CN112150500B - 一种基于联合分量灰度化的绝缘子分割提取方法 - Google Patents
一种基于联合分量灰度化的绝缘子分割提取方法 Download PDFInfo
- Publication number
- CN112150500B CN112150500B CN202010981173.1A CN202010981173A CN112150500B CN 112150500 B CN112150500 B CN 112150500B CN 202010981173 A CN202010981173 A CN 202010981173A CN 112150500 B CN112150500 B CN 112150500B
- Authority
- CN
- China
- Prior art keywords
- image
- component
- jcg
- insulator
- class
- 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
- 239000012212 insulator Substances 0.000 title claims abstract description 70
- 230000011218 segmentation Effects 0.000 title claims abstract description 37
- 238000000605 extraction Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 239000011521 glass Substances 0.000 claims abstract description 22
- 239000002131 composite material Substances 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 230000000877 morphologic effect Effects 0.000 claims abstract description 6
- 238000005286 illumination Methods 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G06T5/94—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开的一种基于联合分量灰度化的绝缘子分割提取方法,步骤包括:1)获取存在复合或玻璃绝缘子的正面彩色原始图像,获取R、G、B、H、S分量;2)利用R、G、B分量构造第一特征算子;3)利用H、S分量构造第二特征算子;4)将第一特征算子与第二特征算子联合得到JCG图像计算式;5)获取全部JCG图像;同时,计算出所有JCG图像的类间、类内方差比并保存;6)以最大类间、类内方差比为搜索目标,对候选解空间进行穷举搜索,得到最佳JCG图像;7)确定阈值T;8)利用阈值T对最佳JCG图像进行二值化分割,同时通过形态学滤波操作填充目标内的空洞,即成。本发明方法原理简单,提取精准。
Description
技术领域
本发明属于图像处理技术领域,涉及一种基于联合分量灰度化的绝缘子分割提取方法。
背景技术
输电线路跨越城市、山川、森林、河流等复杂的地理环境,复合、玻璃绝缘子所呈现的颜色特征往往受树木、河流等相近色彩干扰,同时由于户外光照条件的多变性,使得采集到的玻璃或复合绝缘子图像的背景、目标可能会同时出现颜色一致、光照过暗或阴影现象,导致提取结果图像中出现明显的过分割、欠分割等现象,显著降低绝缘子提取的准确性。因此,如何从复杂背景图像中准确识别分割出绝缘子是亟待解决的基础问题,也是后续绝缘子故障状态检测的前提条件。
近年来,相关文献采用多种算法对绝缘子分割技术展开研究,例如西安工程大学黄新波等人提出一种基于改进色差法的绝缘子分割技术,但由于其色差指标只对复合绝缘子图像有效,使用对象受限;华北电力大学Zhao Z等人提出一种基于绝缘子串形状统计特性的深度学习定位算法,但该方法成本运算量大,其识别精度依赖于固定场景下的绝缘子样本数量;中南大学徐俊良等人提出一种将单像素点属性判断和局部均值法相结合的分割算法,该算法虽可保留图像局部信息,但算法复杂度较大,不适用于现场图像的实时处理。
发明内容
本发明的目的是提供一种基于联合分量灰度化的绝缘子分割提取方法,大大提高了复合、玻璃绝缘子分割精度及完整性,使得后续绝缘子故障分析、识别更加准确高效。
本发明采用的技术方案是,一种基于联合分量灰度化的绝缘子分割提取方法,按照以下步骤实施:
步骤1、获取存在复合或玻璃绝缘子的正面彩色原始图像img,然后依次获取该正面彩色原始图像的R、G、B、H、S分量,其中,R为红色分量、G为绿色分量、B为蓝色分量、H为色调分量、S为饱和度分量;
步骤2、利用步骤1中所得的R、G、B三分量数值,针对绝缘子所呈现的不同颜色构造特征算子;不改变待提取分量信息,对无关分量赋予自适应权值组合(i,j),构造出三种算子作为第一特征算子O1;
步骤3、利用步骤1中所得的H、S分量,依据绝缘子图像所具有的不同光照环境构造不同的第二特征算子O2;
步骤4、将第一特征算子O1与第二特征算子O2联合得到JCG图像计算式;
步骤5、依托上述两种不同情况下的JCG图像计算式,获取全部JCG图像;同时,计算出所有JCG图像的类间、类内方差比V并保存;
步骤6、以最大类间、类内方差比MaxV为搜索目标,对步骤5中的候选解空间W进行穷举搜索,查找并返回MaxV及其对应(i',j'),将(i',j')代回步骤4中的JCG图像计算式得到最佳JCG图像;
步骤7、统计步骤6得到的最佳JCG图像的直方图,取该直方图上的最小值点所对应的灰度值作为阈值T;
步骤8、以步骤7确定的阈值T为分割阈值,对最佳JCG图像进行二值化分割,同时通过形态学滤波操作填充目标内的空洞,去除孤立噪声点,获得完整而准确的绝缘子目标,即成。
本发明的有益效果,包括以下几个方面:
1)与传统灰度化算法相比,传统灰度化算法使得原始绝缘子图像丢失掉大量颜色信息,导致图像中的目标与背景相互交融、难以分辨。本发明不仅可以有效补偿绝缘子目标区域的灰度,还能使得在直方图中,目标与背景灰度内部各自高度聚集,目标与背景灰度之间相互远离,具有明显的双峰性,显著增强前、背景的对比度。此外,该方法原理简单、直观易行,为玻璃、复合绝缘子分割提取提供了一种新的思路。
2)本发明基于图像处理技术的绝缘子分割提取方法,采集玻璃或复合绝缘子的运行画面,利用图像处理技术,获取绝缘子图像的五种颜色分量、构造第一特征算子O1和第二特征算子O2、通过赋予自适应权值计算全部JCG灰度图像,根据最大类间、类内方差比得到最佳JCG灰度图像,以该JCG图像的直方图包络线确定的分割阈值对其进行二值化实现对绝缘子目标的分割提取,能大大提高绝缘子分割精度,使得后续绝缘子故障分析、识别更加准确高效,为输电线路的安全运行保驾护航。
附图说明
图1是本发明绝缘子分割提取方法的流程图;
图2a是本发明方法实施例的均匀光照下的原始图像;图2b是对应图2a的第一特征算子O1结果图;图2c是本发明方法实施例的不均匀光照下的原始图像;图2d是对应图2d的第一特征算子O1结果图;
图3a是本发明方法实施例的均匀光照下的原始图像;图3b是对应图3a的第二特征算子O2结果图;图3c是本发明方法实施例的不均匀光照下的原始图像;图3d是对应图3d的第二特征算子O2结果图;
图4a是本发明方法实施例的均匀光照下的原始图像;图4b是对应图4a的最佳JCG图像;图4c是本发明方法实施例的不均匀光照下的原始图像;图4d是对应图4d的最佳JCG图像;
图5a为本发明方法实施例的均匀光照下的原始图像;图5b是对应图5a的分割结果图;图5c为本发明方法实施例的不均匀光照下的原始图像,图5d是对应图5c的分割结果图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明是基于联合分量灰度化的绝缘子分割提取方法,其流程图如图1所示,按照以下步骤实施:
步骤1、获取存在复合或玻璃绝缘子的正面彩色原始图像img,然后依次获取该正面彩色原始图像的R、G、B、H、S分量,其中,R为红色分量、G为绿色分量、B为蓝色分量、H为色调分量、S为饱和度分量;
步骤1.1、分别提取正面彩色原始图像img中的R、G、B分量数值:
步骤1.2、分别提取正面彩色原始图像img中的H、S分量数值,表达式如下:
其中,θ为RGB转换至HIS模型时所用的辅助参数。
步骤2、利用步骤1中所得正面彩色原始图像img的R、G、B三分量数值,针对绝缘子所呈现的不同颜色构造特征算子;不改变待提取分量信息,对无关分量赋予自适应权值组合(i,j),构造出(R-i×B-j×G)、(B-i×G-j×R)、(G-i×R-j×B)三种算子作为第一特征算子O1;其中,原始的RGB图像与第一特征算子O1如图2a、图2b、图2c、图2d所示,具体实施步骤如下:
2.1)创建用以构造第一特征算子O1的数组空间,
创建一个存放颜色分量R、G、B与权值(i,j)的数组空间E用以构造第一特征算子O1,其中,在数组空间E中,E[2]和E[4]中的(i,j)是位置固定不变的,B、G、R三种分量在E[1]、E[3]和E[5]空间循环;
当E[1]=B,E[3]=G,E[5]=R时,构成提取蓝色分量的数组空间;当E[1]=G,E[3]=R,E[5]=B,构成提取绿色分量的数组空间;当E[1]=R,E[3]=B,E[5]=G,构成提取红色分量的数组空间,计算过程如下式(4):
O1=E[1]-E[2]·E[3]-E[4]·E[5] (4)
其中,E为数组空间,序号1、2、3、4、5分别为数组空间下标,比如在matlab中,第1个元素下标为1。
2.2)构造第一特征算子O1计算式,
当玻璃绝缘子呈现蓝色的颜色特征时,则以B分量为待提取分量,对无关分量G、R赋予(i,j);当玻璃绝缘子呈现绿色的颜色特征时,则以G分量为待提取分量,对无关分量R、B赋予(i,j);对于复合绝缘子,则以R分量为待提取分量,对无关分量B、G赋予(i,j);
结合式(4),第一特征算子O1的具体计算式如下式(5):
步骤3、利用步骤1中所得正面彩色原始图像img的H、S分量,依据绝缘子图像所具有的不同光照环境构造不同的第二特征算子O2,
具体情况是:当光照均匀时,S分量图像保留饱和度高的绝缘子区域,滤除掉饱和度低的背景区域,S分量作用,构造为第二特征算子O2;当光照不均匀时,H分量图像集合色调一致的绝缘子区域,H分量作用,构造为第二特征算子O2;总之,光照均匀时,则以S分量构造第二特征算子O2,光照不均匀时,以H分量构造第二特征算子O2;
实施例中的两组原始图像与对应的第二特征算子O2如图3a、图3b、图3c、图3d所示。
步骤4、将第一特征算子O1与第二特征算子O2联合得到JCG(联合分量灰度化)图像计算式;
具体过程是:
4.1)光照均匀时,第二特征算子O2中的S分量作用并与第一特征算子O1相加,当要对呈现出蓝色的玻璃绝缘子(blue glass insulator)图像Igb进行灰度化时,第一特征算子O1为B-i×G-j×R,联合第二特征算子O2后得到(B-i×G-j×R)+S;当要对呈现出绿色的玻璃绝缘子(green glass insulator)图像Igg时,第一特征算子O1为G-i×R-j×B,联合第二特征算子O2后结果为(G-i×R-j×B)+S;当灰度化对象为复合绝缘子(red compositeinsulator)图像Icr时,第一特征算子O1为R-i×B-j×G,联合第二特征算子O2得到(R-i×B-j×G)+S;
因此,光照均匀时JCG图像计算式如式(6):
4.2)光照不均匀时,第二特征算子O2中的H分量产生作用,将第二特征算子O2的H分量与第一特征算子O1相加,即把上述分析结果中的S分量替换为H分量,即得到灰度化结果,
因此,光照不均匀时JCG图像计算式如式(7):
步骤5、依托上述两种不同情况下的JCG图像计算式,获取全部JCG图像;同时,计算出所有JCG图像的类间、类内方差比V并保存;
具体过程是:
5.1)获取全部JCG图像,
依次输入正面彩色原始图像的五种分量信息,循环变量i,j,x,y,类间、类内方差比V,依托上述两种情况下的JCG图像计算式,即式(6)和式(7),以权值组合(i,j)=(0,0)为起点,0.1为步长,遍历0~0.9的取值范围,获取全部JCG图像。
5.2)计算全部JCG图像的类间、类内方差比V(i,j),并依据(i,j)将其存入候选解空间W中,类间、类内方差比V的计算过程如下:
给定一个初始阈值T0,将JCG图像分为C1和C2两类,分别计算两类中的方差和灰度均值μ1和μ2、以及图像总体均值μ,各个计算式如下;
其中,和/>分别为C1和C2两类的方差,μ1和μ2分别为C1和C2两类的均值,μ为图像的总体均值,p1和p2分别为C1和C2两类的分布概率,/>为图像的类间方差,/>为图像的类内方差,(x,y)为图像像素点坐标。
步骤6、以最大类间、类内方差比MaxV为搜索目标,对步骤5中的候选解空间W进行穷举搜索,查找并返回MaxV及其对应(i',j'),将(i',j')代回步骤4中的JCG图像计算式得到最佳JCG图像,
两组实施例如图4a、图4b、图4c、图4d所示。
步骤7、统计步骤6得到的最佳JCG图像的直方图,取该直方图上的最小值点所对应的灰度值作为阈值T。
步骤8、以步骤7确定的阈值T为分割阈值,对最佳JCG图像进行二值化分割,同时通过一系列的形态学滤波操作填充目标内的空洞,去除孤立噪声点,获得完整而准确的绝缘子目标,
具体过程是:
8.1)以步骤7确定的阈值T作为分割阈值,对最佳JCG图像进行二值化分割,计算式如下:
其中,bw为分割结果图像,(x,y)为最佳JCG图像像素坐标点。
8.2)同时,通过一系列的形态学滤波操作填充目标内的空洞,去除孤立噪声点,将绝缘子原始的RGB图像与分割结果图像bw相乘,从而获得完整而准确的玻璃或复合绝缘子目标,如图5a、图5b、图5c、图5d所示,即成。
在提取到准确而完整的玻璃或复合绝缘子目标后,读取下一张绝缘子正面彩色原始图像进行处理,进入一轮新的工作程序。
本发明方法,基于联合分量灰度化的绝缘子分割提取原理简单易行,能够实现更精细化、智能化输电线路运检作业,为输电线路安全运行提供了一种新思路。
Claims (1)
1.一种基于联合分量灰度化的绝缘子分割提取方法,其特征在于,按照以下步骤实施:
步骤1、获取存在复合或玻璃绝缘子的正面彩色原始图像img,然后依次获取该正面彩色原始图像的R、G、B、H、S分量,其中,R为红色分量、G为绿色分量、B为蓝色分量、H为色调分量、S为饱和度分量;
步骤2、利用步骤1中所得的R、G、B三分量数值,针对绝缘子所呈现的不同颜色构造特征算子;不改变待提取分量信息,对无关分量赋予自适应权值组合(i,j),构造出三种算子作为第一特征算子O1,具体过程是:
2.1)创建用以构造第一特征算子O1的数组空间,
创建一个存放颜色分量R、G、B与权值(i,j)的数组空间E用以构造第一特征算子O1,其中,在数组空间E中,E[2]和E[4]中的(i,j)是位置固定不变的,B、G、R三种分量在E[1]、E[3]和E[5]空间循环;
当E[1]=B,E[3]=G,E[5]=R时,构成提取蓝色分量的数组空间;当E[1]=G,E[3]=R,E[5]=B,构成提取绿色分量的数组空间;当E[1]=R,E[3]=B,E[5]=G,构成提取红色分量的数组空间,计算过程如下式(4):
O1=E[1]-E[2]·E[3]-E[4]·E[5] (4)
其中,E为数组空间,序号1、2、3、4、5分别为数组空间下标;
2.2)构造第一特征算子O1计算式,
当玻璃绝缘子呈现蓝色的颜色特征时,则以B分量为待提取分量,对无关分量G、R赋予(i,j);当玻璃绝缘子呈现绿色的颜色特征时,则以G分量为待提取分量,对无关分量R、B赋予(i,j);对于复合绝缘子,则以R分量为待提取分量,对无关分量B、G赋予(i,j);
结合式(4),第一特征算子O1的具体计算式如下式(5):
步骤3、利用步骤1中所得的H、S分量,依据绝缘子图像所具有的不同光照环境构造不同的第二特征算子O2,具体过程是:
当光照均匀时,S分量图像保留饱和度高的绝缘子区域,滤除掉饱和度低的背景区域,S分量作用,构造为第二特征算子O2;
当光照不均匀时,H分量图像集合色调一致的绝缘子区域,H分量作用,构造为第二特征算子O2;
步骤4、将第一特征算子O1与第二特征算子O2联合得到JCG图像计算式,具体过程是:
4.1)光照均匀时,第二特征算子O2中的S分量作用并与第一特征算子O1相加,当要对呈现出蓝色的玻璃绝缘子图像Igb进行灰度化时,第一特征算子O1为B-i×G-j×R,联合第二特征算子O2后得到(B-i×G-j×R)+S;当要对呈现出绿色的玻璃绝缘子图像Igg时,第一特征算子O1为G-i×R-j×B,联合第二特征算子O2后结果为(G-i×R-j×B)+S;当灰度化对象为复合绝缘子图像Icr时,第一特征算子O1为R-i×B-j×G,联合第二特征算子O2得到(R-i×B-j×G)+S;
因此,光照均匀时JCG图像计算式如式(6):
4.2)光照不均匀时,第二特征算子O2中的H分量产生作用,将第二特征算子O2的H分量与第一特征算子O1相加,即把上述分析结果中的S分量替换为H分量,即得到灰度化结果,
因此,光照不均匀时JCG图像计算式如式(7):
步骤5、依托上述两种不同情况下的JCG图像计算式,获取全部JCG图像;同时,计算出所有JCG图像的类间、类内方差比V并保存,具体过程是:
5.1)获取全部JCG图像,
依次输入正面彩色原始图像的五种分量信息,循环变量i,j,x,y,类间、类内方差比V,依托上述两种情况下的JCG图像计算式,即式(6)和式(7),以权值组合(i,j)=(0,0)为起点,0.1为步长,遍历0~0.9的取值范围,获取全部JCG图像;
5.2)计算全部JCG图像的类间、类内方差比V(i,j),并依据(i,j)将其存入候选解空间W中,类间、类内方差比V的计算过程如下:
给定一个初始阈值T0,将JCG图像分为C1和C2两类,分别计算两类中的方差和/>灰度均值μ1和μ2、以及图像总体均值μ,各个计算式如下;
其中,和/>分别为C1和C2两类的方差,μ1和μ2分别为C1和C2两类的均值,μ为图像的总体均值,p1和p2分别为C1和C2两类的分布概率,/>为图像的类间方差,/>为图像的类内方差,(x,y)为图像像素点坐标;
步骤6、以最大类间、类内方差比MaxV为搜索目标,对步骤5中的候选解空间W进行穷举搜索,查找并返回MaxV及其对应(i',j'),将(i',j')代回步骤4中的JCG图像计算式得到最佳JCG图像;
步骤7、统计步骤6得到的最佳JCG图像的直方图,取该直方图上的最小值点所对应的灰度值作为阈值T;
步骤8、以步骤7确定的阈值T为分割阈值,对最佳JCG图像进行二值化分割,同时通过形态学滤波操作填充目标内的空洞,去除孤立噪声点,获得完整而准确的绝缘子目标,
具体过程是:
8.1)以步骤7确定的阈值T作为分割阈值,对最佳JCG图像进行二值化分割,计算式如下:
其中,bw为分割结果图像,(x,y)为最佳JCG图像像素坐标点;
8.2)通过形态学滤波操作填充目标内的空洞,去除孤立噪声点,将绝缘子原始的RGB图像与分割结果图像bw相乘,获得完整而准确的玻璃或复合绝缘子目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010981173.1A CN112150500B (zh) | 2020-09-17 | 2020-09-17 | 一种基于联合分量灰度化的绝缘子分割提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010981173.1A CN112150500B (zh) | 2020-09-17 | 2020-09-17 | 一种基于联合分量灰度化的绝缘子分割提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112150500A CN112150500A (zh) | 2020-12-29 |
CN112150500B true CN112150500B (zh) | 2023-12-26 |
Family
ID=73894097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010981173.1A Active CN112150500B (zh) | 2020-09-17 | 2020-09-17 | 一种基于联合分量灰度化的绝缘子分割提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112150500B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2667066A1 (en) * | 2009-05-27 | 2010-11-27 | Pierre Benoit Boulanger | Apparatus and method for automatic real-time bi-layer segmentation using color and infrared images |
CN102208099A (zh) * | 2011-05-30 | 2011-10-05 | 华中科技大学 | 一种抗光照变化的作物彩色图像分割方法 |
CN106157323A (zh) * | 2016-08-30 | 2016-11-23 | 西安工程大学 | 一种动态分块阈值和块搜索结合的绝缘子分割提取方法 |
CN107464233A (zh) * | 2017-07-19 | 2017-12-12 | 国家电网公司 | 基于Lab颜色模式的复合绝缘子的图像检测方法及系统 |
WO2018086299A1 (zh) * | 2016-11-11 | 2018-05-17 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
CN108665431A (zh) * | 2018-05-16 | 2018-10-16 | 南京信息工程大学 | 基于k-均值聚类的分数阶图像纹理增强方法 |
CN111260616A (zh) * | 2020-01-13 | 2020-06-09 | 三峡大学 | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 |
Family Cites Families (1)
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 |
-
2020
- 2020-09-17 CN CN202010981173.1A patent/CN112150500B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2667066A1 (en) * | 2009-05-27 | 2010-11-27 | Pierre Benoit Boulanger | Apparatus and method for automatic real-time bi-layer segmentation using color and infrared images |
CN102208099A (zh) * | 2011-05-30 | 2011-10-05 | 华中科技大学 | 一种抗光照变化的作物彩色图像分割方法 |
CN106157323A (zh) * | 2016-08-30 | 2016-11-23 | 西安工程大学 | 一种动态分块阈值和块搜索结合的绝缘子分割提取方法 |
WO2018086299A1 (zh) * | 2016-11-11 | 2018-05-17 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
CN107464233A (zh) * | 2017-07-19 | 2017-12-12 | 国家电网公司 | 基于Lab颜色模式的复合绝缘子的图像检测方法及系统 |
CN108665431A (zh) * | 2018-05-16 | 2018-10-16 | 南京信息工程大学 | 基于k-均值聚类的分数阶图像纹理增强方法 |
CN111260616A (zh) * | 2020-01-13 | 2020-06-09 | 三峡大学 | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 |
Non-Patent Citations (5)
Title |
---|
A Novel Unsupervised Two-Stage Technique in Color Image Segmentation;LONG Peng 等;Chinese Journal of Electronics(第02期);全文 * |
基于三分量色差法的交通标志分割;胡牡丹 等;机电工程(第10期);全文 * |
基于多颜色空间分割的温室环境视觉导航路径信息提取;王红君 等;江苏农业科学(第16期);全文 * |
基于改进色差法的复合绝缘子图像分割技术;黄新波 等;高电压技术(第08期);全文 * |
基于频率调谐的绝缘子识别与定位;朱邵成 等;电工技术学报(第23期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112150500A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109035276B (zh) | 一种图像边缘提取方法、装置及自动驾驶系统 | |
CN106294705B (zh) | 一种批量遥感影像预处理方法 | |
CN107403134B (zh) | 基于局部梯度三边的图域多尺度红外弱小目标检测方法 | |
CN107808141A (zh) | 一种基于深度学习的输电线路绝缘子爆裂识别方法 | |
CN106157323A (zh) | 一种动态分块阈值和块搜索结合的绝缘子分割提取方法 | |
CN108053412B (zh) | 融合多定量评价指标的遥感影像最优分割结果确定方法 | |
CN107358161B (zh) | 一种基于遥感影像分类的海岸线提取方法及系统 | |
CN104318583B (zh) | 一种可见光宽带光谱图像配准方法 | |
CN104376334B (zh) | 一种多尺度特征融合的行人比对方法 | |
CN109753969A (zh) | 一种基于形状特征和图像分割的绝缘子识别和定位方法 | |
CN110176005B (zh) | 基于归一化指数和多尺度模型的遥感图像分割方法 | |
CN106446925A (zh) | 一种基于图像处理的海豚身份识别的方法 | |
CN109658391A (zh) | 一种基于轮廓归并和凸包拟合的圆半径测量方法 | |
CN115311316A (zh) | 基于深度学习的立体栽培模式下小型西瓜识别与定位方法 | |
CN110838117A (zh) | 一种基于孔壁图像的岩石面孔隙度识别方法 | |
CN107992856A (zh) | 城市场景下的高分遥感建筑物阴影检测方法 | |
CN110490188A (zh) | 一种基于ssd网络改进型的目标物体快速检测方法 | |
CN106650663A (zh) | 建筑物真伪变化的判定方法及含此方法的伪变化去除方法 | |
CN109741337B (zh) | 基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法 | |
CN110334581B (zh) | 一种多源遥感影像变化检测方法 | |
CN116664892A (zh) | 基于交叉注意与可形变卷积的多时相遥感图像配准方法 | |
Tong et al. | Delineation of individual tree crowns using high spatial resolution multispectral WorldView-3 satellite imagery | |
CN112150500B (zh) | 一种基于联合分量灰度化的绝缘子分割提取方法 | |
CN106324708B (zh) | 雨量记录图纸的数字化方法、装置 | |
CN112184785B (zh) | 基于mcd度量和vtm的多模态遥感图像配准方法 |
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 |