超长盘形悬式瓷绝缘子串是输变电线路中重要的绝缘部件之一，因为单帧红外图像分辨率低、视野有限，所 以当前超长盘形悬式瓷绝缘子串红外零值检测面临着难以获取清晰的全串红外图像的问题 。文中提出了一种基于 变换器的局部特征匹配算法（local feature matching with transformers，LoFTR）的绝缘子串红外图像拼接方法 。1）针对 红外图像中背景杂物干扰问题，利用语义分割“U”形网络（U-network，U-Net）模型对红外图像进行语义分割，去除背 景杂物对绝缘子串特征提取与匹配的影响；2）针对现有的图像拼接算法难以正确配准的问题，通过对重叠区域中心 部分进行掩膜操作，利用 LoFTR算法，提取绝缘子片的特征，使获取的特征点对匹配正确率更高 。江西某线路的实验 结果表明，文中方法的特征点对匹配正确率和图像拼接正确率分别达到了 86.1% 和 95%，高于其他典型图像拼接方 法，验证了此方法在超长瓷绝缘子串红外图像拼接任务中的有效性。
[1] 周阳洋，胡俊华，徐华，等. 一种瓷支柱绝缘子红外图像目标检测算法[J]. 浙江电力，2023，42（11）∶78-85.
[2] 徐奇伟，黄宏，张雪锋，等. 基于改进区域全卷积网络的高压引线接头红外图像特征分析的在线故障诊断方法[J]. 电工技术学报，2021，36（7）∶1380-1388.
[3] 董懿飞，王晓杰，王仁书，等. 基于一维残差网络的复合绝缘子发热缺陷检测[J]. 红外技术，2023，45（6）∶663-670.
[4] 卢泉，杨振华，黄粒峰. 改进最佳缝合线的红外图像拼接方法[J]. 红外技术，2022，44（6）∶580-586.
[5] 江智，江德港，黄子杰，等.基于IB-SURF算法的无人机图像拼接技术研究[J]. 计算机工程与应用，2024，60（3）∶263-269.
[6] 彭畅，李广泽，张晓阳，等. 基于改进的ORB算法的红外遥感图像拼接研究[J]. 控制工程，2020，27（8）∶1332-1336.
[7] 卢文祥，何小海，员旭拓，等. 基于PC-BRISK的岩石显微图像拼接[J]. 电子测量技术，2024，47（10）∶191-198.
[8] 崔晨阳，方宇，高玮玮，等.基于AKAZE和PROSAC的风机叶片裂纹图像拼接方法[J].电子测量技术，2024，47（7）∶177-183.
[9] Hua Xu，Yangyang Zhou，Junhua Hu，et al.A segmentation and stitching method on infrared images of porcelain post insulator[C]//IEEE 7th Information Technology and Mechatronics Engineering Conference（ITOEC）. Chongqing∶IEEE，2023∶52-56.
[10] Lin Nie，Yuqing Wang，Xiang Zhu，et al.Research on creepage distance measurement method of rod insulator based on image stitching[C]//Proceedings of the 16th Annual Conference of the China Electrotechnical Society，Lecture Notes in Electrical Engineering （LNEE）. Beijing∶Springer，2022∶1085-1096.
[11] Bellavia F. SIFT matching by context exposed[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2023，45（2）∶2445-2457
[12] SarlinP-E，DeTone D，MalisiewiczT，et al.SuperGlue∶Learning feature matching with graph neural networks[C]//IEEE/
CVFConferenceonComputerVisionandPatternRec-ognition（CVPR）.Seattle∶IEEE，2020∶4938-4947.
[13] Jiaming Sun，Zehong Shen，Yuang Wang，et al.LoFTR ∶De- tector-free local feature matching with transformers[C]// IEEE/CVF Conference on Computer Vision and Pattern Recognition（CVPR）.Virtual Event ∶IEEE，2021 ∶8922-8931.
[14] Wang Yifan，He Xingyi，Peng Sida，et al. Efficient LoFTR ∶ Semi-dense local feature matching with sparse-like speed [C]//IEEE/CVF Conference on Computer Vision and Pattern Recognition（CVPR）.Seattle ∶IEEE，2024∶21666-21675.
[15] Ronneberger O，Fischer P，Brox T. U-Net ∶Convolutional networks for biomedical image segmentation[C]//Medical Image Computing and Computer-Assisted Intervention （MICCAI）.Munich ∶Springer，2015∶234-241.
[16] 李博，刘会斌，王胜辉，等 . 基于 GANR-UNet的绝缘子红 外图像分割及低零值故障诊断研究 [J/OL].华北电力大学学报（自然科学版），2024∶1-11[2025-03-15].https ∶//link. cnki.net/urlid/13.1212.tm.20240115.1750.002.
[17] 李炳超，王军，李海丰，等 . 弱纹理飞机蒙皮曲面图像特征 匹配及拼接[J]. 电子测量技术，2024，47（5）∶124-132.
[18] 李唐兵，付鹏，朱向前，等 .绝缘子串红外图像中绝缘子盘面和 钢帽区域的自动提取方法[J]. 红外技术，2014，36（8）∶644-648.
[19] Barath D，Noskova J，Ivashechkin M，et al.MAGSAC++，a fast，reliable and accurate robust estimator [C]//IEEE/CVF Conference on Computer Vision and Pattern Recognition （CVPR）.Seattle ∶IEEE，2020 ∶1304-1312.
[20] Perera C J，Premachandra C，Kawanaka H.Low pixel resolu- tion hyperspectral image mosaics generation using learning- based feature matching[J]. IEEE Access，2023，11 ∶104084 -104093.
