收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

红外图像分割算法研究及其在电气设备故障诊断中的应用

吕欣欣  
【摘要】:依据图像特征,将其划分为一定数量的非重叠区域,且各区域的特征不同,并将各部分图像中重要信息提取出来的技术即为图像分割技术。在数字图像处理中,图像分割技术是非常重要的,有助于特征提取、图像测量和图像显示,是分析图像的基础,也是计算机视觉实现最为困难的问题之一。1970年开始人们开始重视图像分割算法的研究,经过不断的发展、完善后,取得了一定的研究成就,且图像分割算法的应用扩展到了不同领域中,如模式识别、生物学领域、文档图像的处理,生产过程的控制,遥感和生物医学图像解析以及农业等方面。对于图像分析而言,图像分割的结果是非常重要的。经过不断的研究后,已经出现了很多不同类型的分割算法,但依然存在着提取边缘方向信息的缺失,及边缘断裂,不连续和不光滑等问题。同时当目标边缘模糊,图像背景信息复杂的情况下,提取目标较为困难且提取效果不理想。所以对图像分割的研究一向是研究计算机图像技术的热门与重点。当电气设备无法正常运行时,需要检修人员利用相关监测仪器对该设备的运行参数监测,依据运行参数的分析来判断该设备无法正常运行的原因,但该检测方式速度慢、效率低,很难实现设备故障的实时检测,电气设备故障常伴随热效应发生,故可利用红外热图像对电气设备故障图像进行分析,从而快速排查电气故障。针对红外热图像分析的基础分割算法,本文主要工作如下:(1)针对传统边缘检测算子对于拍摄距离远背景较复杂的红外电力设备图像,常不能检测边缘的多梯度信息,会出现边缘断裂、不光滑和不连续的现象,提出了一种基于边缘检测的缩放多梯度图像分割方法。其依据Sobel算子的研究提出了该算子,它设定了八个方向模板,保留了图像多方向梯度信息。同时采用缩放因子对梯度信息进行缩放,从而使得提取目标边缘更加平滑、连续,且提高了边缘检测的精度。对边缘提取效果进行了实验与分析。由于拍摄距离比较远(2)针对边缘模糊的红外电气设备故障区域提取,往往存在提取精度不高的问题,提出了以区域生长为基础的最大熵检测器图像分割,该方法首先通过区域生长方法,结合图像特征,对目标进行定位,从而排除了背景干扰。再利用最大熵原理生成目标与背景区域的图像,用来对检测器进行训练。最后利用目标与背景的检测器对最大熵分割后的图像进行像素筛选,最终提取出目标,并进行实验与分析。(3)针对红外图像具有对比度低及信噪比低的特点,以及与对多目标红外电气设备故障的提取往往提取效果不佳的问题,提出了基于K均值聚类与区域生长相结合的图像分割方法,且利用它对电气设备故障图像进行处理。该方法首先对红外设备故障图像进行灰度化。由于采用K均值算法,它对噪声很敏感,故采用滤波器对其进行去噪。后采用K均值聚类算法得到区域生长的种子点,进行区域生长,最终得到目标提取图像。且对算法进行仿真实验与结果分析。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 王盼我;;基于熵的图像分割算法研究[J];科技视界;2018年08期
2 王华翔;丁家纪;王旭;;基于信息论的图像分割算法研究[J];黑龙江科技信息;2015年25期
3 刘印;;图像分割算法分析与技术进展研究[J];好家长;2018年74期
4 李娟;康戈文;;一种基于方向的图像分割算法[J];可编程控制器与工厂自动化;2012年02期
5 张春伶;;图像分割算法综述与探索[J];科技创新与应用;2012年13期
6 周强;;图像分割算法研究[J];福建电脑;2009年06期
7 吉李满;;图像分割算法的应用与评价[J];吉林工程技术师范学院学报;2006年09期
8 周维真;周滨;;一种改进的塔形结构图像分割算法[J];西安电子科技大学学报;1988年03期
9 李竹林;王静;;一种基于滤波的分段点乘图像分割算法[J];电子设计工程;2016年23期
10 李锋林;李亮;;基于显著性检测的目标图像分割算法[J];电子科技;2017年01期
11 田利平;谢忠和;;基于阈值和图论的图像分割算法研究[J];宁德师范学院学报(自然科学版);2016年01期
12 朱培逸;刘红晴;;基于数学形态学图像分割算法在水果分级中的应用[J];科学技术与工程;2013年34期
13 杨先花;;基于图论的图像分割算法分析研究[J];森林工程;2013年03期
14 罗会兰;王威;王慧;;一种基于集成学习技术的图像分割算法的研究[J];江西理工大学学报;2012年03期
15 高月红;;灰度图像分割算法的研究[J];科技信息;2009年27期
16 张志佳,黄莎白,史泽林;一种改进的势函数聚类多阈值图像分割算法[J];光电工程;2005年08期
17 王成儒;倪永婧;;自动化技术中图像分割算法的评价[J];云南大学学报(自然科学版);2005年S2期
18 葛玉峰,周宏平,郑加强,张慧春;基于相对色彩因子的树木图像分割算法[J];南京林业大学学报(自然科学版);2004年04期
中国重要会议论文全文数据库 前10条
1 张峰;申功勋;;一种适用于天文导航的快速图像分割算法[A];中国航空学会控制与应用第十二届学术年会论文集[C];2006年
2 赵海英;杨一帆;徐光美;;基于边缘形态变换的彩色织物图像分割算法[A];第十五届全国图象图形学学术会议论文集[C];2010年
3 胡阳涟;赵凤群;戴芳;张辉;;一种基于马尔可夫随机场的快速图像分割算法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
4 陈亮;叶旭鸣;俞利;;一种基于图论的图像分割算法[A];全国第4届信号和智能信息处理与应用学术会议论文集[C];2010年
5 刘晓龙;张佑生;;基于模拟退火的模糊C-均值聚类图像分割算法[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(上册)[C];2006年
6 李景福;龙志军;张报山;包晨阳;;一种改进的红外图像分割算法[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年
7 万永菁;杨大毛;;一种图像分割算法在纤维增强复合材料图像处理中的应用(英文)[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
8 杨卫平;李忠科;王勇;吕培军;;基于区域的图像分割算法综述[A];第十七届全国测控计量仪器仪表学术年会(MCMI'2007)论文集(上册)[C];2007年
9 傅明建;刘秉瀚;;一种肾小管病理图像分割算法[A];第十四届全国图象图形学学术会议论文集[C];2008年
10 沙莎;彭丽;罗三定;;一种基于边缘检测的阈值图像分割算法[A];中国计算机图形学进展2008--第七届中国计算机图形学大会论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 刘仲民;基于图论的图像分割算法的研究[D];兰州理工大学;2018年
2 宋艳涛;基于磁共振成像的脑组织及病变分割方法研究[D];南京理工大学;2017年
3 毕卉;HIFU超声图像分割算法研究[D];东南大学;2018年
4 颜刚;基于模糊马尔可夫场的图像分割算法研究[D];第一军医大学;2005年
5 李彬;基于模糊随机模型的磁共振脑部图像分割算法研究[D];第一军医大学;2007年
6 刘毅;基于图割的交互式图像分割算法研究[D];南京理工大学;2013年
7 许晓丽;基于聚类分析的图像分割算法研究[D];哈尔滨工程大学;2012年
8 车娜;基于偏移场的核磁共振脑图像分割算法研究[D];吉林大学;2013年
9 陈圣国;图像分割及应用技术研究[D];南京大学;2012年
10 皮志明;结合深度信息的图像分割算法研究[D];中国科学技术大学;2013年
中国硕士学位论文全文数据库 前10条
1 吕欣欣;红外图像分割算法研究及其在电气设备故障诊断中的应用[D];天津理工大学;2019年
2 韩玉翠;基于粒子群优化二维Otsu的肺CT图像分割算法[D];哈尔滨理工大学;2019年
3 智慧;基于多尺度模型集成及优化的图像分割算法研究[D];北方工业大学;2019年
4 杨德青;基于改进粒子群的最大熵多阈值MRI图像分割算法研究[D];郑州大学;2019年
5 王楠;颜色不均匀情况下光伏板红外图像分割算法研究[D];安徽大学;2019年
6 张卫卫;基于深度神经网络的图像分割算法研究及其在心室和冠脉钙化上的应用[D];安徽大学;2019年
7 陈纬航;基于超像素和区域合并的图像分割算法研究[D];武汉理工大学;2018年
8 梁丽秀;基于MATLAB的水稻表层根系图像分割算法研究[D];华中农业大学;2018年
9 毛萍;基于模糊聚类理论的脑MR图像分割算法的研究[D];东北大学;2015年
10 南洋;基于深度学习的粗标记胃癌病理切片图像分割算法[D];湖南大学;2018年
中国重要报纸全文数据库 前1条
1 王小龙;美开发出基于热映像的图像分割算法[N];科技日报;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978