基于Deeplabv3+与Otsu模型的输电线电晕放电紫外图像分割方法北大核心CSCD

电晕放电严重威胁输电线路的安全运行,如何提高其放电区域识别分割准确率是一个亟待解决的问题。而因环境影响及设备性能限制,夜间型紫外成像仪常出现成像不清晰、放电区域对比度不明显等特征,导致难以有效实现电晕放电区域的分割,从而影响放电故障的判定。为此提出了基于Deeplabv3+与Otsu模型的输电线电晕放电紫外图像精确分割方法,首先构建基于Deeplabv3+语义分割模型,对放电区域进行类别分割得到大致区域;然后,利用改进Otsu算法对语义分割结果中放电目标区域方差自适应加权,使得分割阈值近似理想阈值,从而实现电晕放电区域的精确分割。实验结果表明,本文提出的分割方法在测试集中平均像素精度为93.97%,平均交并比为90.85%,分割性能良好。

UV image segmentation of power line corona discharge based on Deeplabv3+ and Otsu model