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