基于改进MSER算法的电力设备红外故障区域提取方法

红外图像处理中因目标边界模糊、区域灰度变化等因素,导致传统的极大稳态区域方法区域提取效果低下.为此,提出一种基于改进极大稳态区域方法的电力设备红外故障区域提取机制,提升区域提取效果.首先,从灰度相似度聚类出发,采用Mean shift算法对分割区域的邻域像素进行聚类.其次,结合阈值分割机制,快速将相似像素进行分割,最终通过迭代得到电力设备故障所呈现的亮度区域信息.实验结果表明该提取区域方法性能优于极大稳态区域算法,具有较低的误分类错误,且相比于Mean shift算法,具有高效的处理速度....

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 47; no. 5; pp. 123 - 128
Main Authors 冯振新, 周东国, 江翼, 赵坤, 丁国成
Format Journal Article
LanguageChinese
Published 国网电力科学研究院武汉南瑞有限责任公司,湖北 武汉430074 01.03.2019
南京南瑞集团公司(国网电力科学研究院),江苏 南京 211000%武汉大学 动力与机械学院,湖北 武汉,430072%国网安徽省电力有限公司电力科学研究院,安徽 合肥,230061
Subjects
极大稳态区域
聚类
电力设备故障
红外图像
阈值
Online AccessGet full text
ISSN1674-3415
DOI10.7667/PSPC180363

Cover

More Information
Summary:红外图像处理中因目标边界模糊、区域灰度变化等因素,导致传统的极大稳态区域方法区域提取效果低下.为此,提出一种基于改进极大稳态区域方法的电力设备红外故障区域提取机制,提升区域提取效果.首先,从灰度相似度聚类出发,采用Mean shift算法对分割区域的邻域像素进行聚类.其次,结合阈值分割机制,快速将相似像素进行分割,最终通过迭代得到电力设备故障所呈现的亮度区域信息.实验结果表明该提取区域方法性能优于极大稳态区域算法,具有较低的误分类错误,且相比于Mean shift算法,具有高效的处理速度.
ISSN:1674-3415
DOI:10.7667/PSPC180363