隨著紅外成像技術(shù)的發(fā)展和應(yīng)用,基于紅外成像的診斷技術(shù)被廣泛應(yīng)用于光伏面板故障檢測和診斷。在這種情況下,會有大量的光伏面板紅外圖像需要被檢測和診斷,而其中對紅外圖像進(jìn)行分割是實現(xiàn)光伏面板故障檢測和診斷的重要前提。但大量的光伏面板紅外圖像一般是由專業(yè)技術(shù)人員人工進(jìn)行分割,這種方式耗時耗力,對人員的要求非常高,且紅外圖像具有對比度低,邊緣模糊等特點(diǎn),這些因素均會導(dǎo)致紅外圖像的分割結(jié)果存在誤差。因此,為了提升光伏面板紅外圖像的分割效果,本文在現(xiàn)有的圖像分割算法基礎(chǔ)上,分別提出了基于模糊聚類的分割方法、基于灰度共生矩陣和區(qū)域生長法的分割方法與基于改進(jìn)型UNet網(wǎng)絡(luò)的分割方法。主要研究內(nèi)容如下:1、針對光伏面板紅外圖像對比度低,邊緣模糊等特點(diǎn)以及采用模糊聚類方法會出現(xiàn)誤分割的現(xiàn)象,本文在模糊C均值方法和模糊核C均值方法的基礎(chǔ)上,提出了一種引入鄰域空間信息的改進(jìn)模糊核C均值方法,并通過K-means聚類方法初始化聚類中心。實驗結(jié)果驗證了改進(jìn)模糊核C均值分割方法的有效性。2、針對光伏面板紅外圖像內(nèi)容的復(fù)雜性和周圍環(huán)境的干擾,本文提出了基于灰度共生矩陣和區(qū)域生長的分割方法。該方法通過融合圖像的熵特征與梯... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 紅外成像技術(shù)的研究現(xiàn)狀
        1.2.2 圖像分割方法的研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容和結(jié)構(gòu)安排
        1.3.1 主要研究內(nèi)容
        1.3.2 本文結(jié)構(gòu)安排
第2章 紅外圖像處理的相關(guān)技術(shù)
    2.1 光伏面板紅外圖像的特點(diǎn)與噪聲分析
        2.1.1 紅外圖像的特點(diǎn)
        2.1.2 紅外圖像的噪聲分析
    2.2 紅外圖像預(yù)處理
        2.2.1 圖像灰度化
        2.2.2 圖像降噪處理
        2.2.3 實驗結(jié)果與分析
    2.3 基于傳統(tǒng)的紅外圖像分割方法
        2.3.1 基于閾值的分割方法
        2.3.2 基于邊緣檢測的分割方法
        2.3.3 基于區(qū)域的分割方法
        2.3.4 基于模糊聚類的分割方法
    2.4 卷積神經(jīng)網(wǎng)絡(luò)
        2.4.1 神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
        2.4.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.4.3 全卷積神經(jīng)網(wǎng)絡(luò)
    2.5 本章小結(jié)
第3章 基于模糊聚類的光伏面板紅外圖像分割
    3.1 模糊C均值聚類的原理
    3.2 改進(jìn)的模糊核C均值聚類分割方法
        3.2.1 模糊核C均值聚類方法
        3.2.2 引入鄰域像素信息
    3.3 圖像后處理
    3.4 相關(guān)問題分析
        3.4.1 初始化聚類中心
        3.4.2 相關(guān)參數(shù)的選取
    3.5 實驗設(shè)計與結(jié)果分析
    3.6 本章小結(jié)
第4章 基于灰度共生矩陣和區(qū)域生長法的光伏面板紅外圖像分割
    4.1 灰度共生矩陣的紋理特征描述
        4.1.1 灰度共生矩陣的理論
        4.1.2 灰度共生矩陣的相關(guān)參數(shù)
    4.2 基于灰度共生矩陣和區(qū)域生長法的紅外圖像分割方法
        4.2.1 梯度特征和熵特征圖像的提取
        4.2.2 改進(jìn)的區(qū)域生長方法
        4.2.3 形態(tài)學(xué)膨脹
        4.2.4 相關(guān)參數(shù)分析
    4.3 實驗設(shè)計與結(jié)果分析
    4.4 本章小結(jié)
第5章 基于改進(jìn)型U-Net網(wǎng)絡(luò)的光伏面板紅外圖像分割
    5.1 U-Net網(wǎng)絡(luò)模型的介紹
    5.2 基于U-Net網(wǎng)絡(luò)的改進(jìn)
        5.2.1 殘差網(wǎng)絡(luò)結(jié)構(gòu)
        5.2.2 空洞卷積
        5.2.3 網(wǎng)絡(luò)搭建
    5.3 實驗
        5.3.1 實驗數(shù)據(jù)
        5.3.2 網(wǎng)絡(luò)模型設(shè)置
        5.3.3 網(wǎng)絡(luò)訓(xùn)練過程
        5.3.4 實驗結(jié)果與分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)U型卷積網(wǎng)絡(luò)的細(xì)胞核分割方法[J]. 姜慧明,秦貴和,鄒密,孫銘會.  西安交通大學(xué)學(xué)報. 2019(04)
[2]基于OTSU和區(qū)域生長的電氣設(shè)備多點(diǎn)故障分割[J]. 余成波,曾亮,張林.  紅外技術(shù). 2018(10)
[3]基于自適應(yīng)閾值區(qū)域生長的紅外艦船目標(biāo)分割方法[J]. 趙文濤,曹昕鷙,田志勇.  紅外技術(shù). 2018(02)
[4]基于邊緣信息和Otsu的紅外圖像分割方法[J]. 曲楊,許衛(wèi)東,楊駿堂,童俊.  指揮控制與仿真. 2017(06)
[5]太陽能光伏系統(tǒng)在船舶中應(yīng)用特點(diǎn)分析[J]. 李成武.  低碳世界. 2017(27)
[6]DL/T 664—2016《帶電設(shè)備紅外診斷應(yīng)用規(guī)范》的應(yīng)用分析[J]. 唐佳能,金鑫,張建志,郎業(yè)興,劉佳鑫.  智能電網(wǎng). 2017(09)
[7]太陽能發(fā)電前景展望——世界能源危機(jī)的解決[J]. 李曉娓,仲懷景,吳多海.  內(nèi)燃機(jī)與配件. 2017(16)
[8]基于改進(jìn)區(qū)域生長法的電力設(shè)備紅外圖像分割[J]. 施兢業(yè),劉俊.  光學(xué)技術(shù). 2017(04)
[9]基于內(nèi)容的圖像分割方法綜述[J]. 姜楓,顧慶,郝慧珍,李娜,郭延文,陳道蓄.  軟件學(xué)報. 2017(01)
[10]一種自適應(yīng)的變電站設(shè)備紅外圖像分割方法[J]. 王啟銀,薛建東,任新輝.  紅外技術(shù). 2016(09)

碩士論文
[1]紅外熱成像技術(shù)在電力系統(tǒng)設(shè)備故障檢測中的應(yīng)用研究[D]. 林群武.安徽理工大學(xué) 2016
[2]基于紅外熱圖像的架空輸電線路故障檢測軟件開發(fā)[D]. 彭曄.南京理工大學(xué) 2011



本文編號：3181076