基于融合重构的电气设备红外图像EnFCM聚类分割方法

作     者：刘沛津 张香瑞 魏平 LIU Peijin;ZHANG Xiangrui;WEI Ping

作者机构：西安建筑科技大学机电工程学院陕西西安701055 国家电网有限公司西北分部陕西西安710048 

出 版 物：《红外技术》 (Infrared Technology)

年 卷 期：2024年第46卷第3期

页      面：295-304页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(61903291) 陕西省重点研发计划(2022GY-134) 

主　　题：红外图像 图像分割 自适应形态学重建 显著性检测 EnFCM 

摘      要：红外图像分割是电气设备红外故障诊断的关键环节,而电气设备的不均匀散热、较低的对比度与多源噪声的干扰,会导致目标区域过分割,严重影响分割精度。对此本文提出一种基于融合重构的EnFCM(Enhanced Fuzzy C-Means)聚类电气设备红外图像分割方法。首先对梯度图像进行自适应形态学重建操作,保证算法对噪声图像的分割能力;其次对图像进行显著性检测,将显著图与梯度图融合得到重构后的图像,凸显故障部位的特征,避免过分割;然后对重构后的图像进行分水岭分割获取超像素图像,最后对超像素图像直方图聚类得到分割结果。对电气设备红外图像的实验结果表明:本文算法在电气设备红外图像上能准确分割出故障区域,获取其位置与轮廓,有效改善了过分割现象,在选取的交并比与DICE系数指标对比中,本文方法对比选取的FRFCM、FCM、SFFCM、FCM_SICM、RSSFCA、AFCF平均提升了81%与79%;同时对噪声有较强的鲁棒性,在选取的分割准确率指标对比中,本文方法对比选取的FRFCM、FCM、SFFCM、FCM_SICM、RSSFCA、AFCF平均提升了73%,取得了较优的分割效果。