發(fā)布時間：2024-12-27 04:16

　　 針對電力設(shè)備紅外檢測中,由于背景復(fù)雜,痕跡重疊而難以有效提取目標電力設(shè)備這一問題,提出一種補體免疫聚類目標提取算法。算法參考免疫系統(tǒng)中補體系統(tǒng)作用機理,建立多個電力設(shè)備模板圖像庫,通過模板與圖像的匹配度來確定目標區(qū)域的輪廓和位置。對圖像進行k-means聚類處理,給每一個像素點賦予新的特征值,重新確定聚類中心,完成對目標區(qū)域圖像的提取,并證明該算法的收斂性。通過對實驗結(jié)果的定性定量分析進一步證實該算法的有效性。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1 本文算法流程圖

算法流程圖如圖1所示。2.1免疫作用

圖2 先天性免疫作用結(jié)果

重復(fù)上述過程，最終將抗原集分為四個子集:目標抗原P1、背景抗原P2和模糊抗原P3(包括P31和P32)，類別標記分別為1、2、3。如圖2所示。2.2補體系統(tǒng)作用

圖3 電力設(shè)備圖像模板庫

令f(u,v)為手部痕跡紅外圖像中像素點的灰度值;構(gòu)建模板庫如圖3，存儲多個不同狀態(tài)下的電力設(shè)備圖像，令其為抗原集。將圖像抗原中每點的像素值做3×3的模板處理，每一點抗原的表面分子模式ga1ba為:

圖4 實驗結(jié)果對比圖

為了對算法的有效性進行驗證，選取了4組不同場景下拍攝的，背景復(fù)雜電力設(shè)備圖像，從中提取變壓器目標區(qū)域。使用本文算法與分水嶺算法、OTSU算法、最大熵算法、邊緣檢測算法進行對比實驗，實驗結(jié)果如圖4所示。由實驗結(jié)果對比圖可以定性的分析出，在背景干擾較多，目標與背景像素值相近的紅外電力....

本文編號：4021119