基于紅外熱像及人工智能的絕緣子污穢等級識別方法研究

1、 萆于紅外執(zhí)像廈人T智能的絕緣子污穢等級識別方洼研究SNR=10-lg(面O'fo萬,/(3.14其中,盯巾2表示去噪后圖像像素灰度值的方差。表3.1為采用固定閾值法、極大極小值法和本文提出的方法對不同噪聲水平的絕緣子紅外熱像去噪后的MSE和SNR。圖3.13.4分別為d=15的噪聲水平下的噪聲圖像、和采用固定閾值法、極大極小闕值法、Bayes自適應(yīng)估計法去噪后的絕緣子紅外熱像。表3.1不同算法對不同噪聲水平的圖像去噪后的MSE和SNR從表3.1可以看出,在同樣噪聲水平下,采用Bayes自適應(yīng)估計法處理后的圖像比原圖像信噪比有較大改善,具有良好的去噪效果;相對于采用固定閾值法和極大極小

2、閾值法信噪比提高更大,而最小均方誤差變得更小。說明基于Bayes估計的小波自適應(yīng)去噪法去噪性能優(yōu)于固定值法和極大極小閾值法。在大噪聲下(a取較大值,原圖像具有低信噪比的特點(diǎn),采用Bayes自適應(yīng)估計法去噪,對圖像信噪比和MSE有明顯改善,說明本方法非常適合低信噪比,大噪聲的紅外熱像去噪。 基于紅外箍像蜃人T智能的絕緣子污穢等級識別方法研究4.4污穢絕緣子平滑后直方圖 (a絕緣子二值圖(b分割后絕緣子圖 (c絕緣子盤面二值圖(d分割后絕緣子盤面圖4,5絕緣子分割過程圖當(dāng)絕緣子表面污穢等級較輕,濕度較小時,流經(jīng)絕緣子表面的泄漏電流較 :董莖壘竺蘭堡壁壘三塑璧竺絲竺莖霎型篁竺堡型查鎏些壘L-I所2f

3、。p(iI=O c.背景類A和目標(biāo)類B的灰度均值/2。、率。、5為:(4.】9蘆。及背景類A和目標(biāo)類B的出現(xiàn)概及口。=P(O d.背景類A和目標(biāo)類B的類分離指標(biāo)印兩類之問的方差為d2=o一,2十珊日(日一r2e.求使d 2最大的K值即為最佳閾值Tf.以T為分割門限分割圖像,得到絕緣子二值圖像m朋咕冀囂罵(4.24(4.25 (OTSU法圖4.7為潔凈絕緣子原圖像,圖4.8為采用OTSU法分割出的絕緣子盤面二值圖像。從圖4.8可以看出,由于潔凈絕緣子盤面與背景的溫差不大,加之噪聲的影響,使得分割出的絕緣子盤面區(qū)域舍有許多黑色的小洞,即有部分屬于盤面的點(diǎn)或小區(qū)域未被分割出束,面背景部分含有若干白色

4、的小洞,即有部分不屆于盤面的背景點(diǎn)被分割出來了,因此,必須采用恰當(dāng)?shù)姆椒▽Ψ指詈蠼^緣子盤面二值圖進(jìn)行再處理,使得盤面區(qū)域被完整分割出來,而對于不必要的螄m渤劭t 4l d.44國蚋烈p .f _r I 。D 日N 一艇一一= 基于紅外執(zhí)像及人T智能的絕緣子污穢等級識別方往研究占=;i;。, 圖4.9潔凈絕緣子盤面填洞后二值圖圖4.10潔凈絕緣于盤面分割后圖4.4本章小結(jié)本章根據(jù)潔凈或污穢等級很輕的絕緣子紅外熱像與嚴(yán)重污穢絕緣子紅外熱像直方圖的不同特點(diǎn),分別提出一種OTSU法與形態(tài)學(xué)方法相結(jié)合的方法和一種改進(jìn)的一維直方圖波谷閡值法實現(xiàn)不同污穢等級的絕緣子紅外熱像的分割。首先檢測絕緣子紅外熱像灰度分布直方圖的峰谷特性,對直方圖具有雙峰特性的圖像采用改進(jìn)的一維直方圖波谷閩值法進(jìn)行圖像分割,對直方圖具有單峰特性的圖像采用OTSU法與形態(tài)學(xué)方法相結(jié)合的方法實現(xiàn)圖像分割,實驗結(jié)