金融危机下电力企业的学习型组织构建

2008年发生的全球金融危机使各国经济发展受到了严重冲击,能源电力行业也不例外.如何摆脱危机的影响,继续保持行业平稳快速发展,成为电力行业面临的严峻挑战.学习型组织作为20世纪以来影响最大的管理思想之一,缔造了众多组织的辉煌.本文将结合学习型组织的理论,分析我国电力行业构建学习型组织的必要性,并提出了构建学习型组织的建议.     

规则特征曲面点云法向估计

目的 针对特征曲面点云法矢估计不准确,点云处理时容易丢失曲面的细节特征等问题,提出基于高斯映射的特征曲面散乱点云法向估计法。方法 首先,用主成分分析法粗略地估算点云法向和特征点;其次,将特征点的各向同性邻域映射到高斯球,用K均值聚类法对高斯球上的数据分割成多个子集,以最优子集对应的各向异性邻域拟合曲面来精确估算特征点的法向量;最后,通过测试估计法向与标准法向的误差来评价估计法矢的准确性,并且将估计的法向应用到点云曲面重建中来比较特征保留效果。结果 本文方法估计的法向最小误差接近0,对噪声有较好的鲁棒性,重建的曲面能保留曲面的尖锐特征,相比于其他法向估计法,所提出的方法估计的法向更准确。结论 本文方法能够比较准确的估算尖锐特征曲面法向量,对噪声鲁棒性强,具有较高的适用性。     

Otsu阈值分割法特点及其应用分析

Otsu方法是应用最广泛的阈值分割法之一,对直方图呈双模或者多模分布的图像分割效果好,直方图呈单模分布的分割效果差。针对这个结果,从Otsu分割法理论出发,分析其分割阈值的特点,证明得出:Otsu单阈值分割时最佳阈值为该阈值分割出的两类灰度均值的平均,Otsu多阈值分割时的多个最佳阈值是这些阈值分割出的多类中相邻两类灰度均值的平均。单阈值Otsu法用于表面缺陷检测图像分割时将大部分背景错分为目标,对此,提出了一种改进的Otsu阈值分割。实验结果表明,改进的算法分割效果优于传统算法,在比较准确分割目标的同时有效减少背景的误分割。     

基于曲率突变分析的点云特征线自动提取

点云特征线提取是点云模型重构的基础,国内外对此从边缘检测、特征线跟踪和面域分析等方面展开了研究,但由于存在模型多样性、点云数据噪声和不完整性、特征复杂性等问题,看似简单的特征线自动化提取很难实现。从曲率突变点隐含了点云特征线这一论断出发,借鉴图像处理中的区域分割和边缘检测思想,提出了特征线提取中的聚类、细化、分段和排序方案。在具体实现中分别提出了基于连通区域聚类的备选点集分离算法,基于局部影响区域腐蚀的点集细化算法,以及基于组合搜索准则和主成分分析(PCA)双向搜索的特征线分支截断和排序算法。在对比实验中,确定了算法关键参数曲率突变点比例w和方向夹角阈值θT的推荐值,并与类似算法对比能提取更多的特征点;在模型实验中,简单几何模型的特征线提取正确率达到了100%,复杂机械零件模型和艺术品模型的特征线提取正确率均达到了85%以上,取得了预想的棱线和特征轮廓线提取效果。算法具有通用性和可扩展性,通过程序优化可获得更好的特征提取效果。     

基于三直方图均衡的SF6红外图像对比度增强方法

电力设备SF₆泄漏气体红外图像容易淹没在背景中，肉眼难以辨识低对比度图像中泄漏气体情况，给电力设备检修带来了困扰。提出了基于三直方图均衡的SF₆红外图像对比度增强方法。首先，利用三样条插值拟合图像直方图得到二阶连续曲线，计算每个灰度级对应的一阶导数绝对值。其次，根据一阶导数绝对值和直方图分布划分直方图为两个波峰和一个相对平坦的波谷区域；最后，根据波峰和波谷将直方图分为3个子图，对3个子图分别进行直方图均衡后合并为增强图像。为了验证算法有效性，对现场拍摄的电力设备SF₆泄漏低对比度红外视频流进行增强，并与CLAHE和双直方图均衡算法进行对比。实验结果表明：本文方法在提升图像的整体对比度同时增强了泄漏气体与周围图像的对比度，提升泄漏气体红外图像视觉效果，相比于CLAHE和双直方图均衡方法，本文获得的峰值信噪比和均方根对比度值更高，增强后的图像质量更好。