贝叶斯统计学习在变电站巡检图像预处理中的应用

作者：徐炫东; 池燕清; 杜舒明

来源：广东电力, 2020, 33(09): 138-146.

• 巡检机器人
• 贝叶斯统计学习
• 噪声抑制
• 图像重构

电力巡检机器人工作环境较为复杂多变,导致其获取的光学图像中不可避免地存在噪声、像素缺失等问题,影响后续对图像中信息的提取和识别。针对该问题,将贝叶斯统计学习理论引入图像处理过程。首先在传统主成分分析(principal component analysis, PCA)的基础上提出1种基于Bernoulli-Beta共轭先验的噪声抑制模型,能够自动确定PCA中主分量的个数,同时自适应地实现图像中的噪声抑制;然后针对存在像素缺失情况下的图像重构问题,提出1种基于Gaussian-Wishart共轭先验的贝叶斯统计模型,该模型不需要训练样本即可有效地实现图像重构。最后采用变分贝叶斯期望最大(variational Bayes expectation maximization,VBEM)算法对2种模型中的参数进行求解。基于实测图像的实验结果验证了所提方法的有效性。

• 单位
  广东电网有限责任公司; 广州供电局