本發(fā)明涉及機巡圖像數(shù)據(jù)處理，具體來說，涉及一種基于圖像壓縮算法模型的機巡圖像傳輸方法。

背景技術：

1、無人機是一種先進的無人駕駛自行飛行器，在現(xiàn)代電力系統(tǒng)中，無人機電力巡檢技術已經(jīng)成為提升巡檢效率、保障電網(wǎng)安全運行的重要手段，巡檢無人機大多搭載高清攝像頭、紅外線攝像頭、gps定位系統(tǒng)以及遙控器等設備，確保無人機在飛行過程中能夠順利進行數(shù)據(jù)采集無人機能對輸電線路進行快速巡線，多維度采集電力設施的數(shù)據(jù)以及對架空線的鐵塔、支架、導線、絕緣子、防震錘、耐張線夾、懸垂線夾等設施進行全方位的快速攝像和故障監(jiān)測，并在飛行過程中會自動采集圖片、視頻、紅外熱像等圖像數(shù)據(jù)。

2、無人機采集的大量數(shù)據(jù)需要實時傳輸回地面控制站中，方便工作人員根據(jù)無人機采集的圖片、視頻、紅外熱像等圖像數(shù)據(jù)對電力系統(tǒng)進行監(jiān)測，因此需要使用到機巡圖像傳輸方法，但大多數(shù)機巡圖像傳輸方法不能快速識別巡檢圖像進而無法保證高質(zhì)量壓縮巡檢圖像，使得傳輸機巡圖像數(shù)據(jù)時的傳輸速度較慢且傳輸所需的傳輸流量較多，影響其傳輸效率。

技術實現(xiàn)思路

1、本發(fā)明提供一種基于圖像壓縮算法模型的機巡圖像傳輸方法，基于圖像壓縮算法模型實現(xiàn)機巡圖像的智能識別及具高質(zhì)量壓縮，減少無人機圖像傳輸?shù)牧髁?，提升機巡圖像傳輸效率。

2、本發(fā)明所采取的技術方案是：

3、一種基于圖像壓縮算法模型的機巡圖像傳輸方法，包括如下具體步驟：

4、s1、獲取原始巡檢圖像；其中，所述原始巡檢圖像包括無人機巡檢采集的第一巡檢圖像和無人機機巢存儲的第二巡檢圖像；

5、s2、基于圖像壓縮算法模型對原始巡檢圖像智能識別，得到原始巡檢圖像的關鍵幀，然后對所述關鍵幀進行高倍率壓縮得到第一視頻幀；

6、s3、將所述第一視頻幀轉換成位流得到壓縮視頻流，并采用5g通訊將所述壓縮視頻流傳輸至云服務器中；

7、s4、當內(nèi)網(wǎng)終端設備訪問云服務器，選擇所需查看的壓縮視頻流，對所述壓縮視頻流進行解碼，還原得到第一視頻流；

8、s5、構建圖像超分辨率重建網(wǎng)絡，將所述第一視頻流輸入至所述圖像超分辨率重建網(wǎng)絡輸出得到第二視頻流，完成第一視頻流由低分辨率恢復至高分辨率；

9、s6、基于云服務器推流將第二視頻流進行推流，得到無人機巡檢視頻流，即原始巡檢圖像。

10、進一步地，所述步驟s2中的對原始巡檢圖像智能識別具體包括如下步驟：

11、s21、獲取第二巡檢圖像的圖像像素值，基于所述第二巡檢圖像的圖像像素值預測得到第一巡檢圖像的關鍵幀的圖像像素值，其中所述第二巡檢圖像的圖像像素值記作第一圖像像素值，所述第一巡檢圖像的關鍵幀的圖像像素值記作第二圖像像素值；

12、s22、計算得到第一圖像像素值與第二圖像像素值的預測誤差值，其計算公式如下：

13、e＝x-x1(1)

14、式(1)中，e為第一圖像像素值與第二圖像像素值的預測誤差值；x為第二巡檢圖像的圖像像素值；x1為第一巡檢圖像的關鍵幀的圖像像素值；

15、s23、對所述預測誤差值進行編碼得到預測編碼，其編碼公式如下：

16、ce＝{0，1}p(2)

17、式(2)中，ce為預測編碼；p為第二圖像像素值的出現(xiàn)頻率；

18、s24、基于第一圖像像素值及轉換系數(shù)計算得到第二圖像像素值轉換所需的變換值，其計算公式如下：

19、

20、其中，

21、

22、式(3)～(4)中，x(m,n)為第一圖像像素值，其中，m為第一圖像像素值的寬度；n為第一圖像像素值的高度；y為第一圖像像素值的轉換系數(shù)；max(x)為第一圖像像素值的最大值；min(x)為第一圖像像素值的最小值；

23、s25、分別計算得到第二圖像像素值的有損壓縮值和無損壓縮值，具體計算公式如下：

24、

25、式(5)～(6)中，l1為第二圖像像素值的有損壓縮值；x(m,n)為第一圖像像素值；x(m,n)min為第一圖像像素值的最小可能值；s為預設壓縮量化值；l2為第二圖像像素值的無損壓縮值；p為第二圖像像素值的出現(xiàn)頻率；i為圖像壓縮算法模型中哈夫曼編碼的長度。

26、s26、基于預測編碼、第二圖像像素值的變換值、有損壓縮值及無損壓縮值計算得到圖像增強智能識別率，其計算公式如下：

27、

28、式(7)中，cie為圖像增強智能識別率；l1為第二圖像像素值的有損壓縮值；l2為第二圖像像素值的無損壓縮值；x(m,n)為第一圖像像素值；ce為預測編碼；

29、s27、基于所述圖像增強智能識別率，得出原始巡檢圖像的關鍵幀。

30、進一步地，所述步驟s4具體包括以下步驟：

31、s41、構建與所述圖像壓縮算法模型相匹配的圖像還原模型；

32、s42、基于圖像還原模型及圖像增強模型對壓縮視頻流中的圖像特征進行識別并提取得到第一視頻流，實現(xiàn)壓縮視頻流精確地編碼恢復為第一視頻流；

33、其中，所述圖像還原模型包括編碼器－解碼器結構，所述編碼器負責將輸入數(shù)據(jù)壓縮成一個上下文向量，所述解碼器則從這個向量中生成目標輸出序列。

34、進一步地，所述圖像壓縮算法模型包括卷積神經(jīng)網(wǎng)絡模塊，所述卷積神經(jīng)網(wǎng)絡模塊通過多層網(wǎng)絡結構對原始巡檢圖像進行逐層壓縮和特征提取，每一層逐步降低數(shù)據(jù)的維度，以實現(xiàn)高倍率壓縮。

35、進一步地，所述無人機機巢的側部集成有圖像壓縮sdk模塊；所述內(nèi)網(wǎng)網(wǎng)終端設備安裝有圖像壓縮程序。

36、進一步地，所述云服務器推流基于obs推流工具，推流前電力用戶需配置服務參數(shù)，輸入推流地址和鑒權信息，設置穩(wěn)定的網(wǎng)絡環(huán)境，然后obs推流工具對云服務器中的第二視頻流進行推流。

37、本發(fā)明與現(xiàn)有技術相比具有以下有益效果：

38、1)基于預測編碼、變換值、有損壓縮值和無損壓縮值計算得到圖像增強智能識別率，實現(xiàn)原始巡檢圖像的智能識別，避免后續(xù)壓縮時去除敏感的信息，造成壓縮比下降，影響解碼清晰度；

39、2)基于圖像壓縮算法模型對原始巡檢圖像的關鍵幀進行高倍率壓縮，實現(xiàn)更大壓縮比，使壓縮后體積和所需的存儲空間變小，減少網(wǎng)絡傳輸?shù)呢摀?，提高機巡圖像的傳輸效率；

40、3)按需選擇并解碼還原壓縮視頻流節(jié)省內(nèi)網(wǎng)終端設備存儲空間節(jié)省，有效緩解平臺圖片存儲壓力；

41、4)通過構建的超分辨率重建網(wǎng)絡提高機巡圖像在轉換中的圖像分辨率，完成第一視頻流由低分辨率恢復至高分辨率得到第二視頻流；

42、5)通過結合在無人機機巢側集成的圖像壓縮sdk及內(nèi)網(wǎng)終端設備安裝的圖像壓縮程序的作用下，實現(xiàn)機巡圖像的高質(zhì)量壓縮，減少機巡圖像的傳輸流量，并能夠保證關鍵設備、關鍵目標的清晰度。

技術特征：

1.一種基于圖像壓縮算法模型的機巡圖像傳輸方法，其特征在于，包括如下具體步驟：

2.根據(jù)權利要求1所述的一種基于圖像壓縮算法模型的機巡圖像傳輸方法，其特征在于，所述步驟s2中的對原始巡檢圖像智能識別具體包括如下步驟：

3.根據(jù)權利要求1所述的一種基于圖像壓縮算法模型的機巡圖像傳輸方法，其特征在于，所述步驟s4具體包括以下步驟：

4.根據(jù)權利要求1所述的一種基于圖片壓縮的機巡圖像實時傳輸方法，其特征在于，所述圖像壓縮算法模型包括卷積神經(jīng)網(wǎng)絡模塊，所述卷積神經(jīng)網(wǎng)絡模塊通過多層網(wǎng)絡結構對原始巡檢圖像進行逐層壓縮和特征提取，每一層逐步降低數(shù)據(jù)的維度，以實現(xiàn)高倍率壓縮。

5.根據(jù)權利要求1所述的一種基于圖像壓縮算法模型的機巡圖像傳輸方法，其特征在于，所述無人機機巢的側部集成有圖像壓縮sdk模塊；所述內(nèi)網(wǎng)網(wǎng)終端設備安裝有圖像壓縮程序。

6.根據(jù)權利要求1所述的一種基于圖片壓縮的機巡圖像實時傳輸方法，其特征在于，所述云服務器推流基于obs推流工具，推流前電力用戶需配置服務參數(shù)，輸入推流地址和鑒權信息，設置穩(wěn)定的網(wǎng)絡環(huán)境，然后obs推流工具對云服務器中的第二視頻流進行推流。

技術總結
本發(fā)明公開了一種基于圖像壓縮算法模型的機巡圖像傳輸方法，包括如下具體步驟：獲取原始巡檢圖像；基于圖像壓縮算法模型對原始巡檢圖像智能識別，得到原始巡檢圖像的關鍵幀，然后對關鍵幀進行高倍率壓縮得到第一視頻幀；將第一視頻幀轉換成位流得到壓縮視頻流，并采用5G通訊將壓縮視頻流傳輸至云服務器中；對壓縮視頻流進行解碼，還原得到第一視頻流；構建圖像超分辨率重建網(wǎng)絡，將第一視頻流輸入至圖像超分辨率重建網(wǎng)絡輸出得到第二視頻流；基于云服務器推流將第二視頻流進行推流，得到無人機巡檢視頻流。本發(fā)明基于圖像壓縮算法模型實現(xiàn)機巡圖像的智能識別及具高質(zhì)量壓縮，減少無人機圖像傳輸?shù)牧髁?，提升機巡圖像傳輸效率。

技術研發(fā)人員：全江濤,李杰豪,楊力,楊銘,劉龍龍,耿思遠,王金鑫,胡一波,鄭小敏,田巧雨,鄒語晨,李金戈,熊文歡,辛巍,尚琦翔,王鵬程,趙魏,陳得文,汪家豪,王文敏,龐文韜,張樂,楊文錦,鐘輝琛,喬柏楊
受保護的技術使用者：國網(wǎng)湖北送變電工程有限公司
技術研發(fā)日：
技術公布日：2024/12/23