為了在電力設備紅外圖像中較好地檢測故障區(qū)域,提出一種基于分層聚類迭代的紅外圖像故障區(qū)域自動提取方法。在該方法中,首先以脈沖耦合神經(jīng)網(wǎng)絡(Pulse-coupled neural network,PCNN)作為紅外圖像處理核心模型,通過設置PCNN模型內(nèi)在參數(shù)以及引入聚類機理,使得模型在迭代過程中可將整個圖像劃分成多個具有相似特性的區(qū)域。在此基礎(chǔ)上,通過計算各個層點火區(qū)域均值以及對均值大小進行排序,然后針對灰度值較高的點火區(qū)域,結(jié)合邊界檢測算子并利用相似度評價方式對相鄰區(qū)域進行合并處理,實現(xiàn)紅外圖像中熱故障區(qū)域的有效提取。最后對真實紅外圖像進行測試并對比現(xiàn)有的一些方法,驗證文中方法對熱故障區(qū)域提取的有效性和適用性。

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 簡化的PCNN模型
2 基于PCNN分層聚類迭代的紅外圖像分割
    2.1 簡化PCNN模型參數(shù)設置
        2.1.1 動態(tài)閾值?
        2.1.2 連接系數(shù)?的設置
    2.2 分層聚類迭代機制
    2.3 區(qū)域融合及最終輸出
3 實驗結(jié)果及分析
4 結(jié)語



本文編號：3989080