[发明专利]一种基于形态学标记的电力设备红外热像分割方法

说明书

本发明属于图像处理的技术领域，公开了一种基于形态学标记的电力设备红外热像分割方法，包括以下步骤：步骤一、先后通过双边滤波、形态学梯度和重建对待分割的红外图像进行去噪；步骤二、利用扩展最小变换技术，将去噪后待分割的红外图像中的伪极小值点去除，进行标记提取；步骤三、利用分水岭分割方法，标记提取后待分割的图像进行分割。整个过程的结构简单，计算快捷，准确率高。

技术领域

本发明涉及图像分割的技术领域，尤其涉及一种基于形态学标记的电力设备红外热像分割方法。

背景技术

由于电力设备状态检测图像的多样性及复杂性，选择具有良好描述和分类性能的检测图像状态特征参数，以及提取这些特征就成为解决图像检测与识别问题的关键，为不同类型、不同部件典型热缺陷或故障的统计分析提供数据支持。

基于阈值的分割方法及基于边缘的分割方法是常见的红外热像分割方法，其中，阈值方法无法体现红外图像中灰度分布的空间情况，只能获取红外热像的像素灰度值变化的范围。而边缘分割方法开展红外热像的分割处理的依据是，边缘所围成区域的两侧特性不同，但提取范围比较大，而且对噪声不敏感，产生了过度的边缘检测，可以应用到设备形状的提取或设备类型识别等领域，无法满足红外热像故障区域提取问题的实验要求，分割效果较差。

发明内容

本发明提供了一种基于形态学标记的电力设备红外热像分割方法，解决了现有方法提取范围比较大，对噪声不敏感，产生过度的边缘检测等问题。

本发明可通过以下技术方案实现：

一种基于形态学标记的电力设备红外热像分割方法，包括以下步骤：

步骤一、先后通过双边滤波、形态学梯度和重建对待分割红外图像进行去噪；

步骤二、利用扩展最小变换技术，将去噪后待分割红外图像中的伪极小值点去除，进行标记提取；

步骤三、利用分水岭分割方法，对标记提取后的待分割图像进行分割。

进一步，利用如下方程式，获取形态学梯度图像g(x,y)：

其中，表示形态学的膨胀，Θ表示形态学的腐蚀，b(x,y)表示圆盘状元素，

所述形态学重建设置为先进行形态学开重建，再进行形态学闭重建，最后把开、闭重建组合在一起。

进一步，设置图像阈值H，将去噪后图像中的极小值与之来比较，去除小于图像阈值H的极小值点即为伪极小值点，然后，进行标记提取。

进一步，所述图像阈值H设置为所有极小值的平均值，

利用如下方程式，计算经扩展最小变换后的图像，

▽I_mark＝H_min(▽I_low,H)

其中，H_min表示扩展最小变换，▽I_mark表示二值标记图像，即经扩展最小变换后的图像，采取Gaussian滤波器获得低频▽I_low；

进一步，利用如下方程式，采用极小值强制标记运算修改▽I，然后，再利用利用分水岭分割方法进行分割。

▽I＝I_mmin(▽I,▽I_mark)

本发明有益的技术效果在于：