電網(wǎng)圖資智能識(shí)別技術(shù)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(cái)富。但數(shù)據(jù)的一致性、準(zhǔn)確性和及時(shí)性等質(zhì)量問題已成為當(dāng)前電網(wǎng)企業(yè)廣泛面臨的主要矛盾之一。同時(shí)，數(shù)據(jù)維護(hù)工作量大，數(shù)據(jù)維護(hù)的技術(shù)手段也需要與時(shí)俱進(jìn)地發(fā)展和進(jìn)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(yùn)含在各類設(shè)計(jì)圖紙資料中。將圖像識(shí)別技術(shù)和計(jì)算機(jī)視覺技術(shù)應(yīng)用于電網(wǎng)數(shù)據(jù)采集和維護(hù)工作中，研究智能化的數(shù)據(jù)維護(hù)技術(shù)手段，對于提升數(shù)據(jù)維護(hù)的質(zhì)量、減輕現(xiàn)場人員的工作強(qiáng)度，具有十分重要的現(xiàn)實(shí)意義

2、。
　　本文首先分析了預(yù)處理算法對電網(wǎng)圖資圖像的預(yù)處理效果，結(jié)合圖像的特點(diǎn)，選擇中值濾波與均值濾波結(jié)合法對圖像進(jìn)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(yīng)，突出電氣設(shè)備符號(hào)的細(xì)節(jié)和特征。利用二值化閾值分割算法以及數(shù)學(xué)形態(tài)學(xué)理論擦除圖像中的橫豎連接線，分割出各電氣設(shè)備符號(hào)的圖像分別構(gòu)成訓(xùn)練樣本和測試樣本。
　　特征提取和圖像識(shí)別作為電網(wǎng)圖資智能識(shí)別技術(shù)的關(guān)鍵，其算法的選擇對識(shí)別的準(zhǔn)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(shè)備訓(xùn)練樣本的各階矩特征值，并輸入到SVM中進(jìn)行訓(xùn)練，根據(jù)訓(xùn)練所得參數(shù)設(shè)計(jì)電氣設(shè)備的分類器。提取待識(shí)別的電氣設(shè)備圖像的特征向量，與模板庫中樣本進(jìn)行匹配，采用投票法對待識(shí)別的電氣設(shè)備進(jìn)行分類，得到基于支持向量機(jī)的圖像識(shí)別結(jié)果。通過仿真實(shí)驗(yàn)，基于上述兩種算法提取的特征值進(jìn)行訓(xùn)練后所得分類器的識(shí)別準(zhǔn)確率偏低。
　　為使電網(wǎng)圖資中電氣設(shè)備在分類識(shí)別時(shí)具有更好的不變性，本文提出改進(jìn)Z

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