基于红外图像处理技术的设备过热故障源定位

传统的电力设备过热故障都是通过人工检测完成的,无法做到无接触检测,危险性较强。结合红外热成像理论,设计并实现基于红外图像处理技术的电力设备过热故障检测系统,介绍了系统的总体结构,通过远程图像采集模块完成电力设备范围内红外图像数据的采集以及预处理,DSP模块作为红外设备图像实时处理的核心,实现整个系统的控制及调控。利用FPGA模块实现图像信号数据的暂存、预处理及匹配等操作。详细分析了基于红外图像分割技术的软件设计基础和实现方法,并给出系统程序实现代码。系统测试结果显示,所提系统具有很高的可行性及实用性。     

基于红外图像分割技术的远程热点源定位系统设计

传统的电力设备过热故障都是通过人工检测完成的,无法做到无接触检测,危险性较强。结合红外热成像理论,设计并实现基于红外图像处理技术的电力设备过热故障检测系统,介绍了系统的总体结构。通过远程图像采集模块完成电力设备范围内红外图像数据的采集以及预处理,DSP模块作为红外设备图像实时处理的核心,实现整个系统的控制及调控。利用FPGA模块实现图像信号数据的暂存、预处理及匹配等操作。详细分析了基于红外图像分割技术的软件设计基础和实现方法;并给出系统程序实现代码。系统测试结果显示,所提系统具有很高的可行性及实用性。     

厚钢管X射线图像中焊缝区域的检测

由于传统焊缝区域检测算法难以准确提取模糊和对比度低的厚钢管焊缝区域,提出一种新的基于鲁棒PCA模型的焊缝区域检测算法,该算法能克服传统方法的不足,并能准确提取焊缝区域.首先,收集一序列X射线图像,并对其进行空域对齐及亮度归一化预处理.其次,计算得到系列图像的背景图像,并将背景图像与待测试X射线图像张成一个观测矩阵.最后,使用鲁棒PCA算法对观测矩阵进行低秩与稀疏分解,测试图像中的不均匀强度及噪声被消除,焊缝区域被凸显出来,通过全局阈值可将焊缝区域较好地分割出来.实验结果表明,该算法能较大地消除厚钢管X射线图像中噪声及不均匀强度分布带来的干扰、同时增强模糊的焊缝边缘及对比度低的区域,相比传统焊缝区域检测算法,具有更高的检测灵敏度(0.952)和精度(0.989),能更好地将模糊和对比度低的焊缝区域完整检测出来.     

文本性的盛宴：美国汉学现当代文学研究的亮点和拐点

由于传统焊缝区域检测算法难以准确提取模糊和对比度低的厚钢管焊缝区域,提出一种新的基于鲁棒PCA模型的焊缝区域检测算法,该算法能克服传统方法的不足,并能准确提取焊缝区域.首先,收集一序列X射线图像,并对其进行空域对齐及亮度归一化预处理.其次,计算得到系列图像的背景图像,并将背景图像与待测试X射线图像张成一个观测矩阵.最后,使用鲁棒PCA算法对观测矩阵进行低秩与稀疏分解,测试图像中的不均匀强度及噪声被消除,焊缝区域被凸显出来,通过全局阈值可将焊缝区域较好地分割出来.实验结果表明,该算法能较大地消除厚钢管X射线图像中噪声及不均匀强度分布带来的干扰、同时增强模糊的焊缝边缘及对比度低的区域,相比传统焊缝区域检测算法,具有更高的检测灵敏度(0.952)和精度(0.989),能更好地将模糊和对比度低的焊缝区域完整检测出来.     

热红外图像等温线温度场分割研究

为了改变传统电力设备检测方式,快速预测诊断出潜在故障的电力设备故障点,对采集到的电力设备热红外图像进行预处理和等温线温度场分割等关键技术,确定出热红外图像的缺陷中心位,为后期进行图像匹配,快速预测出电力设备故障点提供了良好的基础。经实践表明,研究方法达到了很好的实际效果,帮助变电站预测出了多处可能发生故障的电力设备,值得实际推广应用。     

红外检测技术在电气设备热故障预测与处理的应用

随着红外检测技术的改革与完善,其在电气设备热故障检测的应用也越来越广泛,由于我国供电负荷的不断增长,使得电气设备在应用过程中容易发热导致热故障,进而引起事故的发生。基于此,探讨了红外检测技术对电气设备热故障预测和处理的作用。探讨了电气设备发热部位及过热原因,阐述了红外检测技术在电气设备热故障的早期诊断和定期检测中的应用,并分析了红外检测技术在电气设备中的具体应用,以及电气设备热故障的类型及相应处理措施。     

基于视觉注意机制的红外弱小目标检测

提出了一种基于视觉注意机制的红外小目标检测算法.通过形态学Top-hat算子对图像背景进行抑制,并根据目标与周围背景的对比度不同生成显著图后分割出目标感兴趣区,在感兴趣区域内对每帧图片在尺度空间采用Dog算子处理提高图像信杂比,获得具有较大信杂比的点.为避免目标在帧中消失,采用PID算法跟踪目标点,在可疑目标点周围小区域内采用视网膜皮层理论(Retinex)算法对图像局部区域增强再重新分割出目标.实验证明:该算法能有效对红外小目标进行检测,算法在不同背景的图像检测性能都趋于稳定,当目标融于背景时,能很好地将红外目标检测出来.     

基于区域信息的悬浮细胞识别与计数

悬浮细胞的培养过程需要对活细胞计数.针对人工计数方法存在的缺陷,利用图像分析技术对拍摄的细胞图片进行处理,实现活细胞自动识别及计数.要实现细胞识别,首先要对图像进行正确分割.对于前景和背景对比度较小且细胞很稀疏的图像,采用背景拟合设定阈值进行分割;针对前景和背景对比度较大的图像,采用一种基于局部区域直方图的方法进行分割.对分割后的图像进行链码跟踪并测量细胞参数,最终实现细胞识别及计数.实验结果表明上述方法能快速有效地计算出活细胞个数.     

基于Hough变换的红外图像的目标分割

红外图像是根据目标与背景的温度差异而形成,不受光照等其他条件的影响,可全天工作,被广泛应用在各个领域中.但是由于目标和背景的热辐射所造产生的红外图像的分辨率低,对比度差等特点,使红外图像的分割变得较为困难.Hough变换具有对图像中直线的残缺部分、噪声以及其他共存的非直线结构不敏感的特性,具有较强的抗干扰性和鲁棒性.本文提出一种基于Hough变换的红外图像规则目标的检测方法.通过观察红外图像中目标分布情况,估计出目标边界的曲线方程,对该方程进行Hough变换,从而检测出目标并进行分割.利用该方法避免了由于红外图像的目标与背景对比度差、边缘模糊、视觉效果较差等原因造成的不易检测边缘曲线的问题.经实验证明,基于Hough变换的规则的红外目标的检测方法具有可行性,且检测效果好.     

红外弱小目标图像预处理及分割方法的研究

针对红外弱小目标检测,给出了一种常用的图像预处理方法。重点讲述了一种红外弱小目标图像分割方法,它是用一个回形窗口和对比度阈值进行分割图像。对天空背景下低信噪比的红外弱小目标图像序列能够有效地分割,抑制噪声干扰。描述了对图像的处理过程,将该方法与传统的图像分割方法做了比较,实验表明该算法在执行效率和检测概率上能够取得满意的结果。     

基于 GPRS 的远程电气设备红外温度监测系统

电力系统中电气设备的安全运行,特别是变电站等无人值岗的区域安全非常重要;电气设备的故障大多表现为温度的异常,需要对电气设备温度进行有效监测,从而尽快发现故障。系统地介绍了由监控中心计算机和远程测量终端通过GPRS无线通讯移动网所构成的电气设备红外温度在线监测系统的工作原理;给出了红外测温技术的远程温度监测终端的硬件、软件的设计思路。     

开关柜母排多点面阵测温与温升异常辨识方法

针对单点传感测温难以全面准确识别高压开关柜过热故障的问题，提出一种以低分辨率多点面阵测温取代传统点测温的新方法及其技术实现.首先，提出低分辨率红外阵列传感器的开关柜温度状态多点传感检测技术，获取开关柜电缆室母排与电缆连接处的多视场温度分布数据.其次，在实现过热区域定位的基础上，建立k最近邻(KNN)算法温度故障辨识模型，识别开关柜母排故障状态.最后，搭建开关柜温度状态监测平台，采集数据并分析.实验结果表明，多点面阵测温不仅适用于开关柜状态监测要求，且其温升异常检测方法可有效实现过热故障的区域定位与识别分类.     

图像分割与平稳小波变换法融合红外与可见光图像

为改善红外与可见光图像融合后的视觉效果,提出一种基于图像分割和平稳小波变换的图像融合方法。首先,结合最大类间方差方法与边缘检测方法,将红外图像分割为背景部分和目标部分;然后利用平稳小波变换对红外图像的背景部分与可见光图像分别进行多尺度分解,低频部分采用区域空间频率取大融合准则,高频部分采用绝对值取大融合准则,对多尺度分解后的各层进行融合,再利用平稳小波逆变换得到融合结果;最后,对该融合结果与红外图像的目标部分采用加权求和的融合准则进行融合,得到最终的红外与可见光融合图像。实验结果表明,通过提出的方法进行红外与可见光图像融合,不仅很好地突出红外图像的目标信息,还较好地体现可见光图像的场景细节信息,视觉效果明显改善;其标准差、信息熵、互信息均优于拉普拉斯金字塔变换和小波变换等传统的融合算法。实验结果验证了方法的有效性。     

基于CNN-PDE偏差异质扩散预处理的红外图像分水岭分割

为了抑止采用分水岭方法分割红外图像时的过分割现象,首先利用细胞神经网络高效求解偏微分方程的能力,实现了可调偏差异质扩散滤波器并用其对图像作预处理. 为了消除噪声残留,引入了平滑系数与限制强度系数对梯度图作阈值化处理. 实际红外图像的分水岭分割结果显示,所提出的预处理方法能够有效抑止过分割现象.     

基于区域生长法的医学图像分割研究

医学图像存在感兴趣区和背景区，感兴趣区是分割的重点。针对基于区域的分水岭分割算法中通常存在的严重过分割现象，而采用2点措施来改进：一是以梯度图像的浮点活动图像取代梯度图像进行分水岭变换，使边缘定位更准确；其二是以基于面积和对比度控制的合并小区域准则，有效抑制过分割现象，同时满足感兴趣区的分割要求。实验表明该算法简单有效，能够得到符合人类视觉系统特性的分割结果，边缘定位精确度较高。     

基于改进分水岭算法和Canny算子的医学图像分割

针对分水岭算法存在的过分割问题和医学图像的特点,比较并选取了彩色分量图像梯度信息的最大值,达到提取图像有效边缘信息的目的,然后利用阈值分割方法消除无效梯度信息,并用分水岭算法处理所得到的梯度图,再结合Canny算子提取的物体边缘得到分割结果.实验结果表明:该方法能够有效消除局部极小值和噪声干扰,得到精确的分割结果.     

一种改进的分水岭图像分割算法

针对分水岭图像分割算法普遍存在受噪声影响大和过分割的问题,提出了一种基于梯度修正和相邻区域边缘强度合并的改进分水岭图像分割算法。首先对图像采用形态学开闭重建滤波,消除噪声对图像的干扰;其次,使用多尺度算子计算形态梯度,充分利用大结构元素和小结构元素的各自优点,获得更准确的形态学梯度;再用粘性形态学运算对梯度图像修正,有效去除产生过分割的局部极小梯度值;分水岭变换后,定义出相邻区域的边缘强度值,并基于相邻区域边缘强度合并过分割区域,进一步消除图像过分割,改进分割效果。实验表明:该方法不仅能够有效地去除图像噪声干扰,而且能够消除过分割区域,同时还具有较强的区域轮廓定位能力,有效提高了图像分割效果。     

基于深度学习的输变电设备紫外放电光斑分割方法

随着紫外成像技术的发展,高压电力设备对于紫外成像图谱的量化分析提出了更高的要求。紫外图谱的量化分析需要用到除紫外成像仪所输出“光子数”额外的紫外光斑图像信息,所以需要将紫外放电光斑从可见光的背景中分割出来。然而,传统紫外图谱光斑分割方法仍存在复杂背景及小光斑分离困难、特征选取复杂、分割精准度低等问题。基于上述问题,提出了一种基于深度学习的紫外图谱光斑分割提取的方法。首先,采用紫外成像仪拍摄电力设备放电缺陷紫外图谱;其次,分别构建FCN-32s、FCN-16s、FCN-8s 3种全卷积网络(fully convolutional networks, FCN)子模型架构,并利用随机梯度下降法进行模型训练;最后,实现输变电设备放电缺陷紫外图谱主光斑的自主分割提取。经过对FCN 3种子模型架构的训练、测试和对比分析,结果表明：FCN-16s模型为紫外光斑分割提取的最佳模型,测试准确率可达99.34%。结果表明基于深度学习的紫外图谱光斑分割方法准确高效,为紫外光斑的量化提取及电力设备放电缺陷的紫外诊断提供了参考。