多源图像融合（精选7篇）
多源图像融合 篇1
1 引言
随着多种传感器技术、计算机技术和信息处理技术的发展, 图像融合技术在军事、遥感、自动目标识别、机器视觉和医学图像分析等领域取得了广泛的应用。不同传感器获得的图像包含不同的信息, 将两幅或多幅图像融合为一幅图像的过程称为图像融合, 融合后的图像可以在一定程度上综合有各源图像的互补信息, 消除各源图像的冗余信息更有利于对区域目标进一步分析、理解以及目标的检测、识别或跟踪。按照数据信息抽象层次的不同, 图像融合可分为像素级、特征级和决策级融合, 目前像素级图像融合算法是各层次融合算法的基础, 本文主要讨论像素级融合的常用方法。
2 像素加权融合法
对于图像大小为N1×N2的两幅源图像A, B, 设融合后的结果图像为F, 则像素加权平均融合过程表示如下:F (i, j) =aA (i, j) +bB (i, j) 。a, b为加权系数, 一般情况下有a+b=1。在融合过程中, 被认为是包含信息丰富、更为“重要”的图像, 其权系数可设置大些;相反, 被认为是信息较少、噪声较多的图像, 其权系数可以设置小些。寻找自适应的权系数选择方法是本融合方法的关键问题。
当用于多帧图像的融合处理时, 这种融合方法可提高融合图像的信噪比, 但是会使标准差降低, 实际上, 此时的多帧图像的像素平均融合就是一种图像的平滑处理, 这种平滑处理在减小图像中噪声的同时, 往往可能在一定程度上使图像中的边缘、轮廓变得模糊了。
3 IHS变换融合法与PCA变换融合法
IHS变换融合法与PCA变换融合法多用于多光谱彩色图像ft (x, y) 与其他高分辨率图像fs (x, y) (如sar图像, spot全色图像) 的融合, 经过融合得到的图像可以在提高空间分辨率的同时尽可能的保持光谱信息。
IHS变换是指从RGB彩色空间到IHS彩色空间的变换。IHS变换融合法是指借助IH S变换进行融合的方法, 其具体步骤如下[1]:
(1) 多光谱图像ft (x, y) 进行IHS变换, 得到I (亮的) , H (色度) , S (饱和度) 三个分量图像;
(2) 用fs (x, y) 替代IHS变换后的I分量 (该分量主要决定了图像的细节) ;
(3) 进行IHS反变换, 得到融合图像。
主成分分析 (PCA) 是统计学中分析数据的一种有效的方法, 其主要目的是降维, 降原来的R维空间投影到M维空间 (R≥M) , 并且在降维后保存了原数据中的主要信息, 从而使数据更易于处理。该变换由Karhunen和Loeve首先提出, 所以也成为K-L变换。具体变换过程如下[2]:
(1) 对多光谱图像ft (x, y) 进行PCA变换;
(2) 将fs (x, y) 与上述PCA变换得到的第一主分量图像进行匹配, 使它们的灰度均值与方差达到一致;
(3) 用如上匹配后的fs (x, y) 替代对ft (x, y) 进行变换得到的第一主分量图像, 然后进行PCA反变换得到融合图像。
4 小波变换融合法
简单的图像融合方法虽然具有结构简单、易于实现等优点, 但是应用范围极其有限, 多数情况下不利于得到较好的融合结果。现在的融合方法大多基于对源图像的多尺度分解, 对分解后的各部分分别进行融合操作, 然后经过逆变换得到融合图像。人的视觉系统对视网膜上的图像也是按不同的频段进行处理的, 所以基于多尺度分解的融合结果更加适合于人的视觉特性。较早的多尺度分解算法有拉普拉斯金字塔分解, 对比度金字塔分解等。而基于小波变换的图像融合算法则是图像的多尺度分解融合算法中最为经典的一种, 在此基础上还发展出了基于冗余小波变换, 基于多小波变换, 基于提升格式的小波变换的图像融合算法。
对于一幅数字图像, 其二维小波分解其实就是对图像的行、列分别进行一维小波分解[3]。分解后可形成低频分量、垂直方向高频分量、水平方向高频分量和对角线方向高频分量四部分, 它们的大小均为源图像大小的四分之一。多层小波分解即对低频子图像重复分解图像经小波分解后其频率特性得到了有效分离, 低频部分反映的是图像的整体视觉信息, 各高频成份反映的是图像的细节特征。小波变换融合法的具体步骤如下:
(1) 对源图像进行小波变换, 获取各自低频子图像和高频细节子图像;
(2) 对图像各频段子图像用不同融合规则处理, 得到融合后各频段子图像;
(3) 对融合后各频段子图像进行小波反变换, 得到融合图像, 图1。
选择合适的融合规则对小波图像融合效果至关重要, 直接影响到融合图像质量的好坏。须针对不同类型和特征的图像来选择合适的高频和低频融合规则。
5 非子采样轮廓波 (NSCT) 融合法
小波变换优良的时频局部特性使其在图像融合领域得到了广泛的应用, 绝大部分图像融合方法都是在小波域内进行的, 但是小波变换仅能捕捉有限的方向信息 (水平、垂直和对角线方向) , 而且缺乏平移不变性, 在重构的时候可能会产生Gibbs现象。而NS CT通过非下采样金字塔结构 (NSP) 和非下采样方向滤波器组 (NSDFB) 构造而成, 实现了完全平移不变特性, 并可将图像的高频分量分解为2j个方向子带 (j为非下采样方向滤波器组的分解层数) [4]。
图像首先经过非子采样金字塔滤波器分解为一个高频图像金字塔序列和一幅低频图像, 然后对金字塔序列的各个高频图像分别采用非子采样方向滤波得到多组方向滤波图像序列。金字塔分解使变换具有多尺度的性质, 方向滤波器的应用将边缘分解到若干不同的方向中, 而金字塔和方向滤波器的非子采样性保证了变换非子采样性, 使其变换后的各频率子带尺寸与原图像相同, 具有平移不变性, 更加适合图像融合[5]。
6 实验结果及分析
图A为可见光图像, 图B为红外图像, 使用平均加权融合法, 小波变换融合法, NSC T融合法对其融合, 因IHS及PCA融合法只适合应用于多光谱彩色图像与其他高分辨图像的融合, 故未将其应用于红外与可见光灰度图像的融合实验。小波变换及NSCT融合法所用融合规则均为低频相加取平均, 高频绝对值选大。分别对融合图像进行主客观评价, 所用客观评价指标为信息熵——代表图像所含信息量, 平均梯度, 标准差——代表图像清晰度。
由表1实验结果可知, C图像较为模糊, E、F图像主观感觉较好, 多层小波分解融合取得了比一层小波分解融合更好的效果, 但随着分解层数的增加, 运算时间也会加大, 不利于实时处理。比较客观评价指标, F图像最优。
7 结语
总的说来, 虽然人们已经在遥感图像融合的很多方面取得了许多突破性的成就, 但是仍然有许多问题需要解决, 特别是更合理的图像融合准则和模型的研究、图像融合中的识别与决策问题、以及满足可靠性与容错性的自适应融合方法等方面, 仍然有大量工作要做。本文的所有实验均是在matlab平台下完成的, 这仅仅是仿真实验, 实际上开发真正的图像融合软件及硬件系统的工作是必要的, 这也将大大促进图像融合技术从理论到实际的转化。
摘要：本文论述了多源图像融合的概念及应用意义, 分析了像素加权融合、IHS和PCA融合、小波变换融合、NSCT融合算法, 并对像素平均加权融合, 小波变换融合, NSCT融合的结果图像进行了主客观评价。
关键词：像素加权,IHS,PCA,小波变换,NSCT
参考文献
[1]尚红英.遥感图像数据融合的小波变换方法研究.中国地质大学硕士论文.2008.
[2]章毓晋.图像理解[M].北京:清华大学出版社, 2007.
[3]王智均, 李德仁, 李清泉.利用小波变换对影像进行融合的研究[J].武汉测绘科技大学学报, 2000, 25 (2) :137-141.
[4]孙丽真.基于像素级的遥感图像融合算法研究.吉林大学硕士论文.2008.
[5]王凯.像素级多源图像融合技术研究.华中科技大学硕士论文.2007.
基于多源信息融合的图像处理研究 篇2
一、多源信息融合在图像处理中的现状
1、这一技术是将信息融合的原理和图像处理技术相互的结合, 是将图片的信息源的信息的特征, 通过多源信息融合的技术进行分析, 根据其特点, 采用不同的融合方法进行结合, 使其融合的图像更加的清晰;这一技术源自70年代的军事应用, 在当时紧迫的局势下, 为了更好的追踪和追踪识别敌人的信息, 通过计算机将获取的信息进行融合, 并进行评估;对此产生了信息融合的技术;虽然这一技术的提出很早, 应用也非常的广泛, 但是随着时代的发展, 各个生活领域不断的进步, 使得图像融合的质量还有待提高。
2、图像融合的技术, 一直是在一个摸索的过程, 并且都是针对于特定的事物进行的处理, 灵活性和适应性还有待研究;如何将更加智能识别的技术, 像小波分析等技术如何完善的实践, 使得图像的空间的配准更加的清晰, 而不是针对于特定信息的特征, 进行特定分析、配置、映射等方面的情况;这也是有关的专家一直研究想完善的课题。
3、图像的融合的质量像图像斑块, 是对于图像融合的可靠性和实用性的一种检测;由于图像融合涉及到信息的分析、数据的处理、特征融合方法的配置等方面的情况;不断的进行大量信息的处理和消化, 还要对于时间的问题, 进行压缩, 导致图像融合的效果是否真实可靠;怎样解决图像融合的故障和信息错误的问题, 就要有专门评估和检测的人员, 并且需要建立完善的图像融合相关参考的条文规定。
二、图像融合改善的对策
图像融合技术, 主要是对于传感器中的多个图像利用特征互补的原理, 融合成一个有可信度、有利用价值、并且清晰易懂的新图像;往往传感器的类型不同, 成像的原理也会不同;就要通过小波分析和多小波分析的算法以及常用方法进行完善, 将得到的结果更加完整有可信度;
1、提高图像融合算法准确度;平均法是将两幅图像进行平均的操作使其得到新的图像;概率统计法是将信息源中的噪声进行统计, 并建立一定的表格, 根据建立的模型进行融合, 从而消除噪音, 并合成行的图像;小波分析由于具有良好的时域性和频域性, 可加强小波分析中的傅立叶系数, 计算过程中的正弦、余弦函数准确计算和时间窗高低的频率;小波分析不仅克服了以上的问题, 还对于突变信息的处理更加的灵活;多小波是对于小波的拓展和加强的理论, 是以小波函数为基础, 经过多个小波的延伸构成的函数, 就是多小波, 通过数据的加强处理, 可以克服小波不能处理的问题。
2、加强图像融合质量的评估;通过计算可以得出, 多小波的使用, 不仅可以做到小波对于图形的处理和捕捉, 在原有的基础上, 还更加的灵活和准确;对于图像性质像对称性等其他的性质的处理、分析, 图像边缘的处理比小波更加的清晰, 同时也达到了实系数小波不能具备的性质。所以多小波对于图像融合的效果更好。
三、融合技术发展的趋势
本文通过对于小波与多小波算法的研究, 对于图像融合的技术有了进一步的分析;多小波在图像融合中的应用, 对于医疗、工业、机械等方面的领域还有很大的发展的空间;只有坚持引进来和走出去并存发展的策略;加强对于专业人员技术与理论结合实践的能力, 从而提升自身的综合能力, 才是贯彻国家走可持续发展路线的方针;不断的用创新的思维和方法, 不断的加强和完善图像融合的技术, 使得国家的图像融合技术更加有参考借鉴的价值, 并逐渐的走向国际化。
四、总结
多元信息的融合对于图像的处理, 是一项理论知识与实践结合的复杂性技术, 需要对于有关的专家进行全方位的培训, 鼓励并正确的引导有关人员, 走出国门学习并引荐先进国家发展的技术, 丰富自身的视野和图像融合的专业度;并结合新形势下的优势与数字化电子设备, 统一进行整合, 摒弃传统的融合的技术, 并不断的改善和补充, 建立完善的融合技术;促进国民经济的发展和社会地位的提升。
参考文献
[1]韩军伟, 陆俊.信息融合的边缘保持图像滤波方法[A].图像图形技术研究与应用 (2010) [C], 2010年
[2]罗晓清.多传感器图像融合理论及其应用研究[D].江南大学, 2010年
基于多源空间数据融合技术分析 篇3
随着社会经济的快速发展以及现代科学技术的不断进步,遥感技术、地理信息系统和卫星定位技术因其数据检测精度高、更新速度快等优势,被广泛应用于现代工业、建筑工程、城市规划等领域。由于不同部门涉及的地理信息以及相关数据种类不同,其数据信息处理的方式亦不同。比如卫星图像、海图以及其他各种类型的地图采集的数据几何位置不同、数据模型标准不同,这就需要探索一项可以跨越时间领域和空间领域的数据融合技术,结合来自不同空间数据模型处理的数据的差异性,达到加快信息更新速度和提高信息处理效率的目的[1]。
1 空间数据融合的概念
数据融合的概念产生于20世纪70年代,但是直接促使其发展是进入20世纪90年代以后。就数据融合的概念界定还没有达成统一的看法。数据融合技术最初被应用于军事,为军事活动所服务。但是随着社会经济的快速发展以及现代科学技术的进步,数据融合技术逐渐被广泛运用于农业、工业、地质分析、城市规划等各个领域。
数据融合作为一种数据综合和处理技术,是建立在各种传统学科和技术基础之上,是一种集成技术[2]。从广义角度看,数据融合技术包括通信技术、决策论、计算机科学、神经网络等。由此可见,数据融合涵盖的内容较多,无法对其进行一个统一的定义。一些权威部门是这样进行界定的:美国国防部认为数据融合的过程就是各种学科、各种技术相互融合的过程,从而实现数据技术的现代化、自动化。在相互融合过程中,数据融合技术可以对各个领域的信息进行有效处理、检测。Mandolins则认为数据融合只是作为一门简单的技术,作为处理庞大数据的工具,从而达到提高数据处理的效率这一目的。有些部门则把数据融合称之为信息融合。信息融合是指对以计算机作为主要工具,将来自传感器的探测信息按照一定的时序和准则进行分析与处理。这是一种对多种信息进行不断融合、协调的过程。数据融合技术的实质就是对各种信息进行综合处理。Wald在1998年采用了一个更加普遍的定义,即数据融合是形式上的框架。在框架下,要想在规定时间内将各种数据信息进行综合处理,就需要借助现代化、自动化的工具,采用科学有效的融合方式,实现提升数据融合效率和数据处理结果的精确性[3,4]。这一界定的优点在于:一是它强调了数据融合技术不再是一个简单的工具或者处理信息的方法,而是一个框架结构。二是这个界定注重强调数据融合效率和结果的精确性。
结合空间数据的特点,可以认为空间数据融合实际上是指:将不同来源的数据信息,对其进行归类处理。根据数据的类型选择合适的处理方式,进而达到改善物体几何精度这一效果,促使提高数据质量的实现。
2 多源空间数据融合技术
2.1 数据融合的层次
空间数据的来源不同,其融合方式不同。这就决定了融合层次的多样性和层次性。融合层次主要包括象素融合、决策融合和特征融合三层次。象素融合可以采取图像分析以及多源图象符合技术实现数据的融合。特征融合可以直接反映出数据的综合特征,为决策者提供科学化、专业化的决策信息。决策融合是一种相对高级的融合方式,它不仅可以帮助决策者提供完整的图象信息,还可以对来源不同的数据进行识别、分类和检测[5,6]。三者之间的差异性如表1所示。
2.2 矢量数据融合技术
矢量数据融合是采用地理数据转换方法,构建科学化、专业化的数据模型,在这个模型中对来源不同的数据进行分类分级,实现几何位置的融合,达到丰富数据属性的目的。换而言之,这是一种去伪求真、去粗求精的数据处理过程。
矢量数据融合的最终目的是消除以下差异:
第一,数据模型的构建是将不同来源的数据进行综合处理、几何位置的融合。但是采用不同的融合方法其产生的要素属性会存在差异性。
第二,来自不同空间数据模型处理的数据会存在描述上的差异。
第三,来自不同空间数据模型处理的数据会存在几何位置上的差异。
矢量数据融合的研究内容主要包括:融合规则、数据模型的构建、分类不同来源的空间数据、融合方法分析。
首先,融合规定的制定。分析数据和处理数据的前提条件是提取数据,提取数据之后才可以从模型中得出要素。比如行政区划可以从比例为1 250 000的图中提取,道路可以从比例为110 000的图中提取。对于相同比例尺的地形图和海图而言,需要对沿海地带的陆、海部分进行表示。地形图和海图的结合部是岸线和滩涂。需要在模型中注重表示这两种图。但是由于这两种图获取的数据几何位置不同,在不同空间数据模型处理中会存在很大的差异性。相对而言,地形图要更加详细。因此在融合数据时,注重提取地形图数据。
其次,制定具有层次化的矛盾处理原则。可以参考精度高精度航片和卫片,从而提高几何位置的精确性。在没有参考资料可以参考时,可以制定移动原则。属性数据可以通过网上查找方式提取。
2.3 栅格数据融合技术
栅格数据融合的表现形式有:地图图象、遥感影像数据。其融合阶段可以分为以下几个阶段:
第一阶段,图象融合。主要是针对图象通道,利用算术方法实现。比如色彩变换法(主要针对象素级融合)、调制法、统计法、代数法、分辨法等。这些方法较为简单,操作起来较为容易,因此被广泛运用于工业、制造业等各个领域。
第二阶段,20世纪80年代,模型的构建。塔式算法的基本思路是:分解原始图像—融合图像—通过塔式反变换获得融合图像。
第三阶段,90年代以后,小波变换应用到图像融合领域。在这一时期,塔式算法逐渐被小波多尺度分析法代替。多尺度分析法是一种介于函数和频率之间的数据融合结果的表达方式。无论是在时间领域还是在空间领域,都具有良好的局部化性质。能够同时将不同数据层分解成多个独立的空间信号,同时又不与时间部分重叠,又可以帮助决策者及时找到原信息的几何位置,从而找到正交基。
3 多元空间数据融合应用
3.1 遥感图形
遥感图像之间的融合包括传感器数据融合、不同时相遥感数据融合。来源于不同遥感器的数据特点不同,其几何位置不同,这样借助数据的多样性和差异性提高图像分析的分辨率。比如将TM与SPOT遥感数据进行有机结合,不仅可以提高图像信息的处理效率,还可以促使光谱信息的多元化发展。而不同时相的遥感数据融合对于提高工程实时监控效率具有重要的推动作用。比如洪水检测、气象检测等等。
3.2 地图图像
地图图像具有精度高、更新速度快等特点,但是也存在更新费用高的弊端。专题地图是指在一个模型中构建一个以“地图”为主体的地图内容。比如有关于城市旅游的“专题地图”、城市规划“专题地图”等。但是专题地图相较于地形地图而言,其精度不高。这就需要将两者进行有机融合,达到提高数据精确度和降低地形图更新费用的目的。
3.3 遥感图像与地形图像
遥感技术可以快速在不同数据模型中提取需要的数据信息,其数据检测的准确度高、定位较为准确。地形图虽然精度高,但是数据更新的费用较多、数据更新的速度快。将遥感图像与地形图象进行有机结合,可以有效避免两者的缺陷,实现优势互补。可以利用同一地区的地形图将遥感图像纠正为正射影像,再用以更新地形图。
4 结语
多源数据融合技术的发展与进步需要以现代科学技术、数据标准化作为基石,以计算机作为数据处理的主要工具,达到逐渐消除来自不同空间数据模型处理的数据差异性目的。当然,数据共享的标准化推广、数据模型的构建、地形图像与遥感图像之间的有机融合,都需要数据操作技术的支撑,将数据操作技术的原理和方法引进多源空间数据融合技术领域,进一步推动我国数据融合技术的发展与进步。所以,对于相关工作者而言,必须要认清这些技术的关键所在,在日常的工作中加强研究,推动多源数据融合发展。
摘要：文章主要以空间数据融合概念作为出发点,分析了多源空间数据融合技术,并探讨了空间数据融合技术的具体应用,以期为降低处理数据成本、提高数据处理效率提供一些参考和意见。
关键词：多源数据,空间数据,融合技术
参考文献
[1]刁明光,薛涛,李建存,等.基于地质信息元数据标准的多源空间数据管理系统[J].国土资源遥感,2013(1):165-170.
[2]朱蕊,邱茂,胡英男.面向空间数据更新的多源数据融合关键技术研究[J].测绘工程,2013(4):22-25.
[3]陈换新,孙群,肖计划.空间数据融合技术在空间数据生产及更新中的应用[J].武汉大学学报(信息科学版),2014(1):117-122.
[4]朱靖,栾学晨.面向导航电子地图制作的多源地理空间数据融合技术[J].地理空间信息,2014(4):147-149.
[5]缪彩练,南建设,郭娜.基于多源数据融合技术的情报侦察系统效能评估体系[J].电讯技术,2012(4):429-434.
多源信息融合软件的设计与实现 篇4
数据格式统一是进行数据处理的前提。由于信息的来源多, 数据格式类别差异较大, 对于数据处理带来不便。多源信息融合软件能够实现多源异构数据信息整合, 对于充分利用信息资源、提高数据处理系统性能具有实用价值。
1 多源数据融合模型
根据对输入信息的抽象或融合输出结果的不同, 可以将信息融合分为不同的3级, 包括数据级融合、特征级融合及决策级融合。
作为数据级的多源数据融合模型的结构如图1所示。多源数据经过数据清理、数据集成、数据变换, 形成有效数据, 通过数据处理形成数据挖掘分析等处理工作的有效数据。
数据清理是指去除源数据集中的噪声数据和无关数据, 处理遗留数据和清洗脏数据, 去除数据域的知识背景上的白噪声, 考虑时间顺序和数据变化等。主要包括处理噪声数据, 处理空值, 纠正不一致数据等。
数据集成就是将多文件或多数据库运行环境中的异构数据进行合并处理, 将多个数据源中的数据结合起来存放在一个一致的数据存储中。
数据变换就是将数据变换成统一的适合处理的形式。数据变换主要包括平滑、聚集、属性构造、数据泛化和规范化等内容。
2 多源信息融合软件设计
2.1 软件架构
多源信息融合软件的技术要求是实现多源异构数据向指定关系数据库进行可靠转换。就是按照指定关系数据库的表结构要求, 实现多源异构数据的数据导入及格式转换问题。软件的组成框图如图2所示。软件主要包括2个主要模块, 多源数据预处理模块和数据导入模块。数据预处理模块主要进行数据清理及格式转换, 实现常用的数据 (txt、xls、关系数据库等数据) 转换为目标数据库支持的数据格式。数据导入实现指定类型数据转换为指定结构数据。
2.2 关键技术
为了保证多源信息软件的可靠运行, 需解决数据类型的适应性和扩展性问题, 以及数据转换的可靠性、可预制性、数据转换过程的可监督性问题。
2.2.1 基于模块化设计的类型转换
模块化设计是指在对一定范围内的不同功能或相同功能不同性能、不同规格的产品进行功能分析的基础上, 划分并设计出一系列功能模块, 通过模块的选择和组合可以构成不同的产品, 以满足市场的不同需求的设计方法。
虽然目前主流数据库管理系统都支持数据转换功能, 但数据库管理系统支持的数据类型有限, 对于新增类型数据, 只能通过升级或更换数据库解决。即使对于支持类型的数据, 有些情况不能实现正确转换, 例如文本文件只能识别典型分隔符 (制表符、空格等) , 不具有按指定分隔符实现转换功能。存在数据库版本问题, 高版本数据不能直接转换低版本数据库数据。使用数据库系统的数据转换功能需有管理员权限, 但为了保证数据库管理系统安全, 不便于开放管理员权限, 影响数据转换。
模块化设计思想在类型转换中的运用就是通过建立统一的类型转换输入接口, 对于新增类型数据的转换问题, 只要将新增类型转换模块按照标准格式定义接口, 就能实现新增模块的可靠增加, 减少系统二次开发成本, 有效提高系统的适应性及扩展性。
2.2.2 多线程编程技术
多线程机制是指在单个程序中同时运行多个线程完成不同的工作, 每个线程与其他线程并发执行。多线程适合执行占用大量时间的操作, 执行区分不同优先级的任务, 能够满足用户界面在将时间分配给后台任务时仍能快速做出响应的需求。
由于需转换的数据量较大, 使得数据转换时间较长, 如数据不一致或不完整等问题将出现转换中断或数据遗漏等情况, 所以及时了解转换进度以及实现异常快速响应对于保证有效转换具有重要意义。
软件采用多线程技术解决数据处理进度、过程可见性以及及时进行异常处理等问题。软件通过实时显示转换进度及转换状态, 有利于实现转换进度和状态的有效监督。对于数据转换异常, 能够及时终止转换进程或者调整转换策略, 保证数据转换的有效性。
2.2.3 基于任务的数据导入
数据预处理获得的数据还需转换为数据处理所需格式的数据, 即将转换的源数据可靠导入到指定格式的目的数据表。数据的可靠导入不只是在系统正常运行时保证大量数据的导入, 更主要是保证在人为终止、系统故障等情况引起异常的情况下, 有效实现断点续导。
基于任务管理的数据导入的思想是将数据导入分成导入任务创建、导入任务管理、导入进度监督、导入异常处理4个部分。其中导入任务创建就是确定源数据表导入字段与目的数据表相关字段的对应关系;导入任务管理就是实现任务名称, 对应关系等任务相关数据源信息管理;导入进度监督就是展示导入任务的完成情况, 即通过已导入的数据量与源数据总记录数量的比较, 确定任务完成情况, 有利于指导后期导入工作;导入异常处理就是根据导入任务异常结束情况, 进行无效信息处理, 保证有效进行可靠导入。基于任务管理的数据导入, 保证了数据导入的完整性和可靠性。
3 软件性能及主要界面
多源信息融合软件能够实现如下功能: (1) 实现多源异构数据向指定数据库的数据导入, 有效地实现数据集成。 (2) 实现数据清理及有效信息提取。 (3) 实现断点续导, 提高数据导入的可靠性。 (4) 方便新增类型数据转换模块添加, 提高系统扩展性。
系统的主要工作界面如图3-5所示。
通过设置文本文件的分隔符, 实现文本信息的有效分割, 方便文本数据向数据库格式转换 (见图3) 。
利用多线程技术, 实时观察及控制数据导入和转换进度, 保证可靠运行 (见图4) 。
任务管理由于确定导入关系, 保证导入进程可靠有序实施 (见图5) 。
4 结语
未经处理的多源异构信息, 严重影响数据利用效率。多源信息融合软件运用数据融合思想并结合实际需求, 有效解决处理信息途径庞杂、资源分散、数据处理效率不高的问题, 对于提升数据处理能力具有一定的应用价值。
参考文献
[1]韩崇昭, 朱洪艳, 段战胜.多源信息融合[M].北京:清华大学出版社, 2006.
[2]何友, 薛培信, 王国宏.一种新的信息融合功能模型[J].海军航空工程学院学报, 2008 (3) :241-244.
多源图像融合 篇5
随着生产规模的扩大, 新系统、新设备不断运用, 电力公司电气系统的自动化管理发展迅速。但是, 越来越多的电气自动化系统配置了不同的服务器结构, 数据库是分布的, 在系统结构、数据模型、查询方式上都有所差异;数据来源不统一 (时效性、响应速度均不统一) , 网络通讯相互隔离, 后台管理机较多, 且监控内容各不相同。相同管理系统也存在版本上的差别, 相互之间没有信息共享, 不能进行协调工作。电气信息难以集中管理与控制, 故障信息报警存在时钟不同步等等, 给电气管理带来了诸多不便。因此, 将现有不同电气自动化系统的信息进行整合, 集中管理全公司6 k V~110 k V电气系统的数据, 满足不同管理层次的生产要求, 可以很好地提高公司电气自动化管理水平。
常用的异构数据源集成的体系结构有以下几种[1], 中间件结构、数据仓库结构、基于本体的异构数据集成体系结构[2]。建立数据仓库通常需要较高的成本[3], 而中间件结构添加局部数据源较简单, 目前在技术上主要是采用Warpper/Mediator中间件结构[4]进行数据融合。在过程中需要解决[5,6]:模式集成[4]和查询分解[6], 最后, 还要建立模式映射[7]规则, 以确保不同数据库模式之间可以对应。在电气自动化系统多源数据融合过程中, 重点需要解决数据数据处理与监控平台的选择和通信模式的选择, 前置机或服务器数据的整理, 网络的配置, 后台监控系统画面、管理报表的整理等等。
1 数据管理平台设计
各个时期的电气自动化系统的类型不同, 必然存在有的比较先进, 有的则相对较为落后。新系统的数据处理的响应速度快, 实时数据刷新速度也快, 其数据管理机软件便于管理、更新, 后台监控机的管理软件的功能强大, 实时画面和数据显示更符合现行电气自动化信息管理的要求。故此, 基于系统功能的需要和日后系统不断扩展的要求, 最终选取了最新的电气自动化系统平台作为所有其他自动化系统的数据通信平台, 即将所有其他电气自动化系统的数据集中到最新的电气自动化系统数据管理机上, 因此统一将多源数据放入内存中, 每隔5 min进行读取和计算。另外由于数据表结构、字段定义存在差异, 可以将关系型数据库统一转为键-值型 (key, value) 数据库, 采用No SQL语句查询。应用Memcached技术实现以上需求, 服务端 (ms) 和客户端 (mc) 是Memcached的两个主要组成部分, 在读写过程中, 首先对每个数据构造键值对 (简称kv对) , 键会通过哈希算法转化成哈希-键。Memcached数据查询具体流程和更新流程如图1、图2所示。
2 整合后系统的通讯模式的选择
数据处理与监控平台确定之后, 主要面对的就是整合后的系统的通讯模式问题。即各自相对独立的电气自动化系统如何与先前确立的中心管理机或前置机进行通讯, 数据如何进行交换, 采用何种协议, 需上送数据的数据表如何制定等等。
在现有的各个电气自动化系统中, 因每一个系统均有各自的通讯服务管理机或前置机, 它们与其所属范围内所有远方测控装置和智能设备进行数据的交换和管理。然而各自系统的通讯模式各不相同, 有的系统采用CAN网通讯, 有的系统采用RS485通讯, 有的系统则采用Ethernet以太网进行通讯。因此在进行不同系统间的通讯时, 首先需解决数据如何进行交换, 采用何种协议的问题。
现有的每一台数据管理机或前置机下面挂的测控装置或智能设备均采用各自约定的传输规约进行通讯, 如CAN网、RS485、RS232等等, 如果以每一个装置为节点, 分别向中心管理机发送测控数据, 则整合的难度将大大降低, 但是涉及到通讯电缆的敷设, 耗时相当长且费用很高, 因此不能采取这种方法。考虑到现有的通讯管理机均配置有多种通讯协议和通讯接口, 如一路或多路网络接口, 串口等。可以利用这些不同接口, 将整个数据管理机或前置机处理的各自电气自动化系统的数据进行打包, 而后统一发送到中心管理机上, 再进行数据读取与整理, 则相对更为方便可取。
3 服务器数据管理
以上工作做好后, 根据统一监控平台要求, 对相对独立的电气自动化系统的数据进行划分, 列出需要的遥信、遥测、遥调与遥控表, 即在中心处理机内进行不同系统数据库的分层工作。定制数据点表的工作完成后, 剩余的工作就主要围绕中心前置机和服务器中进行不同电气自动化系统传送来的各种测控数据或智能设备信息的整理。在中心前置机数据库中创建不同的厂站, 根据不同电气自动化系统数据点表中数据的数目, 相应地为一个电气自动化系统创建一个或多个厂站, 继而对每一个厂站进行分配端口, 配置遥信、遥测、遥调与遥控量的地址等工作, 最后进行相应厂站数据的导入工作。这部分工作相对繁琐, 工作量大, 却是不容出错的, 因为地址分配的错误将直接导致后台监控无法正确显示与运行。
整个系统共分为4个层次, 自底向上主要包括源数据层、应用数据层、中间层和访问层, 采用kv型数据库存储所有数据, 应用Memcached技术读写数据, 采用XML格式记录数据。
4 网络通讯配置管理
数据整合工作完成后, 对中心管理机和其他分布在各地的通讯管理机或前置机进行网络的通讯配置后, 系统才能够协调工作, 考虑到新整合系统运行的可靠性, 在系统整合过程中, 对所有独立通讯管理机或前置机采取了既相互统一又相互独立的配置方式。一方面, 正常运行时, 所有独立系统发送数据到中心管理机, 作为统一的数据处理、通讯和转发单元, 中心管理机同时向所有后台发数据, 期间其中任意一个通讯管理机或前置机故障时, 不影响其他通讯管理机或前置机的数据发送;另一方面, 如果中心管理机故障, 则还可以断开所有连接, 恢复原有独立运行方式, 从而不影响相应系统的运行。
在中心管理机中设置网络通讯时, 必须正确选用通讯口类型、填写相应的规约和通讯方向等属性, 这些规则需根据中心管理机与各个独立的通讯管理机或前置机的通讯方式定。在中心管理机的统一调度与管理下, 所有分散的后台监控机需根据中心管理机的要求进行相应的计算机网络名和IP地址的设置, 至于IP地址的设置则依据网关的设置进行, 保证不重复即可。
出于生产系统的安排, 不能将所有系统全部停运, 故此在系统整合过程中, 必须根据各自企业生产的要求, 采取分布到整体, 停运与在线相结合的方式进行系统的整合工作。在系统的整合过程中, 还需要根据各个相对独立的电气自动化系统的地理位置, 原有的监控模式和运行人员的监控习惯等问题进行具体的分析, 充分利用现有软硬件资源, 以节约投资成本。
5 展望
整合后的系统能够集中实时显示公司最大范围内的电气运行状态数据, 对于各级技术和管理人员而言, 便于进行全系统分析和数据统计工作。不同来源、不同结构、分散于各级用户之间的数据, 集中于中心统一的数据库, 便于维护、计算和查询。采用kv型数据库, 提升了系统的开放性和先进性, 提高了对数据源的适应度, 统一了数据接口标准, 为今后能充分利用各种信息资源做数据挖掘打好系统基础。
参考文献
[1]王杰勋.医疗保险信息系统异构数据集成的研究与实现[D].南京:南京航空航天大学, 2007.
[2]向红.基于本体的异构数据集成系统的研究与实现[D].西安:西安电子科技大学, 2007.
[3]张靖, 程希来.多源异构数据整合应用研究[J].成都信息工程学报, 2009, 24 (3) :254-257.
[4]张桂香.异构信息源集成系统的模式集成研究[J].微计算机信息, 2007, 24:233-234.
[5]俞红齐, 顶宝康.多数据环境下的模式集成及查询分解[J].计算机工程, 2006, 26 (10) :124-126.
[6]李瑞轩, 霍晓丽, 卢正鼎.多数据库系统中的全局查询转换方法研究[J].计算机工程, 2005, 31 (16) :4-6.
多源图像融合 篇6
电网运行基础数据的质量直接决定电力调度控制中心各种高级分析与应用的实用化水平,也严重影响电力调度控制的准确性、可靠性及精益性。电网运行基础数据主要包含模型、参数、量测数据等部分,其中每部分均会对其质量产生直接影响。运行维护经验表明,电网参数是影响电网运行基础数据质量与状态估计结果有效性的主要因素之一。
针对电网参数问题,业界研究的焦点主要集中在参数辨识与估计算法上[1,2,3,4],其基本原理是在假定量测数据准确无误的基础上,利用网络拓扑、各种物理约束等特性进行参数辨识与估计,整个过程类似于状态估计[5,6,7,8,9,10,11,12,13]的逆过程,在提高电网参数质量方面发挥了一定作用。然而,电网量测数据的准确性受到采集、传输、处理等多环节的影响,利用准确性不可靠的量测数据去开展参数辨识与估计,其有效性与可靠性是不确定的。
目前,调度中心自动化、运行方式及继电保护等多个专业因业务需要,通常都建立了独自的模型参数库并且各自独立进行维护,因缺乏协同管理机制, 很难保证其一致性,出现了“一个电网,多套参数”的局面,即面对同一个电网,不同专业存在不同的模型参数。与此同时,下级调度中心还向上级调度中心相应专业传送电网参数信息。不同专业的参数以不同类型、不同编码与命名规则的文件形式存储,彼此之间难以互相辨识及共享参数信息,致使其不能互为校验和参考,无法达到提高各个专业参数准确性与一致性的目的。
为此,提出一种多源异构电网运行参数融合方法,其基本原理是:在充分获取不同专业参数信息的基础上,应用对象名称匹配知识库实现多源异构电网运行参数的互相辨识,通过纵向参数融合、横向参数融合技术消除多源电网参数之间的差异进而实现有机融合。该方法不仅能克服当前参数辨识与估计算法的缺陷与不足,还能逐步缩小不同专业参数数值的差异并满足各专业对高质量电网运行参数的现实需求。
1 基于知识库的对象名称匹配
目前,调度中心不同专业各自建立了若干电力生产业务系统,这些系统类别繁杂且由不同的生产厂家制造,彼此按照私有规则对设备对象进行命名, 导致设备对象难以互相辨识,不便于多源参数信息的融合与共享。为了让以私有规则命名的不同系统设备对象之间能够互相辨识,需要研究不同系统之间设备对象名称匹配关系建立的方法。
以对象名称匹配知识库为基础,分别研究了两级相同专业、同级不同专业2种类型对象名称匹配方法。
1.1 对象名称匹配知识库
对象名称匹配知识库指的是完成不同系统之间设备对象名称的匹配所需知识的总称,由特征向量和匹配规则两部分构成。
对象名称特征向量是由若干标识某类对象名称基本特征的属性构成的向量,其数学表达形式为:
式中:n为对象名称特征向量Td的维数。
对于交流线路、主变绕组及发电机等不同设备, 其对象名称特征向量的属性构成与维数均不相同。
对象名称匹配规则是建立在特征向量基础上, 用以判定不同系统对象名称之间存在相同或等价关系的约定准则。由于不同对象名称的特征向量存在差异,因而其对应的匹配规则也彼此不同。
对象名称匹配知识库的形成过程包含4个步骤:1搜集大量 对象名称 样本。从能量管 理系统 (EMS)、电力系统分析软件BPA及继电保护定值整定计算系统(以下简称保护整定系统)中获取交流线路、主变绕组 及发电机3类对象的 名称信息。 2总结归纳与特征抽取。通过分析大量对象名称样本的特点,总结、提炼出反映对象名称基本特征的若干属性。3分类组合对象名称的属性,形成对象名称特征向量。4以特征向量为基础,产生判定对象名称相同或等价的对象名称匹配规则。
按照对象名称匹配知识库形成的方法与步骤, 可分为交流线路、主变绕组、发电机3类对象名称的匹配知识库。
1)交流线路
特征向量:一端厂站名称、二端厂站名称和线路回路编号。
匹配规则:1比较两条线路的一、二端厂站名称是否相同或具有等价关系(一、二端厂站名称顺序忽略);2当存在回路编号时,比较两条线路的回路编号是否相同,反之,判断两条线路的名称是否相同或具有等价关系。
2)主变绕组
特征向量:厂站名称、变压器类型、变压器编号和所在电压侧。
匹配规则:1比较两个主变绕组的厂站名称是否相同或具有等价关系;2比较两个主变绕组所属的变压器类型是否相同;3比较两个主变绕组所属的变压器编号是否相同;4比较两个主变绕组所在电压侧是否相同。
3)发电机
特征向量:厂站名称和发电机编号。
匹配规则:1比较两台发电机的厂站名称是否相同或具有等价关系;2当存在发电机编号时,比较两台发电机的编号是否相同,反之,判断两台发电机的名称是否相同或具有等价关系。
在实际运用对象名称匹配知识库设计对象名称匹配算法时,常常通过降低特征向量的维度与减少匹配规则的个数来实现对象名称匹配条件的松弛, 并辅以人工干预来提高匹配算法的准确度。
1.2 两级相同专业对象名称匹配
构建两级相同专业对象名称的匹配关系的主要目的为解决上下两级调度中心相同专业对共同设备对象命名的差异化问题,这种差异性部分源自相同类型系统生产厂家不同造成设备对象命名与编码规则存在的差别,同时也由人工录入设备对象名称时普遍存在的随机性差异所引起。
通常各级调度中心均包含自动化、运行方式及继电保护等专业,因而两级相同专业对象名称匹配关系的构建也需按照这些专业分别进行。
在匹配过程开始前,需要指定基准对象和待匹配对象。以上级EMS的对象名 称为基准 对象名称,下级EMS的对象名称作为待匹配对象名称,其匹配关系的构建过程为:1分别获取基准对象名称和待匹配对象名称的特征向量;2按照对象名称对应的匹配规则判断2个特征向量是否相同或具有等价关系。如果是,则对象名称匹配成功;反之则松弛匹配条件并辅以人工干预完成对象名称的匹配。如果仍然没有建立匹配关系,那么对象名称匹配不成功。
下面通过自动化专业介绍上下两级EMS中交流线路、主变绕组及发电机3种对象名称匹配关系的构建过程。
1.2.1 交流线路
一条交流线路一般由一端厂站、二端厂站和线路名称(通常包含线路回路号信息)进行标识和说明,故可以从上下两级EMS的线路信息中提取其特征向量。
1)分别提取一端厂站、二端厂站的核心词汇作为特征向量中一端厂站名称、二端厂站名称属性的值。核心词汇是指厂站名称中去掉公用词汇与特殊字符后剩下的能够标识厂站关键信息的词汇,如“沙角A厂”和“西江变电站”中的“厂”“变电站”为公用词汇,而其中的“A”则是特殊字符。公用词汇与特殊字符可通过总结归纳法从大量的厂站名称样本中获得。
2)采用基于正则表达式的模糊匹配法[14]。从线路名称中提取其回路编号作为特征向量中线路回路编号属性的值。
提取出线路名称的特征向量后,根据交流线路名称的匹配规则判定上下两级EMS交流线路名称的特征向量是否相同或等价,并以此作为两者匹配关系构建成功与否的依据。如果不存在相同或等价的特征向量,则松弛匹配条件,仅以其中部分规则 (如规则1)并通过人工干预法完成线路名称的匹配。
1.2.2 主变绕组
一个主变绕组通常由厂站名称、绕组名称(包含变压器类型、编号及所在的电压侧等信息)进行标识和说明,故可以从上下两级EMS的主变绕组信息中提取其特征向量。
1)特征向量中厂站名称的提取参照交流线路部分。
2)从绕组名称中提取变压器类型作为特征向量中变压器类型属性的值。变压器类型划分为普通变压器、联络变压 器、其他变压 器3种类型,标识这3种类型的核心词汇可通过总结归纳法从大量的绕组名称样本中获得。
3)从绕组名称中提取变压器编号作为特征向量中变压器编号属性的值,变压器编号的提取参照线路回路编号进行。
4)从绕组名称中提取所在电压侧作为特征向量中所在电压侧属性的值,标识绕组所在电压侧的核心词汇可通过总结归纳法从大量的绕组名称样本中获得。
提取出主变绕组名称的特征向量后,根据主变绕组名称的匹配规则判定上下两级EMS主变绕组名称的特征向量是否相同或等价,并以此作为两者匹配关系构建成功与否的依据。如果不存在相同或等价的特征向量,则松弛匹配条件,仅以其中部分规则(如规则1和3)并通过人工干预法完成绕组名称的匹配。
1.2.3 发电机
一台发电机通常由厂站名称、发电机名称(包含发电机编号信息)进行标识和说明,故可以从上下两级EMS的发电机信息中提取其特征向量。
1)特征向量中厂站名称的提取参照交流线路部分。
2)从发电机名称中提取发电机编号作为特征向量中发电机编号属性的值,发电机编号的提取参照线路回路编号进行。
提取出发电机名称的特征向量后,根据发电机名称的匹配规则判定上下两级EMS发电机名称的特征向量是否相同或等价,并以此作为两者匹配关系构建成功与否的依据。如果不存在相同或等价的特征向量,则松弛匹配条件,仅以其中部分规则(如规则1)并通过人工干预法完成发电机名称的匹配。
1.3 同级不同专业对象名称匹配
构建同级不同专业对象名称的匹配关系的主要目的为解决调度中心内部自动化、运行方式及继电保护等不同专业之间系统设备对象命名的差异化问题,这种差异性主要源自不同类型系统设备对象命名与编码规则存在的差别,也由人工录入设备对象名称时存在的随机性差异所引起。
由于系统建设年代的差距,EMS模型参数(对应自动化专业)、BPA模型参数 (对应运行 方式专业)和保护整定系统模型参数(对应继电保护专业) 的建模规则相差很大,尤其是20世纪90年代初就引入中国的BPA程序,其以文本形式保存数据和以不规则拼音定义对象名称的模式非常落后,给参数分析和维护工作增加了难度与不便[15]。
由于构建同级不同专业对象名称的匹配关系涉及多个专业,故需要分别建立任意2个专业之间的对象名称匹配关系,此时需要设定基准专业来完成匹配关系的构建。鉴于系统对象命名与编码的标准化,选择自动化专业EMS的对象名称为基准对象名称,而运行方式专业BPA系统与继电保护专业保护整定 系统的对 象名称作 为待匹配 对象名称。 EMS与BPA系统、EMS与保护整定系统的对象名称匹配关系的构建过程参照图1进行。
鉴于保护整定系统的对象名称命名与编码规则和EMS类似,EMS与保护整定系统的对象名称匹配可以参照上下两级EMS的对象名称匹配的详细过程进行。而EMS与BPA系统的对象名称匹配原理与总体流程跟上下两级EMS也相似,以下重点介绍其中的特殊之处。
1)交流线路
在BPA系统中,通过2个节点来 标识一条 线路。这2个节点名称的字符串中一般包含EMS线路名称中的一端、二端厂站名称的核心词汇,或核心词汇的全拼或短拼或中拼字母字符串。根据上述特点,EMS与BPA系统的交流线路厂站名称的匹配方法为:提取EMS交流线路一、二端厂站名称中的核心词汇及其对应的拼音字母字符串,在BPA系统的2个节点中检索是否包含上述字符串。
2)主变绕组
在BPA系统中,通过2个节点来标识一个主变绕组。这2个节点名称的字符串中通常包含厂站名称、变压器编号、所在电压侧等信息。根据上述特点,提取BPA系统主变绕组名称的特征向量的方法为:1厂站名称的处理过程同交流线路部分;2由于节点名称中不含变压器类型信息,BPA系统主变绕组名称特征向量中变压器类型的属性值不予填充;3从BPA系统节点名称1中获取变压器编号作为其特征向量中变压器编号属性的值;4从BPA系统节点名称2中获取所在电压侧作为其特征向量中所在电压侧属性的值(具体参考1.2节相应部分内容)。
3)发电机
在BPA系统中,通过一个节点来标识一台发电机。这个节点名称的字符串中通常包含厂站名称、 发电机编号等信息。根据上述特点,提取BPA系统的发电机名称的特征向量的方法为:1厂站名称的处理过程同交流线路部分;2从BPA系统节点名称1中获取发电机编号作为其特征向量中发电机编号属性的值。
2 多源异构参数融合
由于调度中心应用与维护主体的多元化,电网运行参数呈现如下鲜明特点。
1)多来源。调度中心各专业各自独立建立了辖区内电网设备的模型参数库,而且还接收下级调度中心相应专业上传的模型参数,使上下两级调度中心的共同设备部分的参数来源多样。
2)异构化。调度中心各专业独自建模,所采用的设备命名与编码规则差别较大,例如自动化专业使用标准公共信息模型(CIM)文件,继电保护专业采用EXCEL文件,而运行方式专业使用DAT文件。
3)一致性差。调度中心各专业独立维护各自建立的模型参数库,进行参数更新操作时缺乏协同,易造成不同专业参数库的失步。
针对多源异构电网运行参数容易失步的问题, 提出一种电网参数融合方法,通过纵向参数融合与横向参数融合技术实现多源异构参数的有机融合, 提高不同专业参数库的一致性。如图2所示是多源异构电网运行参数融合的原理示意图,包含参数获取与解析、纵向参数融合及横向参数融合3个环节。
2.1 纵向参数融合
纵向参数融合指的是通过消除上下两级相同专业(自动化、运行方式或继电保护)共同设备的参数差异进而实现参数在同一专业纵向上的融合。3个专业的纵向参数融合分别单独进行,其实现过程类似,具体包含以下步骤。
1)参数获取与解析。通过标准Web Service接口[16]获取多来源的电网参数文件,包括上下两级调度中心的 自动化专 业CIM文件、继电保护 专业EXCEL文件、运行方式专业DAT文件;解析异构文件获取所需的参数,供后续分析使用。
2)两级相同专业参数匹配。通过两级相同专业对象名称匹配技术(参见1.2节),实现两级相同专业设备参数的匹配和对应。
3)参数差异分析与纵向融合。引入纵向参数差异度指标表征 两级相同 专业之间 的参数差 异,如式(1)所示。
式中:Xt,i和Xb,i分别为上、下两级第i个参数的对应取值;Dv,i为第i个参数的纵向差异度,其值为上下两级参数之差的绝对值与其对应均值的比值。应取值;为上、下两级同一专业第i个参数的均值;Dv,i为第i个参数的纵向差异度,其值为上下两级参数之差的绝对值与其对应均值的比值。
由于不同系统中的参数存在有名值、标幺值、铭牌值等多种表达形式,上、下两级同一专业的参数统一选取有名值进行分析计算。当某个系统中的参数以有名值之外的形式存在时,则根据该系统所采用的计算基准、计算方法将其折算为有名值后再进行后续的分析计算,以消除参数表达形式、计算基准、 计算方法等方面的差异对参数分析结果的影响。
如果Dv,i超过设定的阈值,说明参数的纵向差异度较大,此时不能确定具体是哪级的参数可疑或错误,需要通过参数差异处理流转流程由上下两级分别进行参数核查,借助管理手段消除参数的差异; 反之,则说明上下两级参数处于较合理的位置,经过参数合理性验证之后,通过两者的平均值替换各自参数的原始值,以此消除上下两级参数之间的微小差异。
2.2 横向参数融合
横向参数融合指的是通过消除同级不同专业的参数差异进而实现参数在不同专业之间横向上的融合。横向参数融合的具体实现过程如下。
1)分别获取经纵向融合后的自动化、运行方式及继电保护3个专业的电网参数文件。
2)同级不同专业参数匹配。通过同级不同专业对象名称匹配技术(参见1.3节),实现同级不同专业设备参数的匹配和对应。
3)参数差异分析与横向融合。引入横向参数差异度指标表征 同级不同 专业之间 的参数差 异,如式(3)所示。
式中:X1,i,X2,i,X3,i分别为自动化专业、运行方式专业、继电保护 专业的第i个参数的 数值;为3个专业第i个参数的均值;Dh,i为3个专业第i个参数的横向差异度,取值为3个专业参数的标准差与其对应均值的比值,3个专业的参数同样选取有名值进行分析计算。
当Dh,i超过设定的阈值时,采用数理统计分析
法定位质量较差的参数,通过X1,i,X2,i,X3,i和差值的绝对值大小来衡量参数质量的好与差,即距离均值越远的专业,其参数质量越差。在定位参数质量较差的专业后,启动该专业电网参数校核流程并人工修正质量差的参数,同时将该修正的参数同步更新至另外2个专业。如果Dh,i没有超过设定的阈值,则说明3个专业的参数处于较合理的位置;经过参数合理性验证之后,通过三者的平均值替换各自参数的原始值,以此消除不同专业参数之间的微小差异。
2.3 参数版本管理
由于不同来源电网模型参数库更新周期存在较大的差异性,因而提出参数版本管理功能来实现具有不同更新时标的多源参数文件的组装和对应。
参数版本管理分为纵向版本管理和横向版本管理。纵向版本管理将上下两级相同专业的2个参数文件组合在一起形成一个版本号,这2个参数文件可能具有不同的更新时标;横向版本管理将同级不同专业的多个参数文件组合在一起形成一个版本 号,这些参数文件的更新时标可能彼此不同。
每次进行参数分析与融合时,均需通过参数版本管理功能生成相应的版本号。具备版本号的优势在于,能够对各个时期不同版本号的参数分析结果进行比对分析和趋势分析,据此判定电网参数质量的变化趋势。
3 工程应用
多源异构电网运行参数融合方法自2011年底在中国南方电网电力调度控制中心应用以来,南方电网220kV及以上大模型参数的质量、状态估计遥测合格率等均得到持续改善。
1)参数名称匹配成功率高
应用基于知识库的对象名称匹配算法实现了EMS、保护整定系统及BPA系统之间的交流线路、 发电机和主变绕组3种异构对象名称的匹配,匹配结果已集成至南方电网调度管理信息系统(DMIS) 平台上。交流线路名称匹配结果见附录A。
根据运维统计分析,交流线路、发电机、主变绕组3种参数名称的匹配成功率均超过90%,对于各级调度中心后续开展参数差异分析与融合奠定了基础。
2)参数质量改善
自2011年底起,南方电网总调各专业借助参数融合方法并通过参数校核流程,不断核查调整电网模型参数。截至2013年底,全网共发现有问题的参数2 949个,向各专业流转和处理了2 600多个差异度较高的参数。元件参数变化趋势见表1。
从表1可以看出:自动化、运行方式和继电保护3个专业的变压器与交流线路的参数(电阻、电抗) 平均差异度逐渐变小,并且高相似率的参数占比逐渐增加,说明各个专业元件参数的质量得到了明显改善。
3)状态估计遥测合格率显著提高
在EMS模型参数持续改善和人工对状态估计模块运维、调试的共同作用下,南方电网220kV及以上大模型 状态估计 遥测合格 率得到显 著提升。 图3是2011年11月以来的一年中大模型状态估计遥测合格率月 度平均值 的变化曲 线,年末已超 过99%,相比年初提升了近5个百分点,参数质量的改善对状态估计结果准确度提升的支撑作用得到很好体现。
4 结语
针对调度中心各专业独立构建与维护各自模型参数库容易导致多源电网运行参数一致性差的现状,提出了一种多源异构电网运行参数融合方法,取得的成果如下。
1)提出了对象名称匹配知识库的概念,提炼了交流线路、主变绕组及发电机3种对象名称的特征向量与匹配规则,并将其应用于两级相同专业对象名称匹配和同级不同专业对象名称匹配,实现了不同系统参数名称之间的互相辨识及对应。
2)引入参数差异度指标衡量不同来源电网参数之间差异的大小,通过纵向参数融合与横向参数融合手段实现多源异构参数的有机融合,显著提高了不同来源参数之间的一致性,为逐步实现“一个电网,一套参数”的目标奠定了基础。
尽管该方法在南方电网220kV及以上大模型的应用中取得了一定的成效,未来仍需结合不同电压等级设备对象的特性,不断完善对象名称匹配知识库以使匹配算法具有更强的适用性和更高的匹配成功率。
多源图像融合 篇7
近年来,随着对地表、水质及环境监控等领域的研究,多源信息融合技术发展相当迅速。多平台、多时相、多传感器、多分辨率的图像,利用光学、红外、雷达等观测遥感系统,可获得大范围、高精度、实时的多源遥感数据[1]。但是这些数据所提供的信息具有冗余性、互补性,为了提高地质信息的利用率和分类精度,多源信息融合技术作为对不同分辨率和光谱图像进行整合的唯一有效的手段,显得更迫切、更重要。目前,数据融合技术研究在军事、地质监测和勘探、医学、人文地理、环境监控、交通、国土资源管理等领域都有了一定的成果。
2 多源信息融合
多源信息融合是一种信息处理技术,即对多源信息、进行处理,以获得改善了的新信息。主要研究如何加工、协同利用多源信息,并使不同信息相互补充,以获得对同一事物或目标的更客观、更本质认识的信息综合处理技术。对于多源信息融合,Li和Menijunath提出的三级形式[2]:象素级(Pixel Level)、特征级(Feature Level)、决策级(Decision Level)。不同级的融合表明融合之前,传感器的数据已经被处理的程度。
3 基于人工神经网络的多源信息融合技术
人工神经网络是基于现代神经生物学和认知科学在信息处理领域应用的研究成果。应用于信息融合的历史并不长,但具有大规模并行模拟处理、连续时间动力学和网络全局作用等特点,有很强的自适应学习能力,可以避开模式识别方法中建模和特征提取的过程,并实现实时识别,以提高识别系统的性能。神经网络的层或节点可以用多种方式相互连接,对输入向量进行非线性变换,用于信息融合可以得到较为理想的结果[3]。
3.1 遥感图像预处理
由于遥感成像中各种因素(卫星速度变化、大气变化、随机噪声等)的影响,测量的图像各项参数并不完全是实际数值大小的反映,如遥感图像的几何畸变、噪声干扰等。可以通过多项式近似法、表面拟和纠正法或局部加权平均表面拟合方法予以解决;然后对这些数据进行图像配准,把不同传感器获取的同一场景的两幅图像进行特征提取[4]。
3.2 人工神经网络的设计
对同一场景作为样本,取100组数据,它们被分为训练集和测试集。训练集有70组数据,另30组数据作为测试数据。BP网络是一种多层向前反馈网络。在这里,共设计3层,输入层有两个神经元,提取其特征向量分别为纹理分辨率X和光谱分辨率Y,根据经验公式,隐层只需要2n+1个神经元就足够了,在此例中需要配置5个隐层单元(n是输入层神经元个数)。输出是分辨率值O。采用单极S形函数公式为隐层的激活函数,即为
然后对数据进行训练,用Levenberg-Marquardt训练算法,这种算法的收敛速度快而且非常适合函数逼近。该训练共分以下三个阶段:
3.2.1 权初始化阶段
向网络中的权值矩阵赋初值,输入层与隐藏层之间的权值矩阵为Wtj,隐藏层与输出层之间的权值矩阵为Vj,其中t为输入层神经元序列号,j为隐层神经元序列号。初始化时要求各个权值取值尽量的小,而且取值应是不为0的随机数。为了保证神经网络可以正常的学习,可在(-1.0,1.0)之间取值。
3.2.2 向前传播阶段
1)从样本集中取出一个样本i(Xi,Yi),将其输入网络;
2)计算相应的实际输出Oi:
从输入神经元到隐层神经元为:Pi=∑WtjOi;
从隐层神经元到输出层神经元为:Oi=f(Pi);
其中,i为第i个样本数据,t为输入层神经元序列号,j为隐层神经元序列号,f(x)函数为神经网络的激活函数。
3.2.3 向后传播阶段――误差传播阶段
1)计算实际输出Oi与相应的理想输出Ti的差;
2)网络关于第i组样本的均方根误差为:
3)网络关于整个样本集的误差测度:E=∑Ei;
4)按极小化误差的方式调整权值矩阵。
训练过程如图1所示。
4 实验结果
本文以一组某地纹理遥感图像(a)和多光谱遥感图像(b)为实验图像进行融合,图像几何校正、噪声处理、图像配准等处理后,分别提取两幅图像纹理分辨率A和光谱分辨率B,由于温度和时间对图像变化是一个相当漫长的过程,所以不予考虑。图2所示为原始的纹理遥感图像和多光谱遥感图像。两幅图像经过预处理,以全色图像为参考图像进行几何配准,图像大小:1172×916,图像格式。
图像融合在ERDAS IMAGINE 9.2中实验,ERDAS公司是一个遥感软件公司,一直致力于遥感处理系统技术的开发应用和服务。目前,ERDAS的软件在全球遥感处理软件市场排名第一。基于Arc View GIS V 9.x的图像分析模块,利用其强大的图像处理功能,根据上述基于人工神经网络的遥感图像融合的方法和算法,通过自适应学习,大量的训练[5],实验表明,BP神经网络收敛速率相当快,并且分辨率平均误差的范围在(0.028,0.128)之间。经过融合处理,新的图像高分辨率、纹理清晰、色彩鲜艳,逼近真实。如图3所示。
5 结论
从上面的实验结果可以说明,BP神经网络可以显著改善图像的显示效果,分辨率高而不失色彩,对图像分割方面提供了很好的基础。经过反复试验,误差很小,几乎接近于零。缺点是其巨大的计算量和时间消耗,虽然BP网络在不损失性能的前提下被优化至计算量最小,但其训练时间和计算时消耗的物理存储空间仍然很大,而图像处理软件的计算性能和各种资源相对有限,因此神经网络在实际应用受到了相应的限制。但是随着计算机技术的不断进步,目前基于GIS平台,可以借助该平台强大的计算能力,从而在实现实时数据处理上不会有任何限制。由此,利用人工神经网络进行多源信息融合是可行的、高效的。
参考文献
[1]Piella G.A general framework for multi-resolution image fusion:from pixels to regions[J].Infor-mation Fusion,2003,4(4):259-280.
[2]Waltz E,Llinas.Multi-sensor data fusion[M].Norwood:Artech House,1991:101-105.
[3]彭家欢,杨建刚.基于神经网络的多传感器数据融合的分散型网络结构系统[J].计算机工程,2001,27(4):29-31.
[4]刘宁宁,田捷,胡志刚,诸葛婴.基于神经网络的纹理和灰度信息融合方法[J].软件学报.1999(6):575-579.