針對(duì)電力設(shè)備紅外檢測(cè)中,由于背景復(fù)雜,痕跡重疊而難以有效提取目標(biāo)電力設(shè)備這一問題,提出一種補(bǔ)體免疫聚類目標(biāo)提取算法。算法參考免疫系統(tǒng)中補(bǔ)體系統(tǒng)作用機(jī)理,建立多個(gè)電力設(shè)備模板圖像庫(kù),通過模板與圖像的匹配度來確定目標(biāo)區(qū)域的輪廓和位置。對(duì)圖像進(jìn)行k-means聚類處理,給每一個(gè)像素點(diǎn)賦予新的特征值,重新確定聚類中心,完成對(duì)目標(biāo)區(qū)域圖像的提取,并證明該算法的收斂性。通過對(duì)實(shí)驗(yàn)結(jié)果的定性定量分析進(jìn)一步證實(shí)該算法的有效性。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1 本文算法流程圖

算法流程圖如圖1所示。2.1免疫作用

圖2 先天性免疫作用結(jié)果

重復(fù)上述過程，最終將抗原集分為四個(gè)子集:目標(biāo)抗原P1、背景抗原P2和模糊抗原P3(包括P31和P32)，類別標(biāo)記分別為1、2、3。如圖2所示。2.2補(bǔ)體系統(tǒng)作用

圖3 電力設(shè)備圖像模板庫(kù)

令f(u,v)為手部痕跡紅外圖像中像素點(diǎn)的灰度值;構(gòu)建模板庫(kù)如圖3，存儲(chǔ)多個(gè)不同狀態(tài)下的電力設(shè)備圖像，令其為抗原集。將圖像抗原中每點(diǎn)的像素值做3×3的模板處理，每一點(diǎn)抗原的表面分子模式ga1ba為:

圖4 實(shí)驗(yàn)結(jié)果對(duì)比圖

為了對(duì)算法的有效性進(jìn)行驗(yàn)證，選取了4組不同場(chǎng)景下拍攝的，背景復(fù)雜電力設(shè)備圖像，從中提取變壓器目標(biāo)區(qū)域。使用本文算法與分水嶺算法、OTSU算法、最大熵算法、邊緣檢測(cè)算法進(jìn)行對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖4所示。由實(shí)驗(yàn)結(jié)果對(duì)比圖可以定性的分析出，在背景干擾較多，目標(biāo)與背景像素值相近的紅外電力....

本文編號(hào)：4021119