基于VSA-UNet的电气设备紫外图像分割

提高电气设备紫外图像分割精确度对设备放电程度的准确评估具有重要意义。由于存在噪声干扰与紫外光斑形状、大小不规则等问题,目标分割区域存在过分割和欠分割现象,因此提出一种基于多模块的VSA-UNet(VGG16Net, Improved SENet, and ASPP based U-Net)分割网络。为强化网络特征提取能力,减少过分割现象,使用VGG16Net的卷积层代替U-Net网络的编码部分;将编码部分末端卷积层替换成空洞空间金字塔池化(Atrous Spatial Pyramid Pooling, ASPP)模块,获取紫外图像的多尺度信息,解决大区域的欠分割问题;在跳跃连接部分加入改进SENet模块,加强有用信息的提取,补充细节损失,提升整体网络性能。基于自建紫外图像数据集的实验表明,改进网络在分割紫外图像时平均交并比(Mean Intersection over Union, MIoU)达到81.78%,平均精确率为95.97%。与U-Net网络相比,提出的VSA-UNet模型明显提升了紫外图像分割的准确性。

微光图像和紫外图像分析与融合方法研究(英文)

在分析了微光图像和紫外图像的特征以及双通道彩色夜视系统信息量的基础上,提出了微光图像和紫外图像双通道彩色夜视理论。在设计并试验了灰度调制法、谱域融合法、特有成分融合法的基础上,提出了微光图像和紫外图像假彩色融合的改进算法以及新算法,包括微光图像和紫外图像分段灰度调制法、图像差别提取法、基于物体对夜天光反射特性的成分分离法,以及体现图像传感器光谱响应和视觉自然感受的色空间映射法,取得了较好的效果。

基于水平集模型的电气设备紫外图像放电区域分割

电气设备电晕放电时产生紫外光,紫外成像检测技术通过检测紫外光的方法检测电气设备外绝缘状况,是发现电气设备电晕放电故障隐患的重要手段。图像处理在紫外成像检测技术中有非常重要的作用。基于简化的Mumford-Shah水平集(LevelSet)图像分割模型,提出一种新的紫外图像放电区域分割方法,采用该方法对采集到的紫外图像进行图像分割处理,得到了电晕放电区域边界曲线和放电面积,有利于进一步的模式识别。为检验该方法的抗扰性,进行了多次的实验,结果表明该方法可以在不进行滤波预处理的情况下,有效地抑制泊松噪声和高斯噪声引起的干扰。针对现场采集的含有较多噪声的紫外图像,提出改变模型权重的措施,进一步提高了放电区域分割的准确度。该电气设备放电区域分割方法对于不同类型、不同背景的紫外图像具有良好的适应性。

日盲紫外图像的降噪

紫外成像技术已广泛应用于各个领域,但紫外图像中的噪声严重影响了图像的质量。分析了日盲紫外图像的噪声特点,采用多帧平均方法和时域递归滤波算法对日盲紫外图像的噪声进行了处理。仿真实验表明:这两种算法均可用于紫外图像的降噪处理,提高了图像的信噪比,特别是时域递归滤波算法。

基于数学形态学的电晕紫外图像分割的研究

紫外成像是检测高压设备早期电晕放电的一种有效方法。提取紫外图像中的放电区域轮廓可获得放电形态,有助于定性或定量研究放电现象。根据电晕紫外图像的特点,采用了二值数学形态学方法有效地去除了离散放电点和噪声点,提取了紫外图像中的主放电区域,采用区域标记算法和多区域轮廓跟踪算法得到了各放电区域的轮廓及轮廓点的坐标,计算得到了各放电区域面积、周长和直径等参数。实际应用验证了所提方法的有效性。

基于DSP的紫外图像中值滤波算法的实现

为了改善紫外图像的成像质量,需要对图像进行平滑处理。DSP硬件具有强大的运算能力及灵活的可编程性的特点,已被广泛地应用于实时图像处理领域。根据紫外检测技术的基本要求,在DSP平台上实现了对紫外图像的中值滤波处理,结果表明,该方法能够满足紫外检测系统的需要。

紫外图像处理方法

针对紫外成像存在噪声干扰的问题,为获取高品质的紫外图像及对目标准确检测,对典型紫外成像系统进行了研究。分析了紫外成像噪声干扰原因,建立了紫外目标场景模型。并以此研究紫外图像复原方法,对单幅图像进行门限处理,去掉背景噪声。然后对连续多帧图像进行均值处理和时域递归滤波,阈值分割后得到较好的图像输出。从图像输出结果可以看出,多帧图像均值处理和时域递归滤波都能有效地去除紫外图像中的随机噪声,特别是时域递归滤波方法对于图像复原有更好的效果。

强噪声与突变干扰下的紫外图像中导弹目标的提取

为了抑制紫外图像处理中紫外CCD(电荷耦合装置)传感器和高增益放大器的强噪声和突发干扰,在不改变现有紫外CCD传感器硬件结构的前提下,提出了一种紫外图像序列的三维递归滤波算法.该算法由二维IIR(递归)空间滤波器和一维时间IIR滤波器级联构成.所提出的三维递归滤波算法计算量小,稳定,且可清晰地提取导弹目标,实现快速实时的紫外图像序列滤波.提供了二维IIR空间滤波器和一维时间IIR滤波器的稳定性检验算法.仿真实验验证了所提的三维滤波算法是正确,有效而实用的.

矿井电火花及热动力灾害紫外图像感知方法研究

煤矿井下电缆和电气设备漏电,大功率无线电发射在金属支护和机电设备金属上感生电动势放电,均会产生电火花,进而引起矿井火灾、瓦斯和煤尘爆炸。尽早感知矿井电火花,并采取电火花防治措施,可避免或减少矿井火灾、瓦斯和煤尘爆炸。尽早感知矿井火灾及瓦斯和煤尘爆炸,及时应急救援,可减少人员伤亡和财产损失。提出了矿井电火花及热动力灾害紫外图像感知方法:在采煤工作面、掘进工作面和巷道,设置紫外摄像机、拾音器和空气压力传感器,实时采集矿井紫外图像、声音和空气压力;对紫外图像预处理;排除日光灯、白炽灯和LED灯干扰;判别有电火花紫外图像,进行电火花报警;判别有火灾紫外图像,进行火灾报警;有紫外图像,但判别不是电火花和火灾紫外图像,同时拾音器监测到爆炸音或空气压力传感器监测到空气压力突然升高,则发出瓦斯和煤尘爆炸报警。紫外图像受白炽灯和日光灯干扰大,受LED灯干扰小。随着LED灯在煤矿井下全面替代白炽灯和日光灯,煤矿井下各种照明和信号设备对煤矿井下紫外图像干扰小。因此,矿井电火花及热动力灾害紫外图像感知方法具有外部干扰小,可靠性高,同时感知电火花、外因火灾、瓦斯和煤尘爆炸多种灾害等优点。

紫外图像弱小目标检测与跟踪

工作在"日盲"波段的紫外信号探测,屏蔽了太阳紫外辐射这一最大背景噪声干扰源,可以有效地进行微弱紫外目标信号采集,但是仍然面临着目标/噪声难以区分、目标短暂丢失等问题。文中对微弱紫外目标的成像特性进行详细分析,根据紫外目标成像特征提出了一种紫外图像弱小目标检测跟踪方案。该方案首先采用基于连通域的聚类方法对紫外图像中的样本点进行聚类,标识出前景中的目标块和噪声块,然后利用真实目标的轨迹特性,结合卡尔曼滤波预测目标的运动参数,从而实现对目标的检测跟踪。仿真实验证明了该方案的可行性及有效性。

紫外图像处理在飞机引擎故障诊断中的研究

通过先进的紫外探测器和紫外CCD摄像机,以及先进的信号处理方法,采用状态维修方式来维护飞机是当前的大趋势。发动机常见的故障之一是富油现象,对引擎具有很大的破坏性。本文介绍了利用图像灰度统计计算方法,分析引擎富油燃烧时紫外图像灰度值的样本平均绝对值偏差等信息,从而提出引擎富油燃烧的紫外图像特征分析的有效方法,为采用紫外光电技术进行飞机引擎的状态探测探索了一条新的技术途径。

嵌入式紫外图像的网络监控系统设计

介绍了一种基于TMS320DM642的WEB监控系统,实现对紫外图像的捕获、数字化处理和网络监控。用户可以方便地在客户端IE浏览器上实时监控紫外图像。简述了系统的硬件框架,重点介绍了监控系统的软件设计和实现。实验表明,该系统在局域网内能显示流畅、清晰的紫外图像。

基于紫外图像信息提取的离散液滴参数对复合绝缘子沿面放电特征的影响

为提高污湿环境下输变电设备外绝缘运行可靠性,本文针对绝缘子运行期间离散液滴的形成和诱导的沿面放电闪络现象,基于图像处理、特征提取和定量指标的紫外图像信息提取技术对不同的液滴静态参数(位置、体积和电导率)下的沿面闪络放电过程进行分析。得到了液滴诱发绝缘子放电的变化过程以及绝缘子起始放电电压和闪络电压与液滴的位置、体积和电导率之间的变化规律。研究结果有助于进一步分析表面液滴在污闪过程中的作用机理,对电力系统的安全稳定运行具有重要意义。

一种基于人眼视觉特性的Curvelet域紫外图像增强算法

针对紫外图像本身存在的对比度低、成像不清晰、整体成像过暗或过亮且受噪声干扰等特点,从人眼视觉的掩蔽特性出发,提出了一种基于人眼视觉特性的Curvelet域紫外图像增强算法。通过Curvelet变换将紫外图像信息分解到不同尺度、不同方向子带,再依据各子带建立HVS模型,利用其遮蔽性对高频分量进行非线性增益来提高图像对比度,同时非线性灰度拉伸低频分量可以提高图像整体亮度;最终将处理过的高低频分量通过Curvelet逆向重建,得到增强后的紫外图像。实验结果表明:增强后的图像符合人眼视觉对图像信息的提取,突出了边缘和目标的轮廓信息,在主观视觉和定量指标方面都具有明显的效果。

基于全卷积神经网络的绝缘设备紫外图像评估算法研究

针对绝缘子表面沉积污秽容易导致闪络的问题,文中分析了全卷积神经网络(fully convolutional networks,FCN)的典型结构和训练方法,提出了基于全卷积神经网络的绝缘子紫外图像污秽度评估方法 .该方法首先采用全卷积神经网络进行绝缘子放电紫外图像光斑分割提取,然后将分割的紫外光斑图像作为卷积神经网络(convolutional neural networks,CNN)的输入,实现绝缘子污秽度的评估.仿真算例的计算结果表明,FCN-16s模型融合浅层细节特征适中,应用于绝缘子放电紫外图像光斑分割的效果更优;验证了文中所提FCN-CNN算法能够实现绝缘子污秽度的评估,具有更高的准确度,为输变电系统的智能化运维提供了参考.

基于SLIC显著性检测及C-V模型的紫外图像分割研究

为实现紫外图像中高压设备放电区域的自动分割,该文提出一种基于SLIC显著性检测及C-V主动轮廓模型的图像分割方法。首先将紫外图像进行SLIC超像素分割,然后进行显著性检测,最后将显著性检测结果输入C-V模型进行图像分割。实验结果表明,与传统的C-V模型和RSF&LoG模型相比,该文方法不仅可以准确区分图像的前景(放电区域)和背景,从而准确提取紫外图像放电区域,而且具有良好的抗噪性能,取得最好的紫外分割图像结果。

一种紫外与可见光图像的距离自适应配准方法

为实现紫外与可见光图像的实时配准以检测电力设备局部放电情况,该文提出一种紫外与可见光图像的距离自适应配准方法。构建紫外与可见光图像配准参数标定系统,采集各距离的紫外与可见光待配准图像,对图像进行预处理后通过轮廓检测和圆心检测得到各点坐标,采用RANSAC算法得到最优仿射变换矩阵。构建电力设备现场实时图像配准系统,采集放电信号待配准图像,根据拍摄距离选取对应变换矩阵,实现紫外与可见光图像的配准、融合和显示。

基于单帧同位叠加的220 kV绝缘子串紫外动态图像诊断研究

目前,基于紫外成像的绝缘子诊断技术主要采用动态图像单帧画面进行判断评估,缺乏考虑动态图像的整体性。为了解决绝缘子紫外电晕动态图像的量化评估问题,提出一种基于单帧同位叠加的绝缘子动态图像诊断方法。该方法采用形态学运算对动态图像进行图像滤波,抑制图像噪声;通过类间方差分割算法提取绝缘子串及紫外电晕部分,实现动态图像的单帧特征提取;以单帧同位叠加算法为基础,生成动态图像综合特征;最后,根据动态图像的综合特征,构建数据可视化雷达图。实验结果表明:该方法不仅保障绝缘子动态图像评估的整体性,还分析不同类型绝缘子的动态图像表现和雷达图,为实际工程中绝缘子带电检测提供了一定的参考。

紫外序列图像中目标的提取

分析了"日盲"紫外ICCD(增强型电荷耦合装置)探测系统所采集紫外图像中噪声和目标的特点,基于紫外图像的特点,提出了一种紫外序列图像中目标提取的方法。该方法首先采用时域递归低通滤波算法对紫外图像进行降噪处理,有效抑制了图像中的随机噪声,提高了图像的对比度。然后运用自适应阈值分割算法对目标进行了提取。实验结果表明,该方法能较好地检测出紫外序列图像中的目标,具有较强的噪声抑制能力。

基于紫外极光图像的极光电集流指数模型

极光电集流指数AE是描述地磁亚暴强弱的重要指标,且与极区磁层扰动及极光粒子沉降过程密切相关。因此,建立更加准确的极光电集流指数模型对空间天气的研究具有重要意义。利用1997年POLAR卫星紫外极光图像数据探究了紫外极光图像中极光强度I_(AP)的空间分布与AE指数在不同季节的相关性,并在此基础上提出了基于紫外极光图像的AE指数模型。以网格化方法提取极光强度空间分布特征,采用广义回归神经网络,通过相关系数法和方差选择法构建Cor-GRNN和Var-GRNN两种AE指数模型,并针对冬至月份、夏至月份、分点月份3个季节分别进行训练。研究结果表明,AE指数与I_(AP)具有相似的半年变化趋势,其相关性在不同季节差异较大。相比于太阳风驱动下的AE指数神经网络预测模型,基于极光图像的AE指数模型在E_(RMS)和R^(2)标准上均优于其他模型,其中归一化E_(RMS)小于0.1,模型对于AE指数变化的可解释度提升了10%左右。