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。     

基于改进边缘连接Canny算法的绝缘子憎水性图像分割研究北大核心CSCD

传统自适应Canny算法在憎水性图像边缘检测上的效果不甚理想,往往检测出来的图像边缘断点较多,不能形成一个完整的闭合边缘。因此,文中针对绝缘子憎水性图像中水珠上边缘难以捕捉的特点,分别从滤波、阈值选择以及边缘连接方向几个层面进行优化,提出了一种改进边缘连接的Canny算法。首先,联合对比度受限的自适应直方图均衡化与引导滤波对图像进行预处理,通过双边滤波平滑图像,在Canny算法中引入二维OTSU以及边缘连接实现图像分割,最后应用最大水珠面积比法判定复合绝缘子图像的憎水性等级。实验结果表明:文中方法能够准确有效的分割水珠图像,为后续憎水性的判定提供了依据。     

绝缘子憎水性图像水珠/水迹形状提取算法

绝缘子表面憎水性检测是判别绝缘子性能优劣的主要手段.传统的检测方法具有其主观性,图像处理技术的引入为憎水性检测提供了更为客观的方法.考虑到绝缘子所处环境的复杂性(污秽、光照等)以及憎水性图像本身的特殊性(水的透明性),本文首先对绝缘子憎水性图像进行自适应直方图均衡和基于模糊逻辑的滤波,以达到增强图像的效果;然后通过基于模糊熵的自动阈值分割方法来获取水珠(水迹)的形状信息,最后用数学形态学的二值重构开运算来去除由于分割引入的噪声.实验统计结果表明,该方法能够对各级憎水性图像进行有效地分割.     

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。     

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。