使用模糊理论处理电气设备红外图像分割的不确定性，提出了一种基于模糊推理的电气设备红外图像分割算法。首先分别利用电气设备红外图像故障区域的像素灰度、像素点与图像质心的马氏距离以及图像膨胀操作定义了强度特征、全局故障可能性特征和局部灰度特征；然后根据特征的模糊语言值制定了 27条模糊规则，设计了一种模糊推理红外图像分割算法；最后，从主观和客观评价指标上将算法与传统 Otsu算法和 FCM算法进行了对比。实验表明，该算法的分割精度和误分割率比其他两种算法都有一定的改善，同时该算法能够滤除图像中具有高亮度的干扰区域，对具有小亮度差和小面积故障区域的红外图像有较好的分割效果。

甲烷是现代化工业生产和社会生活的重要能源之一, 实现其有效探测与分割对于及时发现甲烷泄漏事故并识别其扩散范围具有重要意义。针对红外成像条件下甲烷气体图像的轮廓模糊、泄漏的甲烷气体与背景对比度较低、形状易受大气流动因素影响等问题, 本文提出一种融合注意力分支特征的红外图像分割网络(Attention Branch Feature Network, ABFNet)实现甲烷气体泄漏探测。首先, 为增强模型对红外甲烷气体图像的特征提取能力, 设计分支特征融合模块将残差模块 1和残差模块 2的输出特征与残差模块 3以逐像素相加的方法融合, 获取红外甲烷气体图像丰富细致的特征表达以提高模型识别精度。其次, 为进一步加快模型的推理速度, 将标准瓶颈单元中的 3×3卷积替换为深度可分离卷积, 大幅度减少参数量达到实时检测甲烷气体泄漏。最后, 将 scSE注意力机制嵌入到分支特征融合模块, 更多地关注扩散区域边缘和中心语义信息以克服红外甲烷气体轮廓模糊对比度低等问题提高模型的泛化能力。实验结果表明, 本文提出的 ABFNet模型 AP50@95、AP50、AP60定量分割精度分别达到 38.23%、89.63%和 75.33%, 相比于原始 YOLACT模型分割精度, 分别提高 4.66%、3.76%和 7.04%, 推理速度达到 34.99帧/s, 满足实时检测需求。实验结果验证了本文算法对红外甲烷泄漏检测的有效性和工程实用性。

针对电力设备在线监测系统中红外图像分割效果差, 速度慢等问题, 提出一种改进的 Chan-Vese模型的红外图像分割算法。首先, 通过引入边缘能量项, 一方面增强模型的局部控制能力, 另一方面有效抑制了轮廓偏移。其次, 利用径向基函数取代了传统的长度正则项, 简化了计算。然后, 通过引入内部能量项省去初始化过程, 节省了算法的运行时间。经实验验证, Dice重合率(Dice similarity coefficient, DSC)平均值为 0.9808, 错误分割率(ratio of segmentation error, RSE)平均值为 0.025, 算法运行时间比其他模型总体平均值低 66.8%。改进后的 Chan-Vese模型分割算法的 Dice重合率和错误分割率等均优于 GAC-CV、CV-RSF、区域型水平集和 Multiphase-CV模型分割算法。

针对复杂背景条件下较难完成掩埋式地雷目标红外图像分割的问题，利用地雷外形特征和雷场多个地雷目标相似的特点，提出了一种基于形态学和聚类算法的感兴趣区域（Region of Interest, ROI）选取方法。对原始图像消除噪声并通过差分形态滤波抑制背景后，缩小了目标所在区域的范围；再利用多目标在一定区域内的相似特征对可疑区域进行聚类过滤，进一步缩小目标所在范围并将其作为图像ROI分别进行阈值分割；最后根据目标的相关特征完成识别。对实测图像的处理结果表明，该方法对掩埋式多地雷目标具有较好的分割效果和较高的定位精度，同时算法的计算速度较快，能满足实际探雷需求。

为精确提取浮选泡沫表面的崩塌、新合成气泡, 减少噪声和光照影响, 提出一种结合非下采样Shearlet变换(NSST)域显著性检测及图割的泡沫红外图像分割方法。对泡沫红外图像进行NSST多尺度分解, 采用GBVS算法对低频子带图像进行显著性检测, 通过马尔科夫链特征差异计算显著性值, 对各个高频方向子带进行噪声系数去除和边缘、弱边缘系数非线性增强。对处理后的多尺度高频子带、低频子带图像进行NSST重构, 通过低频子带图像的显著性检测结果构建显著性约束项, 采用高斯拟合函数构建气泡亮度约束项, 然后构造图割能量函数, 最后利用最大流/最小割算法对目标区域进行分割。实验结果表明: 该方法受光照影响小, 一定程度上解决了过分割和欠分割问题。正常浮选检测准确率为91.8%, 欠浮选为87.1%, 过浮选为88.9%, 分割精度较现有方法有明显提高, 能有效提取出崩塌或新合成的气泡, 表现出良好的抗噪性, 且在不同工况下均表现出良好的鲁棒性。

针对当前多级模糊熵算法在分割人体红外图像时, 存在划分数需人工指定, 全局划分导致熵的信息度量精度受背景干扰, 分割精度不高等问题, 提出了非监督层次化模糊相关分割。首先采用熵率法将图像划分为若干超像素, 确保区域一致性, 提高后续处理效率; 随后, 用准确度量划分适当性的模糊相关来描述图像, 构建模糊相关图割2-划分算子, 提高层次化分割中单步分割的精度。2-划分算子的核心思想是利用提出的递推计算策略, 快速搜索最大模糊相关时目标和背景的划分概率, 并用其来设置图割的数据项, 实施超像素的模糊相关图割2-划分。最后将2-划分算子与自顶向下的非监督层次化分割策略相结合, 迭代地对目标超像素区域实施2-划分, 自适应确定划分数, 获得人体目标。实验结果表明: 较常用算法, 该算法不但能自动确定划分数, 而且分割精度还提高了约18%, 运行时间约为3.8 s,能有效用于人体红外图像分割的工程实践中。

针对电力设备红外图像分割效果受非均匀背景和噪声干扰等因素影响的问题, 提出了一种基于粒子群优化方法的 Niblack设备红外图像分割算法。采用类间方差作为粒子群算法的适应度函数, 自动搜寻 Niblack法中图像不重叠矩形邻域的最优分割阈值, 并将其用于图像的二值化分割, 从红外图像中提取出设备的目标区域。实验结果表明: 该分割算法与传统的 Otsu等算法相比效率更高, 且误分率(ME)减少了 14%～78%。鲁棒性分析表明, 本算法对含较大噪声密度的红外图像分割性能优于其他传统算法, 从而有效提高了电力设备红外图像分割精度与效率。

为了解决复杂环境下红外人体目标分割应用中当前脉冲耦合神经网络（PCNN）方法常出现的噪声适应性差、目标边缘细节模糊等问题，提出了改进的PCNN方法。根据红外噪声特点，利用加权均值滤波和各向异性高斯滤波设计了模型反馈输入域的权值矩阵；采用改进的拉普拉斯分量绝对和表示PCNN的连接强度参数，从而实现了该参数的自适应设置；用点火区域平均灰度值构建动态阈值的方法，实现了PCNN模型的迭代控制。对IEEE OTCBVS和自拍数据库中的250余幅红外人体图像进行对比实验，结果表明，提出的方法能够有效抑制红外噪声，分割出带有较多边缘细节的人体目标，与其他PCNN分割方法相比，该方法还具有较优的平均概率兰德指数和较低的平均全局一致性误差。

为了解决基于 Chan-Vese（CV）模型的传统水平集方法难以分割灰度不均匀红外图像的问题，本文提出一种基于改进 CV模型的水平集分割方法。通过加入可处理局部区域信息的局部项，使得改进的 CV模型能够有效避免不均匀背景对水平集演化过程的干扰。此外，通过加入符号距离能量惩罚项，使得该模型无需重新初始化过程，从而提高了水平集函数的演化效率。实验结果表明，本文方法对于红外图像的分割具有较高的精度。

红外技术能有效地检测电力设备过热缺陷，具有远距离、不接触、不取样、准确、快速、直观等特点。传统的电力设备故障红外人工诊断耗时、耗力，而针对人工诊断不足提出的智能诊断其难点之一在于能否较好的获得感兴趣区域（ROI，Region of interest）。红外图像具有强度集中、对比度低等性质，常用的分割算法用于电力设备红外图像ROI 获取，其结果往往是过分割。针对过分割难点，本文提出一种基于FAsT-Match 算法的电力设备红外图像分割方法。首先，运用FAsT-Match 算法在可见光图像中近似模板匹配，然后在红外与可见光图像之间通过近似仿射变换找到目标在红外图像中的近似区域，最后用分割算法对近似区域分割。实验结果表明，提出的方法能够较好地解决电力设备红外图像过分割问题。