光伏板是光能转化为电能的介质,当光伏板表面出现破损的时候,能量转化的能力将会明显降低。利用无人机航拍的光伏板红外图像,进行图像分割,可以有效的找到光伏板的缺陷区域。但是,由于航拍时无人机的抖动、光伏板对光照的反射能力差异性等不利因素,拍摄到的红外图像存在颜色分布不均匀、边界模糊、对比度较低等问题,会显著降低已有图像分割算法的精度。针对以上问题,我们开展了以下两个方面的工作。(1)提出一种基于导向滤波图像增强和直线检测的光伏板图像分割方法。首先,对原图像进行导向滤波以降低噪声,将滤波后的图像和原图像,通过线性加权进行融合,以增强边缘信息。然后,利用canny算子对融合后的图像进行边缘检测,并进行二值化;通过直线分割探测器(line-segment detector:LSD)采用得对二值化图像进行直线检测,提取出光伏板边界处的直线。为了降低噪声或背景产生的直线,利用角度作为标准,对所有的直线进行K-means聚类,根据聚类结果消除非光伏板边界的直线。最后,对剩余的直线进行膨胀操作,以面积和子轮廓数量为条件,判定光伏板区域的轮廓;对获取的光伏板区域进行旋转校正,利用列均值和整幅图像的均值进行判断,以降低光伏板区域边界处的背景区域。实验结果表明,导向滤波对分割结果的召回率有着显著的提高,结合K-means聚类的直线检测,进一步提高了分割结果的精度。(2)提出一种基于显著性检测和骨架提取相结合的光伏板图像分割方法。首先,计算原图像中所有像素点的梯度幅值,以梯度幅值和像素值作为特征,分别进行显著性检测,并且进行差值处理,以找到梯度较大的像素点,并且去除光伏板之间的连接杆。然后,利用自适应阈值处理和形态学操作,获取连通域图像;对连通域图像进行骨架提取,以减小图像膨胀操作后的背景区域。最后,对骨架提取后的图像,利用包含像素值的数量,进行轮廓的判断,并截取符合条件轮廓的最小外接矩形,即光伏板区域。实验结果表明,和已有的多种方法相比较,这种方法,对颜色不均匀的光伏板分割,具有更好的准确性和鲁棒性。