Logo
    联系我们
    北京博朗宁科技有限公司
    手机号码:132-6906-8418
    联系人:柴经理
    E-MAIL:controsys@163.com
    公司地址:北京市朝阳区成寿寺路134号院4号楼2209
    网址:http://www.browing.net
    技术知识 您现在的位置:网站首页 >> 新闻中心 >> 技术知识 >> 详细信息

    改进的二维Otsu算法在SF6压力表盘图像分割中的研究

    发布时间:2020-02-11  阅读:427次

    为了提高SR压力表盘图像分割准确度,对比了传统二维Otsu和Otsu双阈值分割算法,给出了一种改进二维Otsu算法。针对二维Otsu算法选取最佳阈值时存在的缺陷,将整体阈值再区分并结合离差平方和作为适应度函数选取最佳阈值,提高了目标图像的阈值分割效果。实验结果表明:所提算法不仅满足对S&压力表盘图像进行目标区域分割,同时具有更高的稳定性、快速性和分割精度。

    1.引言

    压力表盘是变电站主设备之起着控制和保护系统的双重作用,但其气体泄漏不仅降低压力的绝缘强度,还易造成空气污染,所以对气体泄漏引起的压力、密度下降及变化趋势的监测至关重要。传统人工监测模式具有较强主观性,且效率低,无法实时监测表盘指针读数,故研发代替人工方式识别SFe压力表盘指针读数的智能遥视系统成为重点。而SR压力表盘图像分割是智能遥视系统处理过程的重要步骤,保证了后期图像特征提取和刻度识别的精确度。针对图像分割领域的研究,国内外学者提出了很多有效的图像分割算法,如直方图分割1、k-Means和SVM结合的图像分割0、基于MeanShift的芯片X光图像层次分割3、Tsallis熵参数图像阈值分割4、基于最大累积剩余熵的红外图像分割H、改进差分进化的二维最大熵图像分割[6等算法,均具有较好分割效果。传统二维Otsu图像分割算法能更好地将待处理图像的目标区域像素从含背景区域图像中分离出来,但易造成目标与背景信息部分缺失,影响表盘图像分割效果,且具有计算量大、计算时间长等缺点。因此,寻求一种好的图像分割算法对SR压力表盘图像分割具有重要价值。

    陈英针对Brodatz纹理库图像采用基于向量机和灰度共生矩阵方法进行纹理图像分割,结果表明该方法具有较好的分割效果0。陈修桥根据图像二维直方图中目标和背景分布的最大相关量来选择阈值,将遗传算法用于对二维最大相关准则阈值分割的优化,结果表明该算法的图像分割效果较好,且比传统最大相关准则具有更强抗噪声能力[8。林正春研究了最优进化图像阈值分割算法,重新定义适值函数和选择机制并结合适当的交叉率和变异率得到最优阈值,实验表明该算法稳定性高0。吴一全研究了二维直方图区域斜分阈值分割及快速递推算法,通过4条平行斜线将直方图分成内点区、边界点区和噪声点区,并采用与主对角线垂直的斜线进行阈值分割,结果表明,该方法可以应用于所有基于二维直方图的阈值分割,且具有边界准确、抗噪稳定和运行时间少等优点M。

    本文基于SF6压力表盘图像对比了传统二维Otsu和Otsu双阈值,给出了一种改进的二维Otsu算法。算法将整体阈值再区分并结合离差平方和作为适应度函数选取最佳阈值,不仅满足对图像进行目标区域分割,同时具有更高的稳定性、快速性和分割精度。

    1.传统二维Otsu阈值分割

    传统二维Otsu算法针对目标类和背景类分离计算,当阈值(s,t)使最大类间方差取最大值时,则该阈值组合为Otsu算法的最优阈值。其理论如下所述:

    假设图像/(x,y)灰度级为L(0,iL-i),其邻域

    平滑图像g(x,y)的灰度级为乙则图像每个像素点数f.的像素灰度值i和邻域平均灰度值]即为二元组,图像总像素数为M,二维联合概率密度M为

    任意给定阈值(s,t),将图像分割成4个区域,则二维Otsu阈值分区如图1所示。

    其中,对角线上的区域B和C分别对应于目标和背景,

    而远离对角线的区域A和D对应边缘和噪声,s和t分别为

    灰度分割和邻域灰度均值分割阈值。Otsu算法的直方图分

    布如图2所示。

    设背景和目标分别为C。和Ci,其概率P。和Pi为

    U=jgPij

    目标类和背景类对应的均值矢量M。和fli为ro=W,)T=(HiPtj,%Jpij)

    因此,最佳阈值为(Sb)取最大值时对应的(s,t)。但其只考虑类间的相似度,而忽略了类内聚合性,结论必然存在缺陷,影响图像分割效果且计算量大。

    <!--[if!supportLists]-->2<!--[endif]-->.二维Otsu双阈值

    在图像灰度直方图中设定合理的分割阈值,该阈值作为区分目标与背景的界限,若分割后满足目标与背景类的类间方差最大,且类内方差最小,则该阈值为最佳分割阈值。具体过程如下:

    设待处理图像有L个灰度级,目标区域4和背景区域B由阈值t区分,Pi为图像中灰度级为i的像素出现概率

    rpA=%p;

    i=0(8)

    U=xp;

    i=t+i

    式中PA和PB分别为目标区域和背景区域像素概率和

    _L-i

    「P=%iP;

    —%iPi

    Pa=(9)

    —%iPi

    P一i=t+i

    B一Pb

    式中PA和PB为目标区域和背景区域灰度的概率均值,P为整副图像灰度的概率均值。则目标类和背景类的类内方差和类间方差为

    改进的OtSU算法可以通过调节权值参数改变分割效果,减少了目标细节在分割中遗失的情况发生[13]。

    3.改进二维Otsu算法

    根据传统二维Otsu直方图分布可知,大部分像素分布于二维直方图对角线附近,因此,区域B和区域C中像素点的个数最多,而区域A和区域D像素分布较少,通常,计算时忽略,但部分区域也包含目标和背景类的像素点,若忽略必定造成目标与背景信息缺失,影响分割效果,若将所有像素点纳入计算,又会导致计算量大,计算时间长等缺点。快速Otsu算法将传统二维直方图分块处理,对f=g-N和f=g+N窄带区域的像素点进行分割运算,且略去其他像素区域,N取值变大使窄带区域增加,所有像素点能被包含在窄带区域。

    设分割阈值为(s,t),F&‘A,‘B,‘C,‘D’进行分

    割,而以通过点(s,t)且与对角线垂直的直线来进行分割。

    该直线左面的点对应于C。目标类,右边点对应于q背景

    类。其辅助直线方程为

    f=s+t-g(13)则,当f在S+t-g时,属于Ct;当f

    D0=S(x0i-x0)(x0j-x0)

    *0.,x0jeG0

    (*1-*1)T(*1-*1)

    D0+1=S(*i-*珋T(*;-*珋

    *i,*-eG0UG1

    式中D0和D1为目标和背景类的类内离差平方和;G和分类准则与s+t有关,则将s+t整体作为阈值,实现阈值降维。

    快速Otsu算法,通过s+t整体作为阈值,从而达到降维计算的效果,获得更快速处理效率,但存在一个缺陷s+t整体包含了(s,t)阈值的多种组合,要获得更精确的阈值分割效果,依靠两个阈值的和进行分割是不够的,需要再对满足和值的组合进行优化计算,选出最佳的阈值组合,以获得更好的分割效果。

    在上述计算中,/=g-N和f=g+N两条辅助线已经划分了目标类和背景类的像素区域,所以,(s,t)阈值组合也需满足该区域,即满足如下限制条件(■0/NWgf+NrNfL-N

    其中,第4分区是必须满足的,即s+1组合的点必定在直线f=s+t-g上,其余的3个区域中至少满足一个区域。如图4所示B两点满足区域4和区域2,且假设s+t组合最佳位置处,s+t可以分解为A(sj,t1)和B(s2,t2)两点,则分别将IB两点作为最佳阈值点进行计算比较。

    经过限制条件的筛选,将符合需要的阈值组合进行逐

    计算,求出最优阈值组合,本文将该计算函数称为最优适

    应度函数,同时,引入离差平方和法作为传统二维Otsu算

    法的又一最优阈值约束条件,从而给出一种新的Otsu算法

    作为最优适应度函数。离差平方和法[15]式(15)所示

    G1为目标和背景类x为数据集。目标和背景类的n个样品均值%和X1分别为

    将上述经限制条件筛选出的阈值坐标带入最优适应度函数,对比所有组合得数,选取使最优适应度函数达到最大值的阈值为最优阈值s-和t-。改进二维Otsu算法因添加离差平方和计算则需再对角线窄带区域进行遍历,但由于窄带面积较小,计算复杂度降低,提高了计算速率,且维持了原有算法优点,在一定程度上提升了传统二维Otsu算法阈值分割效果,且避免了由于单一法排除边缘和噪声区域而遗漏部分目标和背景像素的问题。

    4.实验结果与分析

    为了验证该算法有效性,利用Matlab实验平台环境,选取传统二维Otsu(算法1)、Otsu双阈值(算法2)和改进二维Otsu(算法3)的算法进行分割效果及时间对比,实验对象选用SF6压力表盘图像,实验结果如图5和图6所示。

    由图5分析知:二维Otsu算法在SR压力表盘图像分割后丢失部分信息而右侧出现块状阴影,影响后续识别

    根据图6可知分割时间为:二维Otsu算法310ms;Otsu双阈值算法280ms;改进二维Otsu算法Otsu双阈值算法延续二维Otsu算法优点,效果优于传统二维Otsu算法,但还是存在部分阴影影响识别;最后使用了本文改进二维Otsu算法,很大程度弥补了丢失的信息且消除阴影,分割效果更优。三种分割算法的处理时间如图6所示。

    根据图6可知分割时间为:二维Otsu算法310ms;Otsu双阈值算法280ms;改进二维Otsu算法40ms。故改进二维Otsu算法分割时间较算法1和算法2少,且在分割效果上处于优势,更能满足识别要求。算法的时间复杂度r(n)表示该算法的执行效率,如式(19)所示。

    T(n)=O(f(n))(19)

    式中f(n)为71n)的同数量级函数,n为模块。3种算法的时间复杂度如表1所示。

    随着模块n的增大,算法执行时间的增长率和/(n)的增长率成正比,因而/(n)越小,算法的时间复杂度越低,算法的效率越高。所以,传统二维Otsu阈值分割算法因对(s,t)双重循环使得运算次数增加,而改进二维Otsu阈值分割算法因添加离差平方和计算需再对角线窄带区域进行遍历,但由于窄带面积较小,故计算次数远少于传统二维Otsu算法,降低时间复杂度,减少了运算时间。

    5.结论

    本文以SFe压力表盘图像为对象研究了传统二维Otsu和Otsu双阈值,并结合其优缺点提出了一种改进二维Otsu阈值分割算法,该算法将最优适应度函数作为阈值选取限制条件,并引入离差平方和法为二维Otsu算法的又一最优阈值约束条件,从而给出一种新的Otsu算法作为最优适应度函数来筛选最优阈值。通过实验表明:该算法在阈值分割效果及计算时间上确定了平衡点,优化后的阈值处理效果更能满足表盘监测识别,因此,改进算法对进一步研究基于智能遥视系统的SR压力表盘图像处理有重要价值。


    上一篇: 一般压力表示值变化规律硏究
    下一篇: 精密压力表量值溯源与测量不确定度评定
    免费服务热线 line
    关于我们
    List 企业简介
    List 企业文化
    List 资质荣誉
    产品中心
    List 压力测量
    List 温度测量
    List 液位测量
    List 流量测量
    新闻中心
    List 公司新闻
    List 行业动态
    List 技术知识
    联系我们
    List 联系方式
    List 在线留言
    版权所有:北京博朗宁科技有限公司 地 址:北京市朝阳区成寿寺路134号院4号楼2209 服务热线:132-6906-8418
    收缩
    • QQ咨询

    • 北京博朗宁科技有限公司
    • 北京博朗宁科技有限公司
    • 电话咨询

    • 132-6906-8418