基于区域生长法和BP神经网络的红外图像识别

摘要：

针对变电站巡检机器人远程监控系统中红外图像识别存在的问题,提出一种基于改进区域生长法和BP神经网络的红外图像目标设备分割与识别的方法.利用最小二乘法拟合出红外图像中亮度与温度之间的线性关系,建立基于像素的图像温度场;根据设定温度范围确定区域生长法的种子点位置,利用Otsu法确定截屏窗口最优分割阈值,并结合灰度相似性阈值作为区域生长法的分割准则,实现该窗口目标设备精确分割;将分割出的设备二值图像的Hu不变矩作为设备形状特征向量,并对其进行不变性和类间区分度验证;采用引入附加动量法和自适应调整学习率的BP神经网络实现多种电气设备的识别,实验数据表明优化后的BP神经网络具有迭代收敛快,误差波动性小,分类准确度高等特点.

关键词：改进区域生长法、图像温度场、Hu不变矩、附加动量法、自适应调整学习率

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：上海市"科技创新行动计划"社会发展领域项目16DZ1202500;上海市青年科技英才扬帆计划项目16YF1404700;上海市科学技术委员会工程技术研究中心项目14DZ2251100

在线出版日期：2018-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：401-408