学习双向快速sift匹配在电力设备识别中的应用研究

《学习双向快速sift匹配在电力设备识别中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、I訇似双向快速SIFT匹配在电力设备识别中的应用研究Researchontheapplicationofbi·directionalfastSIFTmatchingforpowerequipmentidentification侯一民，陈艳虎，刘玉琼HOUY_Imin．CHENYan-hu，LIUYu—qiong(东北电力大学自动化工程学院，吉林132012)摘要：采用目前最为活跃的SIFT匹配算法，对电力设备进行识别与定位。该算法具有旋转、平移、尺度缩放、亮度变化保持不变的特点。但是，SIFT算法中特征向量的维数(128维)很高，很大程度上增加了运算的复杂程度。本文针对其维数高的缺

2、点，尝试进行改进，力求保持原算法优良特性前提下，尽量降低特征向量维数。同时特征点单向匹配过程中可能存在误匹配，因此本文采用双向匹配，一定程度上提高了匹配的准确率。实验结果表明，改进后的SIFT算法缩短了运算时间，提高了匹配的精准度，可以较好的应用于电力设备识别定位中。关键词：SIFT；电力设备；识别定位；双向匹配中图分类号：TM391文献标识码：A文章编号：1009—0134(2014)01(上)一0062—04Doi：10．3969／J．issn．1009—0134．2014．01(上)．180引言了特征向量的独特唯一性隅；孙农亮等人在SIFT算变电站电力设备中，高压熔断器、隔离

3、刀法中引入全局几何约束与唯一性约束，以不提高闸、避雷器等一般都位于较高位置，这些设备一匹配时间为前提，提高匹配精度，缺点在于阈值旦出现问题没有被及时发现处理，就会对电力设的设定较为复杂。备造成故障隐患。而现在主要通过人工对这些电本文在保持原算法优良特性前提下，降低特力设备进行巡检，人眼易疲劳，而且可能忽略一征向量维数，同时在匹配过程中采用双向匹配，些异常情况。同时，部分变电站逐渐实现无人值一定程度上提高了匹配的准确率。不但缩短了运守。为了准确反应电力设备的工作状态，可以对算时间，而且提高了匹配的精准度。变电站巡检机器人⋯获取的目标图像与变电站设1标准SIFT算法简介备库中的图像进行

4、匹配，从而实现电力设备的识SIFT算法是目前图像匹配领域性能较好的别与定位。因此，图像匹配精度直接影响了电力算法，主要思想是利用多尺度变换在尺度空间寻设备的识别与定位的准确性。本文采用目前图求极值点，提取特征点的位置和方向，使特征向像匹配领域最活跃的SIFT(ScaleInvariantFeature量对图像变换过程中保持不变性。主要步骤可分Transform，尺度不变特征转换)算法进行图像匹为：建立尺度空间，检测局部极值点，为极值点配。该算法所提取特征稳定，匹配能力。分配方向，生成描述极值点的特征向量。近年来，针对SIFT算法存在的缺点和不足，很多研究人员尝试对该算法进行改进，例

5、如，YanKe1．1建立尺度空间的PCA—SIFT方法瞪]；Mikolajczy的GLOH算法；对于二维输入图像I(x，)，和高斯核函数郑永斌等人将LBP(LocalBinaryPatterns)与SIFT结G(x，Y，0)的卷积得到在不同尺度下的尺度空间函合，降低了运算复杂程度，但对图像角度变化要数L(x，Y，)，如式1所示。求严格；陈剑提出一种对称的SIFT描述子，增强L(x，6)=G(x，，6)}l(x，)(1)收稿日期：2013-07-04基金项目：国家自然科学基金项目(60662003)；吉林省教育厅“十二五”科研规划项目([2011180)；吉林市科技计划项目(2011

6、62505)1T者简介：侯一民(1978一)，男，副教授，博士，研究方向为模式别与智能系统、检测技术与自动化装置。[621第36卷第1期2014—01(上)IlI8似G(，二!2：o±．2(2)制每个方向上的累加值，即形成一个种子点。一个特征点由4×4共l6个种子点组成并描述，并且其中，o为尺度因子，为卷积运算。每个种子点包含了8个方向向量信息，这样对于一为了有效地检测尺度空间关键点的位置，可个特征点就对应4×4×8共128维向量的描述符。以通过以不变倍增因子k的两个相邻尺度图像差2SIFT算法的改进计算得出高斯差分函数D(X，Y，0)，见式(3)。2．1改进SIFT算法特征描述符

7、D(x，Y，o)=(a(x，Y，ko)一G(x，Y，6)I(x，)通过深入研究SIFT算法，得知特征向量描述=L(x，Y，ko)一L(x，Y，o)(3)占据了大部分计算时间。在力求保持原算法优良式中(，Y)表示像素点的坐标，k表示变倍增比特性前提下，尽量降低特征向量维数，因此针对例因子，o表示高斯分布方差。普通算法形成的128维特征向量，尝试进行改进。建立D0G尺度空间金字塔，对极值点进行检具体做法是在原特征点16×16邻域基础上，将特测时，每一个采样点都要与同尺度中