一种机械设备故障的红外图像敏感区域提取方法及装置制造方法及图纸

本申请提供了一种机械设备故障的红外图像敏感区域提取方法及装置，该方法包括：对红外图像进行显著性检测，获得去除背景后的灰度图像；确定灰度图像的二值化阈值，根据二值化阈值将灰度图像转换成二值图像；确定二值图像中其灰度值为0的区域位置，从红外图像中提取与区域位置对应的图像部分作为敏感区域；将敏感区域转换成灰度直方图，提取灰度直方图的特征数据，根据特征数据训练集训练预设分类器，获得故障分类器；测试故障分类器的预测准确率是否达到预设准确率；如果未达到，则获取新的二值化阈值以进行循环迭代计算，直至满足预设迭代终止条件为止，并根据对应的二值化阈值重新确定敏感区域。本申请可提取出更为准确的故障敏感区域。

An infrared image sensitive region extraction method and device for mechanical equipment failure

This application provides an infrared image sensitive region extraction method and device for mechanical equipment fault. The method includes: detecting the saliency of the infrared image to obtain the gray image after removing the background; determining the binarization threshold of the gray image; converting the gray image into a binary image according to the binarization threshold; and determining the binarization threshold. The position of the region whose gray value is 0 in the value image is extracted as the sensitive region from the infrared image; the sensitive region is transformed into the gray histogram, the feature data of the gray histogram is extracted, and the preset classifier is trained according to the training set of the feature data to obtain the fault classifier; and the fault classification is tested. Whether the predictive accuracy of the classifier reaches the preset accuracy or not; if not, a new binarization threshold is obtained for iterative calculation until the preset termination condition is satisfied, and the sensitive region is redefined according to the corresponding binarization threshold. This application can extract more accurate fault sensitive areas.

【技术实现步骤摘要】
一种机械设备故障的红外图像敏感区域提取方法及装置
本申请涉及机械设备故障监测
，尤其是涉及一种机械设备故障的红外图像敏感区域提取方法及装置。
技术介绍
机械设备由于各部件之间的相互运动和摩擦产生热量，且不同状态下(正常、轻微故障、严重故障)，在设备表面会出现不同的温度值和温度分布形式。分析机械设备表面的温度信息，能够对设备中潜在的故障和具体位置进行判断，对于设备状态监测和故障诊断具有重要意义。目前，红外监测在机械设备监测中的主要应用形式是技术人员手持热像仪采集图像，然后进行分析。当前的红外图像分析存在以下不足：一方面，由于红外图像中存在着大量的背景噪声，如地面反光产生的图像倒影，因此需要进行图像分割，去除无关背景；另一方面，红外图像中温度最高的区域不一定是故障区域。因此导致用现有的二值化方法进行图像分割，容易出现过分割，即只能提取出温度最高的区域，不能有效地提取出故障敏感区域。
技术实现思路
本申请实施例的目的在于提供一种机械设备故障的红外图像敏感区域提取方法及装置，以从机械设备故障的红外图像中提取出更为准确的故障敏感区域。为达到上述目的，一方面，本申请实施例提供了一种机械设备故障的红外图像敏感区域提取方法，包括：对红外图像进行显著性检测，获得去除背景后的灰度图像；确定所述灰度图像的二值化阈值，并根据所述二值化阈值将所述灰度图像转换成二值图像；确定所述二值图像中其灰度值为0的区域位置，并从所述红外图像中提取与所述区域位置对应的图像部分作为敏感区域；将所述敏感区域转换成灰度直方图，提取所述灰度直方图的特征数据，并将所述特征数据的第一部分作为训练集训练预设分类器，获得故障分类器；用所述特征数据的第二部分作为测试集测试所述故障分类器的预测准确率是否达到预设准确率；如果未达到，则获取新的二值化阈值以进行循环迭代计算，直至满足预设迭代终止条件为止，并根据对应的二值化阈值重新确定敏感区域。本申请实施例的机械设备故障的红外图像敏感区域提取方法中，所述对红外图像进行显著性检测，包括：将获取的红外图像划分为多个图像区域；将所述多个图像区域对应转换成多个区域颜色直方图；对所述多个区域颜色直方图计算其区域对比度，用区域对比度表示该图像区域的显著性值，对多个图像区域的显著性值进行灰度归一化处理，获得多个灰度图像区域；将所述多个灰度图像区域合成为灰度图像。本申请实施例的机械设备故障的红外图像敏感区域提取方法中，所述对所述多个区域颜色直方图进行区域对比度处理，包括：根据公式对所述多个区域颜色直方图进行区域对比度处理；其中，rk和ri分别为第k个和第i个区域颜色直方图，S(rk)为rk的显著性值，Ds(rk,ri)为rk和ri之间的空间距离，Dr(rk,ri)为rk和ri之间的颜色距离，σs为空间权值的强度，w(ri)为ri的空间权值，R为区域颜色直方图的数量。本申请实施例的机械设备故障的红外图像敏感区域提取方法中，所述rk和ri之间的空间距离为所述rk和ri区域中心间的欧式距离；所述rk和ri之间的颜色距离根据公式获得；其中，f(ck,p)表示第p个颜色ck,p在第k个区域rk的所有nk种颜色中出现的概率，f(ci,q)表示第q个颜色ci,q在第i个区域ri的所有ni种颜色中出现的概率，D(ck,p,ci,q)表示颜色ck,p和颜色ci,q的空间距离。本申请实施例的机械设备故障的红外图像敏感区域提取方法中，所述确定所述灰度图像的二值化阈值，包括：确定所述灰度图像中各像素类的类间方差和类内方差；其中，每个图像区域为一个像素类；将其中的类内方差最小值或类间方差最大值确定为所述灰度图像的二值化阈值。本申请实施例的机械设备故障的红外图像敏感区域提取方法中，所述类间方差通过公式计算得到，所述类间方差通过公式计算得到；其中，为像素类的类间方差，为像素类的类内方差，tM-1为第M-1个二值化阈值，M为像素类个数，wj为第j个像素类的出现概率，μj为第j个像素类的平均灰度，为第j个像素类的方差，μT＝μ(L)为L个灰度级的平均灰度。本申请实施例的机械设备故障的红外图像敏感区域提取方法中，所述获取新的二值化阈值以进行循环迭代计算，包括：第一次迭代时，在第一阈值范围[Zmin,F0]内，以l为步长，确定第一迭代阈值组为Fm∈[F0-zl,...,F0-2l,F0-l]，且其中，Zmin为灰度图像中所有像素的最小灰度值，F0为初始二值化阈值；第二次迭代时，在第二阈值范围[Fi，Fj]内，以为步长，确定第二迭代阈值组为Fk∈[Fj-z'l,...,Fj-l,Fj-l/2]，且其中，Fi和Fj为第一迭代阈值组Fm中，对应故障分类器的预测准确率最高的阈值的两个相邻阈值；第三次迭代时，在第三阈值范围[Fr，Fs]内，以为步长，确定第三迭代阈值组为Fp∈[Fs-z"l,...,Fs-l/2,Fs-l/4]，且其中，Fri和Fs为第二迭代阈值组Fk中，对应故障分类器的预测准确率最高的阈值的两个相邻阈值；依此递推，直至满足预设迭代终止条件为止。本申请实施例的机械设备故障的红外图像敏感区域提取方法中，所述迭代终止条件包括：当前的故障分类器的预测准确率达到预设准确率或者当前的步长值为1。本申请实施例的机械设备故障的红外图像敏感区域提取方法中，所述灰度直方图的特征数据包括以下参数值：灰度直方图的均值、均方差值、偏斜度值、峰度系数、能量值和熵值。另一方面，本申请实施例还提供了一种机械设备故障的红外图像敏感区域提取装置，包括：显著性检测模块，用于对红外图像进行显著性检测，获得去除背景后的灰度图像；二值图像转换模块，用于确定所述灰度图像的二值化阈值，并根据所述二值化阈值将所述灰度图像转换成二值图像；敏感区域提取模块，用于确定所述二值图像中其灰度值为0的区域位置，并从所述红外图像中提取与所述区域位置对应的图像部分作为敏感区域；故障分类获取模块，用于将所述敏感区域转换成灰度直方图，提取所述灰度直方图的特征数据，并将所述特征数据的第一部分作为训练集训练预设分类器，获得故障分类器；区域提取优化模块，用于用所述特征数据的第二部分作为测试集测试所述故障分类器的预测准确率是否达到预设准确率；如果未达到，则获取新的二值化阈值以进行循环迭代计算，直至满足预设迭代终止条件为止，并根据对应的二值化阈值重新确定敏感区域。由以上本申请实施例提供的技术方案可见，本申请实施例中，首先基于显著性检测去除红外图像中大部分无关背景，其次用二值化算法对图像进行分割得到初步敏感区域，然后提取敏感区域的特征进行故障分类，最后根据故障分类结果对二值化的阈值进行调整，以得到最佳的敏感区域。因此，与现有技术相比，本申请实施例可以从机械设备故障的红外图像中提取出更为准确的故障敏感区域。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本申请一实施例中机械设备故障的红外图像敏感区域提取方法的流程图；图2为本申请一实施例中转子实验台的红外图像；图3为本申请一实施例中转子实验台的颜本文档来自技高网...

【技术保护点】
1.一种机械设备故障的红外图像敏感区域提取方法，其特征在于，包括：对红外图像进行显著性检测，获得去除背景后的灰度图像；确定所述灰度图像的二值化阈值，并根据所述二值化阈值将所述灰度图像转换成二值图像；确定所述二值图像中其灰度值为0的区域位置，并从所述红外图像中提取与所述区域位置对应的图像部分作为敏感区域；将所述敏感区域转换成灰度直方图，提取所述灰度直方图的特征数据，并将所述特征数据的第一部分作为训练集训练预设分类器，获得故障分类器；用所述特征数据的第二部分作为测试集测试所述故障分类器的预测准确率是否达到预设准确率；如果未达到，则获取新的二值化阈值以进行循环迭代计算，直至满足预设迭代终止条件为止，并根据对应的二值化阈值重新确定敏感区域。

【技术特征摘要】
1.一种机械设备故障的红外图像敏感区域提取方法，其特征在于，包括：对红外图像进行显著性检测，获得去除背景后的灰度图像；确定所述灰度图像的二值化阈值，并根据所述二值化阈值将所述灰度图像转换成二值图像；确定所述二值图像中其灰度值为0的区域位置，并从所述红外图像中提取与所述区域位置对应的图像部分作为敏感区域；将所述敏感区域转换成灰度直方图，提取所述灰度直方图的特征数据，并将所述特征数据的第一部分作为训练集训练预设分类器，获得故障分类器；用所述特征数据的第二部分作为测试集测试所述故障分类器的预测准确率是否达到预设准确率；如果未达到，则获取新的二值化阈值以进行循环迭代计算，直至满足预设迭代终止条件为止，并根据对应的二值化阈值重新确定敏感区域。2.如权利要求1所述的机械设备故障的红外图像敏感区域提取方法，其特征在于，所述对红外图像进行显著性检测，包括：将获取的红外图像划分为多个图像区域；将所述多个图像区域对应转换成多个区域颜色直方图；对所述多个区域颜色直方图计算其区域对比度，用区域对比度表示该图像区域的显著性值，对多个图像区域的显著性值进行灰度归一化处理，获得多个灰度图像区域；将所述多个灰度图像区域合成为灰度图像。3.如权利要求2所述的机械设备故障的红外图像敏感区域提取方法，其特征在于，所述对所述多个区域颜色直方图进行区域对比度处理，包括：根据公式对所述多个区域颜色直方图进行区域对比度处理；其中，rk和ri分别为第k个和第i个区域颜色直方图，S(rk)为rk的显著性值，Ds(rk,ri)为rk和ri之间的空间距离，Dr(rk,ri)为rk和ri之间的颜色距离，σs为空间权值的强度，w(ri)为ri的空间权值，R为区域颜色直方图的数量。4.如权利要求3所述的机械设备故障的红外图像敏感区域提取方法，其特征在于，所述rk和ri之间的空间距离为所述rk和ri区域中心间的欧式距离；所述rk和ri之间的颜色距离根据公式获得；其中，f(ck,p)表示第p个颜色ck,p在第k个区域rk的所有nk种颜色中出现的概率，f(ci,q)表示第q个颜色ci,q在第i个区域ri的所有ni种颜色中出现的概率，D(ck,p,ci,q)表示颜色ck,p和颜色ci,q的空间距离。5.如权利要求2所述的机械设备故障的红外图像敏感区域提取方法，其特征在于，所述确定所述灰度图像的二值化阈值，包括：确定所述灰度图像中各像素类的类间方差和类内方差；其中，每个图像区域为一个像素类；将其中的类内方差最小值或类间方差最大值确定为所述灰度图像的二值化阈值。6.如权利要求5所述的机械设备故障的红外图像敏感区域提取方法，其特征...

【专利技术属性】
技术研发人员：段礼祥，刘子旺，张来斌，王金江，袁壮，李涛，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：北京,11