基于深度学习的光伏图像透视变换算法优化

作者：周亚峰; 杨扬

来源：新型工业化, 2021, 11(02): 70-72.

DOI：10.19335/j.cnki.2095-6649.2021.2.026

• 透视变换
• 深度学习
• 多层感知器
• 光伏缺陷

本文针对图像处理中常用的透视变换算法,提出了一种基于深度学习算法理论的二次修正优化方法。具体表现为,在混合相加(或双光)相机的两图像上面对应点的透视变换过程中,对透视变换原点根据透视变换矩阵进行透视变换的基础上,引入深度学习算法中的多层感知器模型对透视变换后的点实现二次修正优化,以期消除因图像畸变等不确定因素而产生的误差,将源图像上的点更加有效、准确的透视变换到目标图像点上面。在本文中,以无人机搭载混合相加相机对光伏场站采集的光伏组件图像数据为基础研究对象,将热红外图像中存在的光伏组件缺陷点准确透视变换到可见光图像上对应的点上面为研究目标,以传统图像透视变换为研究基础,引入深度学习的多层神经网络模型,对其进行算法上的二次修正优化,更加准确的将热红外图像中的光伏组件存在的缺陷点透视变换到对应的可见光图像上面对应位置。