基于運動圖像處理的電力設備識別方法研究.pdf

1、電力設備的無缺陷運行對保障電力系統的安全運行至關重要。目前，圖像處理和計算機視覺技術的大力發(fā)展，使得輸電線路在線監(jiān)測系統、無人值守變電站遠程視頻監(jiān)控系統得到了實現，把圖像處理技術引入日常巡檢工作為電力設備巡檢信息處理提供了實時性和高效性。由于圖像成像過程中會受到較多因素的影響，最終導致圖像質量嚴重下降，其中包括了噪聲、傳感器以及成像設備之間的相對運動等影響因素。如何利用圖像處理技術從被拍攝影像中精確地復原退化電力設備圖像（如導線、絕緣子

2、等），為后續(xù)檢測識別缺陷提供支持，成為圖像處理的關鍵。
　　目前，圖像復原和圖像識別的方法有很多種，典型的圖像復原技術有維納濾波、圖像盲復原等，圖像分割有邊緣檢測技術和聚類分析技術。
　　本文分析了圖像退化的成因，并且對退化模型及點擴散函數展開了闡釋與分析，論文使用經典的復原算法對圖像進行了恢復，但是成像范圍外的邊緣信息并未被卷積關系牽涉進來，因而在復原時由于缺少這些信息而在圖像邊緣處產生截斷現象，這就產生了振鈴效應。針對經

3、典抑制振鈴效應的算法會產生大量干擾紋的現象，本文提出了一種改進的循環(huán)邊界法——基于高斯平滑的全邊緣延拓法，這種方法結合了一階、二階上的平滑濾波以及經典循環(huán)邊界法的優(yōu)點，并針對圖像強邊緣這一特性以及復原圖像出現干擾紋進行了改進。
　　為了從復雜背景中較為準確地提取出目標圖像，本文使用K-均值聚類算法、分水嶺分割算法以及基于遺傳算法的閾值分割算法對測試圖像進行了仿真，使用均值聚類算法存在過分割現象。為避免過分割現象，利用形態(tài)學梯度重建

4、對分水嶺算法進行了優(yōu)化，該方法對提取圖像輪廓邊緣具有很好的效果，但是在復雜背景下提取特定目標往往并不明顯。
　　由于傳統的基于遺傳算法的閾值分割算法收斂速度較慢，同時閾值選取不準確，都會給最后的分割結果帶來影響，所以改進了基于遺傳算法的最大熵閾值分割算法，該方法將免疫進化算法與遺傳算法相結合，對經典的猴王遺傳算法進行了改進，融合了免疫算法的優(yōu)點，使得進化的早、中期對最優(yōu)解附近的解空間尋優(yōu)力度進一步加大，與此同時，解空間外附近區(qū)域的