基于改进GrabCut的绝缘子缺陷检测

为有效检测复杂环境下绝缘子的掉串故障,提出一种基于改进GrabCut的绝缘子缺陷检测方法.将图像的位置信息与显著性信息融入GrabCut模型,通过位置信息初始化GrabCut模型实现图像自动分割,显著性信息参与约束的混合高斯模型,改善图像的分割效果,采用形态学处理法进行故障定位,提升复杂环境下对故障的辨识能力.实验结果表明,该方法在复杂背景下具有良好的分割效果,能有效检测故障绝缘子,具有较强的鲁棒性.     

灰度拉伸及边缘扫描在红外图像分割中的应用

提出了一种湿污绝缘子红外图像的综合分割算法,首先用窗口灰度拉伸算法对图像进行增强,接着对图像进行二值化;然后用形态学方法将图像中相关的区域连接起来,将不相关的区域分离开;最后用基于梯度的边缘轮廓扫描法对获得的图像进行处理,将绝缘子图像中的导线去除。仿真结果表明,该分割方法可以很好地将湿污绝缘子从背景上分割出来,边缘清晰,分割质量良好,为后续特征提取和污秽等级的确定奠定了基础。     

基于多算法融合的破损陶瓷绝缘子图像识别与检测方法

为了提高输电线路安全稳定运行,在传统检测绝缘子缺陷的基础上,提出一种多算法融合的破损陶瓷绝缘子检测方法。基于FASTER-RCNN算法,将拍摄到的绝缘子图像进行训练,得到绝缘子串具体位置,并改进SBGFRLS（线性自适应滤波）算法,实现对瓷绝缘子破损的精确识别。首先利用FASTER-RCNN算法,选择Faster R-CNN网格作为检测器,识别出利用无人机拍摄得到的图像中的绝缘子串所在位置;然后,利用SVM（支持向量机)算法对绝缘子图像进行粗分割,得到粗分割后的绝缘子缺陷识别图,再在粗分割的基础上,运用改进的SBGFRLS算法对图像中的绝缘子进行精确识别,得到破损绝缘子定位图。实验结果表明,得到的绝缘子破损识别图可以验证该改进算法的可行性和有效性。     

在复杂背景下一种对作战车辆特定区域识别的方法

对如何从复杂的背景图像中准确提取作战车辆特定区域的特征进行研究,阐述传统识别方法应用于复杂背景图像中作战车辆特征提取的局限性,提出基于作战车辆形态学开运算结合多阈值处理的分割算法。首先,通过图像强度的分析选取适当阈值对其进行形态学运算,然后根据作战车辆局部特征明显,对特定区域进行再分割,实现对复杂背景图像中作战车辆特征的准确分割与提取,最后使用追踪框将感兴趣区域做标记。实验结果表明本方法对复杂背景的作战车辆识别是有效的。     

基于数学形态学的车牌分割算法

该文提出一种基于数学形态学的车牌图像分割算法。首先,对原始车牌图像进行预处理;然后,利用一种抗噪型数学形态学边缘检测算子进行车牌边缘检测;最后,去除图像水平噪声,结合水平、垂直投影进行定位。实验表明,该方法不仅算法简单、准确度高,且适于对有噪声及背景复杂的车牌图像进行分割。     

航拍绝缘子图像的提取和识别

随着直升机巡线技术的发展,通过航拍图像对电力线路及杆塔附件进行状态检测成为一种新方法,本文利用形态学去除航拍图像中的小块和噪音,基于Hough变换的思想提取出航拍图像中的绝缘子边缘,根据绝缘子串是垂直一排的特性来除去误检测的绝缘子图像并识别定位,实验结果表明该方法可以准确的提取出绝缘子,并为后期绝缘子的故障诊断提供依据。     

远距离红外弱小运动目标检测

针对远距离红外弱小运动目标的检测,本文提出了一种空域-时域联合算法。该方法首先基于结构元素大小自适应的形态学顶帽变换进行红外复杂背景抑制,增强了图像的信噪比;接下来,利用平均迭代算法精确确定门限阈值,实现单帧图像分割;在此基础上,利用邻域多帧图像相与判决算法,实现基于时间序列图像的弱小运动目标检测。实验表明,本文提出的方法能够较好地进行背景抑制和消除噪声,准确有效地检测出红外运动弱小目标。     

改进的机场停泊飞行器目标分割算法

考虑到飞行器目标在整幅图像中所占的比例往往较小,且图像背景复杂,本文提出了一种基于机场区域提取的飞行器目标分割算法.该算法首先利用Hough变换检测直线的特性,定位机场跑道和停机坪的位置,并结合教学形态学等图像处理技术去除了非机场区域;在提取机场区域后,再选择适当的阈值对图像进行分割,最后经过形态学去噪、小区域去除等步骤分割出飞行器目标.实验结果表明,该算法改进了以往机场区域提取算法保留候机楼等附属部分以及提取结果中存在机场区域以外区域的缺点,较好地实现了机场停泊飞行器目标的分割,为下一步准确识别飞行器类型奠定了基础.     

基于统计形状模型的绝缘子掉串检测算法

在电力系统中,利用计算机视觉和图像处理技术对绝缘子的状态进行检测,在保障电力系统的安全运行方面具有非常重要的作用。针对绝缘子掉串问题,本文提出了一种基于统计形状模型的绝缘子掉串检测算法,该算法首先对输入图像进行预处理;其次提取感兴趣的目标区域,该区域内应包含绝缘子信息;然后利用GLOH描述子来精确定位绝缘子,再利用统计形状模型在图像分割方面的优势来精确分割绝缘子;最后对分割出的绝缘子的位置进行分析,以达到检测绝缘子是否掉串的目的。实验结果说明了本文方法可以准确地判断出绝缘子是否存在掉串现象。     

半监督学习下复杂背景图像边缘检测仿真

为了有效避免图像边缘检测过程中出现边缘间断或者伪边缘的情况,提出一种半监督学习的复杂背景图像边缘检测算法。设定特征筛选规则,增强复杂背景图像敏感区域,提取图像特征,通过灰度共生矩阵和Gabor滤波提取图像高频与中低频纹理特征。利用半监督学习对图像样本展开训练,实现复杂背景图像分类。采用双边滤波对完成分类的图像预处理,通过最大类间方差法展开阈值分割,引入形态学思想将分割后的图像分别展开膨胀和腐蚀,获取形态学梯度图,计算梯度图像和原始阈值图像的交并集获取具有精确边缘的灰度图,实现复杂背景图像边缘检测。实验结果表明,所提算法可以获取高精度的边缘检测结果,且不会出现边缘间断和伪边缘的问题。     

改进免疫遗传算法的零值绝缘子分割方法研究

根据零值绝缘子红外图像对比度差、目标边缘模糊、噪声大且目标温升比环境温升略高的特点,采用自适应中值滤波和均值滤波去除原始图片的噪声,采用对数变换增强图片的对比度;提出一种最大类间方差法与相似度相结合的改进免疫遗传方法,用于零值绝缘子红外热像分割。该方法以类间方差为适应度函数,通过自适应提取免疫疫苗、接种疫苗、免疫选择操作确保了种群的多样性,避免了普通遗传算法出现的“早熟”现象,收敛速度较快,实验验证了该方法的有效性。     

基于周期性结构特征的绝缘子掉片检测算法

由于受强电场、机械应力、污秽、温度以及湿度等影响,绝缘子经常出现内部裂缝、表面破损、绝缘阻抗降低及污闪等现象,进而造成电网停电事故,自动地检测绝缘子缺陷对保障电力网络的安全运行具有重要的意义。本文根据绝缘子相邻伞裙间距的不变性特点,提出一种绝缘子的掉片检测算法,首先,采用基于直方图的自适应分割方法,提取绝缘子区域图像,并进行水平倾斜校正,然后,利用灰度归一化相关匹配方法,估计绝缘子几何结构的周期性参数,最后,利用灰度归一化相关匹配方法,检测绝缘子掉片位置。针对无人机巡检的809张缺陷绝缘子数据集,绝缘子掉片检测的准确率和召回率分别达到95.8%和91.9%。与现有的方法相比,其优点是不需要事先利用大样本进行统计学习,对尺度、旋转、光照、背景以及绝缘子种类的变化均具有很强的适应性。     

Logistic回归筛选零值绝缘子红外特征的方法

零值绝缘子是造成输配电网络对地短路故障的重要原因之一。利用红外热像技术检测零值绝缘子的关键在于获取最优且适当的红外热像特征。提出了一种Logistic回归分析筛选零值绝缘子红外热像特征的方法。利用中值滤波及小波自适应扩散法进行红外热像去噪和灰度拉伸法增强图像对比度;采用二维最大熵阈值分割形成二值图,经过二值图像填充处理,自动截取绝缘子串区域最小外接矩形,得到绝缘子串区域矩形图像,通过灰度-梯度共生矩阵提取矩形区域13个纹理特征参数;应用Logistic回归分析对污秽等级和纹理特征组成的14个特征参数进行筛选,得出其中7个参数对分类结果有显著性影响。实验表明,该方法实现简单,能有效筛选特征参数,剔除冗余数据。     

面向改进尺度缩放网络的绝缘子识别

目的 在电力系统中，准确地识别绝缘子目标是保障输电线路正常运行的重要前提。针对传统方法无法自动提取绝缘子特征，以及深度学习网络提取绝缘子语义信息不足的问题，提出了一种基于改进多尺度网络的绝缘子识别模型，同时满足自动识别和增强语义信息的要求。方法 改进工作主要分为3部分，首先，采用特征融合的方法，增强特征提取网络生成的特征图的语义信息；其次，特征提取后，为了避免经过多次卷积、池化操作，较小尺度绝缘子语义信息损失严重，因此，扩大网络中的小尺度特征图，进一步丰富较小尺度绝缘子的语义信息；最后，为了更好地识别尺度差异较大的绝缘子，改进锚点框的参数。完成改进工作后，通过边框回归得到绝缘子的准确位置信息，最终识别出绝缘子。结果 实验数据集由复合、玻璃和陶瓷3种材质的绝缘子构成，共有4 350幅图像。在实验数据集上进行识别，实验结果与3种不同结构的多尺度网络模型相比，模型结构最优，识别准确率为96.28%，与传统的Faster RCNN（faster region convolutional neural network）、改进的Faster RCNN等方法相比，识别准确率提高了1.98%~11.99%不等。结论 本文提出的改进模型使绝缘子识别准确率显著提高，为之后的输电线路检测工作夯实基础。     

基于最大累积剩余熵的红外图像分割

经典阈值化分割方法是常用的图像分割方法之一,但对于低对比度,低信噪比的红外图像分割效果不理想,将累积剩余熵运用于红外图像分割,即寻求使得累积剩余熵最大的灰度值作为分割阈值,实验结果表明:基于最大累积剩余熵的图像分割方法是一种有效的红外图像分割方法,比起经典的阈值分割方法,分割红外图像的效果要好。     

禁忌搜索在绝缘子红外图像分割中的应用

针对利用红外成像技术检测输电线路中零值绝缘子所存在的图像分割问题,提出了一种类间方差（Otsu）双阈值分割和禁忌搜索相结合的图像分割算法。该方法以类间方差为适应度函数,通过领域移动、禁忌表、藐视准则确保算法不陷入局部最优解,同时,运行速度比基本Otsu双阈值分割算法更快。实验结果验证了该算法的有效性。     

基于小波包变换的红外弱小目标检测

针对复杂背景下红外弱小目标的检测问题,提出一种基于小波包变换的红外弱小目标检测算法。该算法首先采用小波包变换对含有弱小目标的红外图像进行多尺度分解,得到不同尺度下的高低频节点系数;其次根据不同节点系数重构时对目标能量贡献的不同,选取高频频带中能量分布居中的频带节点系数对图像进行重构完成背景抑制;最后对重构后的目标图像采用自适应阈值分割方法进行目标分割,得到目标检测结果。实验采用多组红外序列图像进行验证,仿真结果表明：该算法可以很好地抑制背景和云层边缘,精确地检测出目标信号,同时提高了目标的信杂比和对比度等参数。