高级检索
ENGLISH

基于PCNN分层聚类迭代的故障区域自动提取方法

许晓路, 周文, 周东国, 朱诗沁, 倪辉, 罗传仙

许晓路, 周文, 周东国, 朱诗沁, 倪辉, 罗传仙. 基于PCNN分层聚类迭代的故障区域自动提取方法[J]. 红外技术, 2020, 42(8): 809-814.
引用本文: 许晓路, 周文, 周东国, 朱诗沁, 倪辉, 罗传仙. 基于PCNN分层聚类迭代的故障区域自动提取方法[J]. 红外技术, 2020, 42(8): 809-814.
shu
XU Xiaolu, ZHOU Wen, ZHOU Dongguo, ZHU Shiqin, NI Hui, LUO Chuanxian. Automatic Fault Region Extraction Using PCNN Hierarchical Clustering[J]. Infrared Technology , 2020, 42(8): 809-814.
Citation: XU Xiaolu, ZHOU Wen, ZHOU Dongguo, ZHU Shiqin, NI Hui, LUO Chuanxian. Automatic Fault Region Extraction Using PCNN Hierarchical Clustering[J]. Infrared Technology , 2020, 42(8): 809-814.
shu

基于PCNN分层聚类迭代的故障区域自动提取方法

  • 南瑞集团(国网电力科学研究院)有限公司,江苏南京 211006;国网电力科学研究院武汉南瑞有限责任公司,湖北武汉430074

  • 武汉大学电气与自动化学院,湖北武汉 430072

基金项目: 国家电网公司总部科技项目资助,基于多源异构数据融合的特高压变电设备远程诊断关键技术研究及应用(GY71-17-012)
详细信息

  • 中图分类号: TP391

Automatic Fault Region Extraction Using PCNN Hierarchical Clustering

摘要

    摘要
  • 摘要: 为了在电力设备红外图像中较好地检测故障区域,提出一种基于分层聚类迭代的红外图像故障区域自动提取方法.在该方法中,首先以脉冲耦合神经网络(Pulse-coupled neural network,PCNN)作为红外图像处理核心模型,通过设置PCNN模型内在参数以及引入聚类机理,使得模型在迭代过程中可将整个图像划分成多个具有相似特性的区域.在此基础上,通过计算各个层点火区域均值以及对均值大小进行排序,然后针对灰度值较高的点火区域,结合边界检测算子并利用相似度评价方式对相邻区域进行合并处理,实现红外图像中热故障区域的有效提取.最后对真实红外图像进行测试并对比现有的一些方法,验证文中方法对热故障区域提取的有效性和适用性.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
    • 资源附件(0)
计量
  • 文章访问数:  124
  • HTML全文浏览量:  14
  • PDF下载量:  24
  • 被引次数: 0
出版历程

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    资源附件(0)

    /

    返回文章
    返回

    版权所有 © 《红外技术》编辑部京ICP备000000000号-1

    本系统由 北京仁和汇智信息技术有限公司 开发  百度统计

    x 关闭 永久关闭

    尊敬的专家、作者、读者：

    端午节期间因系统维护，《红外技术》网站（hwjs.nvir.cn）将于2024年6月7日20:00-6月10日关闭。关闭期间，您将暂时无法访问《红外技术》网站和登录投审稿系统，给您带来不便敬请谅解！

    预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题，可发送邮件至编辑部邮箱（irtek@china.com）与我们联系。

    感谢您对本刊的支持！

    《红外技术》编辑部

    2024年6月6日