1.一种用于电网识别的图像处理方法，包括：

采集电网图像数据，并对采集的图像数据进行预处理；

根据预处理后的图像数据，提取图像数据中的设备特征；

根据提取的设备特征，采用YOLO目标检测算法对预处理后的图像数据进行目标检测，得到目标检测结果，目标检测结果包含检测出的设备；

根据目标检测结果，对检测出的设备进行标记，得到标记的设备；

根据标记的设备，从标准配电网图像数据库中选择对应的标准图像；

将预处理后的图像数据作为待检测图像；

计算待检测图像与标准图像之间的相似度；

根据相似度计算结果，判断待检测图像是否存在缺陷；

如果判断结果为待检测图像存在缺陷，获取缺陷区域；

将获取的缺陷区域标记在采集的电网图像数据上，生成缺陷可视化结果；

根据预处理后的图像数据，提取图像数据中的设备特征，包括：将预处理后的图像数据划分为多个数据块；

对每个数据块进行多尺度梯度计算，得到每个数据块在不同尺度下的梯度方向和梯度幅值；

对每个数据块在不同尺度下的梯度方向和梯度幅值，对每个数据块在不同尺度下的梯度方向进行加权量化，得到每个数据块在不同尺度下的加权梯度方向直方图；

将每个数据块在不同尺度下的加权梯度方向直方图进行串联，得到每个数据块的多尺度方向直方图；

将所有数据块的多尺度方向直方图组合成一个特征向量，作为预处理后的图像数据中的设备特征；

对每个数据块在不同尺度下的梯度方向进行加权量化，包括：计算每个数据块在不同尺度下的梯度方向的权重，得到每个梯度方向的权重值，权重值的计算公式为：其中，W(i,j)表示第i个数据块在第j个尺度下的梯度方向权重值，M(i,j)表示第i个数据块在第j个尺度下的梯度幅值，S(i,j)表示第i个数据块在第j个尺度下的梯度方向与主方向之间的夹角余弦值；

根据权重值对每个数据块在不同尺度下的梯度方向进行加权量化，得到每个数据块在不同尺度下的加权梯度方向直方图，加权量化的计算公式为：H(i,j,k)＝W(i,j)×Q(O(i,j),k)其中，H(i,j,k)表示第i个数据块在第j个尺度下的第k个加权梯度方向直方图bin的值，O(i,j)表示第i个数据块在第j个尺度下的梯度方向，Q(O(i,j),k)表示梯度方向O(i,j)在第k个bin上的量化值；直方图bin表示对应区间内的加权梯度方向累加值。

2.根据权利要求1所述的用于电网识别的图像处理方法，其特征在于：计算待检测图像与标准图像之间的相似度，包括：

将待检测图像和标准图像划分多个子块，并对每个子块进行加权计算；

对每个子块，计算加权后的待检测图像子块和对应的加权后的标准图像子块之间的亮度相似度、对比度相似度和结构相似度；

根据每个子块的亮度相似度、对比度相似度和结构相似度，计算每个子块的局部相似度R(xi,yi)；

采用加权平均方法，将所有子块的局部相似度R(xi,yi)融合，得到待检测图像与标准图像之间的全局相似度R(x,y)；

其中，R(x,y)表示待检测图像X与标准图像Y之间的全局相似度，R(xi,yi)表示第i个子块的局部相似度，wi表示第i个子块的加权系数。

3.根据权利要求2所述的用于电网识别的图像处理方法，其特征在于：亮度相似度的计算公式为：

其中，μx和μy分别表示加权后的待检测图像子块和加权后的标准图像子块的加权均值，加权均值的计算公式为：其中，xi和yi分别表示待检测图像子块和标准图像子块中第i个像素的灰度值，wi表示第i个像素的加权系数；C1为常数；

C1的计算公式为：

2

C1＝(K1×L)

其中，K1为小常数，取值范围为0.01值0.05；L为图像的动态范围，对于8位灰度图像，L的取值为255；对于10位灰度图像，L的取值为1023；对于12位灰度图像，L的取值为4095；对于

16位灰度图像，L的取值为65535。

4.根据权利要求3所述的用于电网识别的图像处理方法，其特征在于：对比度相似度的计算公式为：

其中，σx和σy分别表示加权后的待检测图像子块和加权后的标准图像子块的加权标准差，加权标准差的计算公式为：其中，xi和yi分别表示待检测图像子块和标准图像子块中第i个像素的灰度值，μx和μy分别表示加权后的待检测图像子块和加权后的标准图像子块的加权均值，wi表示第i个像素的加权系数；C2为常数，C2的取值与C1相等。

5.根据权利要求4所述的用于电网识别的图像处理方法，其特征在于：结构相似度的计算公式为：

其中，σxy表示加权后的待检测图像子块和加权后的标准图像子块的加权协方差，加权协方差的计算公式为：其中，xi和yi分别表示待检测图像子块和标准图像子块中第i个像素的灰度值，μx和μy分别表示加权后的待检测图像子块和加权后的标准图像子块的加权均值，wi表示第i个像素的加权系数；σx和σy分别表示加权后的待检测图像子块和加权后的标准图像子块的加权标准差；C3为常数：C3＝C2/2。

6.根据权利要求5所述的用于电网识别的图像处理方法，其特征在于：根据亮度相似度、对比度相似度和结构相似度，计算每个子块的局部相似度值，局部R(xi,yi)值的计算公式为：α β γ

R(xi,yi)＝λ×L(x,y) +(1‑λ)×{C(x,y) ×S(x,y) }其中，L(x,y)表示加权后的待检测图像子块和加权后的标准图像子块之间的亮度相似度，C(x,y)表示加权后的待检测图像子块和加权后的标准图像子块之间的对比度相似度，S(x,y)表示加权后的待检测图像子块和加权后的标准图像子块之间的结构相似度；α，β，γ分别表示亮度相似度、对比度相似度和结构相似度的权重系数；λ表示系数。

7.根据权利要求6所述的用于电网识别的图像处理方法，其特征在于：如果判断结果为待检测图像存在缺陷，获取缺陷区域，包括：将待检测图像转换为二值图像，二值图像中缺陷区域的像素值为1，其他区域的像素值为0；

将二值图像分割为前景区域和背景区域，其中，前景区域对应缺陷区域，背景区域对应非缺陷区域；

对分割后的前景区域进行连通域分析，标记连通域，获得初始缺陷区域；

对初始缺陷区域进行形态学处理，得到形态学处理后的缺陷区域，形态学处理包含腐蚀操作和膨胀操作，腐蚀操作用于去除初始缺陷区域中的面积小于阈值的噪声区域，膨胀操作用于填充初始缺陷区域中的孔洞区域；

对形态学处理后的缺陷区域进行轮廓提取，得到缺陷区域的轮廓；对缺陷区域的轮廓进行几何特征计算，得到缺陷区域的几何特征，几何特征包含凸包面积和中心位置，凸包面积表示缺陷区域的最小凸多边形的面积，中心位置表示缺陷区域的几何中心在图像中的坐标位置；

将缺陷区域的轮廓作为最终的缺陷区域。