在基于传统图像分割法的红外图像目标检测中, 当背景颜色和被检测物体颜色相近时, 往往难以有效地识别红外图像中的被检测物。所以为了进一步提高绝缘套管在红外图像中的识别精度, 文中提出一种基于绝缘套管伞裙纹理特征的目标检测方法。首先为增强图像纹理特性, 将双边滤波代替传统高斯 -拉普拉斯算子中的高斯卷积滤波, 通过双边 -拉普拉斯进行图像滤波和增强。之后针对高压绝缘套管外层伞裙的特殊纹理, 建立反映伞裙周期性分布的描述子, 并通过图像扫描法进行粗识别。最终基于 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类算法, 建立其超参数求解方法, 实现离群点剔除和特征聚类, 完成高压绝缘套管的精细分割。通过实验对比其他绝缘套管红外图像的识别算法, 文中算法可以有效地精细分割出绝缘套管主体, 克服其他图像分割方法的不足。并在数据集上识别率达到 85%以上。

可见光和红外图像是电力巡检机器人检测电力设备健康状态的重要方式,图像配准可以结合两类图像的优势,为后续状态监测提供更好的依据。针对红外图像模糊导致的配准精度下降问题,提出了一种基于显著性梯度的归一化互信息算法。首先,在红外图像视觉显著性检测的基础上,强化了显著性区域的边缘梯度信息;然后,将显著性梯度信息和归一化互信息相结合作为配准的测度函数;其次,为了提高图像配准算法的收敛性,提出了一种文化狼群算法。该算法将文化算法的分层进化特点引入狼群算法,建立信念空间和群体空间。在迭代过程中,通过信念空间的知识指导群体空间的进化。最后,选取变电站巡检图像、标准配准测试图像集和标准测试函数进行对比实验,结果表明,该算法在配准率和配准速度方面的性能较好。