基于蝙蝠算法和大津算法的红外图像分割方法及系统技术方案

本发明专利技术公开了一种基于蝙蝠算法和大津算法的红外图像分割方法，其包括步骤：S10：获取待分割的红外图像；S20：将大津算法中的类间方差函数作为蝙蝠算法的目标函数，将所述类间方差函数对应的分割阈值变量作为所述蝙蝠算法中的蝙蝠位置变量；S30：基于所述蝙蝠算法求取目标函数最大时对应的蝙蝠位置，将该蝙蝠位置作为最优分割阈值将所述待分割的红外图像分割为背景区域和目标区域。此外，本发明专利技术还公开了相应的系统。本发明专利技术能实现快速地对待分割的红外图像进行分割。相对于现有的红外图像阈值分割方法，有效提高了阈值选取速度，为后续设备温度场特征的实时提取与分析奠定基础。

【技术实现步骤摘要】
基于蝙蝠算法和大津算法的红外图像分割方法及系统
本专利技术涉及红外图像分割技术，尤其涉及一种基于大津算法的红外图像分割方法及系统。
技术介绍
电力设备红外图像是伪彩色图像，具有强度集中和对比度低等特性，传统的图像分割算法往往不能很好地将目标与背景分离。若采用人为圈定感兴趣区域，显然会大大降低智能诊断系统的效率。图像阈值自动选取方法的研究长期以来吸引着众多学者，寻找简单实用、自适应强的阈值自动选取方法是这些研究者们的共同目标。Otsu在1979年提出的大津算法(也称为最大类间方差法或Otsu方法)一直被认为是阈值自动选取方法的最优方法之一，该方法计算简单，在一定条件下不受图像对比度与亮度变化的影响，因而在一些实时图像处理系统中得到了广泛的应用。然而，在实际图像中，大津算法虽然分割性能较好,但计算量非常巨大。大津算法虽然有效解决了红外图像二值化分割过程中阈值选取困难的问题，但在阈值分割速度上往往不能满足后续设备红外温度场实时特征提取与分析的需求。
技术实现思路
本专利技术的目的之一是提供一种基于蝙蝠算法和大津算法的红外图像分割方法，其能快速地对待分割的红外图像进行分割，从而满足后续设备红外温度场实时特征提取与分析的需求。基于上述目的，本专利技术提供了一种基于蝙蝠算法和大津算法的红外图像分割方法，其包括步骤：S10：获取待分割的红外图像；S20：将大津算法中的类间方差函数作为蝙蝠算法的目标函数，将所述类间方差函数对应的分割阈值变量作为所述蝙蝠算法中的蝙蝠位置变量；S30：基于所述蝙蝠算法求取目标函数最大时对应的蝙蝠位置，将该蝙蝠位置作为最优分割阈值将所述待分割的红外图像分割为背景区域和目标区域。本专利技术所述的基于蝙蝠算法和大津算法的红外图像分割方法中，蝙蝠算法是Yang教授基于群体智能提出的启发式搜索算法，是一种搜索全局最优解的有效方法。该算法是一种基于迭代的优化技术，与其他算法相比在准确性和有效性方面远优于其他算法，且没有许多参数要进行调整，大大降低了计算量，因此其通过所述步骤S20和S30用于大津算法中类间方差函数的寻优计算能提高分割阈值的选取速度，从而能快速地对待分割的红外图像进行分割，进而满足后续设备红外温度场实时特征提取与分析的需求。进一步地，本专利技术所述的基于蝙蝠算法和大津算法的红外图像分割方法中，所述步骤S20中还对所述蝙蝠算法的参数进行初始化，所述蝙蝠算法的参数包括蝙蝠参数和迭代参数。更进一步地，上述基于蝙蝠算法和大津算法的红外图像分割方法中，所述蝙蝠参数包括蝙蝠的初始位置和初始速度。更进一步地，上述基于蝙蝠算法和大津算法的红外图像分割方法中，所述蝙蝠的初始位置和初始速度均为随机生成。更进一步地，上述基于蝙蝠算法和大津算法的红外图像分割方法中，所述蝙蝠参数还包括蝙蝠的初始脉冲频度r0、脉冲频度增加系数θ、初始响度A0、响度递减系数ξ、最小声波频率fmin以及最大声波频率fmax中的至少其中之一。进一步地，本专利技术所述的基于蝙蝠算法和大津算法的红外图像分割方法中，所述步骤S20中的类间方差函数为：σB＝wF(uF-uT)2+wB(uB-uT)2，其中σB为类间方差，wF和wB分别为所述待分割的红外图像中目标像素和背景像素所占比例，uF和uB分别为目标像素和背景像素灰度值均值，uT为所述待分割的红外图像中所有像素的灰度值均值,其中uT＝wFuF+wBuB。更进一步地，上述基于蝙蝠算法和大津算法的红外图像分割方法中，所述蝙蝠为蝙蝠种群，所述蝙蝠参数包括蝙蝠数量和蝙蝠编号。更进一步地，上述基于蝙蝠算法和大津算法的红外图像分割方法中，所述步骤S30中基于目标函数的值判断各蝙蝠优劣，找出全局最优蝙蝠。更进一步地，上述基于蝙蝠算法和大津算法的红外图像分割方法中，所述步骤S30中还更新迭代各蝙蝠参数，并基于目标函数的值判断各蝙蝠优劣，更新全局最优蝙蝠。更进一步地，上述基于蝙蝠算法和大津算法的红外图像分割方法中，所述迭代参数包括最大迭代次数N，若达到最大迭代次数N，则将所述全局最优蝙蝠的蝙蝠位置作为最优分割阈值。更进一步地，上述基于蝙蝠算法和大津算法的红外图像分割方法中，所述迭代参数包括连续迭代不变次数M，若在连续迭代不变次数M内所述全局最优蝙蝠保持不变，则将所述全局最优蝙蝠的蝙蝠位置作为最优分割阈值。本专利技术的另一目的是提供一种基于蝙蝠算法和大津算法的红外图像分割系统，其能快速地对待分割的红外图像进行分割，从而满足后续设备红外温度场实时特征提取与分析的需求。基于上述目的，本专利技术提供了一种基于蝙蝠算法和大津算法的红外图像分割系统，其采用上述任一方法对待分割的红外图像进行分割。本专利技术所述的基于蝙蝠算法和大津算法的红外图像分割系统，由于其采用了本专利技术所述的方法，同样能实现快速地对待分割的红外图像进行分割。具体原理前已描述，在此不再赘述。所述系统可以是具有对应本专利技术方法的软件的计算机。本专利技术所述的基于蝙蝠算法和大津算法的红外图像分割方法，其具有以下优点和有益效果：1)以背景图像与目标图像间的类间方差为基础进行最大类间方差计算，准确地寻找最优阈值以对图像的背景与目标进行准确有效的分割。2)采用类间方差公式作为蝙蝠算法的寻优评估函数，快速寻找图像中最优分割阈值，并将其用于当前图像的二值化分割，提高了图像的分割速度。3)相对于现有的红外图像阈值分割方法，有效提高了阈值选取速度，为后续设备温度场特征的实时提取与分析奠定基础。本专利技术所述的基于蝙蝠算法和大津算法的红外图像分割系统，其同样具有上述优点和有益效果。附图说明图1为本专利技术所述的基于蝙蝠算法和大津算法的红外图像分割方法的基本流程示意图。图2为本专利技术实施例的基于蝙蝠算法和大津算法的红外图像分割方法的流程示意图。图3为本专利技术实例中的经灰度化处理的待分割的电流互感器的红外图像。图4为本专利技术实例中的经灰度化处理的待分割的阻波器的红外图像。图5为本专利技术实例中的经灰度化处理的待分割的刀闸间引上线接头的红外图像。图6为本专利技术实例中的经灰度化处理的待分割的刀闸的红外图像。图7为本专利技术实例中的经灰度化处理的待分割的电流互感器的红外图像的分割结果。图8为本专利技术实例中的经灰度化处理的待分割的阻波器的红外图像的分割结果。图9为本专利技术实例中的经灰度化处理的待分割的刀闸间引上线接头的红外图像的分割结果。图10为本专利技术实例中的经灰度化处理的待分割的刀闸的红外图像的分割结果。具体实施方式下面结合说明书附图及实施例进一步说明本专利技术所述的技术方案。图1示意了本专利技术所述的基于蝙蝠算法和大津算法的红外图像分割方法的基本流程。如图1所示，本专利技术的基于蝙蝠算法和大津算法的红外图像分割方法包括步骤：S10：获取待分割的红外图像。在某些实施方式下，该步骤中的红外图像经灰度化处理。S20：将大津算法中的类间方差函数作为蝙蝠算法的目标函数，将类间方差函数对应的分割阈值变量作为蝙蝠算法中的蝙蝠位置变量。在某些实施方式下，该步骤中还对蝙蝠算法的参数进行初始化，蝙蝠算法的参数包括蝙蝠参数和迭代参数。在某些实施方式下，该步骤中蝙蝠参数包括蝙蝠的初始位置和初始速度，其中，蝙蝠的初始位置和初始速度均为随机生成。在某些实施方式下，该步骤中蝙蝠参数还包括蝙蝠的初始脉冲频度r0、脉冲频度增加系数θ、初始响度A0、响度递减系数ξ、最小声波频率fmin本文档来自技高网...

【技术保护点】
一种基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，包括步骤：S10：获取待分割的红外图像；S20：将大津算法中的类间方差函数作为蝙蝠算法的目标函数，将所述类间方差函数对应的分割阈值变量作为所述蝙蝠算法中的蝙蝠位置变量；S30：基于所述蝙蝠算法求取目标函数最大时对应的蝙蝠位置，将该蝙蝠位置作为最优分割阈值将所述待分割的红外图像分割为背景区域和目标区域。

【技术特征摘要】
1.一种基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，包括步骤：S10：获取待分割的红外图像；S20：将大津算法中的类间方差函数作为蝙蝠算法的目标函数，将所述类间方差函数对应的分割阈值变量作为所述蝙蝠算法中的蝙蝠位置变量；S30：基于所述蝙蝠算法求取目标函数最大时对应的蝙蝠位置，将该蝙蝠位置作为最优分割阈值将所述待分割的红外图像分割为背景区域和目标区域。2.如权利要求1所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述步骤S20中还对所述蝙蝠算法的参数进行初始化，所述蝙蝠算法的参数包括蝙蝠参数和迭代参数。3.如权利要求2所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述蝙蝠参数包括蝙蝠的初始位置和初始速度。4.如权利要求3所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述蝙蝠的初始位置和初始速度均为随机生成。5.如权利要求2所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述蝙蝠参数还包括蝙蝠的初始脉冲频度r0、脉冲频度增加系数θ、初始响度A0、响度递减系数ξ、最小声波频率fmin以及最大声波频率fmax中的至少其中之一。6.如权利要求1所述的基于蝙蝠算法和大津算法的红外图像分割方法，其特征在于，所述步骤S20中的类间方差函数为：σB＝wF(uF-uT)2+wB(uB-u...

【专利技术属性】
技术研发人员：张卫国，任杰，彭红霞，宋来森，闫冬，郭奇军，王智杰，刘相兴，闫静静，
申请(专利权)人：国网山东省电力公司菏泽供电公司，国家电网公司，上海交通大学，
类型：发明
国别省市：山东,37