基于区域对比和随机森林的设备故障红外图像敏感区域提取

发布时间：2022-12-22 05:34

　　基于红外图像的设备故障诊断需要从图像中选择敏感区域,由于红外图像具有干扰背景多、对比度低的特点,敏感区域提取过程中需要进行背景移除和图像分割,但常用的二值化分割算法在分割红外图像时易出现过分割问题。因此,本文提出了基于区域对比和随机森林的敏感区域提取方法。首先使用区域对比方法对红外图像进行显著性检测,以去除干扰背景;然后通过OTSU算法进行图像分割,实现敏感区域初步提取;最后结合随机森林分类结果对图像分割过程的阈值进行迭代优化,实现敏感区域的优化提取。经过转子实验台6种不同状态的红外图像数据验证,将本文方法提取出的故障敏感区域用于故障诊断时,分类的准确率提高了3.3个百分点,比人工选择的区域更加准确。 

【文章页数】：6 页

【参考文献】：
期刊论文
[1]随机森林在滚动轴承故障诊断中的应用[J]. 张钰,陈珺,王晓峰,刘飞,周文晶,王志国.  计算机工程与应用. 2018(06)
[2]基于FAsT-Match算法的电力设备红外图像分割[J]. 邹辉,黄福珍.  红外技术. 2016(01)
[3]基于OTSU算法的图像分割有效性研究[J]. 李思嘉,赵晓焱,张继学.  无线电通信技术. 2014(05)



本文编号：3723556