2025《基于红外图像的电力设备识别方法概述》3700字.docxVIP

基于红外图像的电力设备识别方法概述

1）电力设备识别基本原理

本项目采用基于灰度和纹理识别的电力设备识别方法，识别阈值K的取值直接影响红外图像的分割结果，当K取适当阈值时，可将电力设备从环境背景中分割出来，然后，利用识别算法对设备特征进行分析，实现对电力设备的识别。一般步骤为：

（1）提取目标的基础特征，如灰度、纹理等特性并对其直接描述；

（2）找出目标图像无论如何都不变化的目标图像特性，这些特征是目标固有的特性。

2）图像识别流程分析

以电流互感器为例，电力设备的一般识别流程如下：

图STYLEREF1\s2-11图像识别框架流程

（1）图像灰度化

图像灰度化可以通过Matlab的rgb2gray指令实现RGB彩色图像向灰度图像的转化。灰度其实就是图像的亮度，单精度的灰度图分为介于白色255和黑色0之间的28?1=255个灰度程度，当利用

（2）图像二值化

将目标图像转换成二值图，即只存在黑和白两种颜色的图像，相当于将图像变成一个0和1组成的矩阵，确定像素为0或者为1可以通过设置阈值的方法来确定像素值，也可以通过自动确定阈值的方法来确定，因为本次识别的灰度图像样本时通过k=2的k-means算法提取后的样本，颜色分明，所以采用自动选取阈值的方式进行区分。

（3）图像大小剪切

图像大小剪切目的是为了剪切掉图像本身因为红外热像仪自身问题导致的干扰因子，如比色条、厂家标识等。图像剪切需要注意，不能过度剪切，尽可能地保证电气设备处理前的完整性，单纯地剪切并不能严谨地证明剪切过的电气设备部分是不必要的；也不能欠剪切，不然排除不了比色条和热像仪标识的干扰。

最理想的情况就是设置的剪切度正好能剪切掉比色条和标识，再将剩余的部分进行分析，经过分析后提取出我们想要的感兴趣部分。总之，图像剪切是人为地将设备内部干扰因子去除的过程，这个过程极大地方便了后续的识别工作。

（4）图像的膨胀和腐蚀运算

在二值图像中，图像膨胀运算目的是为了给物体周围边界接触的像素点赋1值，使其由边界向外扩张，将周围像素融合到物体里。图像膨胀的最终目的是消除一些内部孔洞。在本次选取的样本左图中，二值图在蓝色标记处可见，电器设备的内部有一个小孔洞，如果直接进行腐蚀运算，中间孔洞会朝着边缘不断放大，导致电器设备本身造成部分缺损，这对于后续电气设备的识别带来了巨大的困扰。

图STYLEREF1\s2-12互感器灰度图（左）和二值图（右）

图像腐蚀的目的是将图像由外而内地缩小，一般用于消除小物体或缩小边界，它与膨胀运算是一个相反的过程。

基于此情况，可以在剪切图的基础上先进行膨胀运算，再进行腐蚀，这样就可以先将中间的小洞消除，再将线缆等不必要的因素腐蚀掉，就能解决掉孔洞放大的问题。但是图像识别随之产生了一个副作用，在电气设备的主体和线缆相连接的部分存在凸起的毛刺，对于电气设备的边缘识别存在失真现象，这也是本文不能用基于边缘特性的识别算法原因之一。

图STYLEREF1\s2-13二值图直接腐蚀结果

（5）图像区域标记

图像区域标记目的是标记连通区域，返回的值是一个数组。连通可以是4连通也可以是8连通，在此处中间的1的上、下、左、右、左上、左下、右上、右下8个方向有一个是1，则可以认为此处是一个8连通区域，也就是说，只要在某处的8个方向只要有其中一个方向有一个1，则可以成为一个8连通区域，在上、下、左、右四个方向有一个是1即可认定此像素在四连通区域内。本文采用8连通的方法进行区域标记，目的为了更加严谨地标记出所有的连通区域中的像素，若采用四连通，在边缘处必定会存在较为严重的失真现象，减少失真也是识别过程中需要注意的事项。

区域标记的目的在于对连通区域进行标号，可对于连通区域进行计数，简而言之，就是在黑背景中记录有多少个白色的“块”。

（6）统计区域面积

统计被标记区域的属性，计算区域面积，即连通区域1的数量。

（7）删除小面积区域

删除小面积区域目的是将一些不必要的白色连通区域去掉，保留住目标电气设备图像的主题。在此处有两种方式进行删除操作：

1、去掉最大面积连通区域以外的连通区域，此方法根据之前统计的各个区域像素总个数，利用find函数找出面积最大值的连通区域；但是这种方式有一个致命缺点，当图像中存在两个或两个以上的电流互感器时，这种方法只能输出最大面积像素的电流互感器，导致漏判目标电气设备，所以这种方法不可取。

图STYLEREF1\s2-14删除小面积区域结果

2、去掉小于某一面积的连通区域。这种方法首先要设置某一面积阈值，大于此阈值的连通区域视为目标图像，小于此阈值则认为目标为干扰因子，将其区域中所有元素赋0值。这种方法优点在于突出大面积目标的主体，不会造成漏判。

如图所示，图左是两电气设备经灰度图转化后的二值图，在图中明显可以