绝缘子憎水性图像检测方法研究

绝缘子表面憎水性检测是判断绝缘子性能的主要手段,也是确保绝缘子安全运行的重要保证。该文把图像处理技术引入到绝缘子憎水性检测中,通过对绝缘子图像的对比度增强、图像的灰度、梯度及度的信息特征的综合考虑、模糊C均值聚类(fuzzy C-means,FCM)和形态学对憎水性图像进行分割,获取大水珠(或水迹)形状信息,最后用最大面积比法判定绝缘子的憎水性等级。实验结果表明,该算法能够有效地提取出水珠(或水迹)的形状信息、克服传统目测法的主观性,检测结果的准确性满足实际检测的需要。     

基于改进的Canny算子的憎水性图像分割方法的研究

绝缘子表面憎水性检测是判断绝缘子性能的主要手段,对于电力系统的安全运行有着重要的意义。传统的分割算法分割效果不理想,从而影响憎水性分级的准确性。为此提出了基于改进的Canny算子的憎水性图像分割方法。考虑到绝缘子背景的复杂性,首先,利用自适应直方图均衡对图像进行增强,然后利用改进的Canny算子提取图像中水珠(或水迹)的边缘,最后利用数学形态学中的区域填充、膨胀、腐蚀、移除对象等操作对图像进行处理。实验结果表明:该方法能够对憎水性图像进行有效地分割,为后续绝缘子性能的判定提供依据。     

基于改进的Canny算子的憎水性图像分割方法的研究

绝缘子表面憎水性检测是判断绝缘子性能的主要手段,对于电力系统的安全运行有着重要的意义。传统的分割算法分割效果不理想,从而影响憎水性分级的准确性。为此提出了基于改进的Canny算子的憎水性图像分割方法。考虑到绝缘子背景的复杂性,首先,利用自适应直方图均衡对图像进行增强,然后利用改进的Canny算子提取图像中水珠(或水迹)的边缘,最后利用数学形态学中的区域填充、膨胀、腐蚀、移除对象等操作对图像进行处理。实验结果表明:该方法能够对憎水性图像进行有效地分割,为后续绝缘子性能的判定提供依据。     

采用图像分析与神经网络识别绝缘子憎水性

为了快捷准确的识别复合绝缘子的憎水性等级,提出了基于图像分析与神经网络的绝缘子憎水性识别方法.试验获取各个憎水性等级的绝缘子图像,对图像进行直方图均衡增强、自适应中值滤波处理后,利用二维Otsu阈值法对图像进行分割;然后,提取4个与绝缘子憎水性相关的4个特征量,以这4个特征量作为输入向量,以相应的憎水性等级作为输出向量,通过训练得到优化的BP(back propagation)神经网络识别模型,并用于绝缘子憎水性等级的识别.试验结果表明该方法能够准确识别绝缘子的憎水性等级,总识别率超过了90％,准确度达到了实际应用的要求,为在线检测绝缘子憎水性奠定了基础.     

基于图像特征提取与BP神经网络的绝缘子憎水性识别方法

为了方便、快捷、准确地识别运行中绝缘子表面的憎水性等级,提出了基于图像特征提取与BP神经网络的绝缘子憎水性识别方法。首先,利用同态滤波和直方图均衡对憎水性图像进行增强预处理,然后利用改进的Canny算子提取了图像中水珠(或水迹)的边缘,并利用数学形态学对其进行修正得到最终的分割图像;提取图像中与憎水性相关的4个特征量,最后建立了基于BP神经网络的憎水性识别模型,并对测试样本的憎水性等级进行了识别。实验结果表明,该方法克服了人为因素的影响,能够有效识别绝缘子7种典型憎水性等级,总识别率达90%,为在线检测绝缘子憎水性提供一种新的有效方法。     

基于BP神经网络的复合绝缘子憎水性等级的判定

憎水性检测对于确保复合绝缘子安全可靠运行具有重要意义。笔者提出把图像处理技术和BP神经网络引入到绝缘子憎水性检测中。首先,运用对比度受限自适应直方图均衡和数学形态学滤波对憎水性图像进行增强。然后,利用自适应阈值对图像进行分割,并提取图像中与憎水性相关的4个特征量。最后,选择BP神经网络判定绝缘子憎水性等级。分别采用BP标准算法和4种改进算法对网络进行训练,并对测试样本进行了憎水性等级判定。基于4个特征量的BP网络在一定程度上能够准确地判定绝缘子的憎水性等级。各种算法的判定结果表明L-M算法是比较合理的判定绝缘子憎水性等级的BP神经网络算法。     

局部自适应复合绝缘子检测与憎水性分类网络

憎水性等级(Hydrophobicity Class,HC)是衡量绝缘子性能的重要指标之一。在实际环境的多种因素作用下绝缘子伞裙表面存在局部憎水性差异,为了准确识别绝缘子的性能,本文提出了一种基于深度学习的局部自适应绝缘子检测与憎水性分类模型。首先,通过绝缘子分割模块分离绝缘子与背景区域,为后续针对绝缘子区域的操作提供分割信息;然后将绝缘子区域划分为固定大小的图像块,在缩小分辨率减小运算难度的同时保留了绝缘子表面的细节信息;最后通过憎水性分类模块分析图像块内绝缘子的憎水性。实验使用巡检维护现场的绝缘子图片作为样本集,分阶段构建模型,分别对分割阶段和憎水性分类阶段的准确性进行评估。实验结果显示分割阶段模块能有效识别绝缘子和背景区域,交叉验证的测试集准确率均大于97.21%,并且憎水性分类阶段模块能准确分析绝缘子憎水性,对140幅测试图片的识别准确率达到98.65%。经过实验证明本文提出的模型在复杂自然环境中检测绝缘子性能是一种有效的解决方案。     

基于蚁群算法的绝缘子憎水性等级判别方法

憎水性是衡量绝缘材料电性能的一个重要指标,也是确保绝缘子安全运行的重要保证,且对绝缘子憎水性等级进行判决的关键是准确地分割出水珠(或水迹)区域,因此将蚁群算法引入到憎水性图像处理中,该方法首先采用自适应局部灰度均衡对图像进行增强,以减小水珠的透明性导致的目标与背景的相似度;然后采用蚁群算法建立憎水性图像的知觉图表,利用图表信息实现对图像边缘信息的提取,从而获取水珠(或水迹)的轮廓信息。最后采用改进的形状因子法对处理后的图像进行憎水性等级的判别。实验结果表明,该算法能够较好地提取污秽绝缘子憎水性图像的水珠(或水迹)的轮廓信息,并能够通过合适的判别方法准确地判别出憎水性等级。     

基于图像处理与RBF神经网络的绝缘子憎水性识别方法的研究

为了快捷准确地识别复合绝缘子的憎水性等级,提出了基于图像处理与RBF神经网络的绝缘子憎水性识别方法。首先,对图像进行直方图均衡增强、自适应中值滤波处理;然后,利用二维Ostu阈值法对图像进行分割;最后提取4个与绝缘子憎水性相关的特征量,以这4个特征量作为输入向量,以相应的憎水性等级作为输出向量,通过训练得到优化的RBF神经网络识别模型,并用于绝缘子憎水性等级的识别。试验结果表明,该方法能够准确识别绝缘子的憎水性等级,总识别率高达90%,准确度达到了实际应用的要求,为在线检测绝缘子憎水性奠定了基础。     

基于MATLAB平台的复合绝缘子憎水性分析软件开发

复合绝缘子憎水性状况对于电力系统的安全稳定运行具有重要影响。为了准确、快捷、方便地识别复合绝缘子憎水性,借助MATLAB图像处理工具和GUI图形用户界面功能开发了一款复合绝缘子憎水性分析软件。该软件开发运用了模块化思想,建立了图像处理、水珠特征量提取、憎水性检测方法和数据库管理等功能模块;采用改进的Canny算子对图像进行分割,提取了水珠(或水迹)的特征;最后利用改进径向基函数(radial basis function,RBF)神经网络对绝缘子憎水性进行分级。实验结果表明,该软件能够准确、客观地识别绝缘子憎水性等级,准确识别率高达92%。避免了人为因素的影响,提高了工作效率,为现场运行人员提供了数据支持和参考。     

结合高斯核与各向异性邻域抑制的模糊聚类图像分割

针对模糊C均值聚类算法对图像噪声点敏感且抑制力不足问题,所导致收敛慢去噪效果差分割效果的不足,提出一种结合高斯核和各向异性邻域抑制的模糊聚类图像分割方法。算法首先根据邻域窗均值及其邻域灰度值快速评估各向异性邻域权值,通过该权值抑制局部空间噪声,达到去噪模糊聚类目的;再通过高斯核将图像数据转为核函数矩阵,在特征空间对核函数矩阵实施线性算法。通过对测试图像加入噪声,比较其他算法,该算法在去噪、迭代次数和模糊聚类分割上有显著提升。     

A research on fast FCM algorithm based on weighted sample

To improve the computational performance of the fuzzy C-means (FCM) algorithm used in dataset clustering with large numbers, the concepts of the equivalent samples and the weighting samples based on eigenvalue distribution of the samples in the feature space were introduced and a novel fast cluster algorithm named weighted fuzzy C-means (WFCM) algorithm was put forward, which came from the traditional FCM algorithm. It was proved that the cluster results were equivalent in dataset with two different cluster algorithms: WFCM and FCM. Furthermore, the WFCM algorithm had better computational performance than the ordinary FCM algorithm. The experiment of the gray image segmentation showed that the WFCM algorithm is a fast and effective cluster algorithm. __________ Translated from Journal of Sichuan University (Engineering Science Edition), 2005, 37(6): 130–134 (in Chinese)     

纵横交叉算法优化FCM在电力客户分类中的应用

电力客户分类是供电企业客户关系管理的基石,为了提高聚类算法的稳定性和精确性,提出了一种纵横交叉算法(CSO)与模糊C均值算法(FCM)有机结合的新聚类算法(CSO-FCM),并用新算法进行客户分类。新方法有效弥补了单一算法的不足,拥有模糊理论处理不确定信息的能力以及纵横交叉算法全局收敛性强的特点。利用新算法对电力客户数据进行客观、科学的挖掘分析,实现了对电力大客户较全面和准确的精细化分类,为供电企业制定有针对性的营销策略提供了依据。     

基于模糊均值聚类的自适应指纹图像分割

指纹分割是指纹图像预处理中的重要一步,有效的分割能减少后续处理时间并提高特征提取的可靠性。提出一种基于FCM的指纹图像分割方法。利用指纹图像脊线和谷线的灰度方差、纹线的方向一致性进行指纹图像分级分割,由FCM算法自适应的选择分割阈值。避免了人为选择阈值的困难。实验结果表明,该方法具有较高的稳健性和有效性。     

基于模糊集的图像边缘检测算法

边缘检测一直是图像处理中一个热门课题，本文在对经典模糊边缘检测算法思想进行分析的基础上，提出了一种边缘检测算法，该算法通过阈值分区间定义一种模糊隶属函数，可将数字图像转化在等效的模糊特征平面上，然后选用适当的增强算子对图像进行模糊增强，增强后的图像经逆变换后进行边缘提取即可得到所需图像的边缘特征。应用这种算法计算量小，运算速度较快，提取的边缘细致，是一种很有实用价值的边缘提取算法。     

融合模糊聚类的变分水平集图像分割模型

针对在图像分割中变分水平集与模糊聚类都具有通过最小化目标函数来提取目标物体这一特征,提出了汲取两种方法优势、实现融合的新方法。该方法利用模糊聚类中隶属度函数的从属性质,建立了新的变分水平集能量函数模型,通过极小化能量泛函,获得了水平集函数演化的偏微分方程,实现了目标物体的提取。实验结果表明,该方法具有良好的分割质量与分割效率,验证了新模型的合理性与有效性。     

轮胎气泡边缘检测算法的研究

针对轮胎激光剪切散斑干涉图像背景中存在大量条纹的特点,为避免其对气泡边缘检测产生妨碍,主要对其边缘检测算法进行了研究.给出了对常用的几种算子进行边缘检测后的轮胎激光剪切散斑干涉图像,并分析了其在处理图像时的不适用性,设计出基于模糊理论的小波多尺度边缘检测算法.在多尺度边缘检测过程中,设计了适合的模糊算子,改善了轮胎气泡边缘检测的效果.由仿真结果可知:本文设计的算法与常用边缘检测算法相比,更好地标记出了轮胎气泡的边缘图像,滤除图像中的伪边缘.     

基于Random Walks算法的心脏双源CT左心房分割

针对在传统的CT介入式治疗过程中,胸腔中软组织较多软组织的厚度和注射的造影剂在心脏中呈现的不均匀分布,导致在采用CT成像的图像中胸腔内部各组织之间存在边界模糊或者确实等状况,本文提出一种采用形态重构和随机行走相结合的分割方法。首先利用形态学开闭运算对图像进行化简,并使得心脏 CT腔体边界分离,进而使得各个组织组织分离,再结合Random walks算法。从而使得不需要标记太多种子点的情况下提高了分割的速度和准确性,实验证明该方法能够达到预期的目标。     

融合目标检测的交互式电网设备图像分割算法

图像处理技术在电网中有着十分重要的应用,图像分割是图像处理技术的重要组成部分.本文提出了一种融合目标检测的交互式电网设备图像分割算法,在传统的图像抓取(GrabCut)交互式分割算法的基础上,使用目标检测得到的检测标定框代替用户选择的初始化框,在目标检测算法上采用目前已知开源最快的最轻量的你只看一次(YOLO-Fast...