一种GIS设备的多光谱图像融合方法及系统与流程

本发明属于gis设备检测领域，尤其涉及一种gis设备的多光谱图像融合方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、气体绝缘金属封闭开关设备gis的应用目前越来越广泛，由于gis采用全封闭结构，内部状态不可见，获取的设备状态信息量有限、信息滞后使故障的定位及检修比较困难，且gis发生故障时，故障现象不明显，位置难以快速确定，此外受现场条件及故障部件限制，事故后平均停电检修时间比常规设备长，其停电范围大，常涉及非故障元件。

3、传统的对gis内部绝缘缺陷的检测方式包括特高频、超声波、脉冲电流、机械振动信号检测等检测方法均为在gis外部采用间接方式对内部绝缘缺陷进行检测，然而对于内部绝缘缺陷出现早期故障的时候往往无法及时发现和及时检测。对此有研究提出了基于光纤光学多谱段传像和深度学习的方法获取设备内部多光谱图像，但对于获取的图像在去燥效果上不好，而且在多光谱图像的融合上存在融合效率低、不准确的问题，不能实现gis内部状态的多信息感知检测。

技术实现思路

1、为克服上述现有技术的不足，本发明提供了一种gis设备的多光谱图像融合方法及系统，通过改进的递推最小二乘法对获取的图像进行滤波处理，实现对噪声的有效去除；通过变分优化模型，将红外、紫外和可见光图像进行融合，提高了图像融合的效率和精度，为后面检测gis设备内部缺陷提供更全面准确的依据。

2、为实现上述目的，本发明的第一个方面提供一种gis设备的多光谱图像融合方法，包括：

3、获取gis设备的红外图像、紫外图像和可见光图像；

4、对所获取的红外图像、紫外图像和可见光图像分别基于改进的递推最小二乘法进行滤波去噪处理；其中，改进的递推最小二乘法根据图像不同区域的地物特性自适应调整滤波系数；

5、基于神经网络模型对去噪处理后的红外图像、紫外图像和可见光图像分别进行特征提取，得到红外图像特征、紫外图像特征和可见光图像特征；

6、将去噪处理后的红外图像、紫外图像分别与所对应的红外图像特征、紫外图像特征进行融合，得到光谱保真模型；将去噪处理后的可见光图像与所述可见光图像特征进行融合，得到空间增强模型；

7、将所述光谱保真模型和所述空间增强模型，基于变分优化模型进行融合，得到融合图像。

8、进一步的，对所获取的红外图像、紫外图像和可见光图像分别基于改进的递推最小二乘法进行滤波去噪处理，具体为：

9、将获取gis设备的红外图像、紫外图像和可见光图像分别作为算法输入向量，计算观测值；

10、基于误差向量、梯度向量、协方差矩阵以及改进的步长公式，建立系数估计；

11、通过所建立的系数估计更新计算观测值，重复迭代计算，直至算法收敛，得到去噪后的红外图像、紫外图像和可见光图像。

12、进一步的，通过训练好的卷积神经网络分别对去噪处理后的红外图像、紫外图像和可见光图像分别进行特征提取。

13、进一步的，所述改进的步长公式由地物特性、噪声级别以及误差向量构建。

14、进一步的，将去噪处理后的红外图像、紫外图像分别与所对应的红外图像特征、紫外图像特征逐元素相乘，得到光谱保真模型。

15、进一步的，将去噪处理后的可见光图像与所述可见光图像特征逐元素相乘，得到空间增强模型。

16、进一步的，还包括：对去噪后的红外图像、紫外图像和可见光图像进行归一化处理。

17、本发明的第二个方面提供一种gis设备的多光谱图像融合系统，包括：

18、获取模块：获取gis设备的红外图像、紫外图像和可见光图像；

19、去噪模块：对所获取的红外图像、紫外图像和可见光图像分别基于改进的递推最小二乘法进行滤波去噪处理；其中，改进的递推最小二乘法根据图像不同区域的地物特性自适应调整滤波系数；

20、特征提取模块：基于神经网络模型对去噪处理后的红外图像、紫外图像和可见光图像分别进行特征提取，得到红外图像特征、紫外图像特征和可见光图像特征；

21、处理模块：将去噪处理后的红外图像、紫外图像分别与所对应的红外图像特征、紫外图像特征进行融合，得到光谱保真模型；将去噪处理后的可见光图像与所述可见光图像特征进行融合，得到空间增强模型；

22、融合检测模块：将所述光谱保真模型和所述空间增强模型，基于变分优化模型进行融合，得到融合图像。

23、本发明的第三个方面提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行一种gis设备的多光谱图像融合方法。

24、本发明的第四个方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行一种gis设备的多光谱图像融合方法。

25、以上一个或多个技术方案存在以下有益效果：

26、在本发明中，通过改进的递推最小二乘法对获取的红外图像、紫外图像和可见光图像进行滤波去噪处理，根据图像的不同区域的地物特性自适应调整滤波系数，实现对噪声的有效去除；通过变分优化模型，基于红外图像和紫外图像构建光谱保真模型，基于可见光图像构建空间增强模型，将光谱保证模型和空间增强模型进行融合，得到融合图像，提高了图像融合的效率和精度，为后面检测gis设备内部缺陷提供更全面准确的依据。

27、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种gis设备的多光谱图像融合方法，其特征在于，包括：

2.如权利要求1所述的一种gis设备的多光谱图像融合方法，其特征在于，对所获取的红外图像、紫外图像和可见光图像分别基于改进的递推最小二乘法进行滤波去噪处理，具体为：

3.如权利要求1所述的一种gis设备的多光谱图像融合方法，其特征在于，通过训练好的卷积神经网络分别对去噪处理后的红外图像、紫外图像和可见光图像分别进行特征提取。

4.如权利要求2所述的一种gis设备的多光谱图像融合方法，其特征在于，所述改进的步长公式由地物特性、噪声级别以及误差向量构建。

5.如权利要求1所述的一种gis设备的多光谱图像融合方法，其特征在于，将去噪处理后的红外图像、紫外图像分别与所对应的红外图像特征、紫外图像特征逐元素相乘，得到光谱保真模型。

6.如权利要求1所述的一种gis设备的多光谱图像融合方法，其特征在于，将去噪处理后的可见光图像与所述可见光图像特征逐元素相乘，得到空间增强模型。

7.如权利要求1所述的一种gis设备的多光谱图像融合方法，其特征在于，还包括：对去噪后的红外图像、紫外图像和可见光图像进行归一化处理。

8.一种gis设备的多光谱图像融合系统，其特征在于，包括：

9.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7任一项所述的一种gis设备的多光谱图像融合方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一项所述的一种gis设备的多光谱图像融合方法。

技术总结
本发明提出了一种GIS设备的多光谱图像融合方法及系统，通过改进的递推最小二乘法对获取的红外图像、紫外图像和可见光图像进行滤波去噪处理，根据图像的不同区域的地物特性自适应调整滤波系数，实现对噪声的有效去除；通过变分优化模型，基于红外图像和紫外图像构建光谱保真模型，基于可见光图像构建空间增强模型，将光谱保证模型和空间增强模型进行融合，得到融合图像，提高了图像融合的效率和精度，为后面检测GIS设备内部缺陷提供更全面准确的依据。

技术研发人员：孙景文,李杰,师伟,张丕沛,崔其会,吕俊涛,邢海文,任敬国,乔木,戈宁,王江伟,汪鹏,李秀卫,孙艳迪,孙承海,王丹
受保护的技术使用者：国网山东省电力公司电力科学研究院
技术研发日：
技术公布日：2024/3/4