自适应分层阈值的简化PCNN红外人体图像分割

针对红外人体图像中人体目标亮度分布不均匀且易与背景混叠等引起分割不完整的问题,提出一种自适应分层阈值的简化PCNN(SPCNN)红外人体图像分割方法.该方法摒弃了传统SPCNN模型中的动态阈值指数衰减下降机制,采用神经元点火区域与未点火区域的统计特性构建自适应分层阈值;同时结合神经元同步点火机制并引入最近邻均值聚类规则控制神经元点火,以达到较高的分割精度.在真实红外人体图像集上与几种图像分割方法进行对比的实验结果表明,文中方法能取得较优的分割效果以及较小的分类错误率,且与传统的SPCNN模型相比,文中的SPCNN模型参数的设置更加简化.     

基于局部区域聚类的电力设备故障区域提取方法

针对电力设备红外图像诊断中热故障区域提取问题,提出了一种局部区域Mediodshift聚类的电力设备红外图像故障区域提取方法。文章根据热故障所表现的灰度特性初始化聚类中心;结合Mediodshift聚类方法,对目标区域邻域像素进行聚类。为了尽可能获取故障区域邻域相似像素,引入了基于邻域灰度的调节策略。同时,为了提高聚类效率,采用了自高向低的聚类阈值分割机制,从而使得Mediodshift算法能快速地将整幅图像中故障区域像素进行聚类,实现红外图像中热故障区域的提取。最后通过典型红外图像实验测试,验证了该方法区域提取的有效性,且对比目前现有的一些方法,进一步表明文中方法具有较好的故障区域提取性能。     

基于复合滑动窗的CUSUM暂态事件检测算法

在非侵入式负荷监测系统中,负荷事件检测是其中最为关键的一部分。然而一般负荷事件检测方法极易存在漏检等情况,特别是对于缓慢的负荷爬升现象不够敏感,且大多仅限于检测事件开始时刻,未涉及暂态事件起止过程的记录。为此,本论文提出了一种基于复合滑动窗的CUSUM暂态事件检测算法,通过变权重滑动窗来累积采样点与均值的偏差,记录突变起始点和突变结束后的采样点,通过实际的案例验证了算法的有效性。该算法不仅能够准确检测到传统算法易忽略的具有爬坡特性的暂态事件,还能够对完整的投切过程进行有效记录,从而有助于对暂态事件进行分析处理。