基于补体免疫聚类的电力设备红外图像目标提取算法

发布时间：2024-12-27 04:16

　　 针对电力设备红外检测中,由于背景复杂,痕迹重叠而难以有效提取目标电力设备这一问题,提出一种补体免疫聚类目标提取算法。算法参考免疫系统中补体系统作用机理,建立多个电力设备模板图像库,通过模板与图像的匹配度来确定目标区域的轮廓和位置。对图像进行k-means聚类处理,给每一个像素点赋予新的特征值,重新确定聚类中心,完成对目标区域图像的提取,并证明该算法的收敛性。通过对实验结果的定性定量分析进一步证实该算法的有效性。

【文章页数】：6 页

【部分图文】：

图1 本文算法流程图

算法流程图如图1所示。2.1免疫作用

图2 先天性免疫作用结果

重复上述过程，最终将抗原集分为四个子集:目标抗原P1、背景抗原P2和模糊抗原P3(包括P31和P32)，类别标记分别为1、2、3。如图2所示。2.2补体系统作用

图3 电力设备图像模板库

令f(u,v)为手部痕迹红外图像中像素点的灰度值;构建模板库如图3，存储多个不同状态下的电力设备图像，令其为抗原集。将图像抗原中每点的像素值做3×3的模板处理，每一点抗原的表面分子模式ga1ba为:

图4 实验结果对比图

为了对算法的有效性进行验证，选取了4组不同场景下拍摄的，背景复杂电力设备图像，从中提取变压器目标区域。使用本文算法与分水岭算法、OTSU算法、最大熵算法、边缘检测算法进行对比实验，实验结果如图4所示。由实验结果对比图可以定性的分析出，在背景干扰较多，目标与背景像素值相近的红外电力....

本文编号：4021119