變電站紅外圖像的分割研究.pdf

1、隨著我國電力網(wǎng)絡(luò)規(guī)模的不斷擴大，變電站的安全可靠運行至關(guān)重要，而電力設(shè)備的運行狀態(tài)是決定其安全穩(wěn)定運行的關(guān)鍵因素之一。隨著紅外診斷技術(shù)的普及應(yīng)用，紅外診斷技術(shù)在電力設(shè)備故障診斷中發(fā)揮著越來越重要的作用。由于電力設(shè)備種類繁多，各種設(shè)備的故障特征也有較大的差別，因此對紅外圖象進行分割與識別是進行電力設(shè)備熱故障診斷過程中前期處理的一個重要步驟。
　　 本文主要對變電站紅外圖像的分割進行分析和研究。文章開始先分析了紅外圖像的噪聲特點并采

2、取了分割前的降噪處理。在研究了經(jīng)典的邊緣檢測算法基礎(chǔ)之上，給出了一種基于邊緣檢測和數(shù)學形態(tài)學相結(jié)合的分割算法，經(jīng)過仿真實驗取得了比較好的效果。考慮到紅外圖像內(nèi)容復(fù)雜，邊緣模糊的特點，提出采用遺傳神經(jīng)網(wǎng)絡(luò)對紅外圖像進行分割的方法，為了提高神經(jīng)網(wǎng)絡(luò)的收斂速度，引入遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，與采用標準BP 神經(jīng)網(wǎng)絡(luò)相比，采用的遺傳神經(jīng)網(wǎng)絡(luò)分割速度明顯提高。
　　 水平集方法以一種緊湊的方式來表達幾何主動輪廓線的演化，并且為之提

3、供穩(wěn)定的數(shù)值算法。Mumford-Shah 模型綜合利用圖像的邊界和區(qū)域信息，其輪廓線演化與邊界梯度無關(guān)，對模糊邊界甚至不連續(xù)的邊界都有很好的分割效果。但是復(fù)雜的計算限制了簡化Mumford-Shah 模型的C-V 水平集模型分割方法的應(yīng)用，為提高圖像分割的速度，本文從初始化水平集函數(shù)、迭代終止條件及時間步長選取三個方面做了改進，改進后的模型提高了C-V 模型的演化速度，節(jié)省了初始化過程所消耗的時間。實驗表明，該方法簡單高效，能夠快速有