电力设备铭牌特征提取方法的应用研究

电力设备铭牌图像在特征提取问题上，由于其本身的底层特征较为相似，采用传统的特征提取方法往往 *通讯作者。

电力设备铭牌图像作为一种特殊的图像，其纹理和颜色信息相对单一，而且设备铭牌图像采集过程中受到光照等条件影响，其图像的特征提取是业界一个关键技术问题。

传统基于内容的特征提取方法主要是针对图像形状特征的展开研究，分为基于区域的特征提取方法和基于角点的特征提取方法两种。因为这两种特征提取方法对图像中的特定属性十分敏感，受尺度和光照变化等影响，无法提取稳定的图像特征信息，所以不适合电力设备铭牌图像的特征提取。

随着Lowe 提出了完整的尺度不变特征变换(Scale-Invariant Feature Transform, SIFT)算法[1]，针对图像特征表达的研究工作逐渐转向局部特征表达上[2]，相比于传统的基于内容特征提取方法，SIFT 特征提取能够在不同的光照、旋转、尺度变化图像上提取稳定的特征点，同时对图像局部区域特征相似点有较好的匹配能力[3] [4]。因此，对于电力设备铭牌图像而言，与传统的特征提取方法相比，SIFT 特征提取是更好的特征提取方法。

在SIFT 算法的基础之上， 又进一步改进产生了SURF 算法和ORB 算法[5] [6]。

本文具体分析了以上三种特征提取算法，进而对不同变化处理后的铭牌图像数据应用这三种算法进行特征提取以及匹配实验。实验结果表明，对于电力设备铭牌图像而言，SURF 算法是适合的特征提取算法。

2. 尺度不变特征变换算法 David G. Lowe 教授经过多年的研究，在2004 年提出基于尺度不变特征变换(Scale Invariant Feature Transform, SIFT)算法，该算法将提取特征的过程分为四个步骤：在尺度空间上检测极值点、精确定位关键点位置、计算关键点主方向、计算特征点描述子。SIFT 算法在实现原理上，最关键的部分就是在图像中构建多尺度空间，利用高斯金字塔寻找对尺度、光照、旋转等变化不敏感的特征点，使得提取的特征点具有较强的鲁棒性[1]。

2.1. 尺度空间极值点检测 尺度空间是指把某个特定核函数和原有的图像函数做卷积处理从而得到一组单参数的函数族，该函数族被称为尺度空间[7]。

在二维图像空间中， 高斯核函数(), , G x y σ 被证实是尺度空间中的唯一空间核函数， 因此常用作建立尺度空间的处理方法，高斯函数表达式如下表示：