近幾年來(lái),圖像處理技術(shù)發(fā)展迅猛,為了保障變電站中電氣設(shè)備能夠安全高效的運(yùn)行,將圖像處理技術(shù)與紅外測(cè)溫技術(shù)引入電氣設(shè)備故障自動(dòng)檢測(cè)這一領(lǐng)域,使得變電站的日常運(yùn)行和維護(hù)向著自動(dòng)診斷的方向發(fā)展。電氣設(shè)備故障自動(dòng)檢測(cè)技術(shù)不僅可以大大降低對(duì)日常巡檢人員的經(jīng)驗(yàn)以及專(zhuān)業(yè)知識(shí)的要求,還可以減少熱故障給變電站帶來(lái)的損失。圖像分割是整套體系中承上啟下的重要環(huán)節(jié),為理解、識(shí)別目標(biāo)狀態(tài)提供了有力的支持。在此背景下,本文針對(duì)變電站電氣設(shè)備紅外圖像的去噪以及分割進(jìn)行了研究,并將其運(yùn)用到電氣設(shè)備的自動(dòng)故障檢測(cè)中。本文介紹了紅外圖像的基本成像原理并在此基礎(chǔ)上分析了紅外圖像中可能存在的噪聲類(lèi)型及其對(duì)應(yīng)的產(chǎn)生原因。在此基礎(chǔ)上,通過(guò)分析幾種傳統(tǒng)的圖像去噪方法,提出了一種自適應(yīng)掩模的圖像去噪算法,與傳統(tǒng)的掩模算法相比,本文將各鄰域像素與中心像素的相似程度考慮在內(nèi),通過(guò)引入基于相似度的自適應(yīng)權(quán)值來(lái)調(diào)節(jié)各鄰域像素對(duì)中心像素的影響,從而達(dá)到改良濾波效果的目的。通過(guò)Matlab平臺(tái)仿真,并與其他傳統(tǒng)算法進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果證明,本文的算法不論是針對(duì)高斯噪聲還是椒鹽噪聲,都具有良好的去噪能力,魯棒性強(qiáng),適用范圍廣。針對(duì)變電站電氣設(shè)備... 

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 變電站電氣設(shè)備紅外檢測(cè)研究現(xiàn)狀
        1.2.2 變電站紅外圖像分割技術(shù)的研究現(xiàn)狀
    1.3 論文的研究?jī)?nèi)容與結(jié)構(gòu)安排
第2章 利用多目標(biāo)進(jìn)化聚類(lèi)算法進(jìn)行紅外圖像分割的基本理論
    2.1 紅外熱成像技術(shù)的基本原理
    2.2 圖像分割算法的基本理論
        2.2.1 圖像分割的概念
        2.2.2 圖像分割的基本方法
    2.3 進(jìn)化算法的基本原理
        2.3.1 進(jìn)化算法的理論基礎(chǔ)以及一般流程
        2.3.2 進(jìn)化算法的優(yōu)缺點(diǎn)
    2.4 聚類(lèi)算法的基本原理
        2.4.1 聚類(lèi)分析的起源和發(fā)展
        2.4.2 聚類(lèi)的定義
        2.4.3 常用的聚類(lèi)算法
        2.4.4 聚類(lèi)算法涉及到的基本數(shù)據(jù)類(lèi)型
        2.4.5 聚類(lèi)算法中常用的距離公式
    2.5 本章小結(jié)
第3章 變電站紅外圖像預(yù)處理
    3.1 變電站電氣設(shè)備紅外圖像的特性及其噪聲類(lèi)型
        3.1.1 變電站電氣設(shè)備紅外圖像特性
        3.1.2 變電站紅外圖像噪聲類(lèi)型
    3.2 圖像質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)
    3.3 變電站電氣設(shè)備的紅外圖像去噪方法研究
        3.3.1 中值濾波
        3.3.2 小波閾值去噪
        3.3.3 選擇掩模法
        3.3.4 自適應(yīng)掩模算法
        3.3.5 實(shí)驗(yàn)結(jié)果分析
    3.4 基于多尺度Retinex和自適應(yīng)掩模算法進(jìn)行圖像增強(qiáng)
        3.4.1 多尺度Retinex
        3.4.2 實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
第4章 基于多目標(biāo)進(jìn)化聚類(lèi)的紅外圖像分割以及電氣設(shè)備故障分析
    4.1 雙層進(jìn)化模糊聚類(lèi)框架
    4.2 基于紅外圖像局部信息的多目標(biāo)進(jìn)化聚類(lèi)
        4.2.1 非均質(zhì)測(cè)度像素點(diǎn)采樣方法
        4.2.2 多目標(biāo)聚類(lèi)問(wèn)題建模
        4.2.3 算法以及復(fù)雜度分析
    4.3 基于權(quán)衡解的紅外圖像分割
        4.3.1 基于權(quán)衡解以及模糊c均值的紅外圖像分割方法
        4.3.2 基于權(quán)衡解以及自適應(yīng)進(jìn)化模糊聚類(lèi)的紅外圖像分割
    4.4 基于TEFC模型的電氣設(shè)備故障分析
        4.4.1 相對(duì)溫差法
        4.4.2 基于相對(duì)溫差法和TEFC框架的自動(dòng)故障診斷算法
    4.5 實(shí)驗(yàn)結(jié)果分析
        4.5.1 實(shí)驗(yàn)參數(shù)的設(shè)置
        4.5.2 基于TEFC框架的紅外圖像分割結(jié)果分析
        4.5.3 基于TEFC框架以及相對(duì)溫差法的自動(dòng)故障診斷結(jié)果分析
    4.6 本章小結(jié)
第5章 總結(jié)與展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文



本文編號(hào)：3689447