變電站紅外圖像的分割研究.pdf

1、隨著我國電力網絡規(guī)模的不斷擴大，變電站的安全可靠運行至關重要，而電力設備的運行狀態(tài)是決定其安全穩(wěn)定運行的關鍵因素之一。隨著紅外診斷技術的普及應用，紅外診斷技術在電力設備故障診斷中發(fā)揮著越來越重要的作用。由于電力設備種類繁多，各種設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。在研究了經典的邊緣檢測算法基礎之上，給出了一種基于邊緣檢測和數學形態(tài)學相結合的分割算法，經過仿真實驗取得了比較好的效果?？紤]到紅外圖像內容復雜，邊緣模糊的特點，提出采用遺傳神經網絡對紅外圖像進行分割的方法，為了提高神經網絡的收斂速度，引入遺傳算法優(yōu)化神經網絡的權值和閾值，與采用標準BP 神經網絡相比，采用的遺傳神經網絡分割速度明顯提高。
　　 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，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用，為提高圖像分割的速度，本文從初始化水平集函數、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