基于NSST图像融合的变电站开关状态识别

针对变电站中开关状态图像识别易发生误判的问题,提出了一种基于非下采样剪切波变换(NSST)图像融合的变电站开关图像识别方法。该方法采用可见光和红外光双摄像模式,得到开关可见光图像和红外图像,根据两者的特点与互补特性,采用基于NSST的图像融合算法对可见光图像和红外图像进行融合,生成含有两种开关图像丰富细节信息和特征量的融合图像,采用改进加速稳健特征(SURF)算法对融合图像进行目标特征量提取和匹配,再采用基于混沌布谷鸟(CCS)算法的多阈值图像分割技术进行处理,最后基于霍夫变换得到开关臂和触点所在直线的斜率,根据两者角度差判别开关状态。仿真实验表明:所提方法对闭合与断开状态隔离开关的识别率分别为94.4%和100%,验证了所提方法的有效性。     

基于地理信息的电力线全景图像信息融合方法

提出一种基于地理信息的电力线全景图像拼接方法。首先利用自动巡检机器人同步采集电力线的可见光图像和红外图像,采用尺度不变特征变换(SIFT)特征匹配算法分别拼接成全景图。其中红外全景图用于电力线的故障检测,可见光全景图对故障作进一步的可视化辅助检测,实现了故障信息、GPS信息和全景图像的融合,能够较精确地确定故障处的实际地理位置,提高了对电力线的维修效率。     

基于非下采样 Contourlet 变换耦合特征选择 机制的可见光与红外图像融合算法

为了克服当下较多可见光与红外图像融合方法因忽略了光谱特征而导致融合图像存在光谱扭曲、目标内容显著度较差等不足,提出了非下采样Contourlet变换(nonsubsampled contourlet transform, NSCT)耦合特征选择机制的图像融合算法。首先,通过NSCT对可见光与红外图像计算,分离出其不同图像系数。然后,利用信息熵函数,度量图像所含信息量的丰富度,以形成低频系数的融合系数,得到富含红外目标等丰富信息的融合低频系数。采用像素点的邻点信息,度量图像的清晰度特征,并引入均值函数,度量图像的光谱特征,再联合图像的清晰度特征,构造特征选择机制,从图像中选择理想的高频系数融合函数,获取兼顾细节特征和光谱特征的融合高频系数。最后,通过实验结果发现,较现有的融合算法而言,所提算法拥有更好的融合质量,更好地保持了图像的光谱特征,且目标内容显著。     

用于红外与可见光图像融合的注意力残差密集融合网络

为了解决当前红外与可见光图像融合算法中易出现场景信息缺失、目标区域细节模糊、融合图像不自然等问题,提出一 种用于红外与可见光图像融合的注意力残差密集融合网络(ARDFusion)。 本文整体架构是一种自编码器网络,首先,利用存在 最大池化层的编码器对源图像进行多尺度特征提取,然后,利用注意力残差密集融合网络分别对多个尺度的特征图进行融合, 网络中的残差密集块可以连续存储特征并且最大程度地保留各层特征信息,注意力机制可以突出目标信息并获取更多与目标、 场景有关的细节信息。 最后,将融合后的特征输入到解码器中,通过上采样和卷积层对特征进行重构,得到融合图像。 本文提 出了一种用于红外与可见光图像融合的注意力残差密集融合网络,实验结果表明,较已有文献的其他典型融合算法,具有较好 的融合效果,能够更好地保留可见光图像中的光谱特性且红外目标显著,并在主观评价和客观评价方面都取得了较好的融合 性能。     

基于注意力密集网络的伪彩色红外与 可见光图像融合

针对现有红外与可见光图像融合算法中存在融合图像的纹理细节不清晰,红外信息和纹理细节的显示不平衡等问 题,提出了一种基于注意力密集网络的伪彩色红外与可见光图像融合方法。首先对灰度的红外图像进行伪彩色处理再与彩 色的可见光图像组成多通道数据输入融合网络。其次,设计了一种由卷积层和带有注意力模块的密集连接块组成的生成器 网络结构,关注源图像的关键信息,增强网络提取源图像信息的能力。最后,利用红外像素、可见光像素、可见光梯度和红外 梯度构建内容损失函数,以保持融合图像中红外目标和纹理细节的平衡。与5种具有代表性的融合方法进行定性和定量比 较。结果表明,该方法所获得融合图像的峰值信噪比、信息熵、平均梯度和互信息取得最优值,分别为31.6841、6.5581、 6.0096、3.0960。定量以及定性结果证明所提融合方法使融合图像具有更为丰富的纹理细节以及良好的视觉效果。     

基于显著性检测与权重映射的可见光与红外图像融合算法

为了解决当前可见光(VI)与红外(IR)图像融合中易出现信息丢失,以及存在伪影等问题,提出了一种显著性检测耦合权重映射结合的VI与IR图像融合算法。分别对VI和IR图像进行二尺度分解,得到基础层和细节层。为了提高VI和IR融合效果,定义了一种显著性特征检测方法,在每个源图像上应用均值滤波以减小像素与其相邻像素之间的强度变化,以完成平滑处理。再借助中值滤波来消除每个源图像中的噪声与伪影,较好地保留图像边缘。并通过取均值和中值滤波输出的差异来计算图像的显著性特征,以突出边缘和直线等显著性信息。然后,通过对显著性检测结果完成归一化处理,以构建权重映射,为细节层分配合适的权重。再将基础层和细节层采用不同的规则进行融合,其中,联合权重映射与细节层,得到最终的细节信息,并借助平均融合规则来完成基础层的融合。最后,利用最终基础层和细节层的线性组合来构造新图像。实验表明,与当前多尺度图像融合技术相比,所提算法仅采用两尺度分解,显著提高了融合效率,而且得到的融合图像具有更好融合质量,有效消除了伪影,在融合过程中的信息丢失量更少。     

基于显著性检测与权重映射的可见光与红外图像融合算法

为了解决当前可见光(VI)与红外(IR)图像融合中易出现信息丢失,以及存在伪影等问题,提出了一种显著性检测耦合权重映射结合的VI与IR图像融合算法。分别对VI和IR图像进行二尺度分解,得到基础层和细节层。为了提高VI和IR融合效果,定义了一种显著性特征检测方法,在每个源图像上应用均值滤波以减小像素与其相邻像素之间的强度变化,以完成平滑处理。再借助中值滤波来消除每个源图像中的噪声与伪影,较好地保留图像边缘。并通过取均值和中值滤波输出的差异来计算图像的显著性特征,以突出边缘和直线等显著性信息。然后,通过对显著性检测结果完成归一化处理,以构建权重映射,为细节层分配合适的权重。再将基础层和细节层采用不同的规则进行融合,其中,联合权重映射与细节层,得到最终的细节信息,并借助平均融合规则来完成基础层的融合。最后,利用最终基础层和细节层的线性组合来构造新图像。实验表明,与当前多尺度图像融合技术相比,所提算法仅采用两尺度分解,显著提高了融合效率,而且得到的融合图像具有更好融合质量,有效消除了伪影,在融合过程中的信息丢失量更少。     

基于图像处理技术的电力设备局部放电紫外成像检测

为对电力设备局部放电进行高效、准确、安全的在线监测,提出紫外成像检测法。分析了电力设备局部放电紫外成像原理,针对成像设备捕捉到的紫外图像和可见光图像,经研究提出中值滤波改进算法作为图像预处理算法,小波变换法为两者的融合算法。根据紫外图像特点,选用Canny边缘检测算法,在融合后的图像中准确判断出电力设备的放电程度和放电位置。试验结果表明该方法准确率高,可实现对局部放电的快速判断和定位,具有较高的实用价值。     

基于深度学习的电力设备红外可见光图像智能配准方法研究

红外图像与可见光图像的融合分析是提升红外图像中电力设备定位精度和缺陷诊断准确度的有效途径。针对两种模态数据融合分析关键步骤中的红外图像与可见光图像配准问题进行研究。鉴于红外图像与可见光图像存在的模态差异,采用基于自监督学习的SuperPoint特征点提取与描述方法,提取具有模态不变性的稀疏特征点;采用基于深度图卷积的SuperGlue方法,结合全局特征点的空间及特征相关性信息,提升特征匹配的准确度;最后,采用渐近采样一致性的PROSAC方法对红外与可见光图像间的变换参数进行估计,实现配准。与传统算法对比表明,本文所提方法具有更高的模态鲁棒性,得到了更准确的配准结果。     

多路径生成对抗网络的红外与可见光图像融合

生成对抗网络在红外与可见光图像融合领域受到广泛关注,但单路径进行融合容易丢失浅层信息、分支路特征提取 融合能力有限。提出一种基于多路径生成对抗网络的红外与可见光图像融合方法。在生成器端,利用源图像与导向滤波结 果构建3条输入路径提取更多源图像特征信息,以获得细节更丰富的融合图像;然后,卷积层加入掩码注意力机制模块,提升 显著信息的提取效率,引入密集连接和残差连接,在提升特征传递效率的同时可获取更多源图像重要特征信息。在鉴别器 端,采用双鉴别器估计红外与可见光图像的区域分布,避免单鉴别器网络丢失对比度信息的模态失衡问题。在 TNO 数据集 上进行了实验,实验结果表明,所提算法在5个客观评估指标上4项取得了最好结果,优于多数主流算法,在主观评估方面,所 提算法保留了更多的纹理细节信息,具有更好的视觉效果。     

基于智能监测终端的可见光与红外图像配准融合方法

针对可见光图像与红外图像分辨率差异大和色彩差异大的问题,提出一种基于亚像素优化和局部强度特征不变描述的可见光和红外图像配准算法,从有限离散剪切波变换、迭代配准以及配准点领域亚像素优化方面对新方法进行分析,并通过实际应用证明新方法可以实现可见光与红外图像准确配准与融合分析,快速准确地定位设备过热点。     

基于FPGA的红外和CCD图像融合研究及实现

为了能够同时显示多个传感器的信息,需要对红外传感器和CCD传感器获得的图像信息进行融合。通过对红外图像的插值放大、彩色编码运算,使得红外图像的分辨率和CCD图像的分辨率保持一致,并得到红外彩色图像。为了实现2幅彩色图像的融合,采用颜色空间变换的方法将颜色信息和亮度信息分离开来,采用不同的融合策略对各通道图像信息进行融合,并在 FPGA 内实现了图像的融合算法。最终设计出了一套基于 FPGA 的实时图像融合系统。     

基于拉普拉斯分解耦合亮度调节的可见光与红外图像融合算法

为了解决当前较多可见光与红外图像融合方法的融合结果中的目标信息不突出等问题,引入拉普拉斯分解机制,采用 图像的亮度特征来融合可见光与红外图像。 借助拉普拉斯分解方法,对输入图像进行分层,求取不同的图层信息。 并利用图像 的均值特征,计算图像的亮度信息,对低频图层的融合权值进行自适应调整,从而得到一个目标信息完整度较高的融合低频图 层。 基于图像的空间频率特征,对高频图层所含的细节丰富度进行评估,以获取一个细节丰富的融合高频图层。 再利用拉普拉 斯逆分解方法,对低、高频图层完成融合。 实验数据显示,较已有的融合算法而言,所提算法的融合结果更能突出目标信息,具 备更为丰富的细节特征。     

基于深层次多分类生成对抗网络的红外与可见光图像融合方法

为了实现红外和可见光图像信息的良好平衡,本文利用生成对抗网络技术,提出了一种深层次多分类的生成对抗网络红外与可见光图像融合方法。该方法将主辅思想引入到生成器的梯度和强度信息提取中,并提高了生成器卷积层的深度及浅层网络信息提取能力。在鉴别器中使用多分类器同时估计可见光和红外区域的分布。经过连续的对峙学习,使融合结果中具有显著的对比度和丰富的纹理细节信息。实验获得的信息熵及香农熵值为6.86、互信息值为13.72、标准差值为34.82、结构相似性值为0.71。对比实验结果表明,在主客观评价中,本文提出的方法获得更好的红外与可见光图像融合性能。     

异源特征差异化融合引导的变电站场景语义分割

变电站场景图像语义分割能够为巡检机器人提供像素级的场景理解,是变电站智能化巡检、管控的关键步骤之一,但由于设备种类众多、背景环境复杂,仅依赖单一模态图像的语义分割方法准确性受限。针对该问题,提出一种基于多尺度特征差异化融合的语义分割网络,根据不同层次、不同模态特征图的特点,利用差异化的融合策略,提取红外与可见光图像在空间细节与语义信息的互补内容,从而利用融合信息引导解码过程,实现稳定的异源图像语义分割。为了验证算法的性能,利用无人机与机器人平台采集大量异源图像,手工标注并构建了数据集。实验证明本文提出的算法可以准确识别各类电力设备,对于保障电力系统安全稳定的运行具有实用价值。     

基于ROEWA与Hough变换的SAR图像边缘检测

指数加权平均比率(ROEWA)算子是SAR图像常用多边缘检测算子之一,但该算子只能检测图像的边缘强度,无法得到边缘的方向。为此利用Hough变换优秀的抗噪性能和方向选择性,提出了一种基于Hough变换的SAR图像边缘方向计算方法。首先使用ROEWA算子对SAR图像进行边缘检测,然后在传统非极值抑制定位方法的基础上,进一步细化边缘,最后利用Hough变换对细化后图像计算边缘方向。SAR图像对比实验结果表明,该方法能够更准确地计算边缘位置与边缘方向,为SAR图像线性目标检测提供了一条有效途径。     

基于神经网络的CT脑血管图像边缘检测算法

CT脑血管医学图像的三维重构都是源自二维断层扫描,脑血管边缘特征向量的提取是图像处理的关键步骤。为提高边缘特征的提取和保证三维重建图像的质量,在分析了某些常用的边缘检测算法性能基础上,同时结合CT脑血管图像的像素结构特点,将SA_SOFM神经网络算法成功地用于对CT脑血管图像的边缘特征信息提取中。并对算法进行有效的改进,基于真实图像的实验表明该算法提高了边缘特征信息的精度和鲁棒性。     

基于数据融合的图像边缘检测算法研究

提出了一种基于数据融合的图像边缘检测算法。该算法对原始图像分别采用Canny算子和小波变换两种方法进行边缘提取,再将两种方法结果通过数据融合的手段获得一幅新的边缘图像。实验证明,融合后的图像边缘包含了原始图像丰富的细节信息和较完整的轮廓,该算法优于单独采用Canny算子所获得的边缘图像,是一种有效的图像边缘检测方法。     

基于提升小波变换的指针式仪表图像边缘检测

为解决工业中对指针式仪表的自动检定,针对自动检定系统中所涉及的图像边缘检测技术难点,分析了现有传统算法的不足之处,提出一种有效的基于提升小波变换的边缘检测算法。该算法利用提升小波变换尺度的低通作用,避免受高频噪声影响,在传统边缘检测算法的基础上,提取低频轮廓。利用小波系数的方向性,结合方向性边缘检测算子,获得高频边缘信息,最后利用小波重构获得准确清晰的图像边缘,为后续Hough变换准确的提取指针提供了有利保障。实验结果表明,该算法得到的图像边缘较传统Canny算法更清晰准确,无虚假边缘,应用于仪表自动检测系统中是可行的。