基于拓扑特征与纹理特征的光伏红外图像重构与识别

摘要

针对传统卷积神经网络对微小热斑区域特征表达能力不足进而导致整体识别准确率下降的问题，提出了一种基于拓扑特征与纹理特征的图像重构（Image reconstruction based on topological and textural features, IR-TTF）算法。首先，将灰度化光伏红外热斑图像划分为多个互不重叠子区域。针对每一个子区域，利用持久同调提取增强的持久性条形码信息作为拓扑特征；同时利用灰度共生矩阵计算并放大对比度、同质性及能量特征作为纹理特征。最终，融合多个子区域的拓扑、纹理及灰度特征完成基于拓扑特征与纹理特征图像重构，进而构建新数据集，实现微小特征的增强表达。为验证IR-TTF算法有效性，利用3种对比卷积神经网络模型对重构数据集进行分类识别对比实验。实验表明，融合拓扑、纹理及灰度特征的数据集在3种卷积神经网络的平均识别准确率达到98%，较原数据集提高2.40%，较仅融合拓扑、灰度特征的数据集提高1.33%，从而验证了IR-TTF算法的有效性。

关键词

卷积神经网络 / 持续同调 / 灰度共生矩阵 / 特征融合