基于PCNN分层聚类迭代的故障区域自动提取方法

发布时间：2024-06-04 19:40

　　为了在电力设备红外图像中较好地检测故障区域,提出一种基于分层聚类迭代的红外图像故障区域自动提取方法。在该方法中,首先以脉冲耦合神经网络(Pulse-coupled neural network,PCNN)作为红外图像处理核心模型,通过设置PCNN模型内在参数以及引入聚类机理,使得模型在迭代过程中可将整个图像划分成多个具有相似特性的区域。在此基础上,通过计算各个层点火区域均值以及对均值大小进行排序,然后针对灰度值较高的点火区域,结合边界检测算子并利用相似度评价方式对相邻区域进行合并处理,实现红外图像中热故障区域的有效提取。最后对真实红外图像进行测试并对比现有的一些方法,验证文中方法对热故障区域提取的有效性和适用性。

【文章页数】：6 页

【文章目录】：
0 引言
1 简化的PCNN模型
2 基于PCNN分层聚类迭代的红外图像分割
    2.1 简化PCNN模型参数设置
        2.1.1 动态阈值?
        2.1.2 连接系数?的设置
    2.2 分层聚类迭代机制
    2.3 区域融合及最终输出
3 实验结果及分析
4 结语



本文编号：3989080