CN108986104B - 基于距离变换和标记分水岭算法的绝缘子图像分割方法 - Google Patents
基于距离变换和标记分水岭算法的绝缘子图像分割方法 Download PDFInfo
- Publication number
- CN108986104B CN108986104B CN201810565986.5A CN201810565986A CN108986104B CN 108986104 B CN108986104 B CN 108986104B CN 201810565986 A CN201810565986 A CN 201810565986A CN 108986104 B CN108986104 B CN 108986104B
- Authority
- CN
- China
- Prior art keywords
- image
- insulator
- segmentation
- distance
- point
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
Abstract
基于距离变换和标记分水岭算法的绝缘子图像分割方法,涉及一种绝缘子红外图像分割方法;原有的阈值分割方法,分割错误率较高,不适合绝缘子的图像分割。本发明在预处理操作后采用分水岭算法进行图像分割;并对二值图像求补后作欧式距离变换,给每个像素赋值为离它最近的背景像素点与其距离,对处理后的图像求反并据此寻找串区域的局部最小值作为标记符,以相邻两个标记符之间为绝缘子片分割线所在区域,确保每个区域内只有惟一一个内部标记和部分背景,有效防止过分割将绝缘子片区域割裂,本技术方案简单,便于实现;同时采用标记符控制和距离变换的手段,有效缓解噪声干扰,防止图像过度分割为许多微小的区域,显著提高图像分割的效率和准确率。
Description
技术领域
本发明涉及一种绝缘子红外图像分割方法,尤其涉及基于距离变换和标记分水岭算法的绝缘子图像分割方法。
背景技术
绝缘子是电网中重要的绝缘元件,是保障电气性能的关键部件。为了增加爬电距离,通常由玻璃或陶瓷制成。其作用是悬挂导线并使导线与杆塔、大地保持绝缘。因此,实际运行中的绝缘子不但要承受工作电压和过电压的作用,还要承受导线的垂直荷载、水平荷载和导线张力,必须具有良好的绝缘性能和足够的机械性能。目前我国输电线路和变电站中使用的主要是瓷质盘形绝缘子。运行中的绝缘子因长期经受线路机电负荷、风雨雷电等恶劣自然环境的作用,很可能出现绝缘电阻阻值下降,绝缘子开裂或是击穿等情况,造成绝缘性能和机械特性的显著下降,从而产生低值(10~500MΩ)或零值绝缘子(0~10MΩ),即绝缘子劣化现象。如果有劣化绝缘子的绝缘子串发生工频闪络或遭受雷击,会有很大电流流过绝缘子内部,强大的电流产生的热效应往往会造成绝缘子钢帽炸裂或脱开,从而出现绝缘子串掉串、导线落地等严重事故。一般而言,对于瓷质绝缘子串,只有串中存在劣化绝缘子时才会发生掉串和导线落地事故。当前随着系统电压等级的提高,绝缘子元件数量不断增多,电网中因绝缘子而引起的事故率也逐渐攀升,严重影响了供电可靠性。因此,在输变电设备运行维护检修技术领域尽早发现劣化绝缘子是输变电设备安全稳定运行的重要保障,直接关系到电网的安全稳定和对用户供电的可靠性。进一步研究绝缘子串劣化特征信息,提出更加安全有效的绝缘子状态检测方法有非常重要的现实意义。
近年来,基于红外热像的故障诊断技术在变压器、绝缘子、高压断路器等设备的故障识别中得到了越来越广泛的应用,而劣化绝缘子红外检测工作是在良好的图像分割与识别的基础上进行的。红外图像的背景中可能包含钢架、杆塔、导线和云层等干扰因素,批量处理时原有的阈值分割方法和目标区域提取方法不再具有普适性,导致分割错误率较高。因此一个有着更强自适应性、更快运行速度和更好分割效果的分割方法是必不可少的。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进,提供基于距离变换和标记分水岭算法的绝缘子图像分割方法,以提高运行中绝缘子串批量检测的准确率和工作效率为目的。为此,本发明采取以下技术方案。
基于距离变换和标记分水岭算法的绝缘子图像分割方法,包括以下步骤:
1)图像预处理操作
采用灰度化、偏微分方程去噪、中值滤波和灰度拉伸进行图像预处理操作,并在此基础上利用Ostu法求得二值化阈值,据此将预处理后的红外图像转化为二值图像,该步骤实现绝缘子串区域和复杂背景的初步分割。
2)提取绝缘子串区域
对二值图像进行形态学骨架化处理,得到每个绝缘子对应的十字交点坐标,在交点坐标处采用泛洪扩散法计算图像的灰度值,以此为中心扩散得到只含绝缘子串区域的二值图,该步骤去除大部分干扰因素,对不同电压等级的绝缘子串区域实现粗分割;
3)角度校正;
在图像骨架化的基础上,采用Hough变换对待分割绝缘子串实现基准线端点定位和倾斜角提取,并据此以图像中心为旋转轴心,以倾斜角为旋转角度进行图像旋转,使绝缘子串基本处于水平位置;
4)提取绝缘子片区域过程
通过二值形态学处理调整图像形状,并对二值图像求补后作欧式距离变换,将距离变换处理后的图像当作灰度梯度图,对该图像取反并设定控制分割的标记符,再应用分水岭算法进行分割,寻找得到图像中绝缘子片对应的边界线并提取目标区域,将图像分割成不同区域,结合形态特征即可提取出不同区域内的铁帽和盘面区域,角度反校正后即可输出分割结果。
本技术方案在灰度化、去噪、滤波和图像增强等预处理操作后采用分水岭算法进行图像分割。考虑到该算法存在过度分割的可能性,为避免该现象,本技术方案在分水岭算法的基础上增加了距离变换和标记符控制程序。按照传统方法转换成梯度图像无法分割出每片绝缘子区域,因此先对二值图像求补后作欧式距离变换,给每个像素赋值为离它最近的背景像素点与其距离,该方法计算精度高,与实际距离相符,应用更广泛。对处理后的图像求反并据此寻找串区域的局部最小值作为标记符,以相邻两个标记符之间为绝缘子片分割线所在区域,确保每个区域内只有惟一一个内部标记和部分背景,从而有效防止过分割将绝缘子片区域割裂,该方法简单,便于程序实现。再结合形态特征即可分别提取出绝缘子铁帽和盘面区域。
作为优选技术手段:在步骤3)中,Hough变换的计算公式如下:
式中,(x,y)为图像空间坐标,(ρ,θ)为参数空间坐标的极坐标表示形式;
Hough变换中检测倾斜角的基本思路是由图像空间中的特征数据点去计算参数空间中的参数点的可能轨迹,并在累加器J(ρ,θ)中统计参考点,检测Hough域中曲线最频繁的交点,该交点对应着直角坐标系中最长直线;
然后以定位得到的基准线中心为旋转轴心,倾斜角为旋转角度调整图谱中绝缘子串倾斜度;输入为含倾斜绝缘子串的红外图像,输出为含校正后绝缘子串的红外图像。
作为优选技术手段:在步骤4)中,通过二值形态学处理调整图像形状,并对二值图像求补后作欧式距离变换,其数学表达方式如式(2)所示:
式中,D表示每个像素点(x1,x2)到最近非零像素点(y1,y2)的距离;
将距离变换处理后的图像当作灰度梯度图,此时离边界越远的像素点越亮;对该图像取反并设定控制分割的标记符,这些标记符通常是梯度图像的局部最小值点,再应用分水岭算法进行分割;该算法的基本原理如下:
设M1,M2,…,MR为表示图像g(x,y)的局部最小值点对应的坐标集合;设G(Mi)为一个坐标集合,这些点位于与局部最小值Mi相联系的汇水盆地内;min和max分别表示g(x,y)的最小值和最大值;设T[n]表示坐标(s,t)的集合,其中g(s,t)<n,其数学表达式如下:
T[n]={(s,t)g(s,t)<n} (3)
式中,T[n]是g(x,y)中的坐标集合,且集合中的坐标均位于平面g(x,y)=n下方;水位以整数量从n=min+1到n=max+1不断增加的过程中,T[n]中在g(x,y)=n平面下的点被标记为黑色,反之则为白色;
设Cn(Mi)表示汇水盆地内的坐标集合,与第n阶段被淹没部分的最小值有关,其数学表达式如下:
Cn(Mi)=C(Mi)∩T[n] (4)
若(x,y)∈Cn(Mi)且(x,y)∈T[n],则位置(x,y)处存在Cn(Mi)=1,反之则为0;
设C[n]表示第n个阶段汇水盆地中被水淹没部分的集合,C[max+1]为所有汇水盆地的集合,则:
由式(3)、(4)可知,处于Cn(Mi)和T[n]中的元素不会被替换,且其元素数目均与n保持同步增长;因此C[n-1]不仅是集合C[n]的子集,同样也是T[n]的子集;且C[n-1]中的每个连通分量都是T[n]中的连通分量;
变量初始化时设定C[min+1]=T[min+1];进入递归调用部分后运行到第n步时,依据C[n-1]求解C[n]的过程如下:令Q表示T[n]中连通分量的集合;对于每个连通分量q∈Q[n],存在以下3种情况:
(i)q∩C[n-1]为空;
(ii)q∩C[n-1]包含C[n-1]中的一个连通分量;
(iii)q∩C[n-1]包含C[n-1]多于一个的连通分量;
根据C[n-1]构造C[n]取决于以上3个条件;当存在新的最小值时,满足情况(i),将q并人C[n-1]构成新的C[n]集合;当q位于某些局部最小值构成的汇水盆地中时,满足情况(ii),此时将q合并入C[n-1]构成新的C[n]集合;当q位于两个及以上汇水盆地的山脊线处时,满足情况(iii),此时进一步注水会导致不同盆地中的水聚合;在q内建立一座水坝,即为所求绝缘子片的分割线。
作为优选技术手段:在步骤1)中,通过RGB和YUV颜色空间的转化关系建立亮度Y与R、G、B三个颜色分量的对应关系,即可实现红外图像灰度化;红外图像灰度化后先采用滤波操作进行处理,然后再进行灰度拉伸以实现图像增强,利用Ostu法将其转化为初步符合分割要求的二值图像;采用偏微分方程去噪和中值滤相结合的方式以保护图像轮廓并去除椒盐噪声,实现平滑处理。
作为优选技术手段:在步骤4)中,在步骤4)中,在应用分水岭算法前,通过形态学开闭运算等处理操作进一步去除图像冗余部分,然后对图像求补后作欧式距离变换,给每个像素赋值为离它最近的背景像素点与其距离,此时离边界越远的点越亮,据此寻找局部最小值作为标记符;然后对距离变换后的二值图像直接应用分水岭算法,通过排序过程和淹没过程两部分的计算,寻找得到图像中绝缘子片对应的边界线,提取目标区域,确保每个区域内包含一个惟一的内部标记和部分背景;通过分水岭算法对绝缘子串二值图进行初步分割;然后结合形态特征分别提取绝缘子铁帽和盘面区域。
有益效果:可有效克服传统分割方法自适应性较弱、程序运行速度偏慢的缺点,实现对绝缘子红外图像的批量分割操作。同时采用标记符控制和距离变换的手段,可有效缓解噪声干扰,防止图像过度分割为许多微小的区域,显著提高图像分割的效率和准确率。
附图说明
图1为本发明的流程图。
图2为本发明的分水岭算法原理图。
图3(a)为待诊断红外图像。
图3(b)分水岭算法分割结果。
图3(c)为分割得到的铁帽和盘面区域。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。
如图1所示,本发明所述方法包括以下步骤:
(1)图像预处理操作。采用灰度化、偏微分方程去噪、中值滤波和灰度拉伸等图像预处理操作,并在此基础上利用Ostu法求得二值化阈值,据此将预处理后的红外图像转化为二值图像,可实现绝缘子串区域和复杂背景的初步分割。
(2)提取绝缘子串区域过程。针对传统绝缘子图像分割算法无法稳定地去除金具、连接导线和均压环等干扰因素的问题,对二值图像进行形态学骨架化处理,得到每个绝缘子对应的十字交点坐标,在交点坐标处采用泛洪扩散法计算图像的灰度值,以此为中心扩散得到只含绝缘子串区域的二值图。该过程可去除大部分干扰因素,对不同电压等级的绝缘子串区域实现粗分割。
(3)角度校正过程。实际拍摄时绝缘子串可能与图像水平轴存在一定夹角,为提高程序运行效率需旋转绝缘子串。本发明在图像骨架化的基础上,采用Hough变换对待分割绝缘子串实现基准线端点定位和倾斜角提取,并据此以图像中心为旋转轴心,以倾斜角为旋转角度进行图像旋转,使绝缘子串基本处于水平位置。
标准Hough变换的计算公式如下:
式中,(x,y)为图像空间坐标,(ρ,θ)为参数空间坐标的极坐标表示形式。
Hough变换中检测倾斜角的基本思路是由图像空间中的特征数据点去计算参数空间中的参数点的可能轨迹,并在累加器J(ρ,θ)中统计参考点,检测Hough域中曲线最频繁的交点,该交点对应着直角坐标系中最长直线。
然后以定位得到的基准线中心为旋转轴心,倾斜角为旋转角度调整图谱中绝缘子串倾斜度。输入为含倾斜绝缘子串的红外图像,输出为含校正后绝缘子串的红外图像。
(4)提取绝缘子片区域过程。考虑到粗分割后的图像仍存在细小区域等干扰因素的影响,且分水岭算法易产生过度分割,会导致结果无法使用。因此先通过二值形态学处理调整图像形状,并对二值图像求补后作欧式距离变换,其数学表达方式如式(2)所示:
式中,D表示每个像素点(x1,x2)到最近非零像素点(y1,y2)的距离。
将距离变换处理后的图像当作灰度梯度图,此时离边界越远的像素点越亮。对该图像取反并设定控制分割的标记符,这些标记符通常是梯度图像的局部最小值点,再应用分水岭算法进行分割。如图2所示,积水盆地对应本发明中的每个绝缘子片区域,两个极小值对应本发明中相应区域的标记符,三个分水岭则对应本发明中的绝缘子片分割线。该算法的基本原理如下:
设M1,M2,…,MR为表示图像g(x,y)的局部最小值点对应的坐标集合。设G(Mi)为一个坐标集合,这些点位于与局部最小值Mi相联系的汇水盆地内。min和max分别表示g(x,y)的最小值和最大值。设T[n]表示坐标(s,t)的集合,其中g(s,t)<n,其数学表达式如下:
T[n]={(s,t)|g(s,t)<n} (3)
式中,T[n]是g(x,y)中的坐标集合,且集合中的坐标均位于平面g(x,y)=n下方。水位以整数量从n=min+1到n=max+1不断增加的过程中,T[n]中在g(x,y)=n平面下的点被标记为黑色,反之则为白色。
设Cn(Mi)表示汇水盆地内的坐标集合,与第n阶段被淹没部分的最小值有关,其数学表达式如下:
Cn(Mi)=C(Mi)∩T[n] (4)
若(x,y)∈Cn(Mi)且(x,y)∈T[n],则位置(x,y)处存在Cn(Mi)=1,反之则为0。
设C[n]表示第n个阶段汇水盆地中被水淹没部分的集合,C[max+1]为所有汇水盆地的集合,则:
由式(3)、(4)可知,处于Cn(Mi)和T[n]中的元素不会被替换,且其元素数目均与n保持同步增长。因此C[n-1]不仅是集合C[n]的子集,同样也是T[n]的子集;且C[n-1]中的每个连通分量都是T[n]中的连通分量。
变量初始化时设定C[min+1]=T[min+1]。进入递归调用部分后运行到第n步时,依据C[n-1]求解C[n]的过程如下:令Q表示T[n]中连通分量的集合。对于每个连通分量q∈Q[n],存在以下3种情况:
(i)q∩C[n-1]为空;
(ii)q∩C[n-1]包含C[n-1]中的一个连通分量;
(iii)q∩C[n-1]包含C[n-1]多于一个的连通分量。
根据C[n-1]构造C[n]取决于以上3个条件。当存在新的最小值时,满足情况(i),将q并人C[n-1]构成新的C[n]集合。当q位于某些局部最小值构成的汇水盆地中时,满足情况(ii),此时将q合并入C[n-1]构成新的C[n]集合。当q位于两个及以上汇水盆地的山脊线处时,满足情况(iii),此时进一步注水会导致不同盆地中的水聚合。所以必须在q内建立水坝,即为所求绝缘子的片分割线。
因此,通过排序过程和淹没过程两部分的迭代计算,可寻找得到图像中绝缘子片对应的边界线并提取目标区域,确保每个区域内只有一个内部标记和部分背景,在此基础上结合形态特征即可提取出不同区域内的铁帽和盘面区域,从而可达到利用分水岭算法对绝缘子片分割的目的。
实施例:
某220kV输电线路绝缘子串应用基于红外热像的盘形悬式瓷绝缘子在线检测方法开展检测,每串绝缘子共含14片相同型号参数的绝缘子。图像分割具体过程如下所示:
(1)采集待分割绝缘子串的红外热像图谱,见图3(a)。
(2)采用基于距离变换和标记分水岭算法初步提取图谱中的绝缘子串区域,并进行标记,见图3(b)。
(3)进一步提取每片绝缘子对应的铁帽和盘面区域,见图3(c)。
以上图1、2所示的基于距离变换和标记分水岭算法的绝缘子图像分割方法是本发明的具体实施例,已经体现出本发明突出的实质性特点和显著进步,可根据实际的使用需要,在本发明的启示下,对其进行等同修改,均在本方案的保护范围之列。
Claims (5)
1.基于距离变换和标记分水岭算法的绝缘子图像分割方法,其特征在于包括以下步骤:
1)图像预处理操作
采用灰度化、偏微分方程去噪、中值滤波和灰度拉伸进行图像预处理操作,并在此基础上利用Ostu法求得二值化阈值,将预处理后的红外图像转化为二值图像,该步骤实现绝缘子串区域和复杂背景的初步分割;
2)提取绝缘子串区域
对二值图像进行形态学骨架化处理,得到每个绝缘子对应的十字交点坐标,在交点坐标处采用泛洪扩散法计算图像的灰度值,以交点坐标为中心扩散得到只含绝缘子串区域的二值图,该步骤去除大部分干扰因素,对不同电压等级的绝缘子串区域实现粗分割;
3)角度校正;
在对不同电压等级的绝缘子串区域实现粗分割后,采用Hough变换对待分割绝缘子串实现基准线端点定位和倾斜角提取,以定位得到的基准线中心为旋转轴心,以倾斜角为旋转角度进行图像旋转,使绝缘子串基本处于水平位置;
4)提取绝缘子片区域
通过二值形态学处理调整图像形状,调整图像形状后作欧式距离变换,将距离变换处理后的图像当作灰度梯度图,对该图像取反并设定控制分割的标记符,再应用分水岭算法进行分割,寻找得到图像中绝缘子片对应的边界线并提取目标区域,将图像分割成不同区域,结合绝缘子片形态特征即可提取出不同区域内的铁帽和盘面区域,角度反校正后即可输出分割结果。
3.根据权利要求2所述的基于距离变换和标记分水岭算法的绝缘子图像分割方法,其特征在于:在步骤4)中,通过二值形态学处理调整图像形状,并对二值图像求补后作欧式距离变换,其数学表达方式如式(2)所示:
式中,D表示每个像素点(x1,x2)到最近非零像素点(y1,y2)的距离;
将距离变换处理后的图像当作灰度梯度图,此时离边界越远的像素点越亮;对该图像取反并设定控制分割的标记符,这些标记符通常是梯度图像的局部最小值点,再应用分水岭算法进行分割;该算法的基本原理如下:
设M1,M2,…,MR为表示图像g(x,y)的局部最小值点对应的坐标集合;设G(Mi)为一个坐标集合,这些点位于与局部最小值Mi相联系的汇水盆地内;min和max分别表示g(x,y)的最小值和最大值;设T[n]表示坐标(s,t)的集合,其中g(s,t)<n,其数学表达式如下:
T[n]={(s,t)|g(s,t)<n} (3)
式中,T[n]是g(x,y)中的坐标集合,且集合中的坐标均位于平面g(x,y)=n下方;水位以整数量从n=min+1到n=max+1不断增加的过程中,T[n]中在g(x,y)=n平面下的点被标记为黑色,反之则为白色;
设Cn(Mi)表示汇水盆地内的坐标集合,与第n阶段被淹没部分的最小值有关,其数学表达式如下:
Cn(Mi)=C(Mi)∩T[n] (4)
若(x,y)∈Cn(Mi)且(x,y)∈T[n],则位置(x,y)处存在Cn(Mi)=1,反之则为0;
设C[n]表示第n个阶段汇水盆地中被水淹没部分的集合,C[max+1]为所有汇水盆地的集合,则:
由式(3)、(4)可知,处于Cn(Mi)和T[n]中的元素不会被替换,且其元素数目均与n保持同步增长;因此C[n-1]不仅是集合C[n]的子集,同样也是T[n]的子集;且C[n-1]中的每个连通分量都是T[n]中的连通分量;
变量初始化时设定C[min+1]=T[min+1];进入递归调用部分后运行到第n步时,依据C[n-1]求解C[n]的过程如下:令Q表示T[n]中连通分量的集合;对于每个连通分量q∈Q[n],存在以下3种情况:
(i)q∩C[n-1]为空;
(ii)q∩C[n-1]包含C[n-1]中的一个连通分量;
(iii)q∩C[n-1]包含C[n-1]多于一个的连通分量;
根据C[n-1]构造C[n]取决于以上3种情况;当存在新的最小值时,满足情况(i),将q并人C[n-1]构成新的C[n]集合;当q位于某些局部最小值构成的汇水盆地中时,满足情况(ii),此时将q合并入C[n-1]构成新的C[n]集合;当q位于两个及以上汇水盆地的山脊线处时,满足情况(iii),此时进一步注水会导致不同盆地中的水聚合;在q内建立一座水坝,即为所求绝缘子片的分割线。
4.根据权利要求3所述的基于距离变换和标记分水岭算法的绝缘子图像分割方法,其特征在于:在步骤1)中,通过RGB和YUV颜色空间的转化关系建立亮度Y与R、G、B三个颜色分量的对应关系,即可实现红外图像灰度化;红外图像灰度化后先采用滤波操作进行处理,然后再进行灰度拉伸以实现图像增强,利用Ostu法将其转化为初步符合分割要求的二值图像;采用偏微分方程去噪和中值滤相结合的方式以保护图像轮廓并去除椒盐噪声,实现平滑处理。
5.根据权利要求4所述的基于距离变换和标记分水岭算法的绝缘子图像分割方法,其特征在于:在步骤4)中,在应用分水岭算法前,通过包括形态学开闭运算的处理操作进一步去除图像冗余部分,然后对图像求补后作欧式距离变换,给每个像素赋值为离它最近的背景像素点与其的距离值,此时离边界越远的点越亮,据此寻找局部最小值作为标记符;然后对距离变换后的二值图像直接应用分水岭算法,通过排序过程和淹没过程两部分的计算,寻找得到图像中绝缘子片对应的边界线,提取目标区域,确保每个区域内包含一个唯一的内部标记和部分背景;通过分水岭算法对绝缘子串二值图进行初步分割;然后结合形态特征分别提取绝缘子铁帽和盘面区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810565986.5A CN108986104B (zh) | 2018-06-04 | 2018-06-04 | 基于距离变换和标记分水岭算法的绝缘子图像分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810565986.5A CN108986104B (zh) | 2018-06-04 | 2018-06-04 | 基于距离变换和标记分水岭算法的绝缘子图像分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108986104A CN108986104A (zh) | 2018-12-11 |
CN108986104B true CN108986104B (zh) | 2022-05-17 |
Family
ID=64540034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810565986.5A Active CN108986104B (zh) | 2018-06-04 | 2018-06-04 | 基于距离变换和标记分水岭算法的绝缘子图像分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108986104B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111327A (zh) * | 2019-05-17 | 2019-08-09 | 上海道口材料科技有限公司 | 一种面向绿色资产评估的数字图像清洗方法 |
CN110197479B (zh) * | 2019-05-23 | 2021-03-23 | 中国科学院力学研究所 | 一种表面改性质量检测方法 |
CN110287865B (zh) * | 2019-06-24 | 2021-11-05 | 齐鲁工业大学 | 基于视觉伺服的医学载玻片码放校正方法、控制器及系统 |
CN110426415A (zh) * | 2019-07-15 | 2019-11-08 | 武汉大学 | 基于深度卷积神经网络和图像分割的油浸式变压器内部热故障诊断方法 |
CN113516611B (zh) * | 2020-04-09 | 2024-01-30 | 合肥美亚光电技术股份有限公司 | 异常物料剔除区域的确定方法及装置、物料分选方法及设备 |
CN111652857B (zh) * | 2020-05-20 | 2022-05-13 | 国网河北省电力有限公司检修分公司 | 一种绝缘子缺陷红外检测方法 |
CN113063809B (zh) * | 2021-03-24 | 2022-05-10 | 合肥工业大学 | 一种基于霍夫变换法的x射线光栅干涉仪成像方法 |
CN113435486A (zh) * | 2021-06-15 | 2021-09-24 | 西安科技大学 | 一种基于pca-ifoa-svm结合灰度-纹理融合特征的煤矸识别方法 |
CN115239692B (zh) * | 2022-08-12 | 2023-06-27 | 广东科学技术职业学院 | 一种基于图像识别技术的电子元器件检测方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9384560B2 (en) * | 2014-10-27 | 2016-07-05 | King Fahd University Of Petroleum And Minerals | Contamination level estimation method for high voltage insulators |
CN104794707A (zh) * | 2015-04-08 | 2015-07-22 | 国家电网公司 | 一种绝缘子串红外图像盘面和钢帽区域的自动提取方法 |
CN104764748B (zh) * | 2015-05-04 | 2017-08-11 | 成都唐源电气有限责任公司 | 定位绝缘子的方法、系统以及故障检测的方法和系统 |
CN107507194B (zh) * | 2017-08-07 | 2021-05-18 | 广东电网有限责任公司珠海供电局 | 一种基于红外图像温度分布规律和bp神经网络的绝缘子串故障检测方法 |
-
2018
- 2018-06-04 CN CN201810565986.5A patent/CN108986104B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108986104A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986104B (zh) | 基于距离变换和标记分水岭算法的绝缘子图像分割方法 | |
CN109215020B (zh) | 基于计算机视觉的高压输电线路故障识别方法 | |
CN106780438B (zh) | 基于图像处理的绝缘子缺陷检测方法及系统 | |
CN108734689B (zh) | 一种基于区域生长的导线散股检测方法 | |
CN107507194B (zh) | 一种基于红外图像温度分布规律和bp神经网络的绝缘子串故障检测方法 | |
CN111754465B (zh) | 一种绝缘子定位与掉串检测方法 | |
CN106680285B (zh) | 基于红外图像辅助的可见光图像识别绝缘子污秽状态方法 | |
CN103940824A (zh) | 一种空中输电线路绝缘子检测方法 | |
CN108108772B (zh) | 一种基于配电线路航拍图像的绝缘子污闪状态检测方法 | |
CN111652857B (zh) | 一种绝缘子缺陷红外检测方法 | |
CN110797792B (zh) | 一种输电铁塔鸟巢定位与故障预警方法 | |
Yang et al. | Recognition of natural ice types on in-service glass insulators based on texture feature descriptor | |
CN106408025B (zh) | 基于图像处理的航拍图像绝缘子分类识别方法 | |
CN107644234B (zh) | 一种输电线路的绝缘子脱落缺陷检测方法 | |
Xin et al. | Defect detection and characterization of RTV silicone rubber coating on insulator based on visible spectrum image | |
CN111008967B (zh) | 一种绝缘子rtv涂层缺陷识别方法 | |
CN104615811A (zh) | 一种输电线路冰冻气象风险等级分布图测绘方法 | |
CN105261011B (zh) | 一种无人机巡检航拍复杂背景影像中绝缘子的提取方法 | |
CN112595276A (zh) | 一种基于深度学习的输电线路覆冰厚度检测方法 | |
CN109884468B (zh) | 一种基于图像像素积累分析的绝缘子自爆缺陷检测方法 | |
CN111161236A (zh) | 复合绝缘子憎水性检测方法、装置、介质和设备 | |
CN108734709B (zh) | 一种绝缘子凸缘形状参数识别与破坏检测方法 | |
CN110782411B (zh) | 一种基于图像处理的防震锤滑移识别方法 | |
CN111667157A (zh) | 一种输电线路雷电防护评估方法 | |
CN113095309B (zh) | 一种基于点云的道路场景地面标识物的提取方法 |
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 |