基于红外图像的绝缘子分割算法的研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景与研究意义 | 第10-11页 |
| 1.2 电力设备故障红外诊断概述 | 第11-14页 |
| 1.2.1 电力设备故障红外诊断基本原理 | 第11-14页 |
| 1.2.2 电力设备故障红外诊断适用范围 | 第14页 |
| 1.3 绝缘子红外图像分割国内外研究现状 | 第14-17页 |
| 1.4 课题来源 | 第17-18页 |
| 1.5 本文的主要内容和章节安排 | 第18-19页 |
| 第2章 绝缘子红外图像分割原理 | 第19-31页 |
| 2.1 灰度阈值图像分割算法 | 第19-23页 |
| 2.1.1 基于熵的阈值分割 | 第20-21页 |
| 2.1.2 最优阈值法 | 第21-22页 |
| 2.1.3 OTSU阈值法 | 第22-23页 |
| 2.2 区域标记和轮廓跟踪 | 第23-26页 |
| 2.2.1 区域标记 | 第23-24页 |
| 2.2.2 轮廓提取 | 第24-25页 |
| 2.2.3 轮廓跟踪 | 第25-26页 |
| 2.3 分水岭分割 | 第26-27页 |
| 2.3.1 基本分水岭算法 | 第26页 |
| 2.3.2 Vincent-Soille算法 | 第26-27页 |
| 2.4 差影法 | 第27-29页 |
| 2.4.1 图像的代数运算 | 第28页 |
| 2.4.2 差影法 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 红外图像增强基本算法研究 | 第31-39页 |
| 3.1 图像增强基本算法 | 第31-38页 |
| 3.1.1 灰度变换 | 第31-33页 |
| 3.1.2 直方图均衡 | 第33-34页 |
| 3.1.3 图像去噪 | 第34-38页 |
| 3.2 本章小结 | 第38-39页 |
| 第4章 绝缘子串区域智能图像提取 | 第39-54页 |
| 4.1 图像预处理 | 第39页 |
| 4.2 基于Otsu阀值的灰度线性变换图像增强 | 第39-41页 |
| 4.3 灰度开、闭运算 | 第41-43页 |
| 4.4 二值化处理 | 第43页 |
| 4.5 区域过滤提取 | 第43-44页 |
| 4.6 求取绝缘子串倾斜角度及水平校正 | 第44-49页 |
| 4.7 实验结果 | 第49-51页 |
| 4.8 绝缘子片提取 | 第51-53页 |
| 4.9 本章小结 | 第53-54页 |
| 第5章 分割算法在劣化绝缘子识别中的应用 | 第54-64页 |
| 5.1 瓷质绝缘子串电压分布 | 第54-55页 |
| 5.2 瓷质绝缘子发热原理 | 第55-58页 |
| 5.3 劣化绝缘子案例 | 第58-59页 |
| 5.4 红外图谱分析 | 第59-60页 |
| 5.5 盘面与钢帽发热规律智能分析 | 第60-63页 |
| 5.6 本章小结 | 第63-64页 |
| 结论与展望 | 第64-65页 |
| 结论 | 第64页 |
| 展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第71-72页 |
| 附录B 攻读学位期间参与的科研项目与科研成果 | 第72页 |
