電網(wǎng)圖資智能識別技術的研究.pdf

1、對于現(xiàn)代電網(wǎng)企業(yè)，數(shù)據(jù)是其寶貴的資產(chǎn)和財富。但數(shù)據(jù)的一致性、準確性和及時性等質量問題已成為當前電網(wǎng)企業(yè)廣泛面臨的主要矛盾之一。同時，數(shù)據(jù)維護工作量大，數(shù)據(jù)維護的技術手段也需要與時俱進地發(fā)展和進步。
　　用于電網(wǎng)信息化、智能化的各類原始數(shù)據(jù)信息大都蘊含在各類設計圖紙資料中。將圖像識別技術和計算機視覺技術應用于電網(wǎng)數(shù)據(jù)采集和維護工作中，研究智能化的數(shù)據(jù)維護技術手段，對于提升數(shù)據(jù)維護的質量、減輕現(xiàn)場人員的工作強度，具有十分重要的現(xiàn)實意義

2、。
　　本文首先分析了預處理算法對電網(wǎng)圖資圖像的預處理效果，結合圖像的特點，選擇中值濾波與均值濾波結合法對圖像進行濾波。使用Laplace算子緩解電網(wǎng)圖資圖像中濾波引起的模糊效應，突出電氣設備符號的細節(jié)和特征。利用二值化閾值分割算法以及數(shù)學形態(tài)學理論擦除圖像中的橫豎連接線，分割出各電氣設備符號的圖像分別構成訓練樣本和測試樣本。
　　特征提取和圖像識別作為電網(wǎng)圖資智能識別技術的關鍵，其算法的選擇對識別的準確率有直接影響。采用H

3、u不變矩和Zernike不變矩理論，分別提取電網(wǎng)圖資中電氣設備訓練樣本的各階矩特征值，并輸入到SVM中進行訓練，根據(jù)訓練所得參數(shù)設計電氣設備的分類器。提取待識別的電氣設備圖像的特征向量，與模板庫中樣本進行匹配，采用投票法對待識別的電氣設備進行分類，得到基于支持向量機的圖像識別結果。通過仿真實驗，基于上述兩種算法提取的特征值進行訓練后所得分類器的識別準確率偏低。
　　為使電網(wǎng)圖資中電氣設備在分類識別時具有更好的不變性，本文提出改進Z

4、ernike矩算法，該算法在將映射到單位圓內(nèi)的電氣設備的形狀進行歸一化處理后，提取其特征值，并利用電氣設備的0階幾何矩對特征值進行歸一化處理。通過實驗結果對比，改進Zernike矩所提取的電氣設備的旋轉圖像和縮放圖像與原圖像間的特征值偏差減小。基于改進Zernike矩提取的各階特征值輸入SVM進行訓練所得分類器，對測試樣本有較好的識別效果，識別率準確率達80％以上。
　　本文運用MATLAB編程實現(xiàn)電網(wǎng)圖資圖像的預處理、特征提取、