基于改進的二維Otsu的變電站紅外圖像分割方法
【技術(shù)領域】
[0001] 本發(fā)明屬于電力系統(tǒng)變電站設備圖像處理領域，具體涉及一種基于改進的二維 otsu的變電站紅外圖像分割方法。
【背景技術(shù)】
[0002] 由于紅外成像技術(shù)是對設備表面輻射的紅外光線進行非接觸、遠距離熱成像檢 測，不受電場干擾，因此具有直觀、準確、靈敏度高、快速、安全、應用范圍廣等特點，已成為 變電站設備健康狀態(tài)監(jiān)測和故障診斷的重要手段。
[0003] 紅外圖像分割技術(shù)是變電站電氣設備故障監(jiān)測與診斷中智能軟件模塊的一個重 要組成部分，也是系統(tǒng)完成故障監(jiān)測與診斷的一個承上啟下的重要環(huán)節(jié)，通過分割提取的 電氣設備特征可以為系統(tǒng)后期的電氣設備目標提取與識別，智能判斷和決策提供依據(jù)。
[0004] 傳統(tǒng)的二維otsu閾值分割法雖然考慮了圖像的局部空間信息，抑制了一部分噪 聲的干擾，分割效果也較為理想，但其沒有考慮像素點與其周圍領域像素灰度值的偏離情 況，并且根據(jù)二維直方圖粗略的將一小部分像素點看成邊緣和噪聲來處理，給圖像的分割 造成誤差。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種基于改進的二維Otsu的變電站紅外圖像分割方法， 能夠有效地將目標區(qū)域完整的分割出來，為后續(xù)目標區(qū)域的特征提取奠定良好的基礎。
[0006] 為了實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：
[0007] -種基于改進的二維Otsu的變電站紅外圖像分割方法，包括以下步驟：
[0008] 包括以下步驟：
[0009] (1)輸入變電站紅外圖像；
[0010] (2)采用形態(tài)學的權(quán)重自適應算法對輸入的圖像進行去噪：
[0011] (2a)根據(jù)輸入的絕緣子串原始紅外圖像選擇合適的形態(tài)學結(jié)構(gòu)元素算子；
[0012] (2b)構(gòu)建形態(tài)學濾波器并自適應確定其權(quán)值；
[0013] (2c)濾波處理，得到去噪后的圖像；
[0014] (3)使用改進的二維Otsu算法進行圖像分割：
[0015] (3a)求出被閾值對劃分的兩類圖像像素對應的先驗概率，進一步地得到相應的類 內(nèi)均值矢量；
[0016] (3b)求出二維直方圖總均值矢量，假設二維直方圖的副對角區(qū)域圖像的概率可以 忽略不計，于是可進一步得到一個關系式；
[0017] (3c)定義一個類間方差，結(jié)合步驟（3b)中的關系式，并以該類間方差的跡作為類 間方差的測度，然后求得非改進的二維Otsu分割算法；
[0018] (3d)當步驟（3b)中的關系式并不成立時，須修正步驟（3c)中的類間方差測度關 系式，進一步地得到改進后的二維Otsu分割算法，然后求得改進后的二維Otsu分割算法的 最佳閾值。
[0019] 具體地，所述步驟（2a)中選取的形態(tài)學結(jié)構(gòu)元素算子為線性算子，每個線性算子 具有不同的長度和角度。
[0020] 具體地，所述步驟（2b)中選擇構(gòu)建串聯(lián)濾波器來進行圖像濾波，然后將上述不同 形狀的結(jié)構(gòu)元素所構(gòu)成的串聯(lián)濾波器進行并聯(lián)，結(jié)合自適應權(quán)值算法進一步構(gòu)建串、并聯(lián) 復合濾波器。
[0021] 具體地，將每次的串聯(lián)處理結(jié)果與原始圖像的差異值作為權(quán)值向量，分別記為 Pi，，…，，每次串聯(lián)處理結(jié)果的權(quán)值分別記為a a 2，…，a n，則自適應權(quán)值計算公 式為：
[0022]
[0023] 具體地，每次串聯(lián)濾波處理的結(jié)果為L，其中i = 1，2, 3, ...，n，則輸出去噪結(jié)果 圖像I為：
[0024]
[0025] 其中，h為每次串聯(lián)結(jié)果的權(quán)值，I為每次串聯(lián)濾波的結(jié)果，式中i= 2，3，? ? ?jn〇
[0026] 具體地，所述步驟（3a)中設圖像灰度級從1到L，2維直方圖任意一點的值定義為 Pv表示二元組（i，j)發(fā)生的頻率；假設圖像被閾值對（s，t)劃分為兩類C。和Cb，對應 的先驗概率wjs，t)與《b(s，t)分別為：
[0027] I二丄/; [
H+I尸/十I[0028] 相應的類內(nèi)均值矢量m。和m b分別為：
[0029]
[0030]
[0031] 在公式⑷中，
[0032] 具體地，所述步驟（3b)中二維直方圖總均值矢量mT為：
[0033]
(^)
[0034] 根據(jù)假設得到的關系式為：
[0035] ?。+?1m《。111。+?bmb。（7)
[0036] 具體地，所述步驟（3c)中類間方差〇 8的定義為：
[0037] 〇 B=w。[ (m0-mT) (m0-mT)T] + 〇b [ (mb-mT) (mb-mT)T] (8)
[0038] 使用類間方差的跡作為類間方差的測度，有：
[0039] tr 〇 B = 〇。[ (moi-mTi) 2+ (m。.廠mTj)2] + 〇 b [ (mbi-mTi) 2+ (mbj-mTj)2] (9)將（7)帶入（9) 中，有：
[0040]
[0041] 此時二維Otsu分割算法的最佳閾值可以由（11)式確定：
[0042]
L)
[0043] 具體地，所述步驟（3d)中對（10)式進行修正得到式（12):
[0044]
[0045] 此時改進的二維Otsu分割算法的最佳閾值可以由（13)式確
[0046]
(13)
[0047] 本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點及有益效果：
[0048] (1)本發(fā)明在圖像分割前首先對圖像進行去噪處理，縮小了像素點與圖像領域像 素灰度值的偏離程度，極大地減少了后續(xù)圖像分割時的誤差。
[0049] (2)本發(fā)明的分割閾值可以涵蓋目標區(qū)域低灰度級部分，能夠較好的將目標區(qū)域 完整的分割出來，為后續(xù)目標區(qū)域的特征提取奠定良好的基礎。
【附圖說明】
[0050]圖1為本發(fā)明仿真實驗中待分割的斷路器紅外圖像故障原圖。
[0051] 圖2為本發(fā)明仿真實驗中經(jīng)過基于形態(tài)學的權(quán)重自適應去噪后的圖像。
[0052] 圖3為本發(fā)明仿真實驗中經(jīng)過非改進的二維Otsu分割算法處理后的圖像。
[0053] 圖4為本發(fā)明仿真實驗中經(jīng)過改進的二維Otsu分割算法處理后的圖像。
【具體實施方式】
[0054] 下面結(jié)合附圖和實施例對本發(fā)明作進一步說明，本發(fā)明的實施方式包括但不限于 下列實施例。
[0055] 實施例
[0056] -種基于改進的二維Otsu的變電站紅外圖像分割方法，包括以下步驟：
[0057] (1)輸入變電站紅外圖像；
[0058] (2)采用形態(tài)學的權(quán)重自適應算法對輸入的圖像進行去噪：
[0059] (2a)根據(jù)輸入的絕緣子串原始紅外圖像選擇合適的形態(tài)學結(jié)構(gòu)元素算子：
[0060] (2b)構(gòu)建形態(tài)學濾波器并自適應確定其權(quán)值；
[0061] (2c)濾波處理，得到去噪后的圖像；
[0062] (3)使用改進的二維Otsu算法進行圖像分割：
[0063] (3a)求出被閾值對劃分的兩類圖像像素對應的先驗概率，進一步得到相應的類內(nèi) 均值矢量；
[0064](3b)求出二維直方圖總均值矢量，假設二維直方圖的副對角區(qū)域圖像的概率可以 忽略不計，于是可進一步得到一個關系式；
[0065] (3c)定義一個類間方差，結(jié)合步驟（3b)中的關系式，并以該類間方差的跡作為類 間方差的測度，然后得到非改進的二維Otsu分割算法；
[0066] (3d)在很多情況下，步驟（3b)中的關系式并不成立，所以有必要修正步驟（3c)中 的類間方差測度關系式，進一步得到改進后的二維Otsu分割算法，然后求得改進后的二維 Otsu分割算法的最佳閾值。