论文部分内容阅读
目前,红外检测技术已经广泛用于电力设备故障检测中成为实现电力设备实时检测的关键技术,电力设备红外热图像通过温度云图显示设备每部分的状态及根据温度的界限对设备进行故障诊断。现有的文献只对红外图像进行单阈值分割从而对设备故障诊断定位,没有文献对红外图像进行多阈值处理。本文对红外图像进行多阈值分割通过不同温度区域把图像分成多个不同部分,不仅能够定位出电力设备的故障区域,也能够对整个电力设备不同温度区的未来运行状况进行预测。但红外图像有模糊、对比度低、纹理不清晰和脉冲噪声的缺点,这就会导致分析结果准确率下降。传统图像阈值分割效率低,准确的阈值分割结果能够确保得到准确的故障位置和更加精确地不同温度区域分割结果。查阅国内外阈值分割相关文献,发现不断兴起的智能算法与传统阈值分割算法(Otsu、MCE、KSW等)相结合能够取得很好的阈值分割结果。本文采用萤火虫算法(GSO)、鸟群算法(BSA)和提出的改进萤火虫算法(IGSO)以及改进鸟群算法(IBSA)与传统阈值分割算法(Otsu和MCE)相结合对红外图像进行阈值分割,并与传统算法(Otsu和MCE)和自适应粒子群算法(APSO)与传统算法(Otsu和MCE)相结合的分割效果进行对比,结果表明GSO-Otsu(GSO-MCE)、BSA-Otsu(BSA-MCE)和APSO-Otsu(APSO-MCE)比Otsu(MCE)取得更好的分割效果,IGSO-Otsu(IGSO-MCE)和IBSA-Otsu(IBSA-MCE)比GSO-Otsu(GSO-MCE)和BSA-Otsu(BSA-MCE)取得更好的结果。第一,深入研究萤火虫算法(GSO)和鸟群算法(BSA),了解他们运行机制和其优缺点,查阅现有的文献对这种算法的改进策略和与此相近的算法提出的改进策略,并深入分析这种改进是否可行。第二,分析脉冲噪声对红外图像分割的影响,查阅资料了解消除脉冲噪声的方法。第三,用MATLAB软件对智能算法进行实验测试。第四,以PSNR和MSSIM作为评价指标评价阈值分割效果。该研究能够改进电力设备实时检测效率,准确找到故障点,从而进行有效的处理,减少因事故造成的经济损失,保证电力设备长时有效的运行。