[發(fā)明專利]基于粒子群優(yōu)化的Niblack電力設(shè)備紅外圖像分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710249006.6
• 申請(qǐng)日: 2017-04-17
• 公開（公告）號(hào): CN107103609B
• 公開（公告）日: 2019-06-11
• 發(fā)明（設(shè)計(jì)）人: 崔昊楊;李鑫;霍思佳;郭文誠(chéng);李亞;束江;葛晨航;劉晨斐;馬宏偉
• 申請(qǐng)（專利權(quán)）人: 上海電力學(xué)院
• 主分類號(hào): G06T7/11
• 分類號(hào): G06T7/11;G06T7/136
• 代理公司: 上?？剖⒅R(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 翁惠瑜

本發(fā)明涉及一種基于粒子群優(yōu)化的Niblack電力設(shè)備紅外圖像分割方法，包括以下步驟：1)獲取紅外圖像，將所述紅外圖像分成q個(gè)不重疊的連續(xù)矩形鄰域，計(jì)算各所述矩形鄰域的灰度均值和灰度標(biāo)準(zhǔn)方差；2)針對(duì)每一矩形鄰域，按照設(shè)定步長(zhǎng)獲得一對(duì)應(yīng)于該矩形鄰域的閾值尋優(yōu)區(qū)間，形成一q維粒子群解空間，并以類間方差作為粒子群算法適應(yīng)度函數(shù)，在所述q維粒子群解空間中自動(dòng)搜尋對(duì)應(yīng)于每一矩形鄰域的最優(yōu)分割閾值T^*，所述最優(yōu)分割閾值T^*使得類間方差最大；3)根據(jù)步驟2)獲得的各矩形鄰域的最優(yōu)分割閾值對(duì)各矩形鄰域進(jìn)行二值化處理。與現(xiàn)有技術(shù)相比，本發(fā)明解決了使用傳統(tǒng)全局閾值分割方法造成紅外圖像過(guò)分割問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及一種圖像處理方法，尤其是涉及一種基于粒子群優(yōu)化的Niblack電力設(shè)備紅外圖像分割方法。

背景技術(shù)

近年來(lái)，變電站在線監(jiān)測(cè)系統(tǒng)得到了廣泛應(yīng)用，紅外熱像儀、可見光攝像機(jī)拍攝設(shè)備可見光和紅外圖像發(fā)回主控室進(jìn)行人工分析，這種方法雖然減少了人工采集數(shù)據(jù)的勞動(dòng)量，但是未能擺脫對(duì)人工診斷的依賴。隨著人工智能和圖像處理技術(shù)的不斷發(fā)展，智能診斷技術(shù)開始被應(yīng)用于電力設(shè)備故障診斷。智能診斷方法主要分為三步，首先從紅外圖像中找出設(shè)備目標(biāo)區(qū)域，即感興趣區(qū)域(ROI)，然后從區(qū)域中提取相關(guān)的信息，最后對(duì)提取到的信息分類從而完成電力設(shè)備故障診斷。其中最關(guān)鍵的一步是ROI的獲得，能否準(zhǔn)確地得到ROI在一定程度上決定了電力設(shè)備溫度場(chǎng)信息提取的準(zhǔn)確與否。一般采用閾值分割方法獲得ROI，該方法具有操作簡(jiǎn)單、運(yùn)算速度快等優(yōu)點(diǎn)。國(guó)內(nèi)外學(xué)者對(duì)其做了大量研究，如Otsu提出了一維最大類間方差法，Kittler等提出的基于Bayes最小誤差分類準(zhǔn)則的最小誤差閾值法，Kapur等給出的基于最大熵的閾值分割改進(jìn)算法，Kennedy和Eberhart共同提出的基于群體協(xié)作的粒子群優(yōu)化算法，以及基于粒子群算法的優(yōu)化改進(jìn)圖像分割算法，等等。上述算法大多基于全局閾值，對(duì)于噪聲大、對(duì)比度低、均勻性差的紅外圖像難以很好的將目標(biāo)設(shè)備和背景區(qū)分出來(lái)。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于粒子群優(yōu)化的Niblack電力設(shè)備紅外圖像分割方法。

本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)：

一種基于粒子群優(yōu)化的Niblack電力設(shè)備紅外圖像分割方法，包括以下步驟：

1)獲取紅外圖像，將所述紅外圖像分成q個(gè)不重疊的連續(xù)矩形鄰域，計(jì)算各所述矩形鄰域的灰度均值和灰度標(biāo)準(zhǔn)方差；

2)針對(duì)每一矩形鄰域，按照設(shè)定步長(zhǎng)獲得一對(duì)應(yīng)于該矩形鄰域的閾值尋優(yōu)區(qū)間{T₁,T₂,...,T_i,...,T_n}，形成一q維粒子群解空間，并以類間方差作為粒子群算法適應(yīng)度函數(shù)，在所述q維粒子群解空間中自動(dòng)搜尋對(duì)應(yīng)于每一矩形鄰域的最優(yōu)分割閾值T^*，所述最優(yōu)分割閾值T^*使得類間方差最大，其中，T_i＝m+k_is，i＝1,2,...,n，m為當(dāng)前矩形鄰域的灰度均值，s為當(dāng)前矩形鄰域的灰度標(biāo)準(zhǔn)方差，k_i為按照設(shè)定步長(zhǎng)等距在設(shè)定區(qū)間上的第i個(gè)取值，n為取值個(gè)數(shù)；

3)根據(jù)步驟2)獲得的各矩形鄰域的最優(yōu)分割閾值對(duì)各矩形鄰域進(jìn)行二值化處理。

所述步驟1)中，將所述紅外圖像分成若干不重疊的矩形鄰域前，對(duì)紅外圖像進(jìn)行延拓處理。

所述步驟2)中，設(shè)定步長(zhǎng)為0.05，設(shè)定區(qū)間為[-1,1]。

所述步驟2)中，將矩形鄰域的像素灰度分為D₁＝[0,…,T]、D₂＝[T+1,…,L-1]兩類，將類間方差公式定義為：