一种复杂背景下的故障电气设备整体分割方法

针对变电站电气设备红外监测过程中，获取的红外图像背景复杂而导致故障设备定位不准确、分割难度较大等问题，提出了一种在复杂背景下对故障设备进行定位与整体分割的方法。首先，通过SLIC(Simple Linear Iterative Clustering)超像素算法对图像进行分割，并对超像素块进行Lab颜色空间转换，根据阈值判断是否存在故障并获取故障区域。然后，选取故障图像中最大联通量的较亮点作为种子，利用最大类间方差原理控制种子数目，通过改进区域生长法获取目标主体设备。最后，将故障区域与目标主体设备进行交集运算，完成对故障电气设备的整体分割。研究结果表明，该方法能有效完成复杂背景下的故障电气设备定位与整体分割。与其他分割方法相比，该方法获取的故障电气设备更加完整准确。     

基于OTSU和区域生长的电气设备多点故障分割

针对电气设备的红外图像背景复杂、信噪比低的特点,提出了一种基于OTSU和区域生长相结合的故障分割方法.首先,采用OTSU算法将故障红外图像分割为种子区域和背景区域,去除大面积背景的干扰;然后采用自动选取种子点的区域生长算法完整的分割出故障区域.试验结果表明该算法针对复杂背景的红外图像能有效地消除干扰,并能完整地提取出故障区域.     

复杂背景下多源多目标图像的分形分割算法

综合利用红外图像灰度特征与可见光图像灰度以及分维数方差特征，提出了一种复杂背景下多目标分割算法。首先通过最大熵阈值分割出红外图像的潜在目标区域，记录其质心位置及形状大小并对应到可见光图像中。再提取可见光图像的分形维数，利用其方差特征增强目标奇异性，排除背景奇异区域干扰，并对记录的目标区域进行初判决，得到真实目标质心处的分维数方差。然后将分维数图划分为与已知目标大小接近的区域块，搜索并标记具有相近分维数方差的所有区域块。最后在所标记及其相邻的区域块中精确分割出全部目标。对大量实际图片进行的仿真实验证明，该分割算法可以有效地进行多目标分割，并较好地保留目标形状特征。     

基于结构形态几何生长的 模糊红外光谱图像分割

针对局部目标与背景的低对比度、目标边缘模糊红外手印的分割问题,提出了一种基于结构形态几何生长的边缘模糊红外目标提取算法。该算法首先利用最大熵法及阈值扩展将图像进行粗分割;在粗分割的目标区域中提取区域块特征点,构筑手的结构形态;通过区域块特征点寻找种子点,并以种子点与对应特征点的距离关系作为生长判决条件进行几何生长,最终提取得到目标图像。与常用提取算法进行比对实验,结果表明,针对边缘模糊的红外手印图像,本文算法能更有效地提取出完整目标。     

基于图像分割和平台直方图均衡的红外图像增强算法

针对原始红外图像模糊、对比度低的特点,提出了一种基于图像分割的平台直方图均衡算法.首先采取实时阈值提取方法选取阈值,将图像目标灰度与背景灰度分开;然后利用对数、指数结合的非线性变换抑制背景区域,扩展目标区域的动态范围;最后利用改进的双平台直方图均衡算法处理非线性变换后的灰度图像.实验结果表明:该方法有效地增强了原始红外图像,提高图像对比度的同时很好地保留了图像的细节和边缘信息,且避免了过亮现象,视觉效果得到改善.     

一种自适应的变电站设备红外图像分割方法

为了较好地实现变电站电气设备红外图像的分割,采用了一种自适应的变电站电气设备红外图像分割方法。通过采用基于形态学的权重自适应算法对变电站电气设备红外图像进行增强处理,然后采用基于加权切比雪夫距离的 K-means 算法对变电站电气设备红外图像进行分割,最后对分割得到的二值图像采用形态学方法进行处理。通过实验验证了该方法的有效性和适应性,方便了后续的特征提取和识别。     

基于红外图像识别的电气设备故障诊断

红外图像在故障诊断方面有着广泛的应用,但所采集的图像往往存在边缘模糊,细节丢失等问题,很难准确获取故障点信息。针对该问题本文提出了一种图像增强的综合算法,首先应用大津法将电气设备作为目标区从背景图像中分割出来,再用改进后的直方图均衡法对目标区增强,最后与细节图像叠加,该算法使故障信息在红外图像中得到了有效识别。仿真结果验证了该算法的有效性。     

综合灰度形态学与模糊熵的红外图像区域分割

针对目标与背景有交叠的红外图像分割这一难题,首先对原始红外图像进行灰度形态学校正处理,然后利用模糊熵测度方法对校正后的红外图像进行分割,从而提出了一种综合利用灰度形态学与模糊熵的区域分割方法.与传统的阈值分割方法进行对比实验,结果表明,运用该方法得到的分割图像质量更好.     

NSST域电气设备红外图像增强处理算法设计

针对现有电力设备红外故障检测系统采集的图片较模糊、部分设备体积较大无法精准定位故障点等问题,设计了一种基于Jaya算法改进Otsu阈值分割和多尺度的NSST域电气设备红外图像增强算法。通过非下采样剪切波变换将原始红外图像转化成高频域和低频域两部分进行增强,将增强后的各分量逆变换后合成最终完整的增强图像。实验结果表明,该文算法能够提高红外图像对比度,过滤电力设备红外图像噪声,对电力设备热故障的检测与故障定位做出贡献。     

结合图像灰度信息和空间信息的有意义区域分割

本文提出了一种应用图像灰度信息和空间信息的分割方法.首先利用快速的优化分水岭算法将图像分成多个小区域;其次,计算每一个小区域的特性参数,并确定各个区域之间的拓扑关系;最后用模糊C-均值聚类算法根据区域的灰度特性及空间特性进行归类,获取最终的分割结果.结果显示,该方法与阈值化模糊C-均值聚类算法相比,分割结果更加有意义,而且速度也有极大地提高.     

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。     

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。     

双监督信号深度学习的电气设备红外故障识别

为提高电气设备红外故障图像识别准确率,提出了基于双监督信号深度学习的电气设备红外故障图像识别方法。首先,使用Slic超像素分割算法合并相似像素成区域块;其次,根据改进后HSV空间的亮度信息判别设备温度异常区域,进而分割出温度异常区域所在的连通区域及所对应的设备;最后,基于GoogLeNet卷积神经网络对电气设备红外故障图像进行特征提取,再采用softmax损失和中心损失两种监督信号对提取的特征进行监督训练,并自行建立700幅电气设备红外故障图像数据集,其中500幅用于训练,200幅用于测试。实验结果表明:使用双监督信号深度学习算法测试准确率达到98.6%,比单独使用softmax损失时准确率提高了1%。该算法能够对变压器套管、电流互感器、避雷器、隔离开关、绝缘子5种电气设备及其对应故障精准定位、识别。     

基于扩展Meanshift电气设备发热故障区域提取方法

在红外电气故障监测中,设备过热故障区通常表现出高亮度等特点,然而现有的提取方法因红外图像固有的低对比度、边界模糊等特点容易引起提取区域范围增大.为此,本文提出了一种基于扩展的均值漂移聚类的红外图像故障过热区域提取方法,引入了基于邻域灰度的权重因子.同时,为了提升聚类效率,摒弃了传统均值漂移算法遍历整个红外图像平面进行迭代聚类的方法,融合了自高向低的聚类阈值分割机制,使得改进的均值漂移算法能快速地将故障区域像素进行聚类,实现红外图像中热故障区域的有效提取.实验结果表明本文区域提取性能优于目前现有的一些方法以及传统均值漂移聚类方法.     

成份制导中的红外图像分割算法

采用凝视焦平面阵列(FPA)的红外成像制导技术以其优越的性能在空空导弹中得到了广泛的应用。由于空中飞机目标表面各部位的温度不同，使得红外成像探测装置获得的目标图像的不同部位存在着较大的灰度差异，这给正确分割出目标带来了很大的困难。针对飞机目标红外图像的特点和成像制导技术中图像分割的目的，文中提出了一种有利于目标特征点识别的图像分割算法，它首先对目标红外图像进行阈值分割，然后选取合适的结构元素并利用数学形态学的并行性特点对目标内部的空洞区域进行填充，最后得到比较精确的分割图像，这种分割结果对基于灰度连续性的目标特征点识别算法非常有利。     

基于灰度变化的最小交叉熵图像分割

论文提出了一种基于灰度变化的最小交叉熵图像分割算法。该算法用于在夹杂较强的散斑、噪音以及亮度不均的图像数据环境中分割相关区域。算法参考目标粒子边缘与局部背景的梯度,将全集分割为灰度分布明显不同的子集,寻找使得与全集交叉熵变化最小的子集,抹去子集的局部灰度偏移特征,然后将变化后的子集合并再进行传统的阈值分割。实验表明该算法具有运算量少、分割结果自适应性好的特点。     

红外成像GIF引信图像序列分割算法

提出了一种适用于红外成像GIF引信图像序列处理的改进Otsu图像序列分割算法,该算法充分利用了弹道终端导引头红外图像序列的特点,通过压缩参与Otsu阈值运算的灰度范围和合理增大图像平面上的采样间隔,从而大大降低了图像分割算法的运算量,而分割质量基本保持不变,与原Otsu算法相比,改进的Otsu算法具有更好的实时性和有效性.     

基于多阈值分割的红外图像伪彩增强算法

针对现有图像增强中的彩虹编码采用固定阈值分割方法,导致增强后的图像缺乏层次感、视觉效果模糊的问题,提出一种基于多阈值分割的红外图像伪彩色增强算法.该算法通过建立伪彩映射模型,采用多阈值分割手段,将不同灰度值映射成丰富的颜色值,以突出图像边缘的细节信息.实验结果表明,该算法处理后的红外图像具有目标轮廓清晰、视觉效果理想的优点.     

基于区域模板相关的图像匹配方法研究

传统的图像相关匹配方法是利用求取对应像素灰度的相关性进行图像之间的相似度量的。由于参考图和实测图之间存在着灰度差异、模糊、噪声以及局部遮挡等,这就使得仅依靠图像灰度相关进行匹配的算法性能受到影响。基于图像分割后的区域是比像素灰度更高一级的图像表述,利用势函数聚类自适应多阈值图像分割技术,提出了一种对图像的加权区域模板相关匹配的算法。这种算法建立了一种目标区域隶属度的相关度量方法。试验结果表明了该算法在多种图像变形情况下的有效性。     

基于图像增强技术的电气设备热故障自动诊断与定位

随着我国智能电网建设进程的推进,其中的智能电气设备能够自动识别故障显得尤为重要,许多电气设备故障都伴有过热现像并具有区域性的特点,体现在红外图像温度与其灰度值具有非线性的映射关系。针对电气设备红外图像对比度差、细节不明显等特点,提出了一种基于非线性NSCT （Nonsubsampled Contourlet Transform）变换的图像增强算法,在算法中构造非线性增强匹配函数,能够对图像强弱边缘进行不同程度的增强,并对噪声有一定的抑制作用。对红外图像进行增强后通过拓扑矩阵修改,实现了图像较高灰度值区域的识别标记,从而实现了电气设备温度过高区域的自动定位,之后采用相对温差法对设备是否为故障进行诊断。实验结果表明,本文方法能够迅速有效地对电气设备疑似过热故障进行自动诊断和定位。