亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于改進(jìn)SLIC算法的電力設(shè)備故障區(qū)域分割方法

        2021-01-15 08:22:32王季崢尹麗菊咸日常潘金鳳
        關(guān)鍵詞:測(cè)溫邊緣紅外

        王季崢 尹麗菊 咸日常 潘金鳳 陳 堯 于 毅

        (山東理工大學(xué)電氣與電子工程學(xué)院 山東 淄博 255049)

        0 引 言

        電力數(shù)據(jù)來(lái)源各異,包括不同類型的計(jì)量和監(jiān)測(cè),實(shí)現(xiàn)海量數(shù)據(jù)的系統(tǒng)分析,進(jìn)一步深入挖掘,是泛在電力物聯(lián)網(wǎng)的首要建設(shè)目標(biāo)[1]。隨著電網(wǎng)規(guī)模的不斷擴(kuò)大,電力設(shè)備數(shù)量迅速增多,設(shè)備的巡檢工作也越來(lái)越困難。隨著智能化和檢測(cè)技術(shù)的發(fā)展,面對(duì)龐大的巡檢任務(wù),遠(yuǎn)程圖像監(jiān)控系統(tǒng)和自動(dòng)化巡檢機(jī)器人,已經(jīng)能將拍攝到的紅外測(cè)溫圖像無(wú)線傳輸?shù)奖O(jiān)控室,進(jìn)行人工綜合分析診斷[2-4]。泛在電力物聯(lián)網(wǎng)是以數(shù)據(jù)為中心的網(wǎng)絡(luò),收集到的監(jiān)測(cè)數(shù)據(jù)必須轉(zhuǎn)化為可操作的信息,才能從中獲取價(jià)值。而上述方法都需要技術(shù)人員進(jìn)行人工分析,未涉及到對(duì)紅外測(cè)溫圖像自動(dòng)化的處理,診斷的準(zhǔn)確度也難以保證。因此為了進(jìn)一步診斷設(shè)備故障的種類和程度,實(shí)現(xiàn)紅外測(cè)溫圖像的數(shù)據(jù)化處理和應(yīng)用,需要采用有效的圖像分割算法對(duì)紅外測(cè)溫圖像進(jìn)行分割,智能地檢測(cè)出可能存在的熱狀態(tài)異常或潛在的故障區(qū)域。

        目前,超像素分割是一種較流行的圖像分割技術(shù),具有較好的分割邊界、高效的處理速度等優(yōu)勢(shì)[5]。文獻(xiàn)[6-7]對(duì)目前已有的生成超像素的方法NC、SL、GCa、PBa、Watersheds、Mean Shift、SLIC等進(jìn)行了分析和比較,其中SLIC是一種高效的具有數(shù)控可控性和緊密度可控性的超像素分割算法,是目前最優(yōu)的方法之一[6]。它利用不同像素之間的紋理、顏色、亮度等特征,根據(jù)其相似程度將像素分組構(gòu)成超像素,進(jìn)而從中提取圖像特征,在很大程度上降低了后續(xù)圖像處理任務(wù)的復(fù)雜度[8]?;谶@個(gè)思想,紅外測(cè)溫圖像可以被視為由不同溫度構(gòu)成的像素區(qū)域,溫度相近的像素點(diǎn)可以組成一個(gè)超像素,而電力設(shè)備故障區(qū)域在紅外測(cè)溫圖像中表現(xiàn)為高亮度,因此可以將超像素分割算法應(yīng)用到故障區(qū)域分割處理過(guò)程中。

        由于原始SLIC算法是從光學(xué)圖像里提出來(lái)的,不能很好地解決實(shí)際工程問(wèn)題,尤其在分割電力設(shè)備紅外測(cè)溫圖像時(shí),產(chǎn)生的超像素間會(huì)形成許多零碎的超像素,不能很好地貼合區(qū)域邊緣。因此本文提出一種改進(jìn)SLIC的超像素分割算法用于故障區(qū)域的分割。利用導(dǎo)向?yàn)V波器對(duì)圖像進(jìn)行預(yù)處理,濾除細(xì)節(jié)和邊緣噪聲;在迭代過(guò)程中,改進(jìn)距離計(jì)算公式并對(duì)超像素匹配顏色;增加亮度相似性作為附加限制條件,對(duì)零碎超像素進(jìn)行合并;最后通過(guò)色彩空間轉(zhuǎn)換,自動(dòng)根據(jù)圖像色調(diào)設(shè)置閾值,提取和標(biāo)記出發(fā)熱的故障區(qū)域。

        1 方法設(shè)計(jì)

        1.1 方法流程

        基于改進(jìn)SLIC算法的電力設(shè)備故障區(qū)域分割方法流程如圖1所示。

        圖1 本文方法流程圖

        1) 輸入電力設(shè)備原始紅外測(cè)溫圖像;2) 使用導(dǎo)向?yàn)V波器對(duì)圖像預(yù)處理,消除細(xì)節(jié)噪聲增強(qiáng)區(qū)域邊緣;3) 通過(guò)改進(jìn)SLIC算法,對(duì)紅外測(cè)溫圖像進(jìn)行超像素分割;4) HSV色彩空間轉(zhuǎn)換,突出發(fā)熱的故障區(qū)域;5) 自動(dòng)設(shè)置色調(diào)閾值,分割提取出故障區(qū)域;6) 輸出標(biāo)記故障區(qū)域的紅外測(cè)溫圖像。

        1.2 導(dǎo)向?yàn)V波

        在電力設(shè)備紅外測(cè)溫圖像中,圖像范圍內(nèi)噪聲較大,尤其是細(xì)小的邊緣噪聲會(huì)在梯度圖中造成許多虛假的局部最小值。因此在對(duì)圖像進(jìn)行分割前,有必要先對(duì)圖像進(jìn)行濾波去噪,并在平滑圖像、抑制噪聲的同時(shí)有效保留圖像邊界。導(dǎo)向?yàn)V波器在區(qū)域邊緣附近有很好的處理效果,是目前最快的保邊濾波器之一[9]。本文選擇采用導(dǎo)向?yàn)V波器對(duì)電力設(shè)備紅外測(cè)溫圖像進(jìn)行預(yù)處理。

        首先引入一個(gè)局部線性模型,該模型包括一個(gè)導(dǎo)向函數(shù)圖像I,一個(gè)輸入圖像p,以及一個(gè)輸出圖像q[10]。導(dǎo)向?yàn)V波器的線性模型如下:

        qi=akIi+bk?i∈Wk

        (1)

        式中:系數(shù)ak和bk在窗口函數(shù)Wk中保持不變。對(duì)式(1)兩邊同時(shí)取導(dǎo),得到▽q=a▽I,能夠保證圖像q與圖像I的邊緣相似。q和I可以是完全相同的圖像,也可以是不同的圖像。為確定ak和bk,輸出應(yīng)滿足:

        qi=pi-ni

        (2)

        式中:ni表示噪聲。為了將q與p之間的差異最小化,引入以下代價(jià)函數(shù):

        (3)

        式中:ε為正則化參數(shù)。通過(guò)線性變換可得ak和bk:

        (4)

        (5)

        由于每一個(gè)像素點(diǎn)i用不同的Wk計(jì)算出來(lái)的qi不同,所以將其取均值來(lái)代替,由于窗口的對(duì)稱性,將式(1)改寫為:

        (6)

        1.3 改進(jìn)的SLIC故障區(qū)域分割算法

        SLIC超像素分割算法基于K-means思想,利用Lab顏色空間對(duì)像素進(jìn)行聚類,能夠控制超像素個(gè)數(shù),運(yùn)行速度快[11]。但是該方法由于聚類條件有限,超像素間的連通性較差,會(huì)形成許多小的、零碎的超像素。為了提高對(duì)故障區(qū)域的分割精度,本文在采用導(dǎo)向?yàn)V波器對(duì)紅外測(cè)溫圖像進(jìn)行預(yù)處理后,使用改進(jìn)的SLIC算法對(duì)故障區(qū)域進(jìn)行超像素分割。

        原始SLIC分割算法根據(jù)顏色和距離兩種特征對(duì)圖像中的像素進(jìn)行聚類,將RGB彩色圖像轉(zhuǎn)化為L(zhǎng)ab色彩空間的色彩值(L,a,b)與空間位置(x,y)相組合形成5維特征向量V[L,a,b,x,y]。在此基礎(chǔ)上,本文對(duì)SLIC超像素分割算法進(jìn)行了改進(jìn),算法過(guò)程如下:

        (2) 距離度量。計(jì)算每個(gè)種子點(diǎn)和搜索到的像素點(diǎn)的歐氏距離:

        (7)

        (8)

        (9)

        最終用于故障區(qū)域提取的距離計(jì)算公式為:

        (10)

        式中:m用來(lái)調(diào)整ds的權(quán)值。

        (3) 迭代更新超像素。在種子點(diǎn)的2S×2S范圍內(nèi),對(duì)歸屬于同一個(gè)超像素的像素點(diǎn)的5維向量求平均值,更新種子點(diǎn)并確定每一個(gè)像素點(diǎn)的歸屬。為了方便后續(xù)的分割提取,將每塊超像素內(nèi)的顏色以其種子點(diǎn)的色彩值[Li,ai,bi]替代,將整個(gè)超像素重新匹配顏色。不斷重復(fù)以上步驟進(jìn)行更新迭代,直到每個(gè)超像素不再發(fā)生變化為止。

        (4) 合并超像素。在更新迭代過(guò)程中,生成的超像素可能會(huì)出現(xiàn)尺寸過(guò)小,產(chǎn)生零碎超像素的問(wèn)題。原始SLIC算法沒(méi)有將超像素間的相似程度考慮在內(nèi),僅通過(guò)增強(qiáng)連通性來(lái)解決。本文根據(jù)紅外測(cè)溫圖像的特點(diǎn)增加限制條件,利用超像素間亮度值的相似性合并零碎超像素,條件如下:

        Dn=e-|μ-μn|

        (11)

        式中:μ和μn分別表示零碎超像素G的平均亮度值和它鄰近的第n個(gè)超像素Gn的平均亮度值;Dn表示零碎超像素和它鄰近超像素間的相似程度,n=1,2,…,N;Dn值越大,表示相似性越大,設(shè)Dn的最大值為Dm。為了判斷零碎超像素是否合并到鄰近超像素中,需設(shè)置一個(gè)合適的閾值T,當(dāng)Dm>T時(shí),零碎超像素G合并到它的鄰近超像素Gm內(nèi),完成零碎超像素的合并;否則,這個(gè)零碎超像素將不再合并。

        1.4 紅外測(cè)溫圖像故障區(qū)域分割

        電力設(shè)備因接觸不良、老化等原因,故障區(qū)域會(huì)呈現(xiàn)出高溫、高熱特性,在紅外測(cè)溫圖像中體現(xiàn)為高亮度[12-13]。HSV色彩空間與RGB色彩空間相比,可以更精確地區(qū)分出黃色或接近白色的故障區(qū)域,同時(shí)HSV色彩空間轉(zhuǎn)換是非線性變換,具有簡(jiǎn)單且快速的特點(diǎn)。因此,本文采用HSV色彩空間對(duì)電力設(shè)備發(fā)生故障的區(qū)域進(jìn)行提取。

        HSV色彩空間是個(gè)六棱錐模型,六邊形邊界表示色彩,水平軸表示純度,明度沿垂直軸測(cè)量[14-15]。HSV色彩空間模型如圖2所示。

        圖2 HSV色彩空間

        在電力設(shè)備紅外測(cè)溫圖像中,黃色或接近白色的區(qū)域是發(fā)熱的故障區(qū)域,HSV色彩空間轉(zhuǎn)換公式為:

        (12)

        (13)

        (14)

        (15)

        V=Lmax

        (16)

        式中:R、G、B分別為紅色、綠色、藍(lán)色顏色分量。

        經(jīng)過(guò)HSV色彩空間轉(zhuǎn)換后,色調(diào)已能將故障區(qū)域與背景顯著區(qū)分開(kāi)來(lái)。由于受周圍環(huán)境因素的影響,對(duì)于不同場(chǎng)景或不同明暗程度的紅外測(cè)溫圖像,設(shè)置固定的閾值效果不佳,因此需要自動(dòng)設(shè)置色調(diào)閾值,將故障區(qū)域單獨(dú)提取出來(lái)。對(duì)于不同的紅外測(cè)溫圖像,閾值應(yīng)由其色調(diào)(H)的范圍而決定,本文將每個(gè)匹配顏色后的超像素色調(diào)(H)值從大到小進(jìn)行排序,設(shè)為Hi,i=1,2,…,K,其中K為超像素個(gè)數(shù)。經(jīng)實(shí)驗(yàn)發(fā)現(xiàn),選擇H3作為閾值可以達(dá)到較好的效果,因此本文選取色調(diào)閾值為H3。將發(fā)熱的故障區(qū)域提取后,最后利用Python圖像處理庫(kù),將發(fā)熱的故障區(qū)域在原始圖像上標(biāo)記出來(lái),完成對(duì)故障區(qū)域的提取和標(biāo)記。

        2 實(shí) 驗(yàn)

        本文實(shí)驗(yàn)選取了主變高壓側(cè)套管和斷路器進(jìn)線接頭的紅外測(cè)溫圖像,圖像像素大小為420×420,實(shí)驗(yàn)過(guò)程在主頻為3.60 GHz,內(nèi)存為8 GB的PC機(jī)上進(jìn)行,使用Python軟件開(kāi)發(fā)環(huán)境和OpenCV開(kāi)發(fā)工具。本文從濾波效果、邊緣召回率、故障區(qū)域的分割和標(biāo)記效果三方面來(lái)驗(yàn)證本文算法的有效性。

        圖3為導(dǎo)向?yàn)V波和雙邊濾波的濾波效果對(duì)比,(a)為主變高壓側(cè)套管紅外測(cè)溫原始圖像,對(duì)(a)在細(xì)節(jié)處和邊緣處局部放大,(b)為細(xì)節(jié)處導(dǎo)向?yàn)V波效果與雙邊濾波效果對(duì)比,(c)為邊緣處導(dǎo)向?yàn)V波效果與雙邊濾波效果對(duì)比??梢钥闯?,導(dǎo)向?yàn)V波在實(shí)現(xiàn)雙邊濾波平滑的同時(shí),細(xì)節(jié)處的噪聲處理得更好,且對(duì)區(qū)域邊緣具有增強(qiáng)的效果,減少了在邊緣處偽影現(xiàn)象的產(chǎn)生,其效果優(yōu)于雙邊濾波。

        圖3 導(dǎo)向?yàn)V波效果與雙邊濾波效果的對(duì)比

        圖4為對(duì)電力設(shè)備紅外測(cè)溫圖像以不同超像素個(gè)數(shù)進(jìn)行分割實(shí)驗(yàn)。利用原始SLIC算法、濾波后原始算法,及濾波后本文算法的分割結(jié)果分別與手動(dòng)分割的圖像進(jìn)行邊界召回率比較。超像素邊緣召回率是指目標(biāo)區(qū)域超像素邊緣像素點(diǎn)數(shù)目與真實(shí)分割邊緣像素點(diǎn)數(shù)目的比值,比值越大,邊緣召回率越高,超像素對(duì)目標(biāo)區(qū)域分割的效果越好,是超像素評(píng)價(jià)體系中的重要指標(biāo)。

        圖4 邊界召回率對(duì)比

        可以看出,利用導(dǎo)向?yàn)V波器平滑圖像減少了邊緣細(xì)節(jié)的噪聲,因此邊界召回率比原方法更高。隨著超像素個(gè)數(shù)的增加,濾波后本文算法邊界召回率更高,斜率更大;當(dāng)超像素?cái)?shù)量接近1 000時(shí),濾波后本文算法邊界召回率最先趨于平穩(wěn),達(dá)到了93.12%。由于超像素個(gè)數(shù)過(guò)多會(huì)消耗更多時(shí)間,而迭代次數(shù)過(guò)小聚類效果不理想,因此,本文選取超像素個(gè)數(shù)K=1 000,m=40;實(shí)驗(yàn)控制最大迭代次數(shù)為10次,T=0.52;導(dǎo)向?yàn)V波預(yù)處理過(guò)程中窗口半徑設(shè)置為5,ε=0.01。

        圖5為斷路器進(jìn)線接頭紅外測(cè)溫圖像故障區(qū)域分割過(guò)程和結(jié)果:(a)為斷路器進(jìn)線接頭紅外測(cè)溫原始圖像;(b)為原始圖像經(jīng)過(guò)導(dǎo)向?yàn)V波預(yù)處理后的圖像,可以看出經(jīng)過(guò)預(yù)處理后消除了細(xì)小的噪聲,強(qiáng)化了區(qū)域邊緣;(c)為SLIC超像素分割后的圖像,通過(guò)改進(jìn)SLIC算法的超像素分割,生成的超像素變得更加規(guī)整,很好地趨于區(qū)域邊緣;(d)為對(duì)超像素匹配顏色后的圖像,可以看出對(duì)提取的超像素匹配顏色,使故障區(qū)域與背景之間的相似度減弱,特征差距增大;(e)為分割出故障區(qū)域的圖像,經(jīng)過(guò)HSV色彩空間轉(zhuǎn)換,自動(dòng)設(shè)置色調(diào)閾值,準(zhǔn)確將黃色或接近白色的故障區(qū)域分割提取了出來(lái);(f)為標(biāo)記故障區(qū)域的圖像,利用Python的圖像處理庫(kù)將故障區(qū)域在原始圖像上標(biāo)記了出來(lái)。

        圖5 故障區(qū)域分割過(guò)程和結(jié)果

        3 結(jié) 語(yǔ)

        本文針對(duì)傳統(tǒng)電力設(shè)備狀態(tài)檢測(cè)中出現(xiàn)故障的區(qū)域需要人工進(jìn)行標(biāo)記和處理,結(jié)合電氣設(shè)備紅外測(cè)溫圖像的特點(diǎn),提出一種改進(jìn)SLIC的分割方法,用于故障區(qū)域的自動(dòng)分割和標(biāo)記。該方法使用導(dǎo)向?yàn)V波器預(yù)處理圖像,減少邊緣噪聲對(duì)超像素分割的影響,以超像素顏色匹配和增加亮度相似性作為附加的限定條件,解決生成的零碎超像素造成分割精度不高的問(wèn)題。實(shí)驗(yàn)結(jié)果表明,本文方法對(duì)紅外測(cè)溫圖像故障區(qū)域的分割具有高準(zhǔn)確性,同時(shí)改進(jìn)的SLIC超像素分割算法提高了邊界召回率,并有效改善了生成超像素形狀大小的可視效果。本文方法有利于促進(jìn)智能電網(wǎng)主動(dòng)應(yīng)對(duì)故障、智能管理的轉(zhuǎn)變,提升智能化程度。

        猜你喜歡
        測(cè)溫邊緣紅外
        網(wǎng)紅外賣
        閃亮的中國(guó)紅外『芯』
        金橋(2021年4期)2021-05-21 08:19:20
        TS系列紅外傳感器在嵌入式控制系統(tǒng)中的應(yīng)用
        電子制作(2019年7期)2019-04-25 13:17:14
        基于WiFi無(wú)線通信測(cè)溫系統(tǒng)的設(shè)計(jì)
        變壓器光纖測(cè)溫探頭的安裝固定
        電子制作(2017年8期)2017-06-05 09:36:15
        一張圖看懂邊緣計(jì)算
        基于快速遞推模糊2-劃分熵圖割的紅外圖像分割
        基于DS18B20的單片機(jī)測(cè)溫系統(tǒng)
        電子制作(2016年21期)2016-05-17 03:52:50
        一例紅外測(cè)溫技術(shù)診斷220kV隔離開(kāi)關(guān)過(guò)熱缺陷
        在邊緣尋找自我
        雕塑(1999年2期)1999-06-28 05:01:42
        国产亚洲精品高清视频| 国产色a在线观看| 无码中文字幕日韩专区视频| 国产精品卡一卡二卡三| 日韩欧美第一页| 性感人妻中文字幕在线| 深夜日韩在线观看视频| 国产一区二区三区在线蜜桃| 波多野结衣不打码视频| 亚洲日本va中文字幕| 亚洲av无码一区二区三区在线| Y111111国产精品久久久| 亚洲啪啪AⅤ一区二区三区| 91九色精品日韩内射无| 老熟妇乱子交视频一区| 国产精品久久国产精品99| 日韩内射美女人妻一区二区三区| 国产日韩精品一区二区在线观看播放| 国产一区二区三区探花| 国产变态av一区二区三区调教| 中文字幕日韩欧美一区二区三区| 最新亚洲精品国偷自产在线| 囯产精品无码一区二区三区| 亚洲一区二区观看网站| 亚洲综合一区二区三区在线观看 | 色爱区综合五月激情| 国产福利酱国产一区二区| 亚洲一区丝袜美腿在线观看| av人妻在线一区二区三区| 4hu四虎永久免费地址ww416| 亚洲日韩国产精品乱-久| 极品粉嫩嫩模大尺度无码| 国产免费一区二区av| 亚洲精品456在线播放狼人| 成年女人a级毛片免费观看| 1000部拍拍拍18勿入免费视频下载| 亚洲精品中文字幕二区| 插入日本少妇一区二区三区| 亚洲国产精品成人综合色| 精品综合久久久久久97超人| 一本色道久久综合狠狠躁中文|