基于联合特征的变电站设备图像识别

摘要：

随着变电站智能化水平的提高,变电站设备图像分类与识别逐渐实现自动化.变电站设备图像分类识别的结果对故障检测和故障定位等工作十分重要.提取变电站设备图像的 sift特征,用 K-means聚类、BOF(Bag-of-Features)模型等方法,在SVM分类器下实现对变电站设备图像的分类识别.然后,在sift特征基础上提出一种新的特征表示方法,即把图像的sift特征与图像的稀疏表示特征相结合组成联合特征,用联合特征代替sift特征实现对变电站图像的识别与分类.仿真分析结果表明:联合特征是一种更加稳定、高效的图像特征表示方法,可以提高变电站设备图像分类识别的准确率.

关键词：图像识别、稀疏表示、联合特征、分类器(SVM)

所属期刊栏目：33

分类号：TM712(输配电工程、电力网及电力系统)

在线出版日期：2018-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：102-107