[发明专利]一种结合边缘特征和纹理特征的图像混合分割方法及设备

说明书

本发明涉及一种结合边缘特征和纹理特征的图像混合分割方法及设备，包括以下步骤：获取待分割的高分辨率图像，对该高分辨率图像进行K‑L变换获取对应的主成分图像；采用多尺度多方向形态学梯度算子提取所述主成分图像的边缘特征，生成第一梯度图像；提取所述主成分图像中图像对象内部的局部方差纹理特征，获得图像对象标记；将所述图像对象标记作为第一梯度图像的局部极小值，形成第二梯度图像，对该第二梯度图像进行分水岭变换获得图像分割结果。与现有技术相比，本发明具有分割精度高等优点。

技术领域

本发明涉及电力设备图像处理技术领域，尤其是涉及一种结合边缘特征和纹理特征的图像混合分割方法及设备。

背景技术

据统计，电力系统中的70％故障是由电气设备故障引起的，而超过半数以上的电气设备故障都与因泄露电流、漏磁、连接松动、接触不良等造成的发热有关。红外检测技术利用红外检测设备获得电力设备的温度值和温度空间分布特征，分析处理设备中潜伏的故障和隐患，可以防患于未然。

在进行电气设备缺陷识别时，由于电力设备种类繁多，不同设备的故障特征也有很大差别。通常设备缺陷区域、正常区域与背景环境相互交错，因此对电气设备热像图进行精准分割能够为电力设备缺陷识别提供有效的依据。而目前，针对电气设备热像图精准分割的研究还比较欠缺，无法保证电气设备监测准确度。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种分割精度高的结合边缘特征和纹理特征的图像混合分割方法及设备。

本发明的目的可以通过以下技术方案来实现：

一种结合边缘特征和纹理特征的图像混合分割方法，包括以下步骤：

获取待分割的高分辨率图像，对该高分辨率图像进行K-L变换获取对应的主成分图像；

采用多尺度多方向形态学梯度算子提取所述主成分图像的边缘特征，生成第一梯度图像；

提取所述主成分图像中图像对象内部的局部方差纹理特征，获得图像对象标记；

将所述图像对象标记作为第一梯度图像的局部极小值，形成第二梯度图像，对该第二梯度图像进行分水岭变换获得图像分割结果。

进一步地，所述第一梯度图像的生成过程具体为：

将多尺度形态学梯度算子的提取结果和多方向形态学梯度算子的提取结果的加权和作为所述第一梯度图像。

进一步地，所述多尺度形态学梯度算子或多方向形态学梯度算子表示如下：

式中，符号⊕和Θ分别表示膨胀与腐蚀运算，A为待处理图像，B_i表示一组结构元素，0≤i≤n，n表示尺度数或方向数。

进一步地，所述图像对象标记的获取过程包括：

通过数学形态学滤波，估计图像对象间的差异，获取对象间差异图像；

从所述对象间差异图像提取局部方差纹理特征，基于设定阈值，获得图像对象标记。

进一步地，所述数学形态学滤波采用的滤波器为具有不同形状、尺寸、方向的结构元素的滤波器。

进一步地，所述对象间差异图像表示为：

C＝(A∨φ₁γ₁φ₂γ₂(A))∧γ₁φ₁γ₂φ₂(A)