基于支持向量機(jī)的絕緣子圖像分割

1、引言

信息的來源多種多樣，其中圖像是比較重要的一種。隨著信息中越來越多地出現(xiàn)數(shù)字圖像，如何對其進(jìn)行處理成為國際上的研究熱點(diǎn)。圖像處理過程包含有圖像編碼、圖像增強(qiáng)、圖像壓縮和圖像分割等許多環(huán)節(jié)。近年來，學(xué)者們對圖像分割問題給予了極大關(guān)注。介紹了支持向量機(jī)的概念，將圖像分割看做像素分類，將支持向量機(jī)用于圖像的分割，包括樣本的選擇、特征的提取，訓(xùn)練支持向量機(jī)，最終實(shí)現(xiàn)了基于支持向量機(jī)的圖像分割算法。

絕緣子作為電網(wǎng)線路的重要組成部分有著廣泛的應(yīng)用。它的工作狀態(tài)直接影響著電力能源的安全供應(yīng)。提出結(jié)合形態(tài)學(xué)的絕緣子圖像邊緣檢測方法；基于對絕緣子的紅外圖像實(shí)現(xiàn)了對其盤面的提取。圖像背景復(fù)雜時，單一特征很難做到目標(biāo)圖像準(zhǔn)確分割。因此本文提出一種結(jié)合顏色特征和形狀特征的支持向量機(jī)圖像分割方法，實(shí)現(xiàn)絕緣子的準(zhǔn)確分割。

2、特征提取

2.1顏色特征提取

顏色特征是彩色圖像最直觀、最顯著的一種物理特征。其中HSV顏色模型各顏色分量不具有相關(guān)性，分別提取出彩色圖像的H（色調(diào)）、S（飽和度）和V（亮度）信息。將HSV空間中像素的值進(jìn)行非等間隔量化，并利用顏色一階矩μ、二階矩σ和三階矩s作為彩色圖像的顏色特征向量：。

2.2形狀特征提取

采用改進(jìn)的具有自適應(yīng)迭代閾值的 算子對絕緣子圖像進(jìn)行邊緣檢測。其中，選用高斯函數(shù)濾波后對圖像求梯度方向和幅值，并對幅值進(jìn)行非極大值抑制。……