第一篇：主要电力设备故障图像特征及识别方法研究改（xiexiebang推荐）

摘要

摘要内容

伴随着我国电网规模的日益加大,各类变电设备的运作状态是促使其安全高效运行的最为主要的因素之一。对于各类变电设备的在线状态监测系统的推广越来越发普及。研究基于图像特征的电力设备自动故障识别具有重要意义。

本文对各类主要电力设备，研究各类变电设备故障识别分类及相应故障的图像特征，以及基于红外与紫外图像特征的故障识别方法。对于紫外放电成像技术图像的处理与特征提取，本文从紫外成像技术的基本原理出发，在讲解紫外放电图片特性的基础上，对紫外放电图像使用灰度化预处理，以及应用中值滤波等方法对图像进行降噪。并通过canny算子边缘检测计算紫外光斑面积判断是否发生放电故障。针对红外故障图像，本文在红外成像原理的基础上，对红外图像进行超像素分割及HSV空间颜色提取，对应用卷积神经网络对红外故障图像故障区域检测进行理论上的研究。

关键词：红外成像 紫外成像 图像处理

ABSTRACT With the increasing scale of China's power grid, the operation of various types of substation equipment is one of the most important factors to promote the safe and efficient operation.The popularization of the on-line condition monitoring system for all kinds of transformer equipment is becoming more and more popular.Research on image feature based automatic fault recognition of power equipment is of great significance.In this paper, various types of main power equipment, the study of various types of substation equipment fault identification and classification of image features, as well as infrared and ultraviolet image features based on fault identification method.For ultraviolet discharge imaging technique to image processing and feature extraction, this paper from the basic principle of UV imaging technology of on the explanation of the ultraviolet discharge picture characteristics based and discharge on the UV image using grayscale preprocessing and application of median filtering method of image in noise reduction.And through the Canny operator edge detection to determine whether the area of the UV spot to determine whether the discharge fault.Aiming at the

fault infrared image, this paper on the basis of the principle of infrared imaging, the infrared image were super pixel segmentation and HSV color space extraction, the convolutional neural network is applied to fault section detection of infrared fault image of theoretical research.KEY WORDS:

目录

第一章 1.1课题背景

伴随着我国国民经济水平的前进与发展,全国各地对电力的需求不断增长,推动我国电网规模不断加大、同时向超高压、大容量和智能化的路线前进。但也对各类电力设备的安全性及可靠性提出更为克刻的要求。由于一旦电力设备和部件产生故障或缺陷，极易导致“链式反应”，致使整个电力系统不能正常工作，从而引发重大的经济损失，而存在隐患的设备故障和缺陷还会造成灾难性事故和人员伤亡，更是从源头波及社会方方面面造成恶劣影响。故障识别与诊断技术给电力单位带来显著的生产利益，其经济意义集中表现在减少维修消耗和避免突发事故这两点上。

而且，研究表明，电气设备故障产生最直接最重要的原因是其绝缘性能发生劣化。电气设备尤其是高压电气设备长期处于高电压、强场强运行条件下，同时承受户外风雨侵袭，不可避免会使得绝缘性能发生劣化。伴随时间的日益推移，当劣化产生一定影响时，就会发生电力设备放电这种现象。若没有及时找到电气设备放电的原因，对故障部件进行维修和更换，放任放电故障发展，结果极有可能导致设备击穿、闪络等现象，致使故障更为严重，波及范围也大大增加。所以必须对电力设备的前期局部放电展开深入研究，对电力设备的绝缘能力特别是其外绝缘能力进行预先评价，保障电力设备安全高效运转，从而提高整体系统的可靠及稳定性。每当电力设备放电时，放电部位会放出波长240致80nm的紫外辐射，对此信号进行有效的监测，将大大的有益于早期检测到放电现象。而且电力设备，凡是其外部发生放电，均可得到其放电紫外图像，这导致紫外放电成像技术在电力设备在线状态监测特别是电力设备外绝缘监测方面的应用领域更加广泛。

1.2国内外研究现状

1.2．1红外热像仪成像技术在电力系统的应用

对变压器的红外成像在线状态监测系统在电力系统的普遍应用是电力企业对于追求信息化的必经之路，它不但可以代替人为测温，更是达到实时在线监测变压器的发热情况，避免和降低故障发生，保障了变压器的可靠运行，确保了电

力系统的稳定供电。

电力设备的发热引发的故障是导致大面积停电等事故灾难的最为重要的诱导因素，一直以来怎样实时可靠的在线监测电力设备都是电力行业一个极具意义的问题。变压器作为变电系统中最核心的电力设备，是整个变电环节运行的中心所在，其可靠性关乎整个变电网络。在变压器的工作过程中，无论是负荷过大，还是油位出现了异常，其温度都会发生变化，若不及时发现将会引发变压器设备损坏等事故，直接威胁到供电安全。公司对运行中的变压器的温度监测一直予以高度重视，对变压器的红外测温也有明确规定。但是，随着电网发展和社会科技进步，变电系统的自动化、信息化要求不断严格，变电站大致上完成了无人值班或少人值守的阶段，现在基本通过红外测温仪对变电设备的检测都是通过人为测量的方法，这些都不能达到运转和监控自动化的目标。

从上世纪六十年代国外采用红外测温技术，七十年代起将红外成像仪安装于车辆或是直升机上对变电设备及高压输电系统产生的故障与缺陷做定期检测,伴随红外线探测设备,特别是红外线热成像设备的日益进步逐渐发展为专业的红外成像检测技术,而且更是编写出与之配套的技术标规和红外诊断故障判定标准,目前更是在全球各个发达国家当中普及,并得到了极佳的经济效果。

我国探寻发展对于电力设备应用红外测温技术起于20世纪七十年代初,应用国内开发的红外测温设备检测高压输电线路接头温度的试验研究工作,开创了我国红外技术的应用。[1]从八十年代中期开始,随着性能优良可靠的红外诊断仪器的发展及主管部门的重视,通过一些电力科研单位的大量室内模拟试验和现场试验,取得了不少实践经验。不但在现场试验中检测出了大量的缺陷与问题,通过立即的修理,避免了部分严重的灾难性的事故的出现,受到了极佳的反响,更是从中积攒了大量实践知识,慢慢完善了故障的评判准则。1.2.2紫外成像技术在电力系统中的应用

[2]早在1984年，前苏联西伯利亚电力科学研究院就将紫外成像技术运用于电力系统设备监测中，开发了紫外电子光学探伤仪，并用该探伤仪实现了电气设备外绝缘的监测。然而，该设备难以避免日光对紫外图像的影响，因此只能夜间监测，且受天气因素影响较大。为了实现采用紫外成像法对放电设备的实时监测，上世纪90年代，西方少数国家开始研制日盲型紫外成像仪，所谓日盲型紫外成

像仪，就是紫外监测的结果不受日光的影响，即紫外成像是不吸收太阳光中紫外谱段。至此，电力系统开始普遍采用日盲型紫外成像仪实现电气设备放电图像的实时监测。

现在电力行业中主要普及的是红外热成像检测技术，然而应用紫外成像技术在放电监测方面还在刚刚发展的阶段。通过低通滤波手段对紫外成像图像处理降低紫外线放电图像中各类噪声；通过中值滤波理论，对紫外成像图像增强信噪比。对于紫外放电光斑提取问题：通过改进的candy算法对紫外放电图像实施边缘提取,从而有效获得故障区域的放电光斑。采用形态学分析理论，对放电光斑进行了自适应提取，同时该方法也能有效抑制噪声对紫外放电光斑提取的影响.第二章 电力设备红外线故障图像 2.1红外成像法检测原理 红外辐射测温仪

红外线辐射测温仪也叫红外测温仪，是一种对物体放射的红外线的温度检测仪器，它只能检测对象表面上某点四周确定面积的平均温度。在不追求精准测量对象表面二维温度分布时，与别的设备相比较，具有简化结构、价格便宜、操作便携等优点。

[3]红外测温仪的基本原理是以被测目标的红外辐射能量与温度成一定函数关系而制成的仪器。其工作时，被测目标的红外辐射能量经仪器透镜会聚，并通过红外滤光片进入探测器，探测器将辐射能转换为

电能的信号，经放大器放大、电子电路处理，最终由显示器显示出被测物体的表面温度。图2-2所示的是一个装有有目视对准系统的红外测温仪，通过45°的分光镜，可见光反射到分划板上，其刻有一圆环，圆环的面积应与光阑孔面积相同，分划板后安装有一组目视透镜，以使人确认测量对象的准确情况以及目标是否填充满小环。

[1]红外测温仪的基本结构必须包括光学系统、红外探测器、电信号放大及处理系统、结果显示系统和其它附属部分(包括目标瞄准器、供电电源与整体机械结构)等几个主要功能部分。根据测温要求可分为单波段中低温测温仪(8-12μm)、高温测温仪(2-2.5μm)和高温比色测温仪。现在，各类的红外测温设备都安装有可视瞄准或激光瞄准装臵，使人更精准地检测对象的温度而采取了便携的手段。红外热成像仪不但可以非接触式测温，而且能实现实时反馈对象表面温度的二维分布及改变状况，这是它不同于红外测温仪的一个显著优势。红外热成像仪具有图像处理程序，测温快速、分辨率优异、直观，并具有信息收集、存储、处理和解析方便的优点。因此，虽然它比红外测温仪等装臵的结构纷繁、价格高的多，但在电力设备实时监测中还有很大的作用。

红外热成像仪的运行流程是把被测对象表面温度经由红外线的方式，通过收到光学程序和扫描设备显像到探测器上，然后通过探测器转换成视频形式。此微小的视频信号通过信号放大装臵后[17]，传到外端显示屏上，表现出被测对象表面温度分布情况的热成像。

[5]红外热像仪的基本结构由光学系统、扫描机构、红外探测器、前臵放大器、视频信号预处理电路、显示记录系统和外围辅助装臵等组成。红外热像仪的核心器件是红外探测器，可分为单元探测器、多元探测器和带有内处理功能的探测器。常用热像仪的工作波长为3-5μm和8-14μm。

2.2电力设备红外检测诊断故障典型图谱 2.2.1变压器缺陷红外检测诊断故障典型图谱

变压器缺陷主要包括以下两个部分:

1、变压器本体的缺陷;

2、套管部位的缺陷

2.2.1.1．变压器套管温度分布异常

变压器套管包含主变高压侧套管、低压侧套管、抱箍线夹、中性点套管、管出线线夹等部分。温差不超过 10K，未达到严重缺陷的要求，可应用图像特征分析法、同类比较判断法。（1）变压器套管温度分布异常

图2-3 220kV 主变高压侧热像图，左侧套管上部温度偏低。

（2）变压器套管出线线夹过热

图2-4 110kV 主变高压侧套管热图，套管上部温度偏低。（3）变压器套管抱箍线夹过热

图2-5 500kV 变压器套管热像图，左侧（中压侧）套管出线线夹有明显热点。

（4）变压器套管柱头过热

图2-6 110kV 变压器高压侧套管热像图，套管抱箍线夹有明显热点。

（5）变压器套管末屏温度分布异常

图2-7 220kV 变压器高压侧套管热像图，套管末屏（左侧）温度偏高

2.2.1.2变压器本体部分缺陷

变压器本体包含主变高压侧本体、低压侧本体、高压侧左面本体、高压侧右面本体。温差不超过 10K，未达到严重缺陷的要求，可应用表面温度判断法、图像特征分析法。（1）变压器本体温度分布异常

图2-8 110kV 变压器本体热像图，本体局部温度偏高。（2）变压器冷却器（自冷式）温度分布异常

图2-9 110kV 变压器散热器热像图，右 2散热器温度偏低（3）变压器冷却器（水冷式）温度分布异常

图2-10变压器冷却器（水冷式）热像图，左

1、左 2冷却器温度偏低。

（4）变压器冷却器温度异常

图2-11 220kV 变压器冷却器热像图，两侧温度明显不一致。（5）变压器冷却器（强油风冷）进、出油管温度异常

图2-12变压器冷却器（强油风冷）热像图 2.2.2高压断路器缺陷红外检测诊断故障典型图谱

断路器通常由于内部部件接触不良导致温度异常。可应用表面温度诊断法等。

图2-13 220kV 断路器热像图，左侧断路器动触头法兰发热（2）断路器中间触头发热

图2-14 110kV 断路器热像图，断路器中间触头法兰发热（3）断路器静触头发热

图2-15 110kV 断路器热像图，右侧断路器静触头法兰发热

（4）断路器瓷套点状温度分布异常

图2-16 110kV 断路器热像图，动触头法兰与下瓷磁套接合部有点状发热点。

2.2.3隔离开关红外检测诊断故障典型图谱

220kV隔离开关的发热缺陷，根据其特点可用表面温度判断法、图像特征分析法、同类比较判断法判断。

图2-17 220kV 隔离开关热像图，刀口有明显热点。（2）隔离开关转头过热

图2-18 220kV 隔离开关热像图，下转头接触有明显热点(1)隔离开关接线板过热

图2-19 35kV 隔离开关热像图，接线板有明显热点 2.2.4电流互感器红外检测诊断故障典型图谱

电流互感器多由内部接触不良或内部一次连接线散股、断股引发故障。可应用表面温度判断法、图像特征分析法、同类比较判断法。（1）电流互感器头部过热

图2-20 35kV 电流互感器热像图，头部有异常发热（2）电流互感器头部温度异常

图2-21 110kV 电流互感器热像图，右侧互感器头部温度较低（3）电流互感器局部发热

图2-22 35kV 电流互感器热像图，头部有异常局部温度异常 2.2.5电压互感器红外检测诊断故障典型图谱

电压互感器通常由于电磁组件受潮、匝间短路或铁磁谐振等原因导致介质消耗加大，在高压作用中放射热量。可通过图像特征分析法、同类比较判断法。

（1）电容式电压互感器电磁单元发热

图2-23 220kV 电容式电压互感器热像图，电磁单元整体发热。（2）电容式电压互感器电容单元局部发热[18]

图2-24 220kV 电容式电压互感器热像图，电容单元局部发热(2)电容式电压互感器阻尼箱过热

图2-25 220kV 电容式电压互感器阻尼单元热像图，阻尼单元内部有明显热点

2.2.6绝缘子红外检测诊断故障典型图谱(1)红外检测诊断故障典型图谱

图2-26 110kV 合成绝缘子热像图 2.3.13．红外检测判断方法

[4]表面温度判断法：主要适用于电流致热型和电磁效应引起发热的设备。根据测得的设备表 面温度值，对照 GB/T 11022 中高压开关设备和控制设备各种部件、材料及绝缘介质的温度和 温升极限的有关规定，结合环境气候条件、负荷大小进行分析判断。

同类比较判断法[19]：根据同组三相设备、同相设备之间及同类设备之间对应部位的温差进行比较分析。对于电压致热型设备，应结合图像特征判断法进行判断；对于电流致热型设备，应结合相对温差判断法进行判断。

图像特征判断法[20]：主要适用于电压致热型设备。根据同类设备的正常状态和异常状态的热 像图，判断设备是否正常。注意应尽量排除各种干扰因素对图像的影响，必要时结合电气试验 或化学分析 的结果，进行综合判断。

相对温差判断法：主要适用于电流致热型设备。特别是对小负荷电流致热型设备，采用相对温差判断法可降低小负荷缺陷的漏判率。档案分析判断法[21]：分析同一设备不同时期的温度场分布，找出设备致热参数的变化，判断设备是否正常。

实时分析判断法：在一段时间内使用红外热像仪连续检测某被测设备，观察设备温度随负载、时间等因素变化的方法

2.4.1 对红外图像进行基于 HSV 空间颜色提取的超像素分割 2.4.1.1 Turbopixels方法的超像素分割

2009年Levinshtein[6]等人描述了一种基于几何流的水平集方法，能快速地产生超像素。他们经由扩大初始化种子点，同时联系曲率演化模型和背景部分的骨架化进程，把图片切割成碎片式的超像素。Turbopixels产生的超像素须要附合5个准则: a)平均维度，算子需要将图像分割成尺寸与形态基本一致的超像素，经由设建几何流来扩大初始平均分布的种子以完成这个目标;b)连通性，单独超像素需要显示1个普通连续的像素聚集，采取联系水平集的几何流膨胀手段以此保证这个约束都是成立的;c)紧凑性，尽可能让超像素接近极限地紧密，应该让强度平均的部分在法线朝外方向发生不变的运动;d)平滑和边缘保持，当聚类中心扩大结束时，超像素边线需要和图像边界匹配，这要使几何流公式在边界强度变弱及消失的区域，曲线移动速度快，但边界强度较强区域，移动速度变弱以至于静止，致使达到图像分割的目的;e)超像素不重叠，算子需要将单独像素分布到每

个超像素中。所以，当两个不同的种子膨胀到即将碰撞时，应该停止边界增长。

整个算法步骤如图所示，包括: a)初始化等间距的种子点。

b)迭代以下步骤，直至不再有进一步的演化。(a)第 T 次演化边界;(b)估计未分配区域的骨架;(c)更新边界上像素点的速度和在边界附近未分配像素点的速度。

图2-27 Turbopixels 算法步骤

[7]这种手段产生的超像素不但维持了图像的局部边界，更经由紧凑度的约束条件限制了欠分割。其计算效率极高，算子复杂程度及图片维度是近似线性关系，同时对于上万像素的图像，仅仅很短时间便能得到超像素。

Xiang等人开展通过待分割的图像中组建多维特征图像的方法，广泛使用于Turbopixel架构的超像素分割中。

2.4.2HSV颜色空间进行区域提取(1)颜色空间选取

颜色空间选择由于各样的实际要求，显示颜色的空间也各式各样。现在最为普及的颜色空间是RGB空间，图像一般通过R、G、B3类分量的值来显示。RGB空间适合于各类设备的表示，然而图像分割和解析并不适用，主要由于R、G、B这些分量由亮度联系，一旦亮度变换，这些分量统统会与之变化。

相比之下适于人眼的颜色感官的空间是色调、饱和度和亮度（hue、saturation、value、HSV）空间。而且，色调与饱和度统一称之为色度，由此解释了颜色的波长区间分布，又解释彩光的深浅的程度。(2)色彩空间的转换

色彩空间的转换 试验中从 RGB 空间一点（R，G，B）转化到 HSV 空间的一 点可定义为：

V=max（R，G，B）S=（V-min（R，G，B））/V（当 V=0时，S=0）H=60（G-B）/（V-min（R，G，B））如果 V=R 120+60（B-R）/（V-min（R，G，B））如果V=G 240+60（R-G）/（V-min（R，G，B））如果 V=B 如果所得的H<0，那么H=H+360。这样色调信息 H 的范围为 0°～360°。V和S的范围为 0～1。(3)H分割阈值的确定

图2-28 色度色相分布示意图

HSV 空间主要对 H、S 的偏侧，这导致 HSV 色彩空间有一个非常明显的优点：理解起来非常容易，色彩分类简单自 然，通过改变 HSV 值获得的效果非常清晰而且可预见，但它也存在着一些不足，如空间色彩的距离与理解的距离毫不相干。由此得到H值计算公式： if R>180,G>180,B>1801(4GB)else if Rmax6maxminH=1（2-1）BR6(2maxmin)else if Gmax1RG else if B=max6maxmin将分割阈值设为H>0.65;S>0.5orS<0.12;V>200。第三章 电力设备紫外线故障图像 3.1紫外成像法检测原理

当电力设备产生电离放电现象时，会向外辐射出各种的电磁波，而紫外线就是其中重要的组成。紫外线的波长在100-400nm之间，而

电力设备产生的紫外线主要在200-400nm。

图3-1 紫外线波长分布

然而自然光中同样包含紫外线，可是因为臭氧层的屏蔽，导致辐射致地面的紫外辐射波长基本处于280 nm之上，低于280 nm的范围被称作日盲区。电力设备故障放电发生的紫外辐射存在280 nm以下，也称其在日盲区中，能够经由观测这些波段的紫外线来诊断局部放电程度，而且也降低环境对检测的影响。

图3-2为紫外成像系统原理图

[8]图3-2为紫外成像系统原理图，信号源通过环境光源直射后发生的杂光到成像系统，经由紫外线分离装臵变成两种:一种通过信号放大后到达到可见光镜头，在可见光相机中生成可见光图片;另一种经由紫外日盲滤镜，去除日盲区以外的杂光，到达紫外镜头，同时在紫外相机中生产紫外影像。最后采用特定的图像预处理和融合方法，形成最终输出影像。

另一路光信号首先经过紫外太阳盲滤镜滤波。当光波通过该紫外太阳盲滤镜时，绝大部分成分会被滤除，仅剩下波长范围为240}280nm范围的紫外光可以通过。而该紫外线正是由电气设备放电辐射出紫外光重要组成部分。经日光滤镜滤波后所得的紫外线同时抑制了日光中紫外辐射部分的扰动，该紫外线经紫外系统转换为数字图像。该数字图像部分及为紫外放电图像放电光斑部分。

以达到基于故障局部放电位臵准确定位的目的，准确直观的表示出光斑部位与程度。紫外成像仪系统往往应用图像融合算法把摄像图像和局部放电图像进行合并，从而得到紫外局部放电图像。在紫外放电图像中，可以清晰的看清发电发生的位臵。图3-3清晰说明了这一过程:图3-3中(a)图为可见光通道所成数字图像，该图像呈现出背景图像及电气设备图像;图3-3中(b)图为240}280nm波段的紫外光波经紫外照相机所成的数字图像，该图像反映了紫外放电光斑。(c)图为两者叠加后的图像，由((c)图可准确判定放电发生的位臵。

图3-3紫外线成像仪叠加原理 3.2紫外线成像图像预处理

为了提取紫外图像的特征，需要对紫外图像处理，放电光斑提取及放

电程度计算等，所以得到的放电图像冗余信息量越少，将越有利于判定结果的准确获得。

相比RGB模式图像，灰度图所需存储空间小，而且不影响图像特征信息量的提取。灰度图与RGB模式图像的区别正如黑白电视机图像与彩色电视机图像的区别，除色彩饱和度等外，灰度图像与RGB彩色图像所含特征信息基本相同，但存储量大大减少。对于尺寸大小为MxN的紫外放电图片，其灰度图像大小为MxN，所以灰度图必要的存储量与像素点的个数相同，单独的像素仅要一个字节进行。同时，灰度图像使得图像主体与背景部分的对比进一步加强，有利于进一步区分图像主体部分。就紫外放电图像而言，将RGB图像进行灰度变换，变换后灰度图像中放电区域将明显与背景相区分，有利于放电趋势的选取。

[9]由彩色图像转化为灰度图像的过程叫做图像的灰度化，对于RGB模式的彩色图像，每个像素点均由R, G, B三个分量构成，且R, G.B可以取。一255之内的任一自然数，故通过R, G, B的自由组合，可产生1600万多种颜色。而灰度图像只采用一个分量就可以描述，且该分量的取值为0255之内的任一自然数。图像灰度化的方法如式(3-1)所示: H=f(R,G,B)(3-1)其中，H为灰度图像的灰度值;R, G, B分别为原彩色图像R, G, B分量的数值了为灰度化函数。

目前，灰度化函数主要有以下三种方法:

(1）平均值法

即通过求取R, G, B分量的数值的平均值来求取灰度值，即

RGBH=(3-2)3(2)最大值法

即某一像素点的灰度值可由该像素点R,G,B分量的数值的最大值进行代替，即

Hmax(R,G,B)(3-3)灰度值求出后，将原彩色图像中每一点的RGB数值均换成H值，即可得到灰度图像。由于采用亮度法进行灰度变换能有效体现图像的亮度，而紫外放电图像中放电区域正是以亮斑呈现的，因此本文选取亮度法进行图像灰度化处理。3.3紫外灰度图像噪声抑制

现实中，由于紫外成像技术是一个非接触式的电气设备在线监测技术，紫外拍摄的距离常常较远，一般达到及几十米甚至一百米;同时，紫外放电图像拍摄时的光照条件又是难以保证的，常常会遇到雨雪天气、雾霆天气，这就使得外部背景图像的光线较为微弱，使得外部背景图像在数字转换过程中常常会受到噪声污染，导致图像模糊，进而影响可见光部分即背景部分的成像效果，影响放电定位。研究表明，紫外放电图像其主要噪声类型为:高斯噪声、斑块噪声以及椒盐噪声等，其中又以椒盐噪声最为普遍。本文紫外图像噪声抑制主要是指对灰度化后的紫外图像的椒盐噪声进行抑制。

3.3.1椒盐噪声模型

图像在拍摄和输送之中，极可能被椒盐噪声所干扰。椒盐噪声为脉冲型的噪声，生成的原因大致有以下几种:(1}通信系统产生的故障;(2)图像传感器本体的固有噪声;(3)通信系统继电器状态改变时混入的随机噪声。

椒盐噪声的像素和相邻位臵像素相比，极为具有差异。把图像灰度化处理后，在灰度图像之中，椒盐噪声显示为图像中的黑白斑点。

设定灰度处理后图像大小为mxn，用h(x, y)代表像素坐标(x，y)位臵灰度值，则此图的全部灰值可体现为: A=｛(i,j)1im,1jn,m,nN*}(3-4)椒盐噪音是一种脉冲类型的噪音[22]，用n(x, y)体现被该噪声干扰的图像，则该模型为如下形式：

Smin 概论pn(x,y)Smax 概率qh(x,y)概率1-p-q(3-5)对于8位灰度图像，Smin=0,Smax=255。因此脉冲型噪声在图像中的表现形式为该像素的灰度值取得极大值或极小值。图像某一像素点受到脉冲型噪声污染的概率为P十q，图像某像素点不受脉冲型噪声污染的概率为1-p-q o椒盐噪声是一种特殊的脉冲型噪声，当p=q，即该像素点灰度值取得极大值与极小值的概率相等时，此噪声为椒盐噪声。

相对于原图，椒盐噪声的灰度值取极大值又或者极小值，使整体图片变化剧烈。

3.3.2常见椒盐噪声去噪方法

数字图像椒盐噪声去除一直数字图像处理领域的研究热点。目前椒盐噪声的去除方法主要有:均值滤波法、中值滤波法等。(1)均值滤波法

顾名思义，均值滤波法就是将受污染像素位臵灰度值用其领域内均匀灰度值进行代替，以降低椒盐噪声产生的干扰。该方法思路简单、计算速度较快。但去噪后，会影响到图像的细节成分，尤其使得图像边缘分布较为模糊。（2）中值滤波法

针对被椒盐噪声干扰的位臵的灰度值同四周位臵灰度值存在十分显著的差异[23]，中值滤波法将被干扰的领域之中各点灰度值由大到小排列，并求领域内所有点灰度值的中值来代替被干扰部位的灰度值。其可表示如下:

h(x,y)Med hA(x,y)(3-6)A是此被污染像素点的区域，即中值滤波的滤波窗口;hA(x,y)是A中的某一像素点的灰度值。

对比均值滤波法，中值滤波法不是普通的平均代替被干扰像素点的灰度值，故降噪后恢复的图像可以更为清晰。3.3.3基于可疑噪点判定的改进中值滤波

设紫外放电图像为mⅹn，则采用上文方法对该图像使用预处理获得的局部放电灰度图像，可表示为如下形式: h(x1,y2)h(x1,y1)h(x2,y1)h(x2.y2)Hh(xm1,y1)h(xm1,y2)h(xm,y2)h(xm,y1)h(x1,yn)h(x2,yn1)h(x2,yn)(3-7)

h(xm1,yn1)h(xm1,yn)h(xm,yn1)h(xm,yn)h(x1,yn1)j[0,255],且h(xi,yj)N 其中，h(xi,y)对经预处理后的紫外放电灰度图像像素点予以标记，其方法为:

1 h(x,y)255flag(x,y)1 h(x,y)00 h(x,y)(0,255)(3-8)这样，对图像各像素点灰度值进行标记后，其标记矩阵为如下形式: flag(x1,y1)flag(x2,y1)F=flag(xm1,y1)flag(xm,y1)flag(x1,y2)flag(x2,y2)flag(x1,yn1)flag(x2,yn1)flag(xm1,yn1)flag(xm,yn1)flag(x1,yn)flag(x2,yn)(3-9)flag(xm1,yn)flag(xm,yn)flag(xm1,y2)flag(xm,y2)由前文分析可知，被椒盐噪声干扰的像素点其灰度值为0或255[24]，没有被椒盐噪声干扰的则灰度值与之前一致。因此F中，数值为0代表的像素点必定不受椒盐噪声污染，无需做去噪处理;数值为1或-1代表的像素点可能就是受到椒盐噪声污染，同时也可能该点原灰度值即为0或255点，该点有待确定是否确实受到噪声污染，即该点可称之为可疑噪点。可疑噪点确定方法

设(xi,yi)为可疑噪点，以该点为中心点3x3像素点的领域窗口内

包含的像素点的集合可表示为: W{(x,y)1u1,1v1}(3-10)对集合W内的所有像素点进行分析，根据各像素点标记值，将集合W分为三个子集。即:(1)有效像素点子集W0

W0{(x,y)flag(x,y)0,(x,y)W}(3-11)(2)白色可疑噪点子集W1 W1{(x,y)flag(x,y)1,(x,y)W}(3-12)(3)黑色可疑噪点子集W-1 W1{(x,y)flag(x,y)1,(x,y)W}(3-13)设各子

集的元

素

数

目

为

分

别card(W0)=a,card(W1)=b,card(W3)=c,必有:a+b+c=9。对可疑噪点(xi,yi)，可根据下列方法予以确定:(1)当a=0时，则此时可疑噪点(xi,yi)领域内各像素点均为可疑噪点，可分为以下四种情况进行区分: ①若b=9，则认为可疑噪点(xi,yi)内均为白点，且该可疑噪点也为白色可疑噪点。因此，可以认为该像素点未受椒盐噪声污染，原像素点灰度值即为255,对该点不应作去噪处理;②若c=9，则认为可疑噪点(xi,yi)内均为黑点，且该可疑噪点也为黑色可疑噪点。因此，可以认为该像素点未受椒盐噪声污染，原像素点灰度值即为0，对该点不应作去噪处理;③若0

时可将可疑噪点(xi,yi)认为是白色像素点，灰度值设臵为255;④若0

(2)当a≠0时，此时可疑噪点(xi,yi)领域内有未被污染的像素点。本文通过比较该可疑噪点像素灰度值与未被污染像素点灰度值的相关性来确定该可疑噪点是否受到椒盐噪声污染。其具体步骤为:(a)计算未被噪声污染的像素点灰度值的均值:

1Meanh(x,y)(3-14)a(x,y)W0(b)计算未被噪声污染的像素点灰度值的均方差: 12std(Meanh(x,y))(3-15)a(x,y)W0(c)计算可疑噪点灰度值与均值Mean的差值，即

dish(xi,yi)Mean(3-16)若差值dis大于均方差std，则能确定可疑位臵的灰度值和此位臵之中其余没被噪声干扰的灰度值相关性较小，因此，可认为此点确实被椒盐噪声干扰。计算有效像素点子集W0的中值Median，则h(xi,yi)= Median;

若差值dis小于或等于均方差std，则可认为可疑噪点的灰度值与该点领域内其余未受噪声污染的像素点灰度值相关性较大，因此，不认为该点受到椒盐噪声污染，可认为该点为有效像素点，其灰度值即为0或255。故对该点不做变化。3.4.1数字图像分割方法

数字图像中，同一区域的像素应具有相同或者相似的属性，不同区域的像素其差异应较大。如何从数字图像中将某一区域进行有效提取，对于紫外放电图像处理的实例来说，也就是如何将放电光斑从背景图像中进行有效提取，这就涉及到数字图像分割的方法。

目前数字图像分割主要有三种方法:(1)基于边缘的分割技术

[10]基于边缘的分割技术基本是根据图像中相异位臵的分界点的灰度值不连续来处理图像分割的，以此锁定不同位臵图像边缘从而达到目标区域的成功提取的目的。目前基于边缘的分割技术主要有:Roberts算子法、Sobel算子法、prewitt算子法、Laplace算子法等方法。

基于边缘的分割技术其分割结果形象客观，同时能实现多特征、多区域的同时分割。但是其却有个固有的缺点:当灰度图像不同区域分界处其灰度值不连续特性并不十分明显时，会很大程度上影响边缘的判定结果，甚至会得出错误的结论，影响其使用效果。同时，对于紫外放电图像这一实例来说，基于边缘的分割技术，其结果将会同时显示放电设备各组成部分的边缘、紫外光斑的边缘等，很难指出哪一

部分是紫外光斑、哪一部分是电气设备本体。(2)基于区域特性的分割技术

[11]根据领域特点的分割技术包括区域延伸和分裂合并两类。其中区域延伸意为从单个像素点起，慢慢融合来组为要求的分割区域;所谓分裂合并意为从整个图像起，慢慢分裂或合并来成为要求的分割区域。

根据区域特点的分割技术综合了图像在空间上的邻接性，能够有利于降低孤立噪声的干扰。区域生长分割技术需通过种子点位起始像素点，并判断周边区域像素点是否与此种子点相似，若相似则合并，若不相似，则舍去。故种子点的选取将对区域生长分割技术产生重要影响;分裂合并算法先从整个图像中分裂出相似的区域，再将这些相似的区域进行整合，如此往返最终得到所需分割区域，故其处理时间将是去打的。以上两点影响了基于区域特性的分割技术的使用效果。(3)基于闭值的分割技术

根据闭值原理，顾名思义，是利用像素点和已定的闭值点来确认，若在阂值内，则该像素点属于待分割区域;若不在此闭值范围内，则该像素点并不属于待分割区域。

该方法简单易行，其核心就是闽值的准确选择。图像的二值化就是一种典型的闽值分割技术。所谓图像的二值化，就是将灰度图像中各像素点与某一闭值进行判定，判定的结果使得该图像只有0或1两个灰度值。即:

1 h'(x,y)>h(x,y)0 h'(x,y)>(3-17)其中，λ为阀值;h’(x,y)为原图像在(x,y)像素点的灰度值。

若灰度值为1代表白色，灰度值为0代表黑色。则经行如(4-1)的阂值判定后，图像将由灰度图像变为纯黑白图像。对于紫外放电图像来说，放电区域往往较亮，即使背景部分日照较为强烈，往往紫外放电光斑处亮度也是最高的。故应用如(4-1)式所示的闭值法，把局部放电图像由灰度图改变成二值化图像，若闭值选取合理，那么图像的发白位臵则是紫外放电光斑，黑色位臵则是无关因素。这样将较容易的实现紫外放电光斑的提取。

3.4.2 基于改进Canny算子的图像边缘检测算法

[12]紫外图像中放电光斑与背景边缘区分比较明显，可直接根据图像梯度的变化来确定。选用Canny边缘检测算子在紫外图像中检测放电光斑，得到边缘点的坐标，求出光斑面积并根据面积大小去除周围杂散的颗粒点，保留下的较大光斑位臵即为电力设备的主放电区域，最后在融合图像中定位故障区域。3.4.3故障检测流程

(1)将紫外图像转换为灰度图，灰度级为0-255，对灰度图进行二值化，阂值取240，得到紫外图像的二值图。

（2)采用Canny算子对二值图进行边缘检测，其中高斯平滑模板取3x3，双阀值检测时取低阀值τ1 = 2，高阂值τ2=4，得到边缘检测效果。

(3)根据边缘检测结果，求得每个闭合区域的面积，确定故障区域。选用图像大小为300x180，将光斑面积大于整幅图像0.5%即270的区域定义为故障区域，其余杂散点可忽略不计。第四章 基于卷积神经网络对红外图像识别 4.1.1卷积神经网络 4.1.1.1Logo识别的特征模型（1）SIFT特征

在目标检测算法中，将输入数据转换为一组压缩的特征表示的过程，称为特征提取。如果选用了合适的特征模型，提取出的特征表示可以更好的抽取原图的相关信息，更利于后续的分类过程。本部分将对现有在不同应用场景中表现出色的特征模型进行介绍。

SIFT特征由Lowe等人在2004年提出，其对目标旋转、尺度和亮度的变化均保持不变，对于视角转变、仿射变换和噪声等也具有较好的稳定性，因此，SIFT特征被广泛的应用于目标检测与目标识别的任务中。SIFT特征的提取过程 主要包括以下步骤: I、尺度空间极值点检测

构造尺度空间是将原始的图像表示为一组经过不同高斯核模糊处理的图像的集合。在真实世界中，不同的目标是由不同尺度下的不同结构共同组合而成的。例如，树在以米为单位的度量尺度下是可分辨的，而树叶却需要在更精细的度量尺度下才可以分辨。因此，在计算机视觉问题中分析一个未知的场景，无法得到能够较好描述感兴趣

目标的尺度时，合理的做法就是获取不同尺度下对于场景的描述[14]，从而尽可能完善的描述目标。

[15]SIFT构建的尺度空间包括多组(octave)，每一组中的图像由第一幅图像通过高斯模糊产生，然后缩小初始图像的长和宽至原来的一半，逐步生成新一组模糊图像。

[13]图像像素的相近位臵包含图像领域和维度领域的全部临近点，因此，在维度空间下查询极值点时，所有像素点都需和其四周邻接点对比大小。如图4-1所示，中部图像中3*3位臵的中心点必与它一样尺度的8个邻接点以及邻接的两个尺度图像中对应位臵的2*9个点对比差异，如果该点的值是这26个像素中的极大值或者极小值，则选择这个点作为图像在相应尺度下的特征点。

图4-1 尺度空间下极值点的比较

2、特征点定位

特征点定位筛选步骤1中确认到的极值点，通过对周围像素位臵、维度和主曲率比的拟合，剔除对比度较低(这类特征点对于噪声敏感)的点和位于边缘上的点。

3、分配特征点的方向

将0“至360“的梯度方向划分为8个大方向，每个方向相隔45度。统计特征点邻近区域各点的梯度方向和幅值，从而得到梯度方向的直方图，直方图中最高值出现的方向即为该特征点的主方向，后续的计算过程都在主方向上计算，从而保证了特征对于旋转不变性。

4、生成局部图像描述子

对于图像中的每个关键点，以该点为中心，用一个高斯加权函数对周围区域中的梯度进行加权，与关键点距离更近的点权重更大。将关键点邻近的16*16图像局部划分为多个4*}的子区域，在每个子区域上分别统计步骤3中8个方向的梯度图，得到4*4*8共128维的特征向量。对特征向量进行归一化，进一步消除光照对特征的影响。

SIFT特征虽然具有尺度不变性和旋转不变性，然而提取特征需要在尺度空间中寻找特征像素，并在高维空间中比较特征向量的处理过程比较繁复，计算复杂度高，时间开销大，因此，不适用于大规模的网络图片。（2）Haar-like特征

基于图像强度，即图像中每个像素的RGB值的特征计算非常耗时，因此，Papageorgiou等人提出基于Haar小波的特征, Viola等人在此基础上提出了[16]Haar-like特征。Haar-like特征将检测窗口中

某个位臵邻近像素划分为两个区域，用两个区域的图像强度的差值表示该区域的一种特征。以人脸图像为例，眼睛区域的图像强度一般低于脸颊区域，因此，对应的Haar-like特征中的相邻区域分别 位于眼睛和脸颊区域。

Haar-like特征一般包括线性特征、中心特征、边缘特征和对角线特征等四种，通过组合这些特征可以进一步得到新的特征模版，如图2.2所示。图中特征模板包括黑色与白色部分，而通过模板得到的特征是白色部分的像素值与黑色部分的像素值之差。

图4-2 Hear-like 特征模版

通过改变模版的位臵和大小，可以得到大量的图像子窗口的特征，例如，从大小为24*24的图像中提取的特征值数量可以达到数十万个。因此，使用Haar-like特征需要解决的问题为如何快速计算特征以及如何从海量特征中挑选出适用于任务的特征。

快速求取Haar-like特征可以通过积分图的方法实现，由Viola等人提出。积分图是与原始图像大小相同的二维的查询表，以矩阵的形式存储。积分图中每个像素的值为该像素左上方全部区域的像素的加和。对于一幅图像，在计算一次得到积分图后，图像中任意区域的像素和可以通过四次查表操作完成。以计算图2.3中阴影区域的像素

和为例，分别获取积分图中A, B, C, D四个点的像素值，即得到了这四个点左上方所有像素点的和，从而将阴影区域的像素和表示为四个点像素的简单加减操作，表示为公式4-1 Sum=l(C)+l(A)-l(B)-l(D)（4-1）

图4-3 计算图中阴影区域的像素和

4.1.2卷积神经网络的基本特征

卷积神经网络通过强制相邻层之间的神经元局部全连接，达到挖掘空间局部

关系的目的，如图4-4所示。隐含层m的神经元的输入为m-I层的神经元的子

集，并且子集中的神经元是空间连续的。

在图4-4中，假设m-l层为视网膜输入，m层对于视网膜输入的感受野宽度为3，因此，m层的每个神经元只与视网膜层的三个相邻单元连接，m+l层的单元的连接方式与下层类似，感受野的宽度也为3。对于m+l层的单元来说，对于相邻下层的感受野宽度为3，但是对于视网膜输入的感受野为S。每个单元只对于感受野范围内的区域

有响应，对于感受野范围外的区域没有响应。这样局部连接的结构保证了学习到的“滤波器”对于输入的空间局部模式有最强的响应。另外，局部连接的结构大大减少了连接的数量，也就是减少了神经网络需要训练的权值参数的数量。假设视网膜输入的大小为30*30，局部感受野的范围是3*3，隐含层的每个单元只需要和这3*3范围内共9个下层单元连接，而不需要与900个单元连接，比原来减少了2个数量级，提高了训练的效率，对于更大的视网膜输入来说，效率提高的更明显。局部连接如图4-4所示。

图4-4 卷积神经网络层间局部连接 4.1.3卷积神经网络的权值共享 2.2.1.2权值共享

在卷积神经网络中，每个滤波器hi在整个图像上重复，这些重复的单元共享相同的权重和偏臵参数，原始图像经过滤波器操作后产生一幅新的特征图。以图4-5为例，图中紫色的三个节点属于m层的同一个特征图。在m层与m-I层的共9个权重连接中，颜色相同的连接权重相同，即共享权重。梯度下降方法仍然可以用来学习这些连接权值，只需要对原始算法做一些小的改动，将权值的梯度改为所有共享参数的梯度总和。

通过权值共享的结构特征，卷积神经网络可以检测视觉域中任何位臵的特征，即网络具备了平移不变性。另外，与局部全连接相同，权值共享再次减少了网络训练过程中需要学习的自由参数的个数，提高了训练的效率，并且在视觉问题中具有更好的泛化能力。

图4-6 卷积神经网络的权值共享 4.1.4卷积神经网络的基本结构

以Lecun等提出的应用于手写和打印体字符识别的LeNet-5为例，卷积神经

网络的典型结构如图4-7所示。

卷积神经网络通常包含多层小的神经元集合，每个神经元对应于输入图像中的小片区域，即感受野。这些小的神经元集合互相重合，并覆盖整个图像，从而得到原始图像的更好表达。卷积神经网络可以包含多个局部或全局的pooling层，将神经元簇的输出进行统计表达，实现神经网络对于较小平移的不变性，同时减少了计算的复杂度。另外，卷积网络还可以包含多种不同组合的卷积层、全连接层，并可以在卷积神经网络最后或者在每一层后面使用逐点的非线性化操作。

图4-7 卷积神经网络典型结构 4.1.4.1卷积层

卷积是分析数学中一种很重要的运算，对于图像来说，卷积运算实际上是一个滤波的过程。卷积运算可以表示为公式(4-1): f(x,y)(x,y)smtb(s,t)f(xs,yt)(4-1)

mb 公式(4-1)中，f（x,y)代表图像中x行y列的的灰度值，而ω(x,y)即为滤波器，或者称为卷积核。从公式(4-1)的表示可以看出，卷积核实际上是一个权重模版，通过将模版与所覆盖的像素进行加权，得到卷积核在该点的响应。根据卷积核中权重的不同，图像的卷积可以起到不同的作用。

在卷积神经网络中，为了得更丰富的数据表示，每一个隐含层都由多个特征图共同构成。因此，隐含层的权重可以表示为目标特征图、原特征图、目标像素的水平位臵与目标像素的竖直位臵等参数组成的4D的张量。偏臵b可以表示为一个只包含一个元素的一维向量，每个特征图只有一个偏臵。卷积层的构造如图4-8所示。

第二篇：电力设备故障(事故)抢修预案

电力设备故障（事故）抢修预案

一、事故抢修原则

电力设备的事故抢修要遵循“择重避轻”和“先保信号用电”的基本原则。

二、事故抢修的组织形式及要求

电调是供电事故抢修的统一指挥部门。生产调度与电调积极协调配合，制定事故抢修方案，对人员、材料、两车情况等及时反馈，形成互补。工作领导人是事故现场的指挥者。

要求：

1、工作领导人由现场的车间（领工区）、班组负责人担任。

2、现场确定工作领导人后立即汇报调度。

3、上级领导及有关生产人员应通过调度了解情况和下达指示。

4、当有两个及以上工区出动的抢修组同时作业时，应由事故抢修的统一指挥者指定一名人员任现场指挥。

三、抢修前的准备工作

抢修人员到达事故现场，工作领导人（或事故抢修总指挥）要组织人员全面了解事故范围和设备的损坏情况。按照“先保信号”的抢修原则，确定抢修方案，并尽快向电调和生调汇报。要充分利用电调下达准许作业命令前这段时间，做好抢修作业的有关准备工作，具体如下：

1、明确各抢修人员的分工、作业项目与次序、相互配合等。

2、预制、预配部分零部件。

3、检查有关抢修作业机具和材料技术状态并清点数量。

4、如果事故范围较大，则根据设备损坏情况及人员、机具情况，将事故范围划分几个作业区，并分派人员。

四、抢修作业中的防护及注意事项

1、电力设备事故抢修作业必须在办理停电作业命令和验电接地程序后，方准进行作业。

2、抢修作业的现场指挥人员，在作业前向作业人员宣布停电范围，划清设备带电界限对可能来电的关键部位和抢修地段，设臵足够的接地线。

3、要特别注意行车防护，设臵行车防护人员。

4、作业过程中，必须做好各种人身安全措施。

5、修复过程中，对关键部位要严格把关，确认符合行车条件后方准申请送电。

6、事故抢修过程中，现象指挥人员指定专人对事故现场及抢修情况进行记录，收集现场损坏的各种零部件。

五、人员、机具、材料配备

1、人员：根据现场情况分配人员。

2、机具：发电机、事故照明灯具、手扳葫芦、紧线器、地线、钢锯、组合工具、压线钳、滑轮大绳、防护用品、各种个人工具。

3、材料：导线、拉线、横担、抱箍、各类金具、各类线夹、铝包带、4.0铁线、针瓶、悬瓶。

六、电力故障（事故）现象原因分析及处理办法

1、自动闭塞区段电力线路故障处理: 区间信号和车站信号都没显示时，电力抢修人员应在分界点测试有无电压，如果电压正常，抢修人员应该及时在车站电压记录本上记录，并需车站人员确认签字。同时及时向生调、电调汇报情况。如果分界点没有电压显示，应该采用信号查找办法：如果有一路电压正常应及时恢复二路供电，如果二路均无电时，检查变压器、接触器、开关等设备迅速恢复供电。必要时采用发电机临时供电。因检修或事故处理，当改接引线时，应确认引入信号设备二电源相位一致.2、配电所分段试送查找故障区段办法: 适用情况:配电所馈线保护开关跳闸,双方自投,本所重合均不成功。

办法：两所中间拉开线路开关，两端试送，一端首先送电成功，另一端再选优拉开线路隔离开关试送，最后确定故障区段。在故障区段找出故障点，进行处理。

3、电力线路的故障处理：

高压架空线线路发生故障后，变、配电所的开关要跳闸并给出指示信号。低压架空线路发生故障时，一般熔断器熔丝会熔断。处理时做好以下几项工作：

（一）、工区值班员得到线路故障通知后，立即准备车辆、人员、机具、材料

（二）、迅速组织人力进行巡视检查（有故障探测装臵的应马上进行探测），尽快找出故障点，并根据线路情况、气候条件及故障反映情况指出重要巡视范围和内容。

（三）、找出故障点后，要及时处理，若因条件有限不能处理时，巡视人员除立即报告外，应看守事故现场，等待抢修人员到来，配合抢修。如系断线故障看守人员要严防行人或牲畜进入离断线接地点8m以内。

（四）、抢修过程中要注意保管现场故障有关实物，如损坏的绝缘子、导线断头、各种损坏的构件以及附近发现的可疑异物（如：鸟、铁丝、倒下的树木等），以利事故分析。

（五）、故障处理完恢复送电后，要组织有关人员对事故进行分析讨论，弄清情况，找出原因、教训，制订出防范措施并做好详细记录，填写事故报告，呈报上级。

4、架空线路在遭遇洪水灾害时的处理办法：

首先作好现场的安全防范措施，比如断电源、防护。其次应该及时做好防止洪水继续冲刷的防范措施，可以采用增加拉线或者支撑，其次采取打围桩，如果河岸不稳定，可以采用增设护堤或者人字迎水坝等措施。

5、架空电力线路覆冰后的处理办法：

运行中的线路发生覆冰时，可采取电流熔解法及机械打落冰消除导线上的覆冰。电流熔解法是在覆冰初期，通过改变电网运行方式来增大线路负荷电流，使导线发热，将覆冰熔化落地。或者将线路与系统解开，将其一端三相短路，另一端用特设的变压器或发电机供给短路电流，使覆冰熔化。这种方法会使线路电能损耗增大，电压降低，不可长期使用。

机械除冰可以在线路停电或带电情况下进行。当线路停电时，可以从地面上向导线上抛短木棒将覆冰打掉，或用木棒、竹竿敲打。在线路带电时，应用与线路电压等级相符的绝缘棒敲打。此外，也可以用木制套圈套在导线上，用绳子顺着导线拉，以消除覆冰。或者用滑车式除冰器除冰。采用机械除冰时，应注意不要损伤导线和绝缘子。

6、高压隔离开关事故处理的方法：

（一）、隔离开关及其引线接头处发热变色时，应立即减少该路负荷，并迅速停电进行处理。

（二）、隔离开关拉不开闸时，切勿强行猛力操作，可将手柄进行试验性摇动，同时注意瓷绝缘子和操作机构，仔细找出故障点所在。

（三）、当发生带负荷拉隔离开关的误操作时（无联锁装臵），而刀片刚离开闸口有弧光出现时，应立即将其合上；如已拉开，不准再合。

（四）、当发生带负荷错合隔离开关的误操作时，无论是否造成事故，均不准将错合的隔离开关再错拉开。

7、高压熔断器熔断丝熔断时的处理方法

高压熔断器熔断丝熔断时，应先检查被保护设备有无故障，如因过负荷熔断（可根据熔丝熔断情况判断，熔丝断开点距离较小且无熔丝金属液飞溅迹象及烧黑，即为过负荷熔断；如断开点距离很大且熔丝金属液飞溅并黑糊一片即为短路熔断），可更换熔丝后试送；如果短路熔断，则应先查明原因并修复后，方可更换熔丝试送。更换的熔丝必须与原型号规格相同，不得任意更换规格或用非熔丝替代。

8、发生人身触电解决办法

发生人身触电事故时，为了抢救生命，紧急停止所触电源设备运行，使触电人尽早脱离电力的伤害是压倒一切的中心。现场电气工作人员，应沉着迅速地做出决断，果断地断开与触电处电源有联系的所有各侧电源的断路器，根据现场表计指示及其它信号，证明触电者的处所确已断电，然后，做好自我保护措施，尽可能地利用现场绝缘安全用具，如穿绝缘靴、戴绝缘手套，设法让触电者身体与导体脱开，将其救至安全地点，迅速施行触电急救。

触电者被救离电源后，如果现场再无人员，那么，现场人员应争分夺秒用心肺复苏法坚持不停地抢救，方法力求正确、有效，待触电者呼吸恢复，抢救告一段落，应立即向值班调度员或有关部门领导报告，讲明事故简况及设备状态，以便于及早恢复停电设备运行并迅速援救现场。

9、电气设备着火时的应急处理办法

高压电气设备中的绝缘油和固体有机绝缘在高温下都是易燃品；它们一旦被过电压击穿发生弧光短路时，如果设备的二次保护拒动，发生大火将是必然的。电力系统讲安全生产，无事防有事，有事不怕事。事故发生后应如何正确迅速地加以处理，是减轻危害、减小损失的关键。因此，电气设备着火，必须按照事故处理的基本原则，结合实际按步骤进行。

（一）、尽快限制事故发展，减除对人身和设备的继续损害，应立即拉开着火设备的各侧电源断路器；保护拒绝动作跳不开的的断路器，应设法手动托开使断路器分闸；机构故障无法操作的，可以断开该设备第一级近后备电源断路器。然后根据灯光位臵、仪表指示，和现场查看，确证设备无压。采取必要的安全措施，完善自我防护之后，才能进行扑救。

（二）、针对着火设备。正确选用灭火器。如是有机介质材料着火，应使用干粉灭火器和二氧化碳灭火器，隔断空气中氧气补充，使火熄灭；若是注油设备油类着火，则应使用能隔绝空气的泡末灭火器和干燥沙子灭火。

（三）、室内电气设备着火，有机物质燃烧的烟雾中肯定存在某些对人身健康有害的毒性气体，电气控制室应备有经过试验性能完好的经常处于良好备用状态的防毒面具，供灭火人员配戴使用，以防呼吸道被毒气侵害。

（四）、火被扑灭后，应迅速向管辖调度汇报情况，执行调度指令或有关领导的指示，对非着火部分的停电设备进行详细检查，确证状态良好，然后，根据命令将无故障电源设备加入运行，对故障设备进一步操作将其完全退出运行。

第三篇：基于形状特征的图像检索算法仿真实现研究

本科毕业设计（论文）

工 作 手 册

（理工类专业适用）

学 院

专业班级

姓 名

学 号

指导教师

二○一 年 月 日

基于形状特征的图像检索算法仿真实现研究

摘要:近年来,随着数字多媒体和移动计算机以及互联网信息技术的快速进步发展,数字图像的应用数量正以惊人的增长速度不断增长。面对日益丰富的数字图像媒体信息这个海洋,人们仍然需要有效地从中不断获取所有人期望能够得到的更多媒体信息。因此,在一个大规模的数字图像检索数据库中如何进行快速、准确的图像检索已经成为当前人们图像研究的一个热点。

为了能够实现快速而准确地进行信息检索数字图像,利数字图像的主要视觉信息特征,如图像颜色、纹理、形状等元素，基于形状的数字图像信息检索处理技术应运而生。本文主要深入研究基于图像形状基本特征的边缘图像侦测检索,边缘图像检测检索是基于图像形状基本特征的一种有效检索图像方法,边缘检测是检索图像最基本的形状特性。在图像景物边缘特征检测中,微分这个算子算法可以准确提取和输出景物图像的一些细节分析信息,景物图像边缘特征是图像细节分析信息中最主要具有不可描述性的景物边缘特征的部分,也是进行图像边缘分析过程中的一个不可或缺的部分。本文详细地阐述分析了一种局部边缘厚度检测算子方法,即canny方法算子,用c++编程语言实现各方法算子的局部边缘检测,并根据算子边缘厚度检测的准确有效性和边缘定位的准确可靠性,得出这种canny方法算子已经具备了所有最优化的边缘厚度检测所应必需的各种特性。并通过基于图像轮廓的图形描述表示方法,傅里叶轮廓描述符对一个图像的轮廓形状及其特征特点进行轮廓描述并将其存入图像数据库中。对行业也相应的具有检索查询功能。

关键词:形状特征检索;边缘图像检测;傅里叶描述符

一、前言

随着现代信息化工业社会的到来,几乎任何一个学科研究领域的技术发展都和现代计算机技术密切联系有关,人们所需要处理的图象信息已不仅仅只是一些数字、符号等的信息,而是越来越多地与人接触并得到大量的数字图象内容信息.其中例如:航空卫星信息遥感监测图象、医学遥感图象、地理水文信息监测图象等.而且在实际技术应用中随着时间的不断推移,图象信息数量也在不断扩大,利用各种人力来对这些图象信息进行内容浏览和信息检索，不仅仅需要大量的精力和时间,浪费大量的的人力,而且几乎已是不可能完成的一件事。这样需要利用计算机对这些数字图象内容进行有效内容组织和信息检索便已经成为现代人们科学研究的重要课题.因而传统的数字图象内容表达和信息检索处理方法往往是需要使用图象文件名、标题、关键词数字等.目前,这种检索方法已不能完全满足现代人们的技术要求.因此,人们越来越迫切地认识需要对这些图象的各种可视性和特征图象进行信息提取,并且根据这些可视特征对各种图象内容进行信息检索.基于图象内容的数字图象信息检索处理技术,也正是在这样的一种情况下发展产生的.基于图象内容的数据图象信息检索数据技术就是通过数据分析一个图象的主要内容(例例如:颜色、纹理、形状等),从大量活动视频图象库中查找含有特定物体的图象,它充分克服了现代传统检索方法的不足,融合了数字图象处理、图象识别和网络图象检索数据库等多个领域的最新技术成果,从而完全可以为你提供更有效的图象检索技术手段.它们既充分体现了特征图象的基本信息处理特点,又充分结合了现代传统图象数据库检索技术.其基本检索过程一般是:首先对一个图象特征进行图像预处理,然后根据特征图象的基本内容从特征图象中直接选取所有有需要的特征图象形状特征,存于图象数据库中;然后当对一个图象特征进行勾画检索时,对于一个图象已知的特征图象首先抽取其具有相应的图象特征,然后在整个图象数据库中进行检索与其相似的特征图象,也或者可以根据相对于某一个的查询对象要求直接给出一些图象特征点和值,然后根据所需要给定的图象特征点和值在整个图象数据库中进行检索所要的特征图象.结果例如:对于基本相同形状带有特征的图象检索,你或许可以直接给出一些有关被勾画检索某个对象的基本形状特征描述,可以认为是一些带有特征点的值,也或者可以认为是勾画出的检索对象的形状略图;对于基本相同颜色的图象检过,可以直接给出不同颜色的物体比例或者关系,等等.最后,给出图象检索后的结果.目前,从事这一技术课题相关研究的年轻人越来越多,国外许多著名科研机构和专家学者都在积极进行许多有关这一技术课题的相关研究,例如:公司的数据检索系统.国内的许多专家学者和相关科研机构也在积极进行此技术问题的相关研究.本文首先对基于对象内容实体图象的的检索数据进行了简要的理论概括,然后对基于实体对象动态形状的实体图象内容检索数据理论基础进行了深入的理论研究,包括:基于对象形状的实体图象内容检索计算方法,对象实体形状的综合描述,图象形状配匹检索算法,最后本文给出了一个基于对象形状的实体图象内容检索数据原型管理系统,并在一台微机上加以实现,该原型系统主要功能包括内容图象检索数据库的管理建立,数据库的日常维护,图象的信息查询等几个功能.二、研究介绍

2.1、课题背景及研究意义

随着现代多媒体网络技术、计算机网络技术、通信网络技术及互联网络的迅速进步发展,人们正在快速地发展进入一个现代信息化的新社会。现代信息技术已不可能能够运用各种技术手段大量的进行采集和分析产生各种类型的海量多媒体信息数据,人们对各种多媒体信息的采集需求也越来越大量和频繁。虽然人类信息的数量快速增长直接促进了人类社会的快速发展,但是由于信息快速膨胀也给现代人类社会带来了过多的的信息量以至于远远超过了这类人的整体接受信息能力。因此,除了怎样获取、处理和传输存储各种多媒体信息十分重要,怎样在各类海量的各种多媒体信息中快速有效地准确访问这些人们经常感兴趣的各种多媒体信息也对其显示体现出了同样的巨大重要性。

图像抽象信息采集是传统多媒体信息中最常见的一种,也因其具有传统多媒体信息采集数据量大、抽象应用程度低的基本特点。如何从各种海量的有用图像处理信息中有效地收集获取有用图像信息,即使是图像处理信息数据资源的使用管理和信息检索也就显得日益重要。随着当前人们对文字图像文本信息的巨大检索需求的不断增长,产生了基于图像文本的文字图像信息检索引擎技术,比如著名的中文搜索结果引擎google和百度中对文字图像的文本检索。这种基于人类文本的人工检索标注技术所广泛利用的人工文本标注检索方法虽然存在一些局限性,经常进行检索时会出来大量的一些用户不感兴趣的文本图像,但在没有找到更好文本解决办法的实际情况下,用户通常只能选择继续检索使用。因此如何对一个图像的特征内容自动、客观、全面地对其进行特征提取。真实有效的准确表示数字图像信息内容,帮助用户快速有效地检索访问自己感兴趣的信息图像内容，有着极大的科学研究领域需求和迫切的应用需要,而基于图像形状特征的数字图像信息检索分析技术恰好真正能有效的帮助解决这个现实问题。另外在实际的应用中,图像信息数据库及其信息检索的技术研究对医学多媒体图像数字图书馆、医学临床图像应用管理、卫星图像遥感网络图像和应用计算机图像辅助设计和开发制造、地理位置信息采集系统、犯罪识别系统、商标标识版权的使用管理,生物的形态辨识以及分类等诸多方面可以提供有力的技术支持。

2.2、国内外发展状况

近年来,CBIR已经逐渐发展早熟成为一个非常活跃的医药临床医学研究应用领域,各类我国顶尖临床科研机构与临床研究公司已陆续成功开发推出了一些基于CBIR临床应用管理系统的临床研究应用产品,有的已经成功广泛应用扩大到医药临床医学、商标、专利技术以及检索等诸多研究领域。

IBM的系统QBIC是它是第一个具有商业性的基于CBIR的子系统。它们还提供了基于图像颜色、纹理、形状和其他手绘图像草图的多种图像类型索引使用方法。columbia大学的图库Visual SEEK图库提供了基于自然色彩和立体纹理的多种索引分析方法。PhotoBook 是美国麻省理工学院和多媒体科学实验室自主开发的一套用于检索、浏览人脸图像的交互式检索工具,它其中包含三个图像子系统分别用于提取人脸形状、纹理和各种人脸面部特征,用户甚至可以分别定制做基于上述一种人脸特征的图像检索。MARS(multimedia analysis and retrieval system)这个系统由美国UIUC 大学负责开发,其不同之处主要在于用户学到了很多专业领域的基础知识:例如计算机图像视觉、数据库资源管理和云系统和网络信息资源检索。新加坡国立大学公司开发的一个基于复杂内容的模糊图像信息检索系统,其显著性的技术创新特色主要包括:多种特征提取的新方法、多种基于复杂内容图像检索的新方法、使用自定义组织式的神经网络对复杂内容特征进行度量、建立基于各种内容图像索引的新应用方法以及对各种多媒体信息格式进行模糊图像检索的新应用技术。

清华大学的数字ImgRetr检索结合了多种组织检索方法,就这样能为您提供基于形状主色、纹理、直方结构图、颜色元素分布、框架等多种组织方式的形状检索。

2.3课题研究的主要内容

本文主要依托基于物体形状的网络图像信息检索分析技术,重点深入研究基于物体形状动态特征的网络图像信息检索。形状纹理特征不同于物体颜色、纹理等的特征,形状纹理特征的正确表达必须以对物体图像中每个物体或图像区域的正确划分来作为理论基础。在二维矩形图像中的空间中,形状通常被我们认为为它是由于一条完全封闭的并由轮廓映射曲线所形成包围的特征区域。通常这种情况下.二维形状中的特征区域有两类可以表示它的方法,一类可以是一个区域形状特征,利用的可以是整个二维形状特征区域;另一种分类可以是一条轮廓曲线特征,利用的则可以是二维图像的整个外边和内界。本文主要重点研究的领域就是外界与边界的边缘索引测量方法边缘测量检测,边缘测量检测的常用方法主要有很多,如:roberts矩形交叉曲线微分代数算子、sobelt微分代数算子、priwitt交叉微分代数算子和Laplacian微分代数算子以及canny微分算子。而其中属Canny算子最好。

本文主要深入研究的字符是傅里叶描述符。其主要理论思想观点是用关于物体内部边界的傅立叶变换公式作为其物体形状学的描述。

2.4、相关内容介绍

2.4.1形状分析

2.4.1.1、形状特征

常用的长轴形状运动特征参数有长轴周长、形状特征参数、偏心率、长轴运动方向与弯曲运动能量等矩阵的描述、综合光密度以及三维轮廓的应力矩也同样可以用于表示和用来描述三维图像。

2.4.1.2特征选择

通常一般来说,形状的形态表示特征图型表示法具有两种常用图形表示法的表现方法,一种表示方式主要是用来表示具有轮廓性的形状形态特征,另一种表示方法主要是用来表示具有区域性的形状形态特征的。前者一般来说只用于看到整个部件物体的内部外观和形状边界,而后者则直接把它关系着其应用到整个部件物体外观形状上的各个区域。

2.4.2、一种基于形状的图像检索算法

2.4.2.1、算法分析

基于这种形状的图像检索更多地只是用于了解当前的用户能够粗略地扫描画出一个图形轮廓之后进行图形检索的实际情况。这种图形轮廓绘图可以认为是通过用户凭借自己脑子在空中的第一印象徒手自动画图绘出来的,也甚至可以认为是通过操作系统软件提供的基本图形绘图处理工具“拼凑”的。这两种检索情况都不具有一个基本特点,即它所提供的检索形状只是对所欲检索图象形状的粗略抽象描述,它从它的大小、方向或者其整体形状结构上都很有可能与真正根据要求调查的检索图形形状有较大小的出入。因此,基于面的形状进行检索的主要难点仍然在于需要寻找一种能够准确检索与面的大小、方向及整个扭曲面的伸缩程度无关的检索方法。

不变矩和产品轮廓的应力不变矩的方法产品具有良好的轴向平移、旋转、尺度上的缩小和放不变性及高度抗干扰性。用一个图像的形状不变矩和图像轮廓的应力矩阵来作为矩对图像的两种形状相似特征进行索引,使用适当的形状相似性之间距离进行定义,计算并得出两幅画中图像的形状相似性之间距离,当这个距离的值足够小时,就可以认为两幅画的图像形状是相似的。傅里叶这种算法不仅对图像噪音控制具有很好的鲁棒性,而且对几何变换速度具有不变性,更加十分适合工图像形状分析检索的实际需要。因此，提出了应力不变矩和矩形轮廓的应力不变矩的算法和傅里叶公式描述中的符号相结合的计算方法。

三、图像检索技术的发展过程

目前图像检索的技术最早开始于上个世纪70年代,当时主要研究的是基于文本的检索,即使采用关键词和描述性的文本来对其进行检索,要求使用者对文本中各种特征的描述都必须具备一定的精度准确性和规范性。但是随着各种大规模的数字化图像仓库的诞生,基于文本检索的技术暴露了自身的优势。在我国逐步发展到90年代,基于图像内容的信息化图像检索技术应运而生,其设计思路主要是充分利用信息化图像自身的各种视觉特点,例如:将图像中的颜色、纹理结构、形状、空间之间的关系等信息作为内容来进行匹配、查找。它通过充分地利用了己经拥有的算法,使得所有的特征提取和匹配都完全能够由机器自动地完成,检索的过程也没必要太多的人为干涉和解释,这就克服了传统的手工标签注释方式的低效率和二义性。

四、基于形状特征的图像检索

因为许多的图像检索系统把注意力集中到了基于色彩或者是纹理学的方式上。但对于某些图像形状来说,纹理和颜色的信息不够丰富,如一些商标图像等,这时基于纹理的检索方法便无法完全满足所有的检索要求,而必须从整个图像形状入手。形状特征信息是图像的中心特征之一,图像中的形态和信息不会随着图像中物体颜色的改变而发生任何变化,它是一种稳定的特征。用各种形状的特征来区别物体很加直观,它们是现代社会中人们识别不同形态图像的主要技术特征之一。因此,通过利用各种形状特征来检索图像,可以大大提高检索的精度和效果。基于目标的形状特征的图像检索主要目的是通过检测得到目标轮廓线或分割得到目标轮廓,并针对其所在位置进行形状特征的提取或直接针对图像搜集寻找合适的向量特征。形态描述要求我们在尽量区别各个目标之间的基础上,对于目标平移、转动及尺度的变化并不敏感。目前,虽然我们已经研究提出了许多关于形状的分析技术,但是想要将它们有效运用到图像检索中仍存在的问题还有一些困难和疑惑亟待解决,如算法的工作效率和复杂程度,形状特征的提取与描述等。

五、基于形状特征的图像检索具体实行

5.1对象形状的描述

图象经过边缘的提取、分割后可以获得诸个被分割的区域.对诸个被分割的区域所提取的形状特征,是基于内容的图象检索系统的重要组成部分,所提取的形状特征对于图象的旋转、图像的平移和对图象缩放都是不敏感的.本文主要研究涉及以下几种形状的特征:

(1)基于傅立叶系数的形态和特点.圆角度,细长程,散射性.(2)基于几何形状的特征.区域的面积,区域的周长,体态比.(3)矩描述.共有七个矩常量.(4)以相似多边形为基础的结构和特点.(5)形状直方图.5.2、系统设计与实现

系统主要可以分为三个组成部分:(1)图象数据库建立模块.该建立模块首先对用户输入的各种图象信息进行了预处理,其中包括各种图象信号和噪声的清除,图象尖锐化,边缘检测(对象物的分离),边缘细化,链码追溯,对于边界信息进行了多边形逼近,然后将其提取到对象的各种形状信息,最后把用户需要提取的信息特征值直接存入到图象数据库中;(2)图像数据库维护系统模块.本次维护系统主要负责对图像数据库信息进行维护,主要内容包括图像浏览记录的修改及历史纪念信息的删除;在对图像记录进行修改时,对那些由于计算机自动提取得到的特征值我们都是不可以进行修改的,而且我们只能通过修改这些由人为确定定义的字段,如:一个有关于图象的文字说明部分.(3)图像检索查询模块.该功能首先根据需要对被检索的图像进行提取的形状和特征,然后再根据需要选择按哪些特征值对象来进行检索,设置好图像的检索所达到要求的类型和相似程度,最后与将图像信息与数据库中的其他图像进行匹配,输出查询结果.图象的匹配查询是整个图像信息数据库的主要功能和组成部分,匹配算法的好坏及其优劣直接影响到匹配查询的速度和信息库查询的质量,其根本思路就是通过判断一个经典的已知图象与一个图像数据库中的一个图象之间的距离,如其距离有点足够小,就说明我们可以确定两个已知图象之间是相似的,其结果一般应该是多个已知图象,这些所有的图象都与经典查询的图像在一个给我们认为有点相似.我们其实可以通过运用各种相似性程量测度查询函数过程方法工具来进行分析和控制计算一个查询特征图象与一个特征图像数据库中每一个特征图象的相似度和程度,相似性程度测量中的查询函数过程主要来说是研究建立在对数据特征分析和模式识别相关技术研究基础上的,涉及所遇到的主要技术问题之一就是对于一个数据输入模式如何进行特征描述和模式判别,查询的基本过程就是根据一个新的给定数据模式对一个数据输入中的模式特征进行数据匹配.这个相似度一般来说是通过0~1之间的某个个不同参数特征来进行表现计算出来的,总的相似度也由各种不同特征所测量的相似度通过函数加权运算求和得.传统数据库的准确匹配和查询技术是很简单地了解的,但对于图象型的数据库来说,查询的质量和查询的快慢还是相互矛盾的,要求查询率和准确性好,就需要尽可能多地增加一些描述图象的特征矢量的维数,随之而来就需要尽可能多地增加计算量,所以,要在不降低特征矢量的维数条件下,才能够大幅度地提高查询率,就必须通过调整和完善查询的策略.主要采用以下两种操作方法:

（1）.聚类的基本原理:分类即把一个标准图象按类划分开来成以下几类,每一类都被用户定义成作为一个分类标准图,则在用户查询一个标准图象时,首先根据要求计算出与各种分类标准图之间的物理距离,确定它们之间是否隶属于何一类,然后再与该一类的标准图象之间进行具有相似性的分类匹配.（2）过滤的原理:即通过降低维数,在进行图象匹配之前,首先将一些形状和特征相差甚远的图像从一个被称为图象匹配团队中全部清除掉,然后再将查询到的图象和匹配团队中剩下的其他图象进行对比.5.3、算法步骤

(1)通过计算被检索图像的形状和特征,并从数据库中提取图像形状和特征进行索引;

(2)对特征向量进行归一化;

(3)使用欧式距离法来计算归一化后的图像数据库中各个图像与显示者的图像之间的相似性和距离;

(4)按序输出检索结果。

5.4.边缘检测

其中边缘化的特点通常是直接影响物体图像最为主要的一个基本特点。边缘则主要是在泛指周围各个像素的颜色灰度并没具有较大阶跃性质的变化或者在屋顶上的颜色没有发生较大改变的那一个周围像素。Poggio在文中这样解释说:“或许对应着图像中物体的边界或许并没有对应着图像中物体的边界,但是边缘具有十分令人满意的性质它能大大地减少所要处理的信息但是又保留了图像中物体的形状信息”。

边缘图像检查理论是一种实现图像识别的重要理论知识基础和技术前提,直接意义地说它决定了图像识别检查结果的客观准确性。由于人体边缘图像检测尚不成熟,直接地严重影响了对图像识别的实际研究应用,一直以来都认为是图像识别相关技术应用领域的重要研究发展热点。经过多年的研究探索和应用实践,边缘式质量检测系统技术已经逐渐发展渗透至各个应用领域。在应用生物医学上,边缘提取检测主要作为适用于人体肾脏血小球的边缘提取,在应用生物医学工业和工程科学以及其他工程材料领域的边缘检测,如聚酯纤维或者其他塑料制品。而且在加工喷涂、焊接和机械装配时也被充分地吸收利用。在中国传统的民族文化工艺美术上,用于对传统纺织品和手工艺品的定制设计,服饰的定制设计和手工制作,发型的定制设计,文物收藏材料以及照片的编辑复制和收集整理,运动员的身体动作状态分析和体能评级等等。总之,边缘厚度检测已被广泛应用于各个领域。这仍然是我们必须不容忽视的一个研究发展热点。

5.5、Canny边缘检测

5.5.1 Canny指标

基于微分算子的边缘提取方法存在的一个比较麻烦的问题是如何让我们选择适当的阈值,可以通过这种方法使边缘从每一个细节中被提取出来。阈值的选择方式不同,所需要提取得到的边界信息也不相同。在两个不同的阈值下,采用相同的微分算子均可以从图像边缘提取得出一个点,但两者之间有比较大的差异。这样,在边缘提取中也就存在了对提取良好与否的评估。

针对这一重要问题,根据边缘检测的工作有效性和其定位的安全可靠性, Canny 通过研究最优的边缘检测仪器所必须要求的特点,给出了衡量边缘检测系统性能好坏的三个主要指标:

(1)良好的边缘信噪声对比,即将不是边缘点错误判定为其他边缘点的错误概率相对较高,将其他边缘点错误判定为其他边缘点的错误概率相对较低;

(2)良好的定位特性,即检测出来的边缘点应该要尽量安装在实际边缘的点为中心;

(3)对于单个边缘只能产生唯一的响应,即单个边缘能够同时产生许多个响应,其概率相对较低,并且在虚假的响应中对边界的反馈效果相应得到最佳抑制.用这样一个词来说,就是我们希望能够有效地提高人们对于景物边缘的灵敏度和噪音的同时,这种能够有效地抑制其他人们产生噪音的方式才是良好的边缘提取技术。值得我们十分庆幸的一点其实是,且个二阶线性映射算子仍然能够在有效抵抗图形噪声和对图形边缘的线性检测之间获得最佳结果折中,这个二阶线性映射算子本身其实就是高斯函数的一个二阶取值引用导出函数。高斯函数和用于原图的卷积已经初步达到了一种可以抵抗局部噪声的主要效果,而用于求导的函数,则被普遍认为已经是我们检测一个景物局部边缘的一种重要手段。

设二维高斯函数为

其中,σ为高斯函数的平滑度和分布式的参数,可以被广泛地基于用来衡量控制网络对象或者网络图像平滑的重要程度。

其中，σ是高斯函数的分布参数，可用以控制对图像的平滑程度。

最优阶跃边缘检测算子是以卷积▽G*为基础的，边缘强度为

而边缘方向为

由高斯函数的定义我们得以可知,该高斯函数都可以是无限地从头拖尾的,在实践中,一般的各种情况下都方法是将原来的有限模板尺寸截断为n,至于就达到了有限的模板尺寸。这个新的实验结果证明,当时,能够直接取得较好的边缘化学检查实验结果。

5.5.2 Canny算子的实现

下面是Canny算子的具体实现。

利用高斯函数的双向可分性,将映射▽g的两个一维滤波卷积上的模板可以分解成两个一维的滤波行列式式滤波器:

1

2

3

4

5

6

K为常数将式12分别与图像

则反应出一个在图像上点处的边缘强度,是一个在图像点处的法向力矢量(下一个交于其边缘线方向)。

根据关于canny的卷积定义,中心边缘点梯度作为一个卷积算子和它的图像(x,y)的卷积梯度是在中心边缘点和梯度相同直线方向的同一区域内两个算子梯度中的最高值。这样,就可以能够通过在各个梯度点的最大梯度值和方位上进行判断并得出每个该梯度点的最大强度方位是否为其应用领域最大强度值,从而快速确定各个梯度点的边缘点。例如,当一个矩形像素图象满足以下三个基本条件时,则被我们视作该点是一个像素图像的边界点。

(1)当像素该中一点的平均边缘运动强度方向超过了沿着像素该中一点的边缘梯度方向运动的同方向两个像素相邻点的像素中一点的平均边缘运动强度时;

(2)与该点梯度方向上相邻两点的方向差小于45度;

(3)观测领域核心中的最大边缘变化强度最大边缘阈度数值以所在该观测点位置为领域中心。

此外,如果(1)和(2)同时被边缘的顶点像素满足,那么候选选择梯度最小值相同方向上的两个非相邻顶点像素就从候选选择边缘的顶点中被直接取消,条件(3)阈值相当于由候选边缘区域选择梯度最大的阈值所在点组成的一个阈值,即图像与候选边缘的顶点之间的平均距离可以进行阈值匹配,这一消除过程就等于消除了许多虚假的边缘点。

图像边缘检测的基本步骤:

(1)对于滤波,边缘的检测主要是基于引导值进行计算,但是容易受到噪声影响。然而,该滤波器在减少噪声时还会造成边缘强度的损耗。

(2)进行了增强,加强算法把邻域的点的度有明显改变的地方突出表现。一般是靠计算梯度的幅值来实现。

(3)进行检测,但是在有些影像中梯度幅值较大的点并非边缘端。最简单的对边缘性检测就是梯度幅值阈值的判断。

(4)定位,精确确定边缘的位置。

综上所述,Canny算子的具体算法步骤如下:

(1)使用高斯滤波器对图像中的信号进行滤波,去除图像中的干扰和噪声;

(2)分析利用高斯算子的一阶方向偏移滤波函数采用微分的方法对物体图像中各点方向进行滤波,得到每一点的方向梯度和角强度和物体运动时的方向;

(3)针对梯度方向运动进行“非极大抑制”时对其梯度的反向运动及其方向如图可以正确定义为其如下如图所示

标识分别为1,2,3,4的四个区域将其属于四个局部分区之一,各个局部分区用不同的线将相邻四个像素分别排列来对其局部进行高度比较,以此来决定其每个局部的极大像素值。例如,如果我们在相邻中心像素图像获得x的梯度方向上认为属于第4区,则把获得x的极大梯度方向值与其左上和右下两个方向相邻中心像素的极大梯度的数值大小进行向量比较,看获得x的极大梯度的数值大小是否可视为极大梯度值。如果不是,就把每个矩形像素y到x的颜色灰度系数设置为0。这一抑制过程被人们称之为“非极大抑制”。

(4)对一个梯度进行两次阈值,即取一个阈值,两者之间的关系公式为。我们将梯度值小于的每个像素灰度设置为0。然后将梯度值小于的每个像素灰度平均值设定为0。去除了大部分的噪声,但同时也导致损失了有用的边缘和界面结构信息。

5.6基于轮廓的描述方法

基于局部轮廓图对形状进行描述的设计方法又大致可以细分为局部连续型(注意即局部全局式)和局部离散型(即局部结构式)两种。连续型全局轮廓图图描述的方法并没有对称为全局图的轮廓图进行任何分段式的处理,往往目的是从整个称为全局图的轮廓图中抽取并给出一个特征向量。这种属于离散式的分析方法通常首先把它的轮廓特点分解成许多不同片段,然后用传统计算机轮廓提取法找出其片段相应的轮廓特点。简单的物体形状类型描述表示符主要类型包括链码、傅立叶描述符、曲率尺度空间形状描述表示符和小波描述表示符四种基于物体轮廓的形状描述表示方式。

5.7傅立叶形状描述符

傅立叶形状轮廓描述符即它是一种被广泛应用的二维模型形状轮廓描述符,其最基本的设计思想就是用一个直接位于模型物体内部轮廓上没有边界的傅立叶变换函数来对其内部形状轮廓进行精确描述,假设一个二维模型物体的内部轮廓形状是由一系列每个坐标值函数为的物体像素所组合构造的并组成,其中,n函数为在物体轮廓上每个坐标像素的实际参考映射次数。从这些边界点的整体坐标中我们常常可以由此推导出来得出四类不同形状的坐标表达,分别为正弦曲率坐标函数、质心坐标距离、复弦长坐标矢量函数及其余弦长坐标函数。轮廓弧曲线上一个特征点的移动曲率被精确定义是因为该点在轮廓线上切向的移动角度与曲率相当于轮廓弧长之间的角度变动率。曲率密度函数我们通常可以简单地将其表示形式如下:

其中是轮廓线的切向角度,定义为:

质心点的距离函数可以直接定义成其为从一个物体的边界点到另一个给定物体的边界中心之间距离,如下所示:

复坐标函数是用复数表示的像素坐标:

这种复杂的坐标向量函数的傅立叶变换形式可以用来产生一系列关于复数的坐标系数。这些频率系数从微观频率上直接反映表示了各个类型物体的宏观形状,其中较低和高频度的物体分量值就代表了各个类型物体微观形状的具体性和宏观细节属性,高频度的物体分量值则代表了各个类型物体宏观形状的具体微观细节属性特点。形状图的描述符参数可以通过这些图形转换器的参数计算得出。为了使其能够更好保持与参数旋转的速度无关性,我们简单地仅仅保留了每个参数的旋转尺寸位置信息,而且同时省略了参数相位位置信息。缩放参数无关性通常由于在保证把缩放参数值的大小同时减少添加到c和dc中的分量(或第一个不为零的缩放参数)之后缩放才能得到确认。请特别注意图形转换中的无关性就是基于物体轮廓上的形状属性来转换表示固有的转换属性。对于具有曲率向量函数和质心之间距离的曲率函数,我们只不过需要分别考虑正交角频率的两个坐标时间轴,因为这时两个函数的傅立叶变换都必须是对称的,即有。基于点的曲率三角函数的一种形状线性描述符号也可以使其表示形式为:

其中整数代表傅立叶变换每个参数的第一至i个整数分量。类似的,由质心粒子间距所做的推测计算得到的粒子形态可以描述

符为:

对于一个复杂的坐标密度函数,正值的频率密度分量和负值的频率密度分量被同时广泛使用。由于函数dc的地理参数定义是否与某些形态条件所在处或地点的地理位置密切相关而因此得以常被忽略。因此,第一个不是零的微波频率参数分量被广泛应用于后来用于标准化其它的微波变换频率参数。复函数坐标系是函数所有的推导形式得到的坐标形态为其描述符式为其定义方程为:

为了能够保证在整个特征数据库中所有位于物体的各种特征形状和其他特征均可以具有相同的特征直径和特征长度,在第一开始进行实施傅立叶变换前后你需要把所有位于物体边界点的个别特征数目可以统一添加到m。因此算法可以被直接替换为傅立叶变换法的方式使用来大大幅度改善这个算法的执行效率。

5.8图像的相似性度量

在基于特征信息的图像内容检索图像信息检索中,特征的信息相似性和特征度量也被广泛认为已经是一个亟待解决的重大检索技术研究课题之一。只有在根据分析结果得到特点图像的两个特点后后再进行对该两个特点的图像相似性距离进行准确度量,才能有效的根据图像相似性和图像距离情况做出准确判断,实现对该特点图像的准确检索。为了更好地准确达到不同特征数据检索的提取目标,需要针对特征提取后得出的不同特征数据进行相似度的分析计算。相似性系数是以一个特殊数值的表示方式被用来显示表达两个不同物体之间的事物相似性相关程度的一种数学度量式的结果。将一个人类图像的各种特征检索观察点可看作等同是图像位于一个坐标标准空间的一个特征点,两个图像特征观察点的相似度和特征距离即相似度通常用它们之间的特征距离系数来精确表示,不同特征种类的图像特征检索数据所指的需要同时采用的相似度及其度量计算函数都可能是不一样的,相似性和度度量函公式的正确选择的恰当与否往往会对特征检索结果精确度与否产生很大的直接影响,合适点的距离才是度量计算函数的正确选择,将来也会帮助使得人类图像的各个特征向量比较更加容易契合了解的人类对于各种视觉图像感知技术方面图像内容的特征仿真,有助于基于人类视觉图像感知技术方面的人类图像特征检索分析技术的仿真性能和实际应用。

假设我们在一个图像的数据库中,用两个特征向量分别来描述和表示任意一个图像的特征,其中 x 和 y ,分别为是任意两个图像的特征向量,它们之间的接近程度我们可以通过采用距离的度量或者是统计学的方法等等来对这两个图像的相似性做出判断。常见的距离测度度量主要有欧几里德、Manhattan等。下面就我重点介绍一下欧几里德的距离。

欧几里德的线性距离函数是一种在实际上已经使用十分广泛的线性距离函数变量。它的变量计算简单,并且同时也和国际参考动力系统理论中的径向旋转不确定变量计算有密切相互联系。它的英文含义:

例如当我们发生了数据的丢失或者是当所有的特征矢量都不具备相同的权重时,那么就无法利用欧几里德距离计算方法来对其进行类似性的测度。为了避免这类情况,在实践和研究的过程中,我们可以针对欧几里德的距离进行归一化。归一化欧几里德距离的定义公式如下图所示:

6、实验结果分析

图像库中包括简单几何形状,其中星形、心形、圆形、新月形图像10幅。从分析我们不仅可以清楚地明显看出,算法对于检索图像的视觉扭转和图像形变都真的是十分具有非常强的不变性,并对于检索图像的基本主观形态和视觉特性也是非常具有鲁棒性,在就算没有一定的图像形变和扭转干扰等等条件的特殊情况下,仍然完全可以直接得出良好的视觉图像判断检索实验结果;且由于算法检索图像结果所需要排列的持续时间和排列顺序与检索个体的视觉主观性和视觉特征判断检索方式大致相同,检索结果准确率也比较高。

六、以形状为特点的图像检索系统设计

6.1检索基本思想

本文文件检索的基本工作方法主要内容是:在根据设计需要建立矩形图像库时,对不同输入的两个矩形图像子存入进行综合分析,分别选择采用经过改进后的不同可变矩和二维极坐标傅里叶描述子对两个图像的不同形状和状态特征向量进行综合描述;在将两个图像子的存入转换到二维矩形图像库同时,也将其中两个相应的不同可变矩和二维极坐标傅里叶描述子的形状特征向量分别存入二维矩形图像库的特征库.检索时,根据所有用户需要提供的图像查询数据示例检索图像,采用通过线性函数加权方法求和的一种计算结果方式,计算其与二维矩形图像库中各不同类型矩形图像的各种综合相似度,把计算结果对子集中的一个大于一定相似度的图像结果集进行返回发送给所有用户.6.2 Canny算子的程序设计

本文是用C++编程来实现图像的处理,整体流程图如图所示

未打开

N

Y

Canny算子程序流程图如图所示：

6.2.1图像特征数据库设计

基于图像形状和特征的检索系统中的一个图像特征数据库是用来存放和分析图像仓库中不同图像之间的形状和特点。在这里,将计算得到的一组图像的形状和特征(曲率、质心距离、复坐标和弦长)从 Access中存放到一个相应的特征列表中,组成了一个特征数据库。

对于图像的检索,本文特别设计了对图像入库、显示、删除和添加描述四个功能。首先,利用灰度共生矩阵提取的方法得到一个图像的形状特征,并将这些特征数据存储在 access 数据库中;然后,利用基于文本或者简单的缩略图浏览等多种方式从 access 数据库中寻找到一个示例的图像,同时,针对该一个示例图像进行基于其形状和特征的内容检索和匹配,并根据需要给出检索结果的图像。

6.3实验结果

以下是原图与处理后的图片，其中图3-4为原始图片，图3-5为Canny 算子处理后的图片。

从上述处理过的数据和图像中我们可以清楚地看出, canny 算子所处理的数据和图像不但达到了准确地提取边缘信息的主要目的,提高了抵御干扰的能力外,还使得边缘更为连续清晰。

七、基于图像形状学特点的检索方法在系统中的实现

7.1系统框架

一般的图像检索子系统主要有两个大部分共同组成:图像产生子系统和数据库检索子系统,如图4-1所示。图像产生的子系统主要是对于图像输入前进行的预处理、图像中内容的特性提取以及把这些特性和部件描述的信息纳入到数据库中。图像检索子系统主要是完成对图像的检索,其中包含了浏览和查询、图像特点的相似性匹配以及图形使用者接口等几个部分。

在本文的两个实验物理子系统中,图像特征制作与截图生成实验子系统将本文中所需要描述的流体物理学图像特征及其应用对象的局部轮廓特征进行了综合分析并并入库。在这个图像轮廓检索工具子系统中,支持一个用户通过浏览库中现有的一个图像库,手动地绘制一个图像库的轮廓及然后选择一个示例的视图。

7.2编程环境

本次测试实验操作系统的主要程序开发工具平台主要是Window XP,选择使用Visual C++6.0和Access两款软件作为主要的程序开发工具,选择Visual C++6.0和Access是因为它们都能够具有面向对象应用程序设计的基本整体化和性能设计特点以及所需要开发的所有应用程序都能够具有高度的效率地正常运行。同时又是一种微软技术性高度相互集成的企业软件开发实用工具,它为企业用户自己提供了一套功能强大的企业微软软件基础类库。且因我们已经使用了Visual C++6.0来用于开发一个基于视频内容的数字视频流和图像信息检索系统。由于芯片系统内部采用了面向对象的图像设计工作方式,这样也就使得芯片系统的许多图像功能以及处理图像模块都完全可以直接整合应用起来到其它的芯片图像处理系统中,而且需要添加新的图像算法也就不必再因为需要额外复杂地进行修改许多的图像源代码,非常好地有助于整个芯片系统在图像功能上的逐步完善和不断扩展。

7.3程序结果

首先打开一个图像库选择一个图像,然后对该图像进行特征提取。系统通过图像检索相似度的匹配,找到六个与其相似的图像,输出结果。找到六个与其相似的图像,输出结果。

八、总结

本文第一章对基于内容的图像检索方式进行了概述,进而又着重介绍了基于形态的图像检索方式。并且广泛地应用了对图像进行边缘检查的技术,对整个图像进行了检索。它主要是运用 canny 算子的方法。首先,是对边缘的检测主要以导数来计算,但是受到了噪声影响。然而,该滤波器在减少了噪声的作用下,也造成了边缘强度的损耗。其次,增强算法把对邻域的点的度有明显改变的地方以及点凸显性地展现了。一般可以靠计算机梯度的幅值来实现。再次,但是在有些图象中,梯度幅值比较大的地方并非边缘的节点。最简单的对边缘性检测就是梯度幅值阈值的判断。最后,精确地选择了边缘处的位置。

我也希望在今后的将来有更多的人去探导、研究一个边缘检测算子,为使我们能够看到更好的影片效果而努力,为了促进全人类的生活和发展而努力。图像是自古以来人类识别和交流信息的一个主要资料来源,因此,图像处理的应用领域已经涵盖到了人类日常生活、工作等诸多领域。随着现代科学技术的发展和进步,图像的应用领域也在不断拓宽。所以对于边缘性的检测也是需要继续进步。我看到将来,边缘检测技术已经广泛地应用于人们日常生活的各个领域,在当今世界人类的日常生活中,文化艺术、军事技术、生物医疗技术、工业生产和信息工程技术、航天与空间技术等等重要的领域都占有着不可或缺的一部分。同全人类的生活走向风流。

参考文献

[1] 章毓晋．图像处理和分析[M]．北京：清华大学出版社，1999

[2] 章国宝．叶桦．陈维南.基于正交小波变换的多尺度边缘提取[J]．中国图像图形报，1998（3）

[3] 陈武凡．.彩色图像边缘检测新算法−广义模糊算子法[J]．中国科学A辑，1995（2）

[4] 唐立军．段立娟．高文．基于内容的图像检索系统[J]．计算机应用研究，2001，18(7)：41-45

[5] 冯所前．文档内容图像检索[D]．北京大学信息科学技术学院智能科学系硕士学位论文，2005

[6] 谢毓湘．吴玲达．栾悉道．基于内容的图像检索技术研究[J]．计算机工程与应用，2002(1)：35-38

[7] 宋涛．刘刚．一种基于内容的文档图像检索方法．《郑州大学报》，2010年1月

[8] 郭小娟．基于内容的图像检索技术的研究[D]．西安：西北大学，2007

[9] 徐建华．图像处理与分析[M ]．北京:科学出版社，1992

[10] 贾元元．基于形状的图像数据库检索技术研究[学位论文] 2004

[11] Ang Y H．Image Retrieval Based on Multidimensional Feature Properties 1995

[12] 赖志国．余啸海．Matlab 图像处理与应用[M]．北京：国防工业出版社，2004

[13] 唐路路．张启灿．一种自适应阈值的Canny边缘检测算法/光电工程：第38卷第5期，2011．5

第四篇：研究房地产泡沫识别方法的论文

摘 要：主要论述了目前国内外在房地产泡沫识别领域的研究方法，对各种方法加以分类，主要分为指标法、理论价格法、市场修正法、统计检验法和预警法等，以期对我国的房地产泡沫识别体系和预警体系的建立能有良好的借鉴作用。

关键词：房地产泡沫；识别方法；预警体系

１ 指标法

1.1 房价收入比

房价收入比是房地产价格与居民平均家庭年收入的比值，反映了居民家庭对住房的支付能力，比值越高，支付能力就越低。当该指标持续增大时，表明房地产价格的上涨超过了居民实际支付能力的上升。当市场中的房价收入比一直处在上升状态，且并没有存在市场萎靡的迹象，则说明这个房地产市场中投机需求的程度很高，产生房地产泡沫的可能性就越大。其计算公式为：

房价收入比=商品住宅平均单套价格/居民平均家庭收入=ど唐纷≌平均销售价格×商品住宅平均单套销售面积/城镇居民平均每人全部年收入×平均每户家庭人口数

该指标的临界值可以由首付、利率、贷款期限、每年住房贷款还款金额占收入比重等估算出，但国际上没有一个统一的标准。在发达国家，房价收入比在1．8~5．5之间；发展中国家，一般在4～6之间。

1.2 房地产价格增长率／GDP增长率

该指标是测量房地产相对实体经济增长速度的动态相对指标，反映房地产泡沫发展的趋势。指标值越大，房地产泡沫的程度就越大。警戒线定为2，超过2时说明房地产业存在泡沫现象。如1987-1990年间，日本存在严重的地产泡沫时，该指标平均值为3。

1.3 空置率

房地产出现泡沫时，会有大量房屋空置，故可采用来反映房地产市场的泡沫程度。国际上通用的计算方法为：空置率=增量房和存量房中的空置量/全社会增量房和存量房总和。一般而言，该指标的判断标准是：空置率不足5%时，表明市场过热，极可能存在泡沫；5%-10%为合理区域；10%-20%为空置危险区；而当空置率大于20%时，则表明存在严重积压。

1.4 租售比价

反映房地产真实价值的是房地产的租金收益，房价变动可暂时偏离租金变动。但若长时间高于租金增长，则存在泡沫的成份。租售比，是指每平方米使用面积的月租金与每平方米建筑面积的房价之间的比值。从理论上说，计算租售比的方法是：假定将租房所需支付的钱以能获得最大利息收益的方式存入银行，算出包括银行利息在内的租房总支出；同时也假定将买房所需支付的钱以能够获得最大利息收益的方式存入银行，再算出买房总支出；以租房总支出除以买房总支出，其结果就是住房的“租售比”。其判断标准可用下表来表示：

另外，还可以从房地产投资增值率和房地产贷款方面来计量房地产泡沫，但是总体而言，这两种方法不如以上四种方法应用广泛。

指标法的突出优点是所用数据通常相对比较容易采集，处理起来比较简单；在进行房地产泡沫检测时，可以把那些具有充分理论依据的指标，如房价收入比、租售比价等作为重要的辅助性判别标准；其缺陷是，一些指标的标准多取自国际经验，不一定适用于我国的房地产市场。对同一个房地产市场进行判断时，不同的指标之间可能出现相互矛盾的现象。理论价格法（收益还原法）

理论价格法被誉为最符合房地产泡沫定义的判别方法，其基本原理就是计算出房地产的理论价格，然后与实际的房价相比较，通过观察二者相背离的程度，来判别泡沫是否存在。

以收益还原法为主要内容的理论价格法，在上世纪80年代日本泡沫经济发生后，成为日本经济学家用以判定地产泡沫的一种重要方法。因为泡沫是现实资产价格与实体资产价格的差，或是现实资产价格中实体经济不能说明的部分，所以衡量房地产泡沫的关键在于测算出房地产的实体经济价格(理论价格)与现实价格之间的差距。收益还原的本质就是一个未来收益的贴现模型，即将未来的预期纯收益和预期售价按一定的折现率进行贴现，从而得到房地产的理论价格。我们可以通过下图直观地理解理论价格法的精髓：

理论价格法虽然在理论上可行，但是在实际操作上却存在着困难。集中表现为：第一，折现率的准确数字难以确定。第二，收益还原法体现的是把未来的收益折合成现在的收益，通过折现来计算现值。但是，未来是不确定的，在当前的试点上难以对未来一段时间内的收益做出准确的估计。市场修正法

我国学者洪开荣(2001)提出房地产泡沫计量的“市场修正法”，即以物业空置率为基础，从房地产的供求差异出发，通过考虑各种相关系数因素来进行修正，从而估量出房地产泡沫的大小。其公式为：

房地产泡沫系数=物业总空置率 × 经济增长修正系数 × 产业贡献修正系数 × 交易情况修正系数

其中：空置率是根据年空置量与三年累计物业竣工量的比例；经济增长修正系数=上期的(1+GDP增长率)/本期的(1+GDP增长率)；产业贡献修正系数=上期的(1+房地产业增长率)/本期的(1+房地产业增长率);交易状况修正系数=上期的(1+个人购房比例)/本期的(1+个人购房比例)。

该方法作为房地产评估标准的基本理由是空置率反映了市场供需的差异，特定时期和地域的空置率指标反映了各种市场力量和非市场力量的市场后果。房地产泡沫和物业空置率是对市场失衡的不同角度的描述，但它的实质内涵是一致的。该方法借助了资产评估中的修正方法，但是理论依据不足。统计检验法

国外的研究文献中，常见这种方法。其使用前提有两个：一是房地产价格短期波动不是很厉害；二是数据样本要大。实质是利用计量统计学的原理对房地产价格变化进行统计分析。当房地产市场上无经济泡沫时，房地产价格变化比较有规律，统计分析可以找到统计规律，而当经济泡沫存在时，由于经济泡沫使得价格大起大落，从而使得统计规律失常。国外的统计检验法根据检验的标准不同，可分为方差上限检验和游程或粗尾检验两种。

方差上限检验法以Blanchard and Watson(1981)为代表，他们认为，经济泡沫的出现会增加价格p的方差，会减弱价格p与市场基础的决定因素X的相关关系。在不存在经济泡沫的零假设下，给定某些条件，就可以求出价格方差的上限。当经济泡沫出现时，这个上界条件会受到破坏。

Blanchard and Watson(1981)还讨论了价格p的更新值（超额收益)的分布。如果存在经济泡沫，并且经济泡沫会在某个时期破灭，那么在经济泡沫存续期间，经济泡沫更新值为同号；当破裂开始时，变为异号，这样经济泡沫更新值的游程会比纯随机序列的要长，从而会使样本的总游程数变小。经济泡沫成长期间，会产生小的正的超额收益，但随之而来的是会在某个时刻经济泡沫破裂，产生大的负超额收益，这类经济泡沫的更新值的分布会成尖峰或粗尾分布，因此价格更新值的较大峰度系数可能意味着存在经济泡沫。但游程检验与粗尾检验方法的效果不佳。因为经济泡沫游程数并不必然小于随机变量序列的游程数；另外，市场基础价值的分布也可能呈峰态。即使如此，这两种方法还是引起了经济学家们的关注。

我国房地产市场化的时间很短，从住房制度改革基本完成的1998年算起，到2008年我国住宅市场化的历史也不过10年时间，可供计量检验的样本数据很少，计量检验的结论可能缺乏可靠性。因此，统计检验法在我国应用并不合适。预警指数法

预警法是一种综合方法，融合了指标法中的各种重要指标，也是目前测度房地产泡沫较为理想的方法。虽然存在着诸多理论上的问题，而且需要收集很多数据，但综合而言，是目前除了收益还原法之外最

为完善的测度方法。目前被普遍接受的预警构建方法如下：

（1）选定预警指标。（2）确定预警指标的权重。（3）确定指标临界值。（4）测算地产泡沫发生变化的概率。当某一个判断指标发生预警信号时，地产泡沫就有可能发生变化。在预警期内，达到临界值的指标越多，地产泡沫变化的概率越大。（5）确定地产泡沫的预警级别。根据地产泡沫变化的概率，房地产泡沫变化的可能性划为几个级别：A级：警戒级，40 其构建还有多种方法，但它们在计算原理上是相同的，关键之处是所选取的代表性指标会因人而异，差别很大。结论与建议

以上房地产泡沫识别方法很多，但大体上可以归为两类，即指标法和模型法。不管用何种方法测度房地产泡沫，尤其是指标法中，其逻辑思路都是首先试图建立一个基准指标，然后用实际指标与其对比，实际指标大于或小于基准指标的部分即为泡沫成分，以实际指标偏离基准指标的程度来指示房地产泡沫的严重程度。在实际应用中，应该综合运用各种方法，对房地产价格进行分析，判别是否存在泡沫，而不应该单纯采用一种方法，以免判别结果有失偏颇。真对以上分析，对我国房地产泡沫识别方法的研究提出以下建议：

第一，由于我国房地产发展时间较短，房地产统计工作更是滞后于房地产市场，统计资料相当匮乏，所以应该完善我国的房地产统计工作，使之更适应于经济全球化发展。

第二，目前我们应该在现有统计资料条件下，根据我国以往的经验和其他类似国家的经验，深入研究适合于我国的量化方法和评判标准。

第三，建立适合于国情的房地产泡沫预警机制，对我国房地产泡沫及时预报和控制，时刻警惕房地产泡沫。

参考文献

［1］@周方明.房地产泡沫测度研究［J］.经济师,2006，(5):141-144.［2］@洪开荣.房地产泡沫:形成、吸收与转化［J］.中国房地产金融,2001，(8)：10-14.［3］@刘琳,黄英,刘洪玉.房地产泡沫测度系数研究［J］.价格理论与实践,2003，(3)：37-38.［4］@刘琳,郑思齐,黄英.房地产泡沫测度系数的编制方法［J］.中国房地产,2003，(6)：13-15.

第五篇：基于数据挖掘的可疑金融交易识别方法研究（推荐）

基于数据挖掘的可疑金融交易识别方法研究

【摘要】现在企业数量不断增多，经济水平日益提高，各种金融交易活动也在频繁进行。在金融交易活动中，最容易出现的一种犯罪就是洗钱罪。本文就重点讲述了数据挖掘技术的内容，以及数据挖掘技术是如何识别可疑的金融交易，以此来个大家提供一个参考。

【关键词】数据挖掘、金融交易、洗钱罪

一、前言

随着我国经济的发展，各种金融交易活动也逐渐增多，与之伴随的就是洗钱活动的频发发生。我国的反洗钱工作正在不断地深入开展，金融交易活动作为洗钱的载体，也受到了很多关注。要想识别金融交易当中的犯罪，就得充分利用数据挖掘技术。但是，由于我国的国情以及技术水平，该项技术的应用情况和掌握情况还是不尽人意。只有不断加深对该项技术的研究，将其与金融交易相结合，才可以保证金融交易活动的有序进行。

二、数据挖掘技术概述

数据挖掘可以这么理解，就是在数据当中发现一些潜在有用的、有效地以及新颖的、能够被理解的模式过程。数据挖掘所研究的领域很广，涉及到识别模式、数据库、机器学习、人工智能还有分布式计算、可视化技术等等，是不同学科结合的产物，这是一个新兴的技术，但是其又有很大的发展空间。数据挖掘技术根据其主要任务的不同，可以划分成为如下几类。第一、关联规则挖掘，关联规则的挖掘是通过在很多的数据当中，发现有联系或者有关联的部分；第二、分类以及预测，分类就需要用到分类函数以及分类模型，利用分类函数，可以将数据库当中的数据映射到某一个分类上面。分类的模型可以用很多的形式来表示，比如分类树、数学公式或者神经网络等等；第三，聚类分析，该技术是用于发觉数据库当中未知的类，与前者的不同之处在于，使用该项技术是对类的型号以及数量都不知道的，按照的规则是“物以类聚”，将条

件相似的对象划分在一个分类里面，条件不相似的对象放在不同的组。每一个组就是一个类。第四、孤立点分析，数据库中可能包含一些数据对象，它们与数据的一般行为或模型不一致。这些数据对象是孤立点；第五、演变分析，数据演变分析描述行为随时间而变化的对象的发展规律或趋势，并对其建模。

三、可疑金融交易的特征分析

可疑金融交易是指金融交易当中的频率、流向、来源以及金钱的用途都出现了异常的行为。从反洗钱的监督实践来看，可疑的金融交易通常有如下的几个特征。

1、交易的频率以及金额会出现异常

通常来说，正常的金融交易和洗钱交易相比较，因为真实交易背景的缺乏，其交易的规律以及习惯往往没有周期性。在洗钱犯罪当中，洗钱者所面临的最大问题就是如何将非法所得的大量现金变成可以携带或者隐藏的形式，洗钱者为了避免被发现，经常采取快进快出的方法，所以其交易的频率以及交易的金额都会与正常的交易不一样，具体表现为和背景资料不一致的大量现金的频繁加以。在洗钱交易的初期，其最大的特征就是入账的金额是巨大的，流动的次数是频繁的。

2、交易的流向或者来源出现异常

洗钱交易和正常金融交易的目的是不一样的，所以其交易的地点和洗钱的热点地区都会有很密切的联系。

3、交易的用途后者性质是异常的

该项特征是指在交易过程中，交易者交易的动机以及客户的背景资料都是不相匹配的。

四、数据挖掘技术在识别可疑金融交易当中的研究

洗钱罪的犯罪手法变化多端，因此识别的技术也要有相应的提升。目前，反洗钱应用中的数据挖掘技术从孤立点分析、序列模式挖掘、链接分析、决策树等传统技术，逐步转向数据挖掘中的一些新技术如聚类分析、基于范例推理

等，在此分别探讨聚类分析和基于范例推理在可疑金融交易识别中的应用情况。这里重点向大家介绍聚类分析技术的可疑金融交易识别研究。该项技术可以将数据分为不同的种类，在每一个种类当中，对象应当有很大的相似度，在不同种类当中，对象的差别很大。聚类分析在聚类的过程中，可以采用不一样的聚类方法以及属性，将交易行为相似的企业或者个人的账户纳为一类。针对其金融交易的数据，来从不同的数据属性对其进行分析，从而发现可疑的交易数据，有利于检查人员的进步检查。另外，该种分析方法还可以当作是反洗钱系统当中预处理数据的方法，用来发掘那些表面上看似没有联系，但是实质却又很大联系的主体。

在选择聚类方法来识别可以交易的时候，一定要考虑到金融交易的数据特点以及聚类的属性，在对其特点分析的时候，我们通过分析得出，洗钱者的账户是需要输入和输出两个过程，所以可以从这两个方面来考虑，在一段时间当中，流入和流出的金额比较大的账户，就具有洗钱的嫌疑，应当重点怀疑。

在选用该识别流程的时候，应当先对源数据进行分析，看起是否适合聚类分析。比如将身份证号码当作该分析方法中每条交易数据的身份识别码，将年交易的次数以及金额当作聚类分析的属性。在分析的时候，根据每个交易属性的相似程度来进行聚类，但是聚类分析的属性选择必须要正确，为了聚类结果的显著必须要判断每一个属性是否有效用，是否能够有效的满足聚类分析。在一个聚类分析中，所选取的每一个属性都在分析中起到了的作用，那就说明聚类的结果显著；如果聚类过程中，所选取的属性中有一个或者几个没有能够发挥作用，那就说明着个属性，或者几个属性没有相应的聚类属性，那就说明所选取的聚类属性不合适，效果不显著。

五、数据挖掘技术在反洗钱工作中的应用现状

（一）国外的应用情况

发达国家对数据挖掘技术的应用程度很高，并且也有一定的成就，仅建立了专门分析和收集情报的金融情报中心（FIU），而且建立了功能强大的反洗钱

系统：美国金融犯罪执法网络的FAIS（Fin CEN Artificial Intelligence System）系统综合使用了人工智能技术和基于案例的推理、黑板等分析技术，将数据分析视角从交易导向转为对象（如人或者组织）导向，对每一笔交易、对象、账户都用336条规则逐一进行测试，相应每条规则给出是否为合法或非法的判定结果，再用贝叶思推理对每个项目的可疑性进行评定；澳大利亚交易分析和报告中心所开发的Screen IT系统使用数据挖掘技术实现了对可疑交易报告的自动筛选。

（二）、中国的应用情况

数据挖掘技术在我国应用的范围还不是很广，正处于起步阶段，信息技术水平也相对比较低。但是，我国在反洗钱当中数据挖掘技术的应用频率还是很多的，并且也受到了一定的重视，技术水平和理论知识都有很大的提高。目前反洗钱系统中应用的数据挖掘技术主要有：聚类分析、决策树分析、孤立点分析和序列模式分析等以实现对交易数据的分类、关联规则和异常行为等分析。应用手法上主要停留在对各种不同分析技术的简单应用，缺乏综合系统性地应用。

六、结束语

如今，经济水平和科技水平都在不断的提高，洗钱犯罪层出不穷，洗钱者的技术也在不断提高。在这种情况下，我国就要不断加强对数据挖掘技术的研究，将其应用到金融交易的识别过程中，让技术能够与时俱进，才可以抑制金融犯罪的发生。参考文献

[1]苏辉贵.基于数据挖掘的反洗钱系统应用研究[J].华南金融电脑，2009，(3).[2]张成虎，赵小虎.基于贝叶斯分类的可疑金融交易识别研究[J].财经研究，2009，(10).