基于多目标进化聚类红外图像分割的变电站设备故障分析

发布时间：2022-10-09 22:14

　　近几年来,图像处理技术发展迅猛,为了保障变电站中电气设备能够安全高效的运行,将图像处理技术与红外测温技术引入电气设备故障自动检测这一领域,使得变电站的日常运行和维护向着自动诊断的方向发展。电气设备故障自动检测技术不仅可以大大降低对日常巡检人员的经验以及专业知识的要求,还可以减少热故障给变电站带来的损失。图像分割是整套体系中承上启下的重要环节,为理解、识别目标状态提供了有力的支持。在此背景下,本文针对变电站电气设备红外图像的去噪以及分割进行了研究,并将其运用到电气设备的自动故障检测中。本文介绍了红外图像的基本成像原理并在此基础上分析了红外图像中可能存在的噪声类型及其对应的产生原因。在此基础上,通过分析几种传统的图像去噪方法,提出了一种自适应掩模的图像去噪算法,与传统的掩模算法相比,本文将各邻域像素与中心像素的相似程度考虑在内,通过引入基于相似度的自适应权值来调节各邻域像素对中心像素的影响,从而达到改良滤波效果的目的。通过Matlab平台仿真,并与其他传统算法进行对比实验,实验结果证明,本文的算法不论是针对高斯噪声还是椒盐噪声,都具有良好的去噪能力,鲁棒性强,适用范围广。针对变电站电气设备... 

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 变电站电气设备红外检测研究现状
        1.2.2 变电站红外图像分割技术的研究现状
    1.3 论文的研究内容与结构安排
第2章 利用多目标进化聚类算法进行红外图像分割的基本理论
    2.1 红外热成像技术的基本原理
    2.2 图像分割算法的基本理论
        2.2.1 图像分割的概念
        2.2.2 图像分割的基本方法
    2.3 进化算法的基本原理
        2.3.1 进化算法的理论基础以及一般流程
        2.3.2 进化算法的优缺点
    2.4 聚类算法的基本原理
        2.4.1 聚类分析的起源和发展
        2.4.2 聚类的定义
        2.4.3 常用的聚类算法
        2.4.4 聚类算法涉及到的基本数据类型
        2.4.5 聚类算法中常用的距离公式
    2.5 本章小结
第3章 变电站红外图像预处理
    3.1 变电站电气设备红外图像的特性及其噪声类型
        3.1.1 变电站电气设备红外图像特性
        3.1.2 变电站红外图像噪声类型
    3.2 图像质量评价标准
    3.3 变电站电气设备的红外图像去噪方法研究
        3.3.1 中值滤波
        3.3.2 小波阈值去噪
        3.3.3 选择掩模法
        3.3.4 自适应掩模算法
        3.3.5 实验结果分析
    3.4 基于多尺度Retinex和自适应掩模算法进行图像增强
        3.4.1 多尺度Retinex
        3.4.2 实验结果分析
    3.5 本章小结
第4章 基于多目标进化聚类的红外图像分割以及电气设备故障分析
    4.1 双层进化模糊聚类框架
    4.2 基于红外图像局部信息的多目标进化聚类
        4.2.1 非均质测度像素点采样方法
        4.2.2 多目标聚类问题建模
        4.2.3 算法以及复杂度分析
    4.3 基于权衡解的红外图像分割
        4.3.1 基于权衡解以及模糊c均值的红外图像分割方法
        4.3.2 基于权衡解以及自适应进化模糊聚类的红外图像分割
    4.4 基于TEFC模型的电气设备故障分析
        4.4.1 相对温差法
        4.4.2 基于相对温差法和TEFC框架的自动故障诊断算法
    4.5 实验结果分析
        4.5.1 实验参数的设置
        4.5.2 基于TEFC框架的红外图像分割结果分析
        4.5.3 基于TEFC框架以及相对温差法的自动故障诊断结果分析
    4.6 本章小结
第5章 总结与展望
致谢
参考文献
攻读硕士学位期间发表的学术论文



本文编号：3689447