针对变电站电气设备红外监测过程中,获取的红外图像背景复杂而导致故障设备定位不准确、分割难度较大等问题,提出了一种在复杂背景下对故障设备进行定位与整体分割的方法。首先,通过SLIC(Simple Linear Iterative Clustering)超像素算...针对变电站电气设备红外监测过程中,获取的红外图像背景复杂而导致故障设备定位不准确、分割难度较大等问题,提出了一种在复杂背景下对故障设备进行定位与整体分割的方法。首先,通过SLIC(Simple Linear Iterative Clustering)超像素算法对图像进行分割,并对超像素块进行Lab颜色空间转换,根据阈值判断是否存在故障并获取故障区域。然后,选取故障图像中最大联通量的较亮点作为种子,利用最大类间方差原理控制种子数目,通过改进区域生长法获取目标主体设备。最后,将故障区域与目标主体设备进行交集运算,完成对故障电气设备的整体分割。研究结果表明,该方法能有效完成复杂背景下的故障电气设备定位与整体分割。与其他分割方法相比,该方法获取的故障电气设备更加完整准确。展开更多
文摘针对变电站电气设备红外监测过程中,获取的红外图像背景复杂而导致故障设备定位不准确、分割难度较大等问题,提出了一种在复杂背景下对故障设备进行定位与整体分割的方法。首先,通过SLIC(Simple Linear Iterative Clustering)超像素算法对图像进行分割,并对超像素块进行Lab颜色空间转换,根据阈值判断是否存在故障并获取故障区域。然后,选取故障图像中最大联通量的较亮点作为种子,利用最大类间方差原理控制种子数目,通过改进区域生长法获取目标主体设备。最后,将故障区域与目标主体设备进行交集运算,完成对故障电气设备的整体分割。研究结果表明,该方法能有效完成复杂背景下的故障电气设备定位与整体分割。与其他分割方法相比,该方法获取的故障电气设备更加完整准确。