CN107507203B - 一种基于热红外图像的服务器设备边界直线角度自动提取方法 - Google Patents
一种基于热红外图像的服务器设备边界直线角度自动提取方法 Download PDFInfo
- Publication number
- CN107507203B CN107507203B CN201710301779.4A CN201710301779A CN107507203B CN 107507203 B CN107507203 B CN 107507203B CN 201710301779 A CN201710301779 A CN 201710301779A CN 107507203 B CN107507203 B CN 107507203B
- Authority
- CN
- China
- Prior art keywords
- filtering
- angle
- image
- straight line
- thermal infrared
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 67
- 238000001514 detection method Methods 0.000 description 18
- 238000002474 experimental method Methods 0.000 description 7
- 238000005265 energy consumption Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 238000004378 air conditioning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Radiation Pyrometers (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于热红外图像的服务器设备边界直线角度自动提取方法，其包括：采集待检测的数据中心服务器所在区域所对应的热红外图像；将热红外图像转换成灰度图像I；基于方向可控边缘滤波器，在0°—360°的滤波角度范围内，以将所述滤波角度均分为多个滤波方向形式对所述灰度图像I进行滤波并获得每一滤波方向所对应的滤波子图Iθ以及极值Rθ；分别自每一滤波子图Iθ中获得与其滤波方向所对应的极大值作为方向极值；自各所述方向极值中确定出其中两个最大值；将所确定的两个方向极值所对应的滤波角度作为图像中服务器设备边界直线的最优竖直滤波角度与最优水平滤波角度。本发明能够便捷有效地自图像中寻找出服务器单元边界直线的最优滤波角度。
Description
技术领域
本发明属于图像目标提取和识别技术领域，具体的说是涉及到一种基于方向可控边缘滤波器寻找服务器热红外图像边界直线最优滤波角度的方法。
背景技术
大型数据中心(Data Center，DC)的能耗巨大，并且在大数据趋势的驱动下，DC耗电量逐年大幅攀升。我国DC的能耗在2015年达到1000亿kWh左右，相当于三峡电站一年的发电量，预计在2020年将超过2500亿kWh，或将超过当前全球DC的能耗总量，而节能减排关系到我国的可持续发展，因此如何降低数据中心的能耗是当前最急需解决的技术难题之一。目前，对大型DC的温度场测量，通用方法是将大量温度传感器置于DC关键位置。然后，通过某种方法收集所有传感器的测量数据。但是由于需要对上万节点的三维坐标标定、后期维护、数据管理等问题，其工作量巨大，从成本角度考虑，很难实现。相比温度传感器，热成像摄像头的优点是可以获取更直观的二维热分布图像，利用图像处理技术能够进一步的分析热点的成因以及进行故障诊断。但是如果数据中心内部存在严重的温度不平衡现象，处于高温区域的服务器设备会出现稳定性降低、使用寿命减少等问题。为了降低高温区域的温度，通常采用加大空调功率、优化服务器布局等方式。这样势必增加数据中心的整体能耗。因此平衡数据中心内部的温度分布，可以降低空调系统的能耗，从而降低数据中心的整体能耗。温度分布不平衡主要是由于数据中心内部的热点，即局部高温造成的。为了降低热点的温度，需要通过对服务器单元温度分布图像的研究来分析产生热点的原因，找到与之对应的解决方法。因此准确的提取温度图像中每个服务器子单元的区域，对以后热点特征提取与模式识别至关重要。
但是由于数据中心内的空间限制，拍摄到的热红外图像中机柜和服务器占据超过90％的内容，相比于人脸识别或是车道线检测，其并不能利用阈值分割有效的分离图像中的前景和背景，而且由于热红外图像的低信噪比和低对比度，已有算法不能有效检测出数据中心服务器热红外图像中的边界特征，完成服务器子单元的提取工作。
发明内容
鉴于已有技术存在不能有效检测出数据中心服务器热红外图像中的边界特征，完成服务器子单元的提取工作的缺陷，本发明的目的是要提供一种基于热红外图像的服务器设备边界直线角度自动提取方法。
为了实现上述目的，本发明的技术方案：
一种基于热红外图像的服务器设备边界直线角度自动提取方法，其特征在于，包括如下步骤：
步骤1、采集待检测的数据中心服务器所在区域所对应的热红外图像；
步骤2、将所采集到的热红外图像转换成其所对应的灰度图像I；
步骤3、基于方向可控边缘滤波器，在0°—360°的滤波角度范围内，以将所述滤波角度均分为多个滤波方向形式对所述灰度图像I进行滤波并获得每一滤波方向所对应的滤波子图Iθ以及每一滤波方向所对应的极值Rθ，其中，θ为滤波方向个数且至少为大于等于360的自然数；
步骤4、分别自每一滤波子图Iθ中获得与其滤波方向所对应的极大值作为该滤波方向上直线段个数的特征量即方向极值；
步骤5、自各所述方向极值中确定出其中两个最大值；
步骤6、将所确定的两个方向极值所对应的滤波角度作为图像中服务器设备边界直线的最优竖直滤波角度与最优水平滤波角度。
进一步的，所述方向可控边缘滤波器为采用高斯核函数G(x,y)＝e-(x2+y2)的方向可控边缘滤波器。
与现有技术相比，本发明的有益效果：
本发明能够便捷有效地利用方向边缘可控滤波器自图像中寻找出服务器单元边界直线的最优滤波角度，进而为下一步的服务器状态检测提供数据支持。
附图说明
图1是本发明所述方法对应的流程步骤框图；
图2是横轴为滤波角度，纵轴为极值的0到360度方向边缘滤波的极值图像；
图3是实验条件一所对应的本发明所述检测方法和传统hough直线检测算法的服务器设备检测结果对比图像；
图4是实验条件二所对应的本发明所述检测方法和传统hough直线检测算法的服务器设备检测结果对比图像；
图5是实验条件三所对应的本发明所述检测方法和传统hough直线检测算法的服务器设备检测结果对比图像。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
鉴于现有热成像技术中，自动提取机柜中服务器设备边界直线的角度所存在的问题即由于机柜中服务器热的热红外图像中，待检测直线的角度根据服务器和机柜的边缘特征人为可知为水平和竖直的直线，但由于拍摄角度会导致图像中服务器的形变，其边界直线角度也会改变，所以待检测直线的具体角度并不可知，本发明提出了一种利用方向可控边缘滤波器寻找服务器边界直线最优滤波角度的方法即本发明旨在利用方向边缘可控滤波器对图像各个方向滤波的方法寻找服务器单元边界直线的最优滤波角度，为下一步的服务器状态检测提供数据支持。
具体的，如图1所示，本发明所述方法，其特征在于，包括如下步骤：
步骤1、采集待检测的数据中心服务器所在区域所对应的热红外图像；优选的，可采用热红外成像仪进行采集；
步骤2、将所采集到的热红外图像转换成其所对应的灰度图像I；
步骤3、基于方向可控边缘滤波器，在0°—360°的滤波角度范围内，以将所述滤波角度均分为多个滤波方向形式对所述灰度图像I进行滤波并获得每一滤波方向所对应的滤波子图Iθ以及每一滤波方向所对应的极值Rθ，其中，θ至少为大于等于360的自然数，进行方向边缘滤波的目的是为了检测图像中特征点的主要方向和局部能量，也就是找到图像中待检测直线的方向和局部位置；优选的，θ＝0,1,2...360，即以0°为起点方向，滤波方向为依次间隔一度的滤波形式对所述灰度图像I进行360度方向滤波；360度方向滤波后取各个方向极值如图2所示；
步骤4、分别自每一滤波子图Iθ中获得与其滤波方向所对应的极大值作为该滤波方向上直线段个数的特征量即方向极值；进行360度方向滤波后，得到每个方向的滤波子图Iθ(θ＝0,1,2...360)，同时取每个方向是滤波子图中的极大值作为这个滤波方向直线段多少的特征量；
步骤5、自各所述方向极值中确定出其中两个最大值；由于方向极值可以认为是服务器热红外图像中各个方向存在直线多少的特征量以及服务器图像中的直线由服务器单元的横向和纵向边界组成，则只需取方向极值中的两个最大值作为服务器所在区域其对应的横竖边待检测直线的角度；
步骤6、将所确定的两个方向极值所对应的滤波角度作为图像中服务器设备边界直线的最优竖直滤波角度与最优水平滤波角度。也就是说取各个方向极值Rθ(θ＝0,1,2...360)中的两个最大值θ1，θ2作为服务器所在区域其对应的横竖边待检测直线的角度即取Rθ中的两个极大值对应的角度为待检测直线的竖直最优滤波角度θ1和水平最优滤波角度θ2；如图2，各个极值中的两个极大值对应的角度θ1＝89,θ2＝179，即对应本例89°为竖直滤波的最优角度、179°为水平滤波的最优角度。
进一步的，所述方向可控边缘滤波器为采用高斯核函数
的方向可控边缘滤波器。
下面以具体实例对本发明的技术方案进行说明：
实际中需要完成对数据中心不同温度范围的红外图像服务器设备边界直线角度自动检测，本实验选取了实时拍摄于大连理工大学网络数据中心(数据机房环境温度为19～23℃)的三组具有代表性的不同温度范围的服务器热红外图像进行实验。本实验中利用高斯核函数
x、y分别代表行灰度值与列行灰度值，方向可控边缘滤波器对服务器灰度图像各个方向(360个)滤波得到服务器边界直线的角度并选取最优滤波角度的结果为服务器单元横竖边的候选直线位置区域。
为了进一步验证本发明所述服务器边界角度直线自动提取算法的可行性，本实验例完成了整个基于热红外图像的服务器设备检测过程。
实验条件：测试数据中心制冷方式不同会导致服务器温度分布的变化，并在对得到的候选直线区域图像hough直线检测的时候采用不同的阈值T对服务器图像的上下边沿分别检测，以提高检测结果的准确性(如Th＝0.2，Tl＝0.4)。同时在剔除干扰直线的时候，只需保证检测到的直线角度接近于最优滤波角度即可，所以实验中取校正角度dn＝5度用于服务器横向边界的校正并且本实验可根据服务器检测到的服务器其横向边界直线左右端点，用最小二乘法拟合得到服务器竖直边界直线。
如3-图5(图3-图5中，(a)均是表示服务器表面温度分布图像，(b)均是表示传统hough直线检测结果图像，(c)均是表示文中算法直线检测结果图像)，对比实验一，实验二，实验三中的传统hough变换检测结果和利用方向可控边缘滤波器求得服务器边界直线算法结果，可见本算法能更好的完成下一步的热红外图像中的服务器设备检测需求。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (2)
1.一种基于热红外图像的服务器设备边界直线角度自动提取方法，其特征在于，包括如下步骤：
步骤1、采集待检测的数据中心服务器所在区域所对应的热红外图像；
步骤2、将所采集到的热红外图像转换成其所对应的灰度图像I；
步骤3、基于方向可控边缘滤波器，在0°—360°的滤波角度范围内，以将所述滤波角度均分为多个滤波方向形式对所述灰度图像I进行滤波并获得每一滤波方向所对应的滤波子图以及每一滤波方向所对应的极值Rθ，其中，θ为滤波方向个数且至少为大于等于360的自然数；以0°为起点方向，滤波方向为依次间隔1°的滤波形式对所述灰度图像I进行360度方向滤波；
步骤4、分别自每一滤波子图Iθ中获得与其滤波方向所对应的极大值作为该滤波方向上直线段个数的特征量即方向极值；
步骤5、自各所述方向极值中确定出其中两个最大值；
步骤6、将所确定的两个方向极值所对应的滤波角度作为图像中服务器设备边界直线的最优竖直滤波角度与最优水平滤波角度。
2.根据权利要求1所述的基于热红外图像的服务器设备边界直线角度自动提取方法，其特征在于：
所述方向可控边缘滤波器为采用高斯核函数
的方向可控边缘滤波器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710301779.4A CN107507203B (zh) | 2017-05-02 | 2017-05-02 | 一种基于热红外图像的服务器设备边界直线角度自动提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710301779.4A CN107507203B (zh) | 2017-05-02 | 2017-05-02 | 一种基于热红外图像的服务器设备边界直线角度自动提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107507203A CN107507203A (zh) | 2017-12-22 |
| CN107507203B true CN107507203B (zh) | 2020-04-14 |
Family
ID=60679415
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710301779.4A Active CN107507203B (zh) | 2017-05-02 | 2017-05-02 | 一种基于热红外图像的服务器设备边界直线角度自动提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107507203B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108198171A (zh) * | 2017-12-27 | 2018-06-22 | 大连理工大学 | 一种基于服务器表面热状态的运行状态诊断的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101727668A (zh) * | 2008-10-28 | 2010-06-09 | 北京大学 | 一种图像边界检测的方法及装置 |
| CN102324045A (zh) * | 2011-09-01 | 2012-01-18 | 西安电子科技大学 | 基于Radon变换和极谐波变换的不变矩目标识别方法 |
| CN102945548A (zh) * | 2012-11-20 | 2013-02-27 | 成都晶石石油科技有限公司 | 一种基于方向金字塔滤波的图像处理方法及装置 |
| CN104636745A (zh) * | 2013-11-08 | 2015-05-20 | 株式会社理光 | 尺度不变特征提取方法和装置、对象识别方法和装置 |
| CN106462957A (zh) * | 2016-05-19 | 2017-02-22 | 深圳大学 | 一种红外图像中条纹噪声的去除方法及系统 |
-
2017
- 2017-05-02 CN CN201710301779.4A patent/CN107507203B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101727668A (zh) * | 2008-10-28 | 2010-06-09 | 北京大学 | 一种图像边界检测的方法及装置 |
| CN102324045A (zh) * | 2011-09-01 | 2012-01-18 | 西安电子科技大学 | 基于Radon变换和极谐波变换的不变矩目标识别方法 |
| CN102945548A (zh) * | 2012-11-20 | 2013-02-27 | 成都晶石石油科技有限公司 | 一种基于方向金字塔滤波的图像处理方法及装置 |
| CN104636745A (zh) * | 2013-11-08 | 2015-05-20 | 株式会社理光 | 尺度不变特征提取方法和装置、对象识别方法和装置 |
| CN106462957A (zh) * | 2016-05-19 | 2017-02-22 | 深圳大学 | 一种红外图像中条纹噪声的去除方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| "A Modified Approach for Thermal Distribution Monitoring of the Container Data Center by Thermal Image Registration;Hang Liu 等;《2016 9th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics(CISP-BMEI 2016)》;20161231;第260-261页 * |
| A New 3D Orientation Steerable Filter;Weichuan Yu 等;《Mustererkennung 2000》;20001231;正文第1-10页 * |
| Thermal distribution monitoring of the container data center by a fast infrared image fusion technique;Jhen-Jia Hu 等;《Computers and Mathematics with Applications》;20121231;第1484-1494页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107507203A (zh) | 2017-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112199993B (zh) | 基于人工智能识别任意方向变电站绝缘子红外图像检测模型的方法 | |
| CN108037133B (zh) | 一种基于无人机巡检图像的电力设备缺陷智能识别方法及其系统 | |
| CN110097536B (zh) | 基于深度学习和霍夫变换的六边形螺栓松动检测方法 | |
| CN107564062A (zh) | 位姿异常检测方法及装置 | |
| CN107492094A (zh) | 一种高压电线绝缘子的无人机视觉检测方法 | |
| CN103727930A (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
| CN109325935A (zh) | 一种基于无人机图像的输电线路检测方法 | |
| CN109584238A (zh) | 一种基于立体视觉的弓网运行状况在线检测系统及方法 | |
| CN107481237B (zh) | 一种基于多帧温度特性的红外阵列图像热斑检测方法 | |
| CN103489191B (zh) | 一种遥感图像显著目标变化检测方法 | |
| CN110807765B (zh) | 一种基于图像处理的悬垂绝缘子串倾斜检测方法与系统 | |
| CN108960236B (zh) | 基于二维码匹配与图像识别的指针式仪表识别方法 | |
| CN107092905B (zh) | 一种电力巡检机器人的待识别仪器定位方法 | |
| CN102446356A (zh) | 一种获取均匀分布匹配点的遥感影像并行自适应匹配方法 | |
| CN113095385A (zh) | 一种基于全局和局部特征描述的多模图像匹配方法 | |
| CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
| CN113657423A (zh) | 适用于小体积零件与堆叠零件的目标检测方法及其应用 | |
| CN117541887A (zh) | 水分亏缺检测模型训练及水分亏缺检测方法、装置、设备 | |
| CN112085699A (zh) | 一种基于二维图像的路面裂缝提取方法 | |
| CN107507203B (zh) | 一种基于热红外图像的服务器设备边界直线角度自动提取方法 | |
| CN114627461A (zh) | 一种基于人工智能高精度识别水尺数据的方法及系统 | |
| Ying et al. | Anchor points based accurate fault locating in large-scale photovoltaic plants via aerial infrared videos | |
| CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
| CN111931785A (zh) | 一种电力设备红外图像目标的边缘检测方法 | |
| CN112037158B (zh) | 一种基于页岩气田生产设备图像增强标注方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |