一种图像处理方法、装置、电子设备和存储介质与流程

本发明涉及计算机，尤其涉及一种图像处理方法、装置、电子设备和存储介质。

背景技术：

1、输电线路承担着输送和分配电能的重任。输电线路中巡检的主要设备包括接续管、并沟线夹、压接套管等金具。

2、传统人工输电线路巡检因人力成本高、作业环境危险、检测效率低下等不适应现代化电网建设与发展的要求。特别是在需要对输电线路进行热缺陷检测时，传统方式难以实现全面、及时的线路检测。无人机以其高效、灵活和搭载各种红外相机设备的特点，逐步替代人工成为线路常规巡检手段。

3、但是，限于目前平稳运行的输电线路存在发热缺陷的接续管、并沟线夹、压接套管等金具红外图像样本少之又少。数据的稀缺大大限制红外图像输电缺陷检测深度学习模型训练的精度和性能。

技术实现思路

1、本发明提供了一种图像处理方法、装置、电子设备和存储介质，旨在通过一种网络模型与相似度判别结合的方法来扩充图像样本，以解决现阶段图像样本量少之又少，数据稀缺的问题。

2、根据本发明的第一方面，提供了一种图像处理方法，包括：确定输电线路中第一正常金具所对应的第一正常红外图像；将所述第一正常红外图像输入至缺陷生成网络模型，得到所述第一正常红外图像所对应的第一发热红外图像，所述第一发热红外图像内所包括金具存在发热缺陷；将所述第一发热红外图像和第一发热金具所对应的第二发热红外图像进行相似度判断，确定所述第一发热红外图像与所述第二发热红外图像的相似度；在所述相似度大于设定阈值的情况下，基于所述第一发热红外图像确定图像样本，所述图像样本为进行输电缺陷检测模型训练使用的样本。

3、根据本发明的第二方面，提供了一种缺陷生成网络模型的训练方法，包括：针对每种类型的样本集，从所述样本集的训练样本子集中选取第二正常金具所对应的第二正常红外图像和第二发热金具所对应的第三发热红外图像；通过待训练网络模型中的第一生成网络，生成所述第二正常红外图像所对应的第四发热红外图像；通过所述待训练网络模型中的第二生成网络，将所述第四发热红外图像还原回第三正常红外图像；通过所述第二生成网络，将所述第三发热红外图像转换为第四正常红外图像；通过所述第一生成网络，将所述第四正常红外图像还原为第五发热红外图像；基于所述第二正常红外图像、所述第三正常红外图像、所述第三正常红外图像、所述第三发热红外图像、所述第四发热红外图像和所述第五发热红外图像，确定转换损失；基于所述转换损失调节所述待训练网络模型的模型参数，并返回继续从所述训练样本子集中选取下一第二正常红外图像和下一第三发热红外图像，直至满足训练结束条件，将训练后第一生成网络确定为缺陷生成网络模型。

4、根据本发明的第三方面，提供了一种图像处理装置，包括：第一确定模块，用于确定输电线路中第一正常金具所对应的第一正常红外图像；输入模块，用于将所述第一正常红外图像输入至缺陷生成网络模型，得到所述第一正常红外图像所对应的第一发热红外图像，所述第一发热红外图像内所包括金具存在发热缺陷；判断模块，用于将所述第一发热红外图像和第一发热金具所对应的第二发热红外图像进行相似度判断，确定所述第一发热红外图像与所述第二发热红外图像的相似度；第二确定模块，用于在所述相似度大于设定阈值的情况下，基于所述第一发热红外图像确定图像样本，所述图像样本为进行输电缺陷检测模型训练使用的样本。

5、根据本发明的第四方面，提供了一种电子设备，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的图像处理方法。

6、根据本发明的第五方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的图像处理方法。

7、本发明实施例的技术方案，通过利用缺陷生成网络模型和相似度判别相结合的方法，将正常金具红外图像生成发热金具红外图像，从而扩充图像样本，解决了图像样本稀缺的问题，为图像输电缺陷检测深度学习模型训练提供了新的技术支持。

8、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种图像处理方法，其特征在于，包括：

2.根据权利要求1所述的图像处理方法，其特征在于，所述在所述相似度大于设定阈值的情况下，基于所述第一发热红外图像确定图像样本，包括：

3.根据权利要求1所述的图像处理方法，其特征在于，还包括：

4.根据权利要求3所述的图像处理方法，其特征在于，所述确定输电线路中第一正常金具所对应的第一正常红外图像，包括：

5.根据权利要求3所述的图像处理方法，其特征在于，所述目标区域的形状为正方形，所述对所述目标区域进行预处理，包括：

6.根据权利要求3所述的图像处理方法，其特征在于，所述缺陷生成网络模型包括循环对抗生成网络模型，所述缺陷生成网络模型的训练操作包括：

7.根据权利要求6所述的图像处理方法，其特征在于，在将训练后第一生成网络确定为缺陷生成网络模型之前，还包括：

8.根据权利要求6所述的图像处理方法，其特征在于，所述基于所述第二正常红外图像、所述第三正常红外图像、所述第三发热红外图像、所述第四正常红外图像、所述第四发热红外图像和所述第五发热红外图像，确定转换损失，包括：

9.一种图像处理装置，其特征在于，包括：

10.一种电子设备，其特征在于，所述电子设备包括：

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的图像处理方法。

技术总结
本发明公开了一种图像处理方法、装置、电子设备和存储介质，具体涉及计算机技术领域。具体实施方案为：首先确定输电线路中第一正常金具所对应的第一正常红外图像，将第一正常红外图像输入至缺陷生成网络模型，得到第一发热红外图像，该图像内所包括金具存在发热缺陷，然后将第一发热红外图像和第一发热金具所对应的第二发热红外图像进行相似度判断，当第一发热红外图像与第二发热红外图像的相似度大于设定阈值时，基于第一发热红外图像确定图像样本，图像样本为进行输电缺陷检测模型训练使用的样本。实现了扩充图像样本的目的，解决了图像样本稀缺的问题，为图像输电缺陷检测深度学习模型训练提供了新的技术支持。

技术研发人员：王凯,刘越,王兴照,张鑫,邵庆言,詹晓宇,于晓艳,姜可孟,李丹丹,左新斌,周长明,杨仁明,仲鹏飞,东庆刚,任杰,苑雨薇,徐越
受保护的技术使用者：国网智能科技股份有限公司
技术研发日：
技术公布日：2024/12/5