近幾年來,圖像處理技術發(fā)展迅猛,為了保障變電站中電氣設備能夠安全高效的運行,將圖像處理技術與紅外測溫技術引入電氣設備故障自動檢測這一領域,使得變電站的日常運行和維護向著自動診斷的方向發(fā)展。電氣設備故障自動檢測技術不僅可以大大降低對日常巡檢人員的經驗以及專業(yè)知識的要求,還可以減少熱故障給變電站帶來的損失。圖像分割是整套體系中承上啟下的重要環(huán)節(jié),為理解、識別目標狀態(tài)提供了有力的支持。在此背景下,本文針對變電站電氣設備紅外圖像的去噪以及分割進行了研究,并將其運用到電氣設備的自動故障檢測中。本文介紹了紅外圖像的基本成像原理并在此基礎上分析了紅外圖像中可能存在的噪聲類型及其對應的產生原因。在此基礎上,通過分析幾種傳統(tǒng)的圖像去噪方法,提出了一種自適應掩模的圖像去噪算法,與傳統(tǒng)的掩模算法相比,本文將各鄰域像素與中心像素的相似程度考慮在內,通過引入基于相似度的自適應權值來調節(jié)各鄰域像素對中心像素的影響,從而達到改良濾波效果的目的。通過Matlab平臺仿真,并與其他傳統(tǒng)算法進行對比實驗,實驗結果證明,本文的算法不論是針對高斯噪聲還是椒鹽噪聲,都具有良好的去噪能力,魯棒性強,適用范圍廣。針對變電站電氣設備... 

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 變電站電氣設備紅外檢測研究現(xiàn)狀
        1.2.2 變電站紅外圖像分割技術的研究現(xiàn)狀
    1.3 論文的研究內容與結構安排
第2章 利用多目標進化聚類算法進行紅外圖像分割的基本理論
    2.1 紅外熱成像技術的基本原理
    2.2 圖像分割算法的基本理論
        2.2.1 圖像分割的概念
        2.2.2 圖像分割的基本方法
    2.3 進化算法的基本原理
        2.3.1 進化算法的理論基礎以及一般流程
        2.3.2 進化算法的優(yōu)缺點
    2.4 聚類算法的基本原理
        2.4.1 聚類分析的起源和發(fā)展
        2.4.2 聚類的定義
        2.4.3 常用的聚類算法
        2.4.4 聚類算法涉及到的基本數(shù)據類型
        2.4.5 聚類算法中常用的距離公式
    2.5 本章小結
第3章 變電站紅外圖像預處理
    3.1 變電站電氣設備紅外圖像的特性及其噪聲類型
        3.1.1 變電站電氣設備紅外圖像特性
        3.1.2 變電站紅外圖像噪聲類型
    3.2 圖像質量評價標準
    3.3 變電站電氣設備的紅外圖像去噪方法研究
        3.3.1 中值濾波
        3.3.2 小波閾值去噪
        3.3.3 選擇掩模法
        3.3.4 自適應掩模算法
        3.3.5 實驗結果分析
    3.4 基于多尺度Retinex和自適應掩模算法進行圖像增強
        3.4.1 多尺度Retinex
        3.4.2 實驗結果分析
    3.5 本章小結
第4章 基于多目標進化聚類的紅外圖像分割以及電氣設備故障分析
    4.1 雙層進化模糊聚類框架
    4.2 基于紅外圖像局部信息的多目標進化聚類
        4.2.1 非均質測度像素點采樣方法
        4.2.2 多目標聚類問題建模
        4.2.3 算法以及復雜度分析
    4.3 基于權衡解的紅外圖像分割
        4.3.1 基于權衡解以及模糊c均值的紅外圖像分割方法
        4.3.2 基于權衡解以及自適應進化模糊聚類的紅外圖像分割
    4.4 基于TEFC模型的電氣設備故障分析
        4.4.1 相對溫差法
        4.4.2 基于相對溫差法和TEFC框架的自動故障診斷算法
    4.5 實驗結果分析
        4.5.1 實驗參數(shù)的設置
        4.5.2 基于TEFC框架的紅外圖像分割結果分析
        4.5.3 基于TEFC框架以及相對溫差法的自動故障診斷結果分析
    4.6 本章小結
第5章 總結與展望
致謝
參考文獻
攻讀碩士學位期間發(fā)表的學術論文



本文編號：3689447