基于分水岭算法的绝缘子串红外图像分割方法

为解决500 kV瓷绝缘子串红外图像分割问题,提出了一种基于分水岭算法的图像分割方法。通过调整红外图像G分量消除云雾干扰,图像预处理后采用灰度拉伸法进行图像增强;然后利用Otsu算法将灰度图像二值化,通过Hough变换确定绝缘子串基准线,并据此使用Floodfill算法提取绝缘子串目标区域;角度校正后做欧式距离变换,以局部最小值为标记符避免过分割,再采用分水岭算法进行绝缘子片分割。据此对湖南省某座500 kV变电站700张红外图像进行分析,结果表明,本文所提方法具有良好的自适应性和实用性,可显著提高绝缘子红外图像智能分割准确率。     

基于水平集的局部自适应图像分割方法

针对传统水平集图像分割模型无法准确分割灰度不均匀及多目标图像的问题,提出了1种改进的基于水平集的局部自适应图像分割模型。该模型在CV模型(Chan和Vese提出的模型)和LAW(local adaptive weighting)模型水平集演化方程的基础上,重新定义了1个局部自适应权重函数来表示像素点所在邻域的偏差信息,并约束该偏差信息与图像的局部灰度不均匀信息之间的差异为最小,以得到精确分割结果。将模型应用于多相位水平集中,实现了对多目标图像的分割。实验结果表明,该模型对灰度不均匀图像及多目标图像分割更准确,且对初始轮廓的位置更鲁棒。     

改进型PCNN在绝缘子图像分割中的应用

针对高压输电线路绝缘子状态检测中光照不均匀、对比度不强的红外绝缘子图像分割,提出了一种基于类内绝对差准则的改进型PCNN图像分割算法。对最小类内绝对差法进行改进,引入背景与目标的面积差因子,确定最佳分割阈值后通过PCNN算法迭代优化进行图像分割。与经典OTSU算法、基于最小类内绝对差准则的PCNN算法进行比较。实验结果表明,本文方法能够取得更好的分割效果,并且具有较强的实用性。     

基于红外图像特征与BP神经网络的绝缘子串低零值故障和污秽故障识别方法

提出一种基于红外图像温度分布特征和BP神经网络(BPNN,back-propagation neural networks)的绝缘子串低零值故障和污秽故障识别方法。首先利用图像处理技术分割提取绝缘子串红外图像中钢帽和盘面目标区域,得到对应温度数据;之后引入K-means聚类算法剔除分割目标区域中背景像素温度数据的干扰,并计算每个分割区域温度平均值,形成反映绝缘子运行状态的钢帽和盘面温度特征向量;在此基础上,建立以温度特征向量为输入的BPNN模型,实现绝缘子串低零值故障和污秽故障的识别及故障定位。最后通过将模型应用于某500 k V变电站绝缘子串故障诊断,验证所提出方法的准确性。     

基于改进YOLOv4的配电线路绝缘子与避雷器快速检测研究

配电线路中绝缘子与避雷器的故障影响供电系统的可靠性，为了实现航拍图像中绝缘子与避雷器目标的快速、精准检测，笔者提出一种基于改进YOLOv4的配电线路绝缘子与避雷器快速检测方法。针对无人机航拍的配电线路图像中各目标数目不均衡的问题，采用基于GraphCut与图像融合的样本扩充方法，建立含真实和虚拟的配电线路图像样本数据库。对于目标检测网络参数多、检测速度慢导致应用性能差的问题，通过迁移轻量级ShuffleNet网络对YOLOv4主干网络进行替换，利用深度可分离卷积原理对PANet模块进行轻量化调整，并引入Complete-IoU损失函数实现模型的轻量化改进。结合学习率衰减和网络层冻结方式对改进模型进行训练与测试，并与常用的目标检测算法进行对比。结果表明，本研究模型的检测速度可达48.7张/秒，对绝缘子和避雷器目标的检测精度均值可达91.6%,优于其它模型。研究可为配电线路绝缘子与避雷器的定位与缺陷检测提供技术参考。     

基于保边分解的图像分割

为改善传统CV(Chan和Vese)分割算法对自然图像分割的效果,将自然图像进行自适应保边分解,获取的卡通分量区域内部具有一致性,区域间存在显著差异且目标轮廓清晰。对卡通分量运用水平集实现目标区域分割。实验结果表明,相对于传统CV分割算法,该算法对自然图像分割的效果较好,分割测评分数较高。     

基于Canny边缘特征点的接触网绝缘子识别方法

针对使用机器视觉技术对接触网绝缘子状态检测时的绝缘子识别问题,提出一种结合Canny边缘特征和SURF点特征的绝缘子识别算法。该算法首先提取图像边缘特征,然后使用SURF算法在边缘图像上提取特征点,并利用Haar小波对特征点进行描述;对检测出的特征点使用欧氏距离比值法进行初匹配;最后用RANSAC算法消除由噪声等干扰产生的错误匹配,从而实现接触网绝缘子智能识别。实验结果表明,该算法能在有背景干扰、小幅度旋转的目标图像中准确识别出绝缘子,为电气化铁路接触网绝缘子智能清洗的视觉识别定位问题提供了可行参考。     

边缘检测在盘形悬式瓷绝缘子串红外图像上的应用

针对盘形悬式瓷绝缘子串红外图像边缘缺失导致铁帽和伞盘误分割的问题,提出一种基于边缘检测的绝缘子串图像分割方法。首先对红外图像进行灰度化、中值滤波和去噪等图像预处理,然后通过比较多种边缘检测算法,采用PSNR方法确定了多尺度形态学梯度算法是对绝缘子串边缘提取中准确性和完整性最高的方法。接着对二值化后的图像确定最大连通区域,对其进行边缘分割得到绝缘子串区域。最后结合边缘检测确定面积阈值,采取区域提取方法对其进行铁帽和伞盘区域分割,得到铁帽和伞盘区域。通过大量样本训练,正确率达到90%以上,在实际应用中取得十分良好的效果,对提高绝缘子红外智能检测准确率有重要指导意义。     

基于改进胶囊网络的绝缘子破损识别与定位

针对接触网绝缘子破损识别,传统的特征匹配和神经网络分类识别率较低,同时因其需要人工提取和训练等问题,识别速率也较慢.相比传统卷积神经网络(CNN),胶囊网络(CapsNet)首次采用矢量作为输入,可以很好的保留目标的方向,角度等特征信息,更适合于识别复杂背景下的绝缘子.因此提出一种基于改进胶囊网络和CV模型结合的绝缘子...     

RTV绝缘子憎水性图像增强新方法及应用

在研究RTV绝缘子憎水性等级过程中,低照度的RTV绝缘子憎水性图像对等级的判定有一定影响,故需对其增强处理。然而,目前传统增强法以及Retinex增强法在处理该类图像都存在一定的问题。为此,提出一种基于改进双边滤波Retinex算法,该算法首先对经典双边滤波进行改进,对其空间邻度因子最优化、在水平和垂直方向上降维滤波以及自适应求解σr;然后将改进双边滤波对RTV绝缘子憎水性图像照度估计,与Retinex算法相结合,最终达到增强的目的。实验表明,该算法对RTV绝缘子憎水性图像增强效果明显,在RTV绝缘子憎水性等级判定应用中提高了其准确率。     

±1100kV输电线路复合绝缘子缺陷多源特征及模式识别

传统方法在进行±1 100 kV输电线路复合绝缘子缺陷多源特征及模式识别时,去噪效果不佳,无法提取准确的缺陷特征,模式识别用时较长.为此,提出一种新的方法解决以上问题.对输电线路复合绝缘子图像进行均衡化处理,实现图像增强;采用均值滤波方法实现图像去噪,并在二维熵的基础上完成图像分割.提取直线特征、斑点特征和分块统计特征...     

基于Faster RCNN的绝缘子自爆缺陷识别

绝缘子是保障输电线正常运行的重要部件,而传统通过人工目视判断的绝缘子缺陷检测方式耗材耗力,近年来得到大力推广的无人机电力巡检方式在图像中快速定位并且找出缺陷绝缘子自动化程度不高,效率较低。针对无人机电力巡检方式提出基于深度学习的Faster RCNN方法,识别无人机图像中的绝缘子,并且对其进行缺陷判别。首先,进行绝缘子的样本采集,采集的样本保证种类丰富、数量足够。其次,利用采集的样本训练Faster-RCNN网络模型,对待检测图像进行识别,确定绝缘子所在具体位置。最后,对提取出绝缘子进行图像分割,通过绝缘子片之间的距离判别该绝缘子串是否存在自爆缺陷。以实际无人机航拍图像为实验数据验证本文绝缘子自爆缺陷识别,结果表明,该方法在复杂背景下能够精确有效地识别出绝缘子串,并且准确判断出该绝缘子是否存在自爆缺陷,具有很强的鲁棒性和实用性。     

一种基于边缘信息的几何活动轮廓模型图像分割方法

图像分割是图像识别、三维重建等技术的前提和基础,如何精确地完成图像的分割是当前图像研究领域一个研究的热点。几何活动轮廓模型图像分割方法开创性的将图像分割问题转化为各种能量的泛函的极小值的问题,并利用变分原理将其转换为偏微分方程来寻求最终解,测地活动轮廓模型是其中的最具代表性的分割方法,但是其却存在过度分割和对边界、噪点较为敏感的缺点。本文在偏微分方程的基础上,为测地活动轮廓模型增加了一项图像力,提出了一种改进测地活动轮廓模型图像分割方法,对噪点做了平滑,并突出了边界。实验结果表明,改进图像分割方法去除了噪点,精度更高,迭代次数减少,速度更快。     

基于图像处理技术的扇贝尺寸及位置自动识别

准确识别扇贝的大小和位置是实现扇贝自动化分级操作的首要条件。本研究中,应用图像处理技术对扇贝进行定位和识别,首先将采集到的扇贝彩色图像转换为灰度图,并通过阈值分割转变为二值图像,再通过滤波减少图像噪声,然后采用改进的OPTA算法和边界追踪算法提取扇贝图像边界,最后通过计算扇贝图像边界各点相对距离的最大值识别其尺寸,通过计算中心点得到位置坐标。实验结果表明,将图像处理技术用于扇贝的自动分类时,能够有效地完成扇贝的定位和尺寸识别,且计算量小,易于实现。     

基于机器视觉的房屋倾斜测量方法

为了精确测量房屋的倾斜程度,提出基于机器视觉的倾斜测量方法。利用固定在建筑物上的激光器向靶标发射激光,通过计算激光光斑的位移,来确定建筑的倾斜位移。对此,使用透视投影变换对获得的光斑图像进行校正处理,以应对房屋倾斜后带来的误差,然后用最大类间方差法对图像进行分割,通过灰度重心法提取十字标记与激光斑点的中心,以获得激光光斑中心的位置,并实时监测得到光斑的位移,三角函数换算得到房屋的真实倾斜位移。实验结果表明,所提方法能将激光光斑中心定位的误差稳定在5%以内,能够满足现场测量要求。     

田间机器人前后倾角视觉测量的研究

该论文论述了两种单目视觉的前后倾角测量的方案：方案一通过对田间图片的处理,提取田间过道指定位置在图片中的特征点像素（u,v）,然后把这特征点的像素映射到建立好的BP神经网络,得出田间机器人的实际前后倾斜的角度。并通过计算出来的倾斜角度与实际倾斜的角度相减得到绝对误差,实验表明该方案的最大绝对误差是1.05°,平均绝对误差是0.560°。方案二通过对田间图片的处理,经过人工读取基准图片和倾斜图片的特征点的纵轴像素v,然后把得到的特征点像素v和基准图片对应的实际倾斜的角度映射到建立好的BP神经网络,得出田间机器人的实际前后倾斜的角度。并通过计算出的倾斜角度与实际倾斜的角度相减得到绝对误差,实验表明该方案的最大绝对误差是1.48°,平均绝对误差是0.875°。两种方案的绝对误差相差不大,都在2°以内,方案一实验相对简单,特征点的位置是固定的,处理起来不容易;方案二实验相对复杂,计算出的实际倾斜角度可能会误差叠加,但实时性好。     

基于Opencv的图像多目标模板匹配算法

在箱体的图像采集与分割过程中,由于角度、光线的影响,使得模板图像与待匹配图像中相同目标图像因为角度变化和色差等原因影响,使得匹配成功率并不理想,存在无法匹配到目标箱体或者匹配偏差较大的问题。这里创新性的采用了一种新的图像预处理方法,使用边缘检测算子与膨胀的组合方法,对模板与待匹配图像进行处理,使用处理后的图像进行匹配。通过与传统方法的实验对比,实验结果表明,新的方法在图像在存在色差和一定旋转角度时,仍然具有较高的匹配率。     

基于改进模拟退火的乡村垃圾投放点选址优化

针对乡村地区垃圾投放点选址通常未考虑建筑朝向、缺少对垃圾投放点影响的量化等问题,基于乡村地区倾斜摄影模型,结合乡村建筑物的特点,提出一种改进模拟退火算法的乡村垃圾投放点选址优化方法。基于先验的地理信息数据提出确定垃圾投放点初始候选位置的原则,设计了基于倾斜摄影模型计算垃圾投放距离和垃圾影响距离的方法;引入房屋朝向因子,构建适用于乡村地区垃圾投放点选址问题的多目标优化模型;提出新的邻域策略,较传统模拟退火算法更容易跳出局部最优。通过初始候选位置的优化降低了大量垃圾投放点选址问题的复杂度,最优方案较好的平衡了垃圾投放距离和垃圾影响范围等影响因素,在东南沿海某村庄垃圾投放点选址中验证了方法的有效性;通过对比分析证明具有较高的搜索效率、选址结果也更为合理。     

基于高精度几何基元的圆弧工件匹配方法

本文针对圆弧工件匹配率低、鲁棒性差、定位不准等缺陷,提出一种基于高精度几何基元的圆弧工件匹配方法。离线阶段,运用多边形近似算法逼近目标轮廓,获取轮廓分割点;用最小二乘法拟合几何基元获取参数;应用线扩散函数模型获取几何基元参数进而确定模板位姿;在线阶段,利用最大圆弧基元进行粗定位,获取实测图像与模板的刚性变换角度;通过角度数据和对应基元间的距离数据实现精准定位。实验表明,该方法的匹配正确率可达98%,能够很好实现对圆弧工件的匹配,并在工件存在旋转、平移、部分遮挡等情况下仍具有较好的匹配效果,具有较高的实时性与普适性。     

基于GVF Snake模型的舌像分割研究

为了将舌体区域正确地从采集的舌像中分割出来,与传统的Snake模型相比较,本文运用一种优化的GVF Snake模型的方法来实现对舌图像的分割。首先对所选的舌像进行中值滤波,经过二值化处理后,得到舌体的初始化轮廓线,然后采用改进的GVF Snake模型对初始化轮廓线进行边缘修正,最后得到的舌体图像更加清晰、连贯,提高了图像的可视性和准确性。