征能量百分比的基础上，识别配电房图像特征。根据配电房图像特征能量百分比，可以找到配电房图像特征的相似部分[5]。一般情况下，基于小波多尺度分析会将配电房图像特征分为6层进行识别。通过低频信息能量百分比和高频信息能量百分比，计算出配电房图像特征的识别率[6]。设特征识别率为，则的计算公式为。
（2）
公式（2）中，指的是低频信息能量特征相似值；指的是高频信息能量特征相似值；指的是配电房图像特征贴近度；指的是低频信息能量百分比；高频信息能量百分比。
2仿真实验
2.1实验准备
本文通过仿真实验，证明基于小波多尺度分析的配电房图像特征识别方法的优越性，实验内容针对配电房图像特征的特征识别率进行。首先采用传统的配电房图像特征识别方法进行实验，再采用文章设计的基于小波多尺度分析的配电房图像特征识别方法同样操作步骤，设置传统的配电房图像特征识别方法为对照组。将实验次数设为3次，分别使用两种方法进行对比实验，再利用公式（2）计算出特征识别率，从而得出实验数据。
2.2实验结果分析与结论
根据上述的设计的实验，实验结果如下图1所示。
.png)
图1特征识别率对比图
通过图1可得出如下的结论，本文设计的基于小波多尺度分析的配电房图像特征识别方法的特征识别率相较于传统的配电房图像特征识别方法具有明显的优势。因此，可以认为使用基于小波多尺度分析的配电房图像特征识别方法可以实现配电房图像特征精准识别。
3结束语
随着小波多尺度分析技术的不断成熟，本文基于小波多尺度分析对配电房图像特征进行识别，取得了良好的效果。配电房图像特征识别是针对配电房图像进行精准识别最实用和最可靠的方法。因此，针对基于小波多尺度分析的配电房图像特征识别方法的研究可以大幅度提高配电房图像特征识别率，完成传统的配电房图像特征识别方法所不能实现的任务。基于小波多尺度分析的配电房图像特征识别方法是配电房图像特征识别的核心技术，为配电房图像特征识别的发展提供了新的方向，是未来在配电设备状态实时感知，配电人员安全规范管理，提高电网管理效率的重要手段。
参考文献
[1] 侯晓真,祝意青,刘芳,马栋,屈曼,陈建国,刘洪良,张展伟,高晨.基于小波分析的河北省及邻区流动重力场时空动态变化分析[J].中国地震,2019,35(003):455-464.
[2] 陈兆辉,孟小红,张双喜,刘金钊,王同庆,张品,韦少港.青藏高原东南缘多尺度重力场变化特征及孕震机理分析[J].地震地质,2019,41(003):690-703.
[3] 王红,张叶鹏,刘恒达,黄朝宇,吴頔,杜成额.基于小波多尺度分析的高精度磁测在广东某多金属矿普查中的应用[J].矿产与地质,2019,33(003):508-514.
[4] 董洋,李洁,杨莉.国内外金属期货市场间的动态联动以及多尺度特征研究——基于时频视角分析[J].昆明理工大学学报(自然科学版),2019,44(002):127-136.
[5] 高涵,张明,秦姗兰,邵德盛,洪敏,王伶俐,袁希平.基于多尺度球面小波分析云南地区应变特征[J].大地测量与地球动力学,2018,38(012):1232-1237.
[6] 杨智杰,郑裕雄,陈仕东,刘小飞,熊德成,林伟盛,胥超,杨玉盛,史思红.应用小波多尺度分析亚热带森林土壤异养呼吸特征[J].生态学报,2018,38(014):5078-5086.
论文作者:刘秦铭
论文发表刊物:《中国电业》2019年9月18期
论文发表时间:2020/1/14
标签：配电房论文; 特征论文; 图像论文; 尺度论文; 小波论文; 能量论文; 方法论文; 《中国电业》2019年9月18期论文;