核猫群红外图像异常检测方法在电力智能巡检中的应用

作     者：胡洛娜 彭云竹 石林鑫 HU Luona;PENG Yunzhu;SHI Linxin

作者机构：国网重庆市电力公司信息通信分公司重庆401120 

出 版 物：《红外技术》 (Infrared Technology)

年 卷 期：2018年第40卷第9期

页      面：908-914页

核心收录：

学科分类：080901[工学-物理电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0803[工学-光学工程] 

主　　题：电力设备 红外图像 多层分割 异常检测 聚类 核猫群优化 

摘      要：针对传统基于聚类的红外图像异常检测方法对电力设备红外图像多层分割效果较差,异常检测有效性较低等问题,提出了一种核猫群电力红外图像异常检测方法,通过核猫群聚类实现电力设备红外图像的异常检测。首先,对红外图像进行RGB值校正,并将校正的RGB值映射到Lab空间,获取聚类所需数据集。核猫群聚类方法中的每一只猫代表着一种聚类划分,用聚类中心点的坐标来对猫的位置进行编码。利用搜寻模式和追踪模式对猫群中猫的位置进行更新,采用核函数引导的相似性度量构造目标函数,通过迭代优化获得电力设备红外图像的多层分割聚类结果,最终发现电力设备中的异常发热区域。实验通过与k-means、fuzzy c-means和传统猫群聚类进行定量对比,结果表明,所提方法多层分割效果更好,具有更佳的异常检测能力。