基于改进遗传算法的电力设备红外图像分割,本文是一篇关于遗传算法论文范文，可作为相关选题参考,和写作参考文献。
遗传算法论文参考文献：
摘 要： 针对传统的遗传算法对目标图像感兴趣部位（ROI）分割存在收敛速度慢、耗时长、分割过当等缺点,提出一种改进遗传算法的分割方法,该方法采用最佳熵阈值法确定分割阈值,从而减少计算量,缩短耗时.通过Matlab仿真实验所得结果表明,改进后的遗传算法在电力设备红外图像分割的时间和效果上均优于传统算法.
关键词： 遗传算法； 最佳熵阈值； 电力设备红外图像； 图像分割
中图分类号： TN911.73?34 文献标识码： A 文章编号： 1004?373X（2017）21?0056?03
Research on electrical equipment infrared image segmentation
based on improved genetic algorithm
LI Xiang1, CUI Haoyang1, PI Kaiyun1, XU Yongpeng2, QIAN Ting3
（1. School of Electronics and Information Engineering, Shanghai University of Electric Power, Shanghai 200090, China；
2. Department of Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China；
3. Department of Communication and Information Engineering, Shanghai Technical Institute of Electronics & Information, Shanghai 210411, China）
Abstract： Since the traditional genetic algorithm used to segment the region of interest （ROI） for target image has the disadvantages of slow convergence rate, long time?consumption and excessive segmentation, a segmentation method based on the improved genetic algorithm is presented. The optimal entropy threshold method is adopted in the method to determine the segmentation threshold, reduce the amount of calculation, and shorten the time?consumption. The results of Matlab simulation experiment show that the improved genetic algorithm is superior to the traditional one in the aspects of electric equipment′s infrared image segmentation time and effect.
Keywords： genetic algorithm； optimal entropy threshold； power equipment infrared image； image segmentation
0 引 言
隨着智能电网的建设与电力系统规模的扩大,电力设备发生故障的概率也逐渐增大,这就对电力设备高可靠性、高智能化的要求也不断提高.而大多数的电力设备故障的表象均为温度异常,因此,通过红外热成像法对电力设备运行状态实时在线监测日益受到供电企业的重视[1].红外热成像（IRT）是用光学探测器检测物体表面发射出的红外辐射能量,并将其转换成电信号,最终在视频监视器上形成物体表面温度场分布图像.由于电力设备故障发生的种类和部位不同,就会导致设备表面呈现不同的温度分布形式.
经过分析设备表面温度场分布状况,从而确定电力设备中潜在的故障隐患事故的发生.然而,对设备表面温度场分析的焦点主要集中在故障发生处.因此,就需要采用有效的红外图像分割方法将设备红外图像故障处单独分割出来.对设备故障处的红外分割图像进一步的处理,从而确定设备故障的种类和程度.对此,国内外众多学者对红外图像分割技术进行研究.文献[2]采用简单的阈值分割法对电力设备红外图像进行故障部位分割；文献[3]采用阈值分割与形态学标记法获得ROI；文献[4]采用传统的遗传算法进行电力设备红外图像分割；图像[5]采用分水岭算法对电力设备故障部位边缘进行提取处理.但是以上分割方法均存在分割耗时等不足,而针对红外图像感兴趣区域经常出现分割过当等问题.
传统的遗传和阈值分割法存在收敛性差、阈值寻找不是最优等缺点,给电力设备红外分割带来了很大的困扰.因此,如何提高收敛速度和缩短分割时间成为电力设备红外图像分割的关键.为有效解决上述问题,本文提出一种改进的遗传算法,通过与最佳熵阈值分割算法结合,能够使其自动调整,保证算法的收敛性,能够对设备故障处图像恰当分割,具有较高的鲁棒性.
1 遗传算法与最佳熵阈值
遗传算法是一种模拟生物遗传进化过程中自适应的全局搜索算法.将要处理的具体问题看作为一种生存环境,问题中的解作为生存在环境中的个体,通过运用目标函数对个体进行逐个评价,通过优胜劣汰的机制选择出最优的个体.
在应对背景简单的电力设备红外图像时,阈值分割的方法是较为简单有效的分割方法.但是由于采集图像时可能受到一些干扰,分割目标与周围环境灰度值较为接近,此时得到的图像灰度直方图就有可能不能出现形式.因此采用简单的阈值分割法就不能得到满意的目标分割区域.本文采用最佳熵阈值分割方法与遗传算法相结合的改进算法,能够加快算法的收敛速度,还能有效地避免算法陷入局部最优而产生退化.其基本原理为：在灰度大小为[m×n,]灰度级为[L]的图像中,[Nij]表示灰度级为[i,]所占总数为[j,]则该点灰度值概率为[pij等于Nijm×n,]假定阈值[（s,t）]把图像分割为目标与背景两个区域,由于电力设备的主要信息都保留在上述两个区域中,此时计算可以忽略其他的噪声影响和边缘模糊干扰[6].
结论：关于本文可作为相关专业遗传算法论文写作研究的大学硕士与本科毕业论文遗传算法论文开题报告范文和职称论文参考文献资料。
基于蚁群算法的改进遗传算法
摘 要: 遗传算法具有快速全局搜索能力,但对于系统中的反馈信息却没有利用,往往导致无 为的冗余迭代,求解效率低。根据这一缺陷提出一种将蚁群算法融。
基于改进遗传算法农产品配送路径优化
[摘要]以第三方物流企业为视角，在保证配送质量最高的情况下，将配送成本最低作为优化目标，构建多目标农产品配送路径优化模型。针对此类NP问题，结合。
煤矿物资多车型配送改进遗传算法求解
摘要：首先根据郑州煤电物资供销有限公司的实际情况建立单车场多车型车辆路径问题的模型，在此模型的基础上，用本文提出的改进遗传算法(IcA)对其求解。
工序顺序柔性作业车间调度问题改进遗传算法求解
摘要：针对在工艺设计中提供工序顺序柔性的作业车间调度问题，总结了该问题中柔性工序顺序的类型和特点，并提出了一种求解该问题的改进遗传算法。以尽可能。