憎水性图像处理算法研究

论文摘要

绝缘子表面憎水性检测是判别绝缘子性能优劣的主要手段。基于数字图像分析的憎水性检测方法克服了传统方法的主观性。但由于憎水性图像的特殊性,主要包括憎水性图像获取环境的复杂性和憎水性图像自身所存在的特殊性,以及由此所造成的憎水性图像的模糊性,使得直接对获取图像进行憎水性等级检测结果的准确性较差,因此,本文考虑到传统的处理算法无法满足憎水性图像的模糊性和随机性的需要,将模糊理论和仿生物优化算法—蚁群算法应用到憎水性图像的处理中,提出一系列的对憎水性图像处理算法:包括对憎水性图像的基于自适应直方图均衡的增强、基于模糊逻辑的滤波、基于模糊熵的阈值分割、基于蚁群算法的边缘提取操作。为了验证算法的有效性,给出了分割和边缘提取的后续憎水性等级判别方法:最大水珠面积比法和改进的形状因子法。实验结果表明,采用模糊理论和蚁群算法对憎水性图像的预处理,在一定程度上能够提高憎水性等级在判别时的准确率。对绝缘子表面憎水性等级的判别具有重要的现实意义。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景和意义
• 1.2 国内外研究现状
• 1.3 本文主要工作及内容安排
• 第二章 基础理论
• 2.1 模糊理论
• 2.1.1 模糊理论简介
• 2.1.2 模糊集基础
• 2.1.3 常用的建立隶属函数的方法
• 2.1.4 模糊理论在图像处理中的应用
• 2.1.5 图像分割中的模糊技术
• 2.2 蚁群算法的基本理论
• 2.2.1 蚂蚁的群体行为和信息系统
• 2.2.2 蚁群算法的原理
• 2.2.3 蚁群算法的基本模型
• 2.2.4 蚁群算法的具体实现
• 2.2.5 一些改进的蚁群算法
• 2.3 本章小结
• 第三章 憎水性图像预处理
• 3.1 基于直方图均衡的憎水性图像增强算法
• 3.1.1 直方图均衡方法
• 3.1.2 憎水性图像的直方图均衡
• 3.2 基于模糊逻辑的增水性图像滤波算法
• 3.2.1 模糊逻辑理论
• 3.2.2 IF-THEN 规则
• 3.2.3 模糊推理技术
• 3.2.4 基于模糊逻辑的憎水性图像滤波算法
• 3.3 本章小结
• 第四章 憎水性图像分割和边缘提取算法
• 4.1 基于模糊熵的憎水性图像阈值分割算法
• 4.1.1 模糊熵定义
• 4.1.2 憎水性图像的模糊熵
• 4.1.3 基于一维最大模糊熵的阈值分割
• 4.1.4 实验结果分析
• 4.2 基于蚁群算法的憎水性图像边缘提取算法
• 4.2.1 蚁群算法在图像处理中的应用
• 4.2.2 憎水性图像的蚁群算法描述
• 4.2.3 基于蚁群算法的知觉图表的建立
• 4.2.4 憎水性图像梯度计算
• 4.2.5 憎水性图像边缘检测
• 4.2.6 实验结果分析
• 4.3 本章小结
• 第五章 绝缘子憎水性等级判别方法
• 5.1 常用基于数字图像处理的憎水性指示函数法的等级判别方法
• 5.2 本文憎水性等级判别方法
• 5.2.1 基于模糊熵的阈值分割结果的憎水性等级判别方法
• 5.2.2 基于蚁群算法的边缘提取结果的憎水性等级判别方法
• 5.3 本章小结
• 第六章 总结和展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况