基于灰度共生矩阵和区域生长算法的 红外光伏面板图像分割

摘要：

随着光伏产业的迅速发展,这种新能源在各个方面正扮演越来越重要的作用,因此对光伏面板的维护和状态监测就变得尤为急切.对光伏面板红外图像的分割是对光伏面板故障检测的基础.因此,针对红外图像对比度低、信噪比低等特点,提出一种改进的区域生长算法结合灰度共生矩阵(GLCM)的纹理特征和图像的梯度特征对红外光伏面板图像进行分割,该算法通过图像的梯度特征和灰度共生矩阵的熵特征对原始红外光伏图像进行预处理,获得梯度特征和熵特征图像加权叠加后的预处理图像,然后再利用红外图像灰度直方图分布集中的特点,使需要人工干预进行种子点的选取,实现自动进行种子点的选取,同时对区域生长准则进行改进,使其能够自动地调整生长阈值,从而可以分割出光伏面板区域.实验结果表明,本文算法相比OTSU和K-means聚类算法分割效果更好且更接近手动分割的目标区域.

关键词：红外光伏面板图像分割、区域生长、OTSU、灰度共生矩阵、对比度、K-means

所属期刊栏目：18

分类号：TP391.41(计算技术、计算机技术)

资助基金：2017年第二批产学合作协同育人项目201702109002

在线出版日期：2019-02-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：92-97