基于粒子群优化的Niblack电力设备红外图像分割方法技术

本发明专利技术涉及一种基于粒子群优化的Niblack电力设备红外图像分割方法，包括以下步骤：1)获取红外图像，将所述红外图像分成q个不重叠的连续矩形邻域，计算各所述矩形邻域的灰度均值和灰度标准方差；2)针对每一矩形邻域，按照设定步长获得一对应于该矩形邻域的阈值寻优区间，形成一q维粒子群解空间，并以类间方差作为粒子群算法适应度函数，在所述q维粒子群解空间中自动搜寻对应于每一矩形邻域的最优分割阈值T

【技术实现步骤摘要】
基于粒子群优化的Niblack电力设备红外图像分割方法
本专利技术涉及一种图像处理方法，尤其是涉及一种基于粒子群优化的Niblack电力设备红外图像分割方法。
技术介绍
近年来，变电站在线监测系统得到了广泛应用，红外热像仪、可见光摄像机拍摄设备可见光和红外图像发回主控室进行人工分析，这种方法虽然减少了人工采集数据的劳动量，但是未能摆脱对人工诊断的依赖。随着人工智能和图像处理技术的不断发展，智能诊断技术开始被应用于电力设备故障诊断。智能诊断方法主要分为三步，首先从红外图像中找出设备目标区域，即感兴趣区域(ROI)，然后从区域中提取相关的信息，最后对提取到的信息分类从而完成电力设备故障诊断。其中最关键的一步是ROI的获得，能否准确地得到ROI在一定程度上决定了电力设备温度场信息提取的准确与否。一般采用阈值分割方法获得ROI，该方法具有操作简单、运算速度快等优点。国内外学者对其做了大量研究，如Otsu提出了一维最大类间方差法，Kittler等提出的基于Bayes最小误差分类准则的最小误差阈值法，Kapur等给出的基于最大熵的阈值分割改进算法，Kennedy和Eberhart共同提出的基于群本文档来自技高网...

【技术保护点】
一种基于粒子群优化的Niblack电力设备红外图像分割方法，其特征在于，包括以下步骤：1)获取红外图像，将所述红外图像分成q个不重叠的连续矩形邻域，计算各所述矩形邻域的灰度均值和灰度标准方差；2)针对每一矩形邻域，按照设定步长获得一对应于该矩形邻域的阈值寻优区间{T1,T2,...,Ti,...,Tn}，形成一q维粒子群解空间，并以类间方差作为粒子群算法适应度函数，在所述q维粒子群解空间中自动搜寻对应于每一矩形邻域的最优分割阈值T

【技术特征摘要】
1.一种基于粒子群优化的Niblack电力设备红外图像分割方法，其特征在于，包括以下步骤：1)获取红外图像，将所述红外图像分成q个不重叠的连续矩形邻域，计算各所述矩形邻域的灰度均值和灰度标准方差；2)针对每一矩形邻域，按照设定步长获得一对应于该矩形邻域的阈值寻优区间{T1,T2,...,Ti,...,Tn}，形成一q维粒子群解空间，并以类间方差作为粒子群算法适应度函数，在所述q维粒子群解空间中自动搜寻对应于每一矩形邻域的最优分割阈值T*，所述最优分割阈值T*使得类间方差最大，其中，Ti＝m+kis，i＝1,2,...,n，m为当前矩形邻域的灰度均值，s为当前矩形邻域的灰度标准方差，ki为按照设定步长等距在设定区间上的第i个取值，n为取值个数；3)根据步骤2)获得的各矩形邻域的最优分割阈值对各矩形邻域进行二值化处理。2.根据权利要求1所述的基于粒子群优化的Niblack电力设备红外图像分割方法，其特征在于，所述步骤1)中，将所述红外图像分成若干不重叠的矩形邻域前，对红外图像进行延拓处理。3.根据权利要求1所述的基于粒子群优化的Niblack电力设备红外图像分割方法，其特征在于，所述步骤2)中，设定步长为0.05，设定区间为[-1,1]。4.根据权利要求1所述的基于粒子群优化的Niblack电力设备红外图像分割方法，其特征在于，所述步骤2)中，将矩形邻域的像素灰度分为D1＝[0,…,T]、D2＝[T+1,…,L-1]两类，将类间方差公式定义为：

【专利技术属性】
技术研发人员：崔昊杨，李鑫，霍思佳，郭文诚，李亚，束江，葛晨航，刘晨斐，马宏伟，
申请(专利权)人：上海电力学院，
类型：发明
国别省市：上海,31