(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210225175.7 (22)申请日 2022.03.09 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 厉小润　华梓强　陈淑涵　王晶　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 郑海峰 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/75(2022.01) G06V 10/77(2022.01) G06V 10/762(2022.01) G06V 10/26(2022.01)G06K 9/62(2022.01) (54)发明名称 一种基于高光解图像混合像元分解的电缆 型号识别方法 (57)摘要 本发明提出了一种基于高光解图像混合像 元分解的电缆型号识别方法， 属于电力电缆型号 识别领域。 方法包括： 对电缆截面高光谱图像进 行主成分分析降维； 对降维后的电缆截面高光谱 图像进行基于光谱 ‑空间信息的超像素分割， 划 分为超像元块； 利用各超像元块平均光谱与导体 光谱材料进行光谱匹配分析， 确定电缆的导体结 构的材料类型， 以及导体结构所对应的区域； 从 电缆截面高光谱图像中剔除导体结构区域对应 的像元， 对其余像元进行光谱可变的混合像元分 解， 获取电缆的绝缘层、 内护套、 铠装层、 外护层 结构的光谱， 进行光谱匹配分析， 确定电缆各结 构所采用的材料类别， 根据电缆型号命名规则识 别得到电缆型号名称。 本发明判定电缆型号效率 高， 准确率高。 权利要求书3页 说明书8页 附图3页 CN 114638986 A 2022.06.17 CN 114638986 A 1.一种基于高光解图像混合像元分解的电缆型号识别方法， 其特征在于， 包括以下步 骤： 步骤1： 对电缆截面高光谱图像进行主成分分析， 将高光谱图像的维度由高维转化为低 维； 步骤2： 对降维后的电缆截面高光谱图像进行基于光谱 ‑空间信息的超像素分割， 将高 光谱图像划分为具有光谱和空间相似性的超像元块； 步骤3： 利用获取的各超像元块平均光谱与导体光谱材料进行光谱 匹配分析， 确定电缆 的导体结构的材 料类型， 以及导体结构所对应的区域； 步骤4： 从电缆截面高光谱图像 中剔除导体结构区域对应的像元， 对其余像元进行光谱 可变的混合像元分解， 获取电缆的绝缘层、 内护套、 铠装层、 外护 层结构的光谱； 获取非导体 区域的光谱后， 对其进 行光谱匹配分析， 确定电缆各结构所采用的材料类别， 根据电缆型号 命名规则识别得到电缆型号名称。 2.根据权利要求1所述的基于高光解图像混合像元分解的电缆型号识别方法， 其特征 在于， 所述的步骤2包括： 对于经步骤1处理后得到的 降维后的K个波段的高光谱图像 其总共包含M×N个像元， 每一个 像元的维度为K， yMN表示第M×N个像元； 首先初始化聚类中心 cp： 将高光谱图像均匀划分成p个超像元块并选 取每块中心为聚类 中心， 其坐标为 初始化像元类别标签为 ‑1， 初始化像元到聚类中心的距离为无穷 大； 计算每个聚类中心cp的2×2邻域中每个像元yi到cp距离Di， 将像元类别标签更新为最小 距离的聚类中心所属的超像元块； 第一次遍历所有像元后， 重新计算每一个超像元块的新聚类中心， 将聚类 中心移至3 × 3邻域的最小梯度位置， 继续迭代完成超像素分割。 3.根据权利要求2所述的基于高光解图像混合像元分解的电缆型号识别方法， 其特征 在于， 像元到聚类中心 距离计算公式为： 其中， da表示像元光谱与第p 个超像元块中心光谱的光谱角距离， db表示像元与第p 个超 像元中心在像元坐标平面上的距离， F表示控制空间信息在距离衡量中 的比重， ||.||2表示 范数， xi,yi表示像元yi的坐标， 上角标T表示 转置， Di表示像元yi到cp的距离。 4.根据权利要求1所述的基于高光解图像混合像元分解的电缆型号识别方法， 其特征 在于， 所述的步骤3包括： 对步骤2中获取的各超像元块求取平均光谱 计算 与铝导体材料参考光谱wal的光 谱角距离dal， 计算公式如下 所示：权　利　要　求　书 1/3 页 2 CN 114638986 A 2统计与铝导体材料参考光谱的光谱角距离满足dal＜δ的超像元块中的像元个数， 得到 像元点属于铝导体材 料的区域 面积areaal； 计算 与铜导体材 料wco参考光谱的光谱角距离， 计算公式如下 所示： 统计与铜导体材料参考光谱的光谱角距离满足dco＜δ的超像元块中的像元个数， 得到 像元点属于铜导体材 料的区域 面积areaco； 若areaco＞areaal， 判定该电缆截面中导体结构材料为铜； 若areaal＞areaco， 判定该电 缆截面中导体结构材 料为铝。 5.根据权利要求1所述的基于高光解图像混合像元分解的电缆型号识别方法， 其特征 在于， 所述的步骤4包括： 从高光谱图像 中剔除导体结构区域对应的像元， 将剩余像元 转换成高光谱数据矩阵 其包含K个波段、 Q个像元和P个端元， 则增广线性 解混模型的矩阵形式表示 为： 其中， 代表了端元矩阵， 代表了丰度矩阵， aQ表示第Q个 像元的丰度向量， aij表示第i个像元的丰度向量中的第j个元素； 是 缩放因子， 是辅助端元矩阵， 是 辅助系数矩阵， 这两个矩阵的乘积EB表 示主端元混合以外的辅助端元的光谱混合效果， Ξ代 表噪声项； 为了简化求解， 做等价替换 其中对于第i个像元Yi， 其缩 放因子 表示等价丰度矩阵 中第i个向量 中的第j个元 素； 替换参数后， 所述增广线性 解混模型的损失函数 可描述为： 其中， f(.)为损失函数， | |.||表示范数； 通过增广线性解混模型求得端元矩阵M和丰度矩阵A后， 首先对端元矩阵中的光谱进行 光谱匹配， 确定每条光谱对应的材质， 即确定绝缘层、 内护套层、 铠装层、 外护层对应的光 谱； 之后根据每 个像元对应的最大丰度， 即可确定该像元的材质。 6.根据权利要求5所述的基于高光解图像混合像元分解的电缆型号识别方法， 其特征 在于， 所述的增广线性 解混模型的损失函数采用拉格朗日乘子法或梯度下降法更新。 7.根据权利要求1所述的基于高光解图像混合像元分解的电缆型号识别方法， 其特征权　利　要　求　书 2/3 页 3 CN 114638986 A 3