变电站红外图像的分割和识别研究

随着我国电网容量的迅速增大和电压等级的不断提高,供电的可靠性越来越重要。对变电站电气设备温度的监视与报警,对于及早发现事故隐患,确保电网安全起着十分重要的作用。本课题进行了变电站无人值守监控系统的前期图像处理技术的研究。通过对变电站红外图像进行分割和识别,便于提取必要的特征及数据,为后续故障判断与报警决策专家系统提供支持。 针对变电站红外图像低信噪比、低对比度的特点,本文在研究众多图像分割方法的基础上,提出了两种改进的方法:一是边缘检测和数学形态学相结合的分割方法,二是彩色图像的种子区域生长法。其中方法一注重于对图像轮廓的描述;方法二的设计思路易于发现温度过热区域并由此提取出整个电气设备的图形。实验结果表明方法二更适用于在变电站应用。 本文从模板匹配的识别方法入手,通过实验指出现有匹配方法的局限性和不足,为了更好的应用于实际环境,采用图像的不变矩理论,利用其对平移、缩放和旋转的不变性进行图像识别。文章中分析研究了Hu矩和Zernike矩,利用Zernike矩的高阶矩性质构造大量矩值,通过求相关系数的方法证明Zernike矩可较好地应用于实际变电站红外图像的识别。