光伏面板红外图像有效区域分割方法研究
发布时间：2021-05-11 08:19
随着红外成像技术的发展和应用,基于红外成像的诊断技术被广泛应用于光伏面板故障检测和诊断。在这种情况下,会有大量的光伏面板红外图像需要被检测和诊断,而其中对红外图像进行分割是实现光伏面板故障检测和诊断的重要前提。但大量的光伏面板红外图像一般是由专业技术人员人工进行分割,这种方式耗时耗力,对人员的要求非常高,且红外图像具有对比度低,边缘模糊等特点,这些因素均会导致红外图像的分割结果存在误差。因此,为了提升光伏面板红外图像的分割效果,本文在现有的图像分割算法基础上,分别提出了基于模糊聚类的分割方法、基于灰度共生矩阵和区域生长法的分割方法与基于改进型UNet网络的分割方法。主要研究内容如下:1、针对光伏面板红外图像对比度低,边缘模糊等特点以及采用模糊聚类方法会出现误分割的现象,本文在模糊C均值方法和模糊核C均值方法的基础上,提出了一种引入邻域空间信息的改进模糊核C均值方法,并通过K-means聚类方法初始化聚类中心。实验结果验证了改进模糊核C均值分割方法的有效性。2、针对光伏面板红外图像内容的复杂性和周围环境的干扰,本文提出了基于灰度共生矩阵和区域生长的分割方法。该方法通过融合图像的熵特征与梯...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题的研究背景及意义
1.2 国内外研究现状
1.2.1 红外成像技术的研究现状
1.2.2 图像分割方法的研究现状
1.3 本文主要研究内容和结构安排
1.3.1 主要研究内容
1.3.2 本文结构安排
第2章 红外图像处理的相关技术
2.1 光伏面板红外图像的特点与噪声分析
2.1.1 红外图像的特点
2.1.2 红外图像的噪声分析
2.2 红外图像预处理
2.2.1 图像灰度化
2.2.2 图像降噪处理
2.2.3 实验结果与分析
2.3 基于传统的红外图像分割方法
2.3.1 基于阈值的分割方法
2.3.2 基于边缘检测的分割方法
2.3.3 基于区域的分割方法
2.3.4 基于模糊聚类的分割方法
2.4 卷积神经网络
2.4.1 神经网络理论基础
2.4.2 卷积神经网络结构
2.4.3 全卷积神经网络
2.5 本章小结
第3章 基于模糊聚类的光伏面板红外图像分割
3.1 模糊C均值聚类的原理
3.2 改进的模糊核C均值聚类分割方法
3.2.1 模糊核C均值聚类方法
3.2.2 引入邻域像素信息
3.3 图像后处理
3.4 相关问题分析
3.4.1 初始化聚类中心
3.4.2 相关参数的选取
3.5 实验设计与结果分析
3.6 本章小结
第4章 基于灰度共生矩阵和区域生长法的光伏面板红外图像分割
4.1 灰度共生矩阵的纹理特征描述
4.1.1 灰度共生矩阵的理论
4.1.2 灰度共生矩阵的相关参数
4.2 基于灰度共生矩阵和区域生长法的红外图像分割方法
4.2.1 梯度特征和熵特征图像的提取
4.2.2 改进的区域生长方法
4.2.3 形态学膨胀
4.2.4 相关参数分析
4.3 实验设计与结果分析
4.4 本章小结
第5章 基于改进型U-Net网络的光伏面板红外图像分割
5.1 U-Net网络模型的介绍
5.2 基于U-Net网络的改进
5.2.1 残差网络结构
5.2.2 空洞卷积
5.2.3 网络搭建
5.3 实验
5.3.1 实验数据
5.3.2 网络模型设置
5.3.3 网络训练过程
5.3.4 实验结果与分析
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]改进U型卷积网络的细胞核分割方法[J]. 姜慧明,秦贵和,邹密,孙铭会. 西安交通大学学报. 2019(04)
[2]基于OTSU和区域生长的电气设备多点故障分割[J]. 余成波,曾亮,张林. 红外技术. 2018(10)
[3]基于自适应阈值区域生长的红外舰船目标分割方法[J]. 赵文涛,曹昕鸷,田志勇. 红外技术. 2018(02)
[4]基于边缘信息和Otsu的红外图像分割方法[J]. 曲杨,许卫东,杨骏堂,童俊. 指挥控制与仿真. 2017(06)
[5]太阳能光伏系统在船舶中应用特点分析[J]. 李成武. 低碳世界. 2017(27)
[6]DL/T 664—2016《带电设备红外诊断应用规范》的应用分析[J]. 唐佳能,金鑫,张建志,郎业兴,刘佳鑫. 智能电网. 2017(09)
[7]太阳能发电前景展望——世界能源危机的解决[J]. 李晓娓,仲怀景,吴多海. 内燃机与配件. 2017(16)
[8]基于改进区域生长法的电力设备红外图像分割[J]. 施兢业,刘俊. 光学技术. 2017(04)
[9]基于内容的图像分割方法综述[J]. 姜枫,顾庆,郝慧珍,李娜,郭延文,陈道蓄. 软件学报. 2017(01)
[10]一种自适应的变电站设备红外图像分割方法[J]. 王启银,薛建东,任新辉. 红外技术. 2016(09)
硕士论文
[1]红外热成像技术在电力系统设备故障检测中的应用研究[D]. 林群武.安徽理工大学 2016
[2]基于红外热图像的架空输电线路故障检测软件开发[D]. 彭晔.南京理工大学 2011
本文编号：3181076
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题的研究背景及意义
1.2 国内外研究现状
1.2.1 红外成像技术的研究现状
1.2.2 图像分割方法的研究现状
1.3 本文主要研究内容和结构安排
1.3.1 主要研究内容
1.3.2 本文结构安排
第2章 红外图像处理的相关技术
2.1 光伏面板红外图像的特点与噪声分析
2.1.1 红外图像的特点
2.1.2 红外图像的噪声分析
2.2 红外图像预处理
2.2.1 图像灰度化
2.2.2 图像降噪处理
2.2.3 实验结果与分析
2.3 基于传统的红外图像分割方法
2.3.1 基于阈值的分割方法
2.3.2 基于边缘检测的分割方法
2.3.3 基于区域的分割方法
2.3.4 基于模糊聚类的分割方法
2.4 卷积神经网络
2.4.1 神经网络理论基础
2.4.2 卷积神经网络结构
2.4.3 全卷积神经网络
2.5 本章小结
第3章 基于模糊聚类的光伏面板红外图像分割
3.1 模糊C均值聚类的原理
3.2 改进的模糊核C均值聚类分割方法
3.2.1 模糊核C均值聚类方法
3.2.2 引入邻域像素信息
3.3 图像后处理
3.4 相关问题分析
3.4.1 初始化聚类中心
3.4.2 相关参数的选取
3.5 实验设计与结果分析
3.6 本章小结
第4章 基于灰度共生矩阵和区域生长法的光伏面板红外图像分割
4.1 灰度共生矩阵的纹理特征描述
4.1.1 灰度共生矩阵的理论
4.1.2 灰度共生矩阵的相关参数
4.2 基于灰度共生矩阵和区域生长法的红外图像分割方法
4.2.1 梯度特征和熵特征图像的提取
4.2.2 改进的区域生长方法
4.2.3 形态学膨胀
4.2.4 相关参数分析
4.3 实验设计与结果分析
4.4 本章小结
第5章 基于改进型U-Net网络的光伏面板红外图像分割
5.1 U-Net网络模型的介绍
5.2 基于U-Net网络的改进
5.2.1 残差网络结构
5.2.2 空洞卷积
5.2.3 网络搭建
5.3 实验
5.3.1 实验数据
5.3.2 网络模型设置
5.3.3 网络训练过程
5.3.4 实验结果与分析
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]改进U型卷积网络的细胞核分割方法[J]. 姜慧明,秦贵和,邹密,孙铭会. 西安交通大学学报. 2019(04)
[2]基于OTSU和区域生长的电气设备多点故障分割[J]. 余成波,曾亮,张林. 红外技术. 2018(10)
[3]基于自适应阈值区域生长的红外舰船目标分割方法[J]. 赵文涛,曹昕鸷,田志勇. 红外技术. 2018(02)
[4]基于边缘信息和Otsu的红外图像分割方法[J]. 曲杨,许卫东,杨骏堂,童俊. 指挥控制与仿真. 2017(06)
[5]太阳能光伏系统在船舶中应用特点分析[J]. 李成武. 低碳世界. 2017(27)
[6]DL/T 664—2016《带电设备红外诊断应用规范》的应用分析[J]. 唐佳能,金鑫,张建志,郎业兴,刘佳鑫. 智能电网. 2017(09)
[7]太阳能发电前景展望——世界能源危机的解决[J]. 李晓娓,仲怀景,吴多海. 内燃机与配件. 2017(16)
[8]基于改进区域生长法的电力设备红外图像分割[J]. 施兢业,刘俊. 光学技术. 2017(04)
[9]基于内容的图像分割方法综述[J]. 姜枫,顾庆,郝慧珍,李娜,郭延文,陈道蓄. 软件学报. 2017(01)
[10]一种自适应的变电站设备红外图像分割方法[J]. 王启银,薛建东,任新辉. 红外技术. 2016(09)
硕士论文
[1]红外热成像技术在电力系统设备故障检测中的应用研究[D]. 林群武.安徽理工大学 2016
[2]基于红外热图像的架空输电线路故障检测软件开发[D]. 彭晔.南京理工大学 2011
本文编号：3181076
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3181076.html
