基于改进YOLOv3的避雷器红外图像故障检测方法

针对现有的金属氧化物避雷器（Metal Oxide Arrester,MOA）红外图像故障检测方法存在识别精度低、检测速度较慢的问题,提出一种基于改进YOLOv3的MOA红外图像故障检测方法。首先,以Darknet19网络代替YOLOv3原始的Darknet53网络,并在特征学习时针对样本中不同MOA长宽比例,通过K-means聚类算法对MOA图像中的目标帧进行分析,重新聚类样本中心锚点框,得到合适的锚框数目和大小。最后,利用改进YOLOv3模型完成MOA红外图像故障检测。实验结果表明,改进的YOLOv3模型识别精度达到96.3%,识别速度为6.75 ms。     

基于改进YOLOv3的避雷器红外图像故障检测方法

针对现有的金属氧化物避雷器（Metal Oxide Arrester,MOA）红外图像故障检测方法存在识别精度低、检测速度较慢的问题,提出一种基于改进YOLOv3的MOA红外图像故障检测方法。首先,以Darknet19网络代替YOLOv3原始的Darknet53网络,并在特征学习时针对样本中不同MOA长宽比例,通过K-means聚类算法对MOA图像中的目标帧进行分析,重新聚类样本中心锚点框,得到合适的锚框数目和大小。最后,利用改进YOLOv3模型完成MOA红外图像故障检测。实验结果表明,改进的YOLOv3模型识别精度达到96.3%,识别速度为6.75 ms。     

基于红外图像的零值绝缘子自动检测算法

在电力系统中,利用计算机视觉和图像处理技术对零值绝缘子进行检测,对保障电力系统的安全运行具有非常重要的作用。提出了一种基于红外图像的零值绝缘子自动检测算法。该算法首先对输入图像进行预处理,利用GLOH描述子结合机器学习精确定位绝缘子,然后利用图谱方法提取图像的边界点,并搜索初始轮廓线作为初始值,利用GVF Snake模型检测绝缘子串的精确轮廓线,以分割绝缘子,最后通过分析统计直方图,实现零值绝缘子的自动检测。实验结果表明,所提出的算法可以有效地检测零值绝缘子。     

基于K-means聚类算法优化方法的研究

针对传统K-means聚类中存在的一系列问题,文中提出了一种基于K-means聚类的改进算法。该算法首先利用K-means++聚类从数据中选择K个距离尽可能远的对象作为初始聚类中心,然后利用K-mediods聚类选择数据样本的中位数作为聚类中心的对象,最后与两步聚类结合。通过对几个常用UCI标准数据集进行仿真实验,结果表明该算法比传统算法更优。     

基于K-means聚类红外目标检测

目标检测是红外图像处理环节中的重要组成部分,检测结果直接影响后续处理。在分析红外图像特点的基础上,采用改进的Top-Hat算子对红外图像中的噪声点进行抑制,同时基于传统K-means聚类思想,提出基于二维梯度信息的K-means聚类目标检测算法。实验结果表明,该方法抑制噪声作用明显,能很好地检测出红外图像中的目标,为后续图像处理工作打下较好的基础。     

基于红外图像特征与K-means的边缘检测

为解决红外图像边缘模糊导致边缘提取困难的问题,提出一种基于边缘特征与K-means结合的红外图像边缘检测方法.首先将人眼视觉特性与红外图像边缘点处的灰度分布特点结合,构造出反映其结构特征的数据集;再利用K-means将数据集分为边缘点和非边缘点,提取出图像边缘;最后利用二步法将边缘进行细化,以便实现红外图像边缘检测.实验结果表明:该方法能够通过自适应阈值提取出红外图像的完整外部轮廓,并保留内部边缘信息,对弱边缘起到良好的提取效果,并有效抑制噪声干扰.     

一种基于BRISK改进的SURF红外图像拼接方法

在红外图像拼接技术的实际应用中,除了追求较高的拼接精度外,还应尽可能地提高拼接速度以满足实时性的要求.本文结合红外图像拼接技术的实际应用需求,将BRISK二值描述子和Canny边缘检测应用于SURF红外图像拼接,提出一种改进的SURF红外图像拼接方法.改进的红外图像拼接方法在特征点提取阶段将SURF特征点检测、Canny边缘检测和BRISK二值描述子有效结合,生成边缘SURF-BRISK特征点;在特征点匹配阶段采用自适应阈值的层次聚类方法作为搜索策略,并采用RANSAC算法剔除误匹配的特征点;在图像融合阶段采用渐入渐出的融合方法消除图像拼接缝隙.实验证明,本文所用红外图像拼接方法在对复杂场景下的红外图像进行拼接时,有效地提高了配准精度和拼接速度.     

红外偏振图像的目标检测方法

红外偏振成像探测通过对目标辐射和反射偏振态的探测,针对传统光学无法解决的问题,在目标检测方面取得高精度的结果,特别是在军事探测中,能够快速地将混杂在自然背景下的人造目标检测出来,以增强对目标的识别。偏振探测中所依据的强度、偏振度及偏振角信息反映出的不同物理特性,具有很强的冗余性和互补性。针对该特性,提出一种红外偏振图像的目标检测方法:首先使用Mean-Shift算法对红外图像和偏振度图像进行聚类处理;然后利用DS证据理论将聚类后的红外图像和偏振度图像中的物体信息充分结合,以区分目标与背景,达到目标检测的目的;最后通过仿真实验图像与小波融合图像结果的对比表明该算法的优势。     

低质量红外偏振图像的边缘提取方法

传统方法在增强低质量图像对比度时,噪声也实施了同步放大,因此,利用MapReduce聚类方法提出一种红外偏振图像边缘提取技术,提升强噪声下检测精准度.依据MapReduce分布式并行编程模型与传统聚类算法,完成MapReduce并行模型下K-means聚类算法的架构,采用非线性滤波形态学的开闭运算,获取红外偏振图像的峰...     

基于相位一致性的红外图像边缘检测方法

由于红外图像的灰度和对比度较可见光图像的低,用基于灰度的边缘检测方法检测红外图像的效果不佳。针对这种情况,利用相位一致性对灰度和对比度的变化具有不变性的原理,提出了基于相位一致性的红外图像边缘检测方法。首先计算红外图像的相位一致性值,然后采用K-mean法分割出包含边缘的区域,最后用形态学相关方法生成边缘曲线。实验结果表明,该方法对红外图像边缘的检测效果比Canny算法更准确。     

基于聚类算法的红外图像伪彩色增强

文中根据红外图像的特点,提出了一种基于K-均值聚类的红外图像伪彩色增强的新算法.该算法通过对红外图像灰度数据的统计学习,产生初始聚类中心,采用K-均值聚类算法对灰度进行聚类,并根据伪彩色编码的节点对聚类结果分段实现伪彩色的自适应分配.实验结果表明,该方法可增强红外图像的细节信息和层次感,具有更好的视觉效果.     

改进的CNN用于单帧红外图像行人检测的方法

针对全卷积神经网络对单帧红外图像行人检测计算量大、检测率较低等问题,提出了一种改进的LeNet-7系统对红外图像行人检测的方法.该系统包含3个卷积层、3个池化层,通过错误率最小的试选法确定每层参数,以波士顿大学建立的BU-TIV数据库训练系统.首先,以俄亥俄州立大学建立的OTCBVS和Terravic Motion IR Database红外数据库作为测试图像;然后,采用自适应阈值的垂直和水平投影法得到感兴趣区域(regions of interest,ROI);最后,将得到的ROI输入训练好的系统进行测试.3个测试集检测实验表明,本文方法具有良好的识别能力,与不同实验方法相比,本文方法能有效提高检测率.     

一种基于聚类分析的红外图像配准算法

为了提高红外图像匹配的精度和效率,提出了一种将Harris-Laplace关键点提取和旋转不变LBP特征描述算子相结合的局部特征检测新算法,该算法不仅在图像的尺度、光照和角度发生变化时,仍然能够得到很好的检测效果,而且能很好地描述图像的局部纹理特征.特征向量描述完成后,为了进一步提高红外图像特征点匹配的正确率,提出了一种基于K-means聚类分析的图像匹配策略.先利用Cosine余弦相关匹配策略实现特征点的初步粗匹配,接着采用K-means 聚类分析匹配策略剔除图像中大部分的错误匹配.实验表明:提出的算法表现出良好的鲁棒性,关键点提取的重复率(Repeatability)提高了9.2％.与传统的匹配算法相比,采用基于K-means聚类分析的匹配策略匹配精度可以提高5.05％,匹配时间可以缩短0.068 s.该特征描述算法和基于K-means聚类分析的匹配算法满足了红外图像配准的高精度性和高实时性的要求.     

基于红外序列图像的特定目标智能检测

红外成像探测技术是目前以及未来军事作战需要倚仗的重要技术。以卫星红外序列遥感图像为处理对象,采用人工智能相关技术对图像数据进行目标检测。针对序列图像检测到的特定目标进行关联分析,并通过目标灰度提取以及运动变化信息来生成特定目标的轨迹报告。实验结果表明,多目标检测的平均正确率为90%,部分场景可以达到95%,误检率为7%;多目标跟踪的平均正确率为91%,误检率为6%,为及时发现和预警特定目标提供了信息支撑。     

一种基于目标区域特征的红外与可见光图像信息融合方法

基于异源图像的信息互补关系, 提出了基于目标特征区域的小波变换融合方法。首先采用基于模糊C-均值聚类(FCM)的方法, 提取红外图像的目标特征区域, 用于异源图像目标特征区域的局部信息融合, 达到在可见光图像中加入红外目标信息的效果。其次以第一步融合的图像替换原有的可见光图像, 并采用小波变换的方法实现与红外图像的融合, 获得最终的融合图像。采用图像质量评价标准对本文算法和其他融合算法的实验结果进行分析对比, 证明所提出方法的有效性。     

红外测温技术在避雷器带电检测中的应用

简单论述了红外测温技术在对运行中的避雷器进行缺陷检测方面的应用,分析了红外测温技术对避雷器进行缺陷检测的原理,并归纳了实际工作中应用红外测温技术判断避雷器是否存在缺陷的方法。     

基于多层级深度神经网络的电力设备红外图像故障识别

电力设备的故障可能导致电力系统不稳定甚至解列,对电力安全和国民经济造成巨大损失,因此迅速且准确地识别这些故障至关重要。红外图像特征在捕捉发热故障的电力设备方面表现出良好的特征表达能力。然而,在图像采集过程中,可能会发生目标重叠、遮挡以及类目标干扰等问题。因此提出了一种复杂图像故障识别算法。基于多层级深度神经网络,充分利用多层网络模块的高层次特征提取能力和多级网络模块的特征融合能力,以提高故障识别的准确性。实验结果表明,该算法在准确率和运行时间等评估指标上优于现有的Faster-RCNN、VGG16、VGG19以及传统Resnet等模型,验证了其在解决图像中目标重叠、遮挡和类目标干扰等问题上的有效性。