基于Ostu优化的PCNN电力故障区域提取

为更好实现红外图像中电力设备故障区域的提取,提出改进PCNN(脉冲耦合神经网络) 的故障区域提取方法。基于Otsu 算法(大津法,又称最大类间差法) 计算红外图像的最优分割阈值,作为PCNN 迭代的初始阈值。以最大类间方差作为PCNN 模型的收敛判据,实现红外图像自动分割以提取电力故障区域。实验表明,该算法与Otsu、K-means、传统PCNN 方法相比,能够更全面、精确地提取电力故障区域,为后续故障类型识别奠定基础。     

基于直方图和加权FCM算法的图像分割方法

模糊c均值(FCM)聚类算法广泛用于图像的自动分割,但是该算法没有考虑像素的灰度和空间特征,对噪声十分敏感。提出了一种基于直方图的加权模糊c均值(WFCM)聚类的图像分割方法,在传统的FCM聚类的基础上,该方法考虑了灰度直方图的灰度、邻域像素灰度的相关性对图像进行加权聚类分割。实验结果表明,该方法可显著提高图像分割的速度和精度。     

基于NSCT变换的随机游走红外图像分割方法

红外图像具有灰度变化不平均、分辨率较低、噪声较多等特征,传统的图像分割方法难以对红外图像分割出有效实体。为解决这一问题,设计了一种基于非下采样Contourlet 变换(NSCT)的随机游走红外图像分割算法。传统的随机游走图像分割方法,图像部分灰度值的不均匀变化可能改变随机游走算法的路径,而且分割目标的轮廓很容易受到图像背景噪声影响,所以可以通过增强图像的目标轮廓,抑制图像噪声,以达到更好的分割效果。NSCT变换是一种非常有效的图像增强方法,首先采用NSCT变换对红外图像进行多方向、多尺度分解,得到红外图像的低频和高频系数,对该系数进行处理,然后反变换得到增强后的红外图像。实验结果表明,该方法在红外图像分割中取得了很好的效果。     

光伏阵列故障状态红外图像的分割研究与实现

依据光伏阵列故障状态红外图像的特点,提出了一种高效基于迭代的两级阈值分割算法。实验表明:该算法能较好地分割出光伏阵列中存在的正常、故障、老化三种区域,同时算法以乘法和加法运算为主,便于DSP的高速运算。最后,采用TMS320 DSP算法标准(XDAIS)对分割算法进行创建与封装,极大地方便了系统集成。     

基于区域生长算法的CT序列图像分割

由于人体腹部CT图像纹理结构复杂,灰度差别特别小,边缘又很不明显,本文提出了基于区域生长法的序列图像分割算法.在提取肝脏图像时,将全部序列图像分成若干组,然后利用区域生长算法先分割出每组的第一张图片.对于本组内其余图片的分割,充分利用相邻图片的灰度相似性实现序列图像的分割.对于血管的分割,由于血管在三维空间上的连通性,采用三维区域生长算法实现血管管道的提取.实验结果表明,应用本文算法能得到准确的肝脏及血管分割结果.     

基于红外图像的绝缘子高温区域特征研究

绝缘子故障会引起表面温度的上升,造成局部区域高温。因此,准确识别绝缘子的高温区域是故障检测的有效途径。本文提出了基于灰度共生矩阵的绝缘子高温特征提取方法。红外图像经过图像分割后,提取纹理特征,选取能量、熵、惯性矩和相关性作为特征值。试验结果验证该方法准确性高,可为绝缘子高温区域的识别提供参考。     

基于改进型脉冲耦合神经网络的空间X射线星图分割

为进行空间X射线星图分割及在X射线背景噪声中提取目标源,提出了改进的脉冲耦合神经网络图像分割算法.改进算法将图像分割成小区域,不同区域中设置不同的参数;将内部行为的调制参数设计成邻域像素灰度值分布的负耦合函数,强制降低强X射线目标源附近的强X射线背景噪声的点火频率,以提取X射线辐射点目标源.分别利用改进型PCNN模型、普通PCNN模型进行了空间X射线星图分割实验,结果表明改进型PCNN模型具有更优的分割效果.     

茶叶嫩芽图像自动分割方法的研究

以茶叶嫩芽图像为研究对象,利用图像处理技术实现了茶叶嫩芽自动分割。该算法首先选取不同颜色模型下茶叶分割图像,其次采用最大类间阈值法对图像进行二值分割,最后通过数学形态学处理和逻辑操作实现嫩芽彩色分割。实验表明,基于R-B色差的茶叶嫩芽分割方法不仅能够有效地识别嫩芽区域,而且算法鲁棒性较强。     

静态水上物体检测分割算法

针对静态水面的特性,提出了一种水上物体检测分割算法。该算法主要包括3个环节:饱和度检测水面区域、区域一致性的GOA检测边缘和目标物体标记定位。以水面具有较低饱和度的特征对水面区域进行提取,在此基础上运用浮雕处理凸显水面区域的边缘灰度,利用区域一致性进行边缘检测分割出水面和水上物体,最后提取出目标物体的中心位置。仿真结果证明了该图像分割算法的有效性。     

融合YCbCr肤色模型与区域标记的人脸检测算法研究

由于肤色在YCbCr空间中有较好的聚类性,选取YCbCr肤色模型进行人脸检测。首先将视频序列图像转换到YCbCr空间,通过YCbCr肤色模型进行肤色分割,提取肤色区域,排除大部分非肤色区域的干扰;然后采用形态学处理,进行区域标记,排除不连通区域,同时结合人脸面积排除非人脸面积区域。最后,结合人眼、嘴巴等特征进行定位,从而准确定位人脸。实验表明,该方法具有一定的鲁棒性。