基于ca和otsu的电气设备红外图像分割方法 segmentation of electric equipment infrared image based on ca and otsu.pdfVIP

第3l卷第9期 电力自动化设备 v01．31No．9 垒：!：：兰：星 ：兰：竺：2：：：竺：：：：：：：：=：尘=：：： ：尘：!：： 基于CA和OTSU的电气设备红外图像分割方法 门 洪，于加学，秦蕾 (东北电力大学自动化工程学院．吉林吉林132012) 摘要：针对电气设备红外图像中需要对目标进行识别和诊断的需求，提出了一种基于元胞自动机(cA)与最 大类问方差(0TSU)法的图像增强与分割算法。首先采用高帽、低帽变换结合的方法对电气设备红外图像进行 增强．对增强后的图像采用CA法进行边缘提取，并进行二值化处理。最后与经过0TSu算法分割后的红外图 像进行融合。实验结果表明采用该算法后，红外图像目标细节清楚．适合人眼观测。 关键词：电气设备；红外成像；图像识别；图像分割；元胞自动机；高帽、低帽变换：最大类问方差 中图分类号：TP391．41 文献标识码：A 本文以电气柜开关红外图像(见图2)为例进行方 O引言 法验证。 很多电气设备故障都与发热有密切的关系．致 热效应加剧会产生异常发热．严重时可改变材料的机 械性能．产生局部放电，导致连接件烧损、熔焊或毁坏， 甚至使绝缘电解质被击穿而丧失绝缘性能，导致安全 事故Ⅲ。红外技术用于诊断电气设各的热故障时具 有效率高、判断准确、图像直观、安全可靠、不接触测温、 不受电磁干扰、探测距离远和检测速度快等特点．因 此近年来应用得越来越广泛m“。但是由于红外图像 圈2电气柜开美红外图像 InhHredof cabine‘ 的成像机理以及红外成像系统自身的原因，红外图像 Fi92 im昭e switchiⅡelectrical 与可见光图像相比．大多有图像模糊、对比度低等缺 2基于0TSU法的红外图像分割 点．不适合人眼观测与后续处理．因此有必要对电气 设备红外图像进行增强与分割．降低噪声．突出目 0TSU法是一种自适应确定阈值的方法[7]．它是 标与细节信息”。61。 按图像的灰度特性将图像分成背景和目标两部分． 最佳阈值应当使目标类和背景类产生最佳的分离性 本文提出了一种基于元胞自动机CAfCdlular 能，该性能采用类别方差来表示．当部分目标被错分 Automata)和最大类间方差(01SU)法的电气设备红 外图像分割算法．对电气设备红外图像进行了图像 为背景或部分背景被错分为目标都会导致两部分差 增强、边缘提取和目标分割等处理．处理后的图像具 别变小．因此．使类间方差最大的分割意味着错分概 有目标轮廓清晰、去除噪声效果好、边缘细节特征明 率最小。 显等优点。 定义如下3个等效的准则： A=垂 1方法流程 嘶 首先采用高帽、低帽变换对电气设备红外图像进 x2等 (1) 行增强．对增强后的图像采用cA法进行边缘提取，并 进行二值化处理．最后与经过0Tsu算法分割后的红 q=萼 所 外图像进行融合。该方法