基于深度残差UNet网络的电气设备红外图像分割方法

红外图像处理是实现电气故障诊断的有效手段,而电气设备分割是故障检测的关键环节。针对复杂背景下红外图像电气设备分割难问题,本文采用深度残差网络与UNet网络相结合,深度残差网络替代VGG16对UNet网络进行特征提取和编码,构建深度残差系列Res-Unet网络实现对电气设备的分割。以电流互感器和断路器两种电气设备红外图像分割为例测试Res-Unet网络分割效果,并与传统的UNet网络和Deeplabv3+网络进行对比。通过对数量为876的样本进行测试,实验结果表明,Res18-UNet能够准确地分割电气设备,对电流互感器和断路器的分割准确率超93%,平均交并比大于89%,且分割准确性优于UNet及Deeplabv3+网络模型,为实现电气故障智能诊断奠定基础。     

基于图像分割的红外图像撞击时间估计方法

以往的被动测距方法主要集中在可见光领域,利用图像稳定的特征点进行观察,目前利用计算目标尺度变化率进行撞击时间估计,已经发展成为一种较成熟的方法。然而在红外领域,由于红外图像自身的特性其特征点难以提取,原有的特征点跟踪方法无法适用。文中论述了一种红外图像撞击时间估计方法,根据红外图像难以提取特征点而相对易于目标分割的特点,提出了先对国图像进行分割提取目标面积,然后根据图像序列目标面积变化率来进行撞击时间估计,并根据撞击时间系统特征对估计结果进行修正以进一步提高精度。实验结果证明了该方法的有效性。     

基于分水岭算法的红外图像分割方法

本文采用分水岭算法对红外图像进行分割,针对其存在的过分割问题以及红外图像的特点,提出了分割区域边界平均灰度及其面积对过分割区域进行合并,以得到有意义的分割结果。本算法利用空中红外目标图像进行了实验,实验表明,本算法适用于红外目标图像,并且效果良好。     

基于形态学梯度的红外图像分割算法

提出了一种新的红外图像分割方法。该方法利用形态学方法来处理红外图像。首先进行形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着提出了一种计算红外图像梯度的多尺度算法提取图像形态学梯度,而后分析了图像分形特征估计方法与形态学梯度的关系,提出了一种新的红外图像分形特征估计算法,在此基础上对图像进行分割。实验结果表明,该算法能较好地解决红外图像的分割问题。     

飞机的红外图像分割算法

本文针对飞机的红外图像的特点,提出了一种图像分割算法.首先采用整体与局部相结合的方法,在整体阈值的基础上,进行局部的适度调整,以达到最优阈值,使图像的分割在保持整体最优的基础上突出局部令人感兴趣的细节.然后利用数学形态学,针对目标内部的空洞区域进行填充.仿真结果表明,最后可以得到比较精确的分割图像.     

飞机的红外图像分割算法

本文针对飞机的红外图像的特点,提出了一种图像分割算法。首先采用整体与局部相结合的方法,在整体阈值的基础上,进行局部的适度调整,以达到最优阈值,使图像的分割在保持整体最优的基础上突出局部令人感兴趣的细节。然后利用数学形态学,针对目标内部的空洞区域进行填充。仿真结果表明,最后可以得到比较精确的分割图像。     

基于红外目标分割的图像融合方法研究

针对红外图像中目标图像灰度分布集中,微光图像灰度分布相对均匀的特点,提出了一种先提取红外图像中的热目标,然后以微光图像为背景进行图像融合的方法.实验结果表明,该方法在保留微光图像高空间分辨率和丰富纹理细节信息的同时,又突出了红外图像中的热目标.     

红外小目标图像的分割与聚类分析

天空背景下红外小目标图像的分割与聚类是检测和识别目标过程的预处理部分。首先对图像进行对比度增强处理,并通过模板滤波法去除弱噪声,再运用分割算法把目标和强噪声从背景中分离出来,然后根据聚类得到可能的小目标,最后给出整套处理方法的实验结果和分析。     

基于红外图像统计模型的分割方法

提出了一种新的红外图像的统计模型,它是由高斯和广义Gamma分布复合产生的,对太阳散射、背景热辐射以及闪烁影响都可以进行准确的描述。该模型可以推导出统计矩的闭合表达式,而且取特定的参数值,模型可以变为几类常用的简单模型。模型的参数可基于统计矩估计得到,然后再根据模型实现对图像的合理分割。     

低信噪比红外小目标图像的分割方法

针对复杂背景条件下的红外图像分割问题,将遗传算法与人类视觉感知原理相结合, 探讨了一种新的多阈值图像分割方法即基于遗传算法的图像阈值分割方法,该算法引入了一个自动判别且时空可变的目标背景条件和调整最佳分割区域的步骤,提高了分割算法的质量及鲁棒性,克服了传统阈值方法在图像分割中的局限性。通过计算机仿真实验,验证了该方法的有效性。     

基于改进遗传算法的电力设备红外图像分割研究

针对传统的遗传算法对目标图像感兴趣部位(ROI)分割存在收敛速度慢、耗时长、分割过当等缺点,提出一种改进遗传算法的分割方法,该方法采用最佳熵阈值法确定分割阈值,从而减少计算量,缩短耗时。通过Matlab仿真实验所得结果表明,改进后的遗传算法在电力设备红外图像分割的时间和效果上均优于传统算法。     

一种基于信息论距离的复杂图像分割方法

工业生产场景下的图像成像环境复杂,在基于机器视觉的图像处理任务中要对该类图像实施精确分割很不容易.针对这一问题,应用信息论中的距离测度理论结合高斯分布提出一种基于信息论距离的图像阈值分割方法.在提出方法中运用信息论距离度量分割前后图像信息的损失程度,通过最小化该距离获取最佳分割阈值,然后应用该阈值对图像进行分割.最后在工业无损检测图像、红外图像以及医学脑血管造影术图像上与几种经典及较新的图像分割方法进行了实验比较.结果表明,提出方法获得的结果视觉效果好,分割精度高,具有较好的应用推广前景.     

一种基于图像相关性的红外隐身性能评价方法

介绍了红外图像分割和融合原理。以红外图像灰度相关矩阵特征量及改进的hausdorff距离为主要参数,提出了目标红外隐身效率计算方法,结合红外热貌图对小型方舱柴油发电机组在多样化背景下的红外隐身性能进行了定性和定量评价。     

基于细胞免疫的红外图像分割算法及FPGA实现

在工业生产中,高温蒸汽管道通常被用于输送高温蒸汽、高温工业废水等,但为了安全,管道通常被放置在环境比较复杂的地方,不利于工人对管道的检测与维护。快速地定位复杂背景下蒸汽管道的位置并对周围环境进行区分,已经成了一个亟待解决的问题。由于最大类间方差（Otsu）算法不能满足上述要求,基于细胞免疫机制提出了一种改进的Otsu算法,该算法通过红外图像中管道以及复杂背景的特征,能够计算出两个不同的阈值并将其分别用于图像中管道的提取与复杂背景的区分。借助QuartusⅡ软件搭建了基于FPGA的软硬件系统平台,实现了数据通信传输,并对改进的Otsu算法进行验证。实验结果表明,该算法应用在红外管道图像中能取得较好的效果。与几种边缘检测算子和经典Otsu算法相比,无论是在管道的分割,还是复杂背景的区分,本文算法都具有较高的真阳率(True Positive Rate, TPR)和较低的假阳率(False Positive Rate, FPR)。     

基于改进脉冲耦合神经网络的电路板红外图像分割

电路板红外图像发热芯片区域准确分割是电路板故障诊断的关键步骤,但灰度不均匀、目标区域多、辐射噪声大使电路板红外图像的准确分割变得较为困难。针对这一问题,本文提出一种改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)红外图像分割模型。首先,调整传统PCNN的模型结构,将图像梯度信息作为输入信号增加到模型输入域;其次,基于最大似然估计原理,推导出链接系数β的动态调整方法;最后,在脉冲发生域引入边缘约束算法,防止邻域神经元误捕获,增强目标区域的可分割性。实验结果表明,改进模型能够有效降低背景及辐射噪声影响,准确分割出不同类型电路板红外图像目标芯片区域,在视觉效果、区域一致性和对比度方面均优于已知的Ostu、K-means和传统PCNN模型,分割性能得到明显增强。     

基于FAsT-Match算法的电力设备红外图像分割

红外技术能有效地检测电力设备过热缺陷,具有远距离、不接触、不取样、准确、快速、直观等特点.传统的电力设备故障红外人工诊断耗时、耗力,而针对人工诊断不足提出的智能诊断其难点之一在于能否较好的获得感兴趣区域(ROI,Region of interest).红外图像具有强度集中、对比度低等性质,常用的分割算法用于电力设备红外图像ROI获取,其结果往往是过分割.针对过分割难点,本文提出一种基于FAsT-Match算法的电力设备红外图像分割方法.首先,运用FAsT-Match算法在可见光图像中近似模板匹配,然后在红外与可见光图像之间通过近似仿射变换找到目标在红外图像中的近似区域,最后用分割算法对近似区域分割.实验结果表明,提出的方法能够较好地解决电力设备红外图像过分割问题.     

基于密度相似因子的电力红外图像分割方法

针对电力设备红外图像包含大量的噪声,且设备边缘较为模糊,传统图像分割方法无法有效提取红外图像中电力设备等问题,提出一种基于密度相似因子的电力设备红外图像分割方法.首先,对获取的电力设备红外图像分别进行R、G、B三通道光照不均匀性校正,其次,转换至Lab彩色空间并构造待分割的特征空间信息点集,然后采用最小距离原则分配信息点到最邻近的聚类中心,再通过平均连接代价和k-距离邻域的平均连接代价,计算出信息点的密度相似因子,最终实现电力设备红外图像滤除噪声分割.通过与K均值和模糊c均值对实际绝缘子红外图像的分割实验定量对比,实验结果表明,本文所提方法具有噪声滤除能力,改善了分割效果.     

红外图像阈值分割算法的研究

目标分割是图像处理、计算机视觉及人工智能领域中的一项基本而关键的技术,其目的是为后续的识别、分类、跟踪和检索提供依据.由于红外图像具有对比度低、噪音大,图像模糊等特点,故将遗传算法应用到红外图像阚值分割中.本文对红外图像阈值分割算法进行了综述,对遗传算法在红外图像分割中应用的研究方法,研究现状及其新技术进行了介绍.该算法被用在红外图像处理中,并取得较好效果.     

复杂背景的红外图像过渡区提取与分割

摘要：在基于个数判断噪声的中值滤波器进行平滑处理的基础上,提出了一种改进的过渡区提取方法,并将该方法应用于对比度低、宽谷直方图的复杂背景红外图像的分割。Matlab仿真实验表明,该方法减少了图像分割的运算量,并能将具有复杂背景的红外图像目标分割得较好。     

红外图像中的阈值分割算法研究

阈值分割方法具有运萍速度快,易于实现等优点,在红外图像分割中得到广泛应用。本文对阈值分割算法的三种经典算法进行了研究,并在Marlab平台上进行了对三种算法仿真分析。