Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 合肥工业大学;国网安徽省电力有限公司滁州供电公司金子翔获国家专利权

合肥工业大学;国网安徽省电力有限公司滁州供电公司金子翔获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉合肥工业大学;国网安徽省电力有限公司滁州供电公司申请的专利一种基于热区域分割的高噪抗性阻波器热故障定位方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120070471B

龙图腾网通过国家知识产权局官网在2025-10-10发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510161356.1,技术领域涉及:G06T7/11;该发明授权一种基于热区域分割的高噪抗性阻波器热故障定位方法是由金子翔;刘平;朱国强;马渊明;刘光柱;汪中原;田合雷;张玉刚;滕飞;刘健;黄英设计研发完成,并于2025-02-13向国家知识产权局提交的专利申请。

一种基于热区域分割的高噪抗性阻波器热故障定位方法在说明书摘要公布了:本发明公开了一种基于热区域分割的高噪抗性阻波器热故障定位方法,包括:1、采集红外图像;2、依次利用列加权与分层滤波算法和基于SVD分解和信息熵线性拟合算法去除红外图像噪声;3、使用梯度权重区域生长法分割红外图像;4、根据分割后的红外图像得到有效极值点集合;5、根据有效极值点集合进行聚类处理,进而根据阈值条件找出阻波器的热异常区域,并在红外图像中的对应位置绘制掩膜,从而得到发热异常定位图像。本发明能在图像处理过程中实现高质量除噪和精准分割,从而能提高阻波器异常发热识别的精度和速度。

本发明授权一种基于热区域分割的高噪抗性阻波器热故障定位方法在权利要求书中公布了:1.一种基于热区域分割的高噪抗性阻波器热故障定位方法,其特征在于,按照以下步骤进行: 步骤1、采集维度为W×H的阻波器红外图像A1,其中,W和H分别表示所述红外图像A1的宽度和高度; 步骤2、对A1进行去噪处理,得到去噪后的红外图像A4; 步骤2.1、将A1转换为同尺度的灰度图像A2后,利用列加权与分层滤波算法对A2进行处理,具体包括:利用水平梯度图和基于高斯分布的列权重函数构建滤波窗进行计算,得到不含条纹噪声的红外图像A3; 步骤2.2、对A3进行取对数变换后,再利用Coiflet小波基对A3进行N层小波分解,得到小波图像集合{Gi|1≤i≤N},其中,Gi表示第i层分解得到的小波图像; 步骤2.3、利用基于SVD分解和信息熵线性拟合算法对{Gi|1≤i≤N}进行处理,具体包括:对小波图像进行SVD分解,并筛选奇异值序列,基于信息熵线性拟合估计噪声方差,再利用经验贝叶斯公式估计真实小波系数,得到不含条纹噪声和散斑噪声的红外图像A4; 步骤3、使用梯度权重区域生长法分割红外图像A4,得到分割后的红外图像A5; 所述步骤3的梯度权重区域生长法包含以下步骤: 步骤3.1、将A4转换为同尺度的灰度图A4’后,分别对灰度图A4’作横向、纵向梯度检测,相应得到横向梯度图Gradx、纵向梯度图Grady; 步骤3.2、将A4转到HSV空间后,用分水岭算法对HSV空间转换后的图像进行预分割处理,得到第一子区域集合,其中,表示第u个第一子区域,且的邻接子区域集合记为,表示的第v个邻接子区域,表示的邻接子区域总数; 步骤3.3、初始化u=1; 步骤3.4、计算与之间的饱和度分量方根差simSu、色调分量方根差simHu,并计算与之间的梯度协方根差simGu; 步骤3.5、计算的相似度函数fu;若fu小于阈值,则将标记为种子区域,并转入步骤3.6;反之,则直接转入步骤3.6; 步骤3.6、若u小于sub1,则将u+1赋值给u后,返回步骤3.4顺序执行;否则,表示得到种子区域集合; 步骤3.7、根据种子生长规则,从种子区域集合中选取所有种子区域进行生长,得到第二子区域集合; 步骤3.8、对第二子区域集合中的所有子区域进行矩形拟合,并剔除拟合后的矩形的长宽比大于阈值的子区域,将剩余的子区域按照几何中心到A4中心的距离进行降序排列,得到第三子区域集合,同时,将剩余的子区域按照自身区域面积进行降序排列,得到第四子区域集合;选取在第三子区域集合和第四子区域集合中索引之和最小的子区域作为分割后的红外图像A5; 步骤4、根据分割后的红外图像A5的灰度直方图,得到灰度概率密度函数,从而利用灰度概率密度函数得到A1中阻波器区域的平均灰度值Tdevice,进而得到A5所对应的三维灰度分布图中阻波器区域的有效极值点集合; 步骤5、将有效极值点集合中的每个坐标作为聚类中心,并利用KNN算法对A5中的像素点进行聚类处理后,得到聚类信息矩阵,从而根据阈值条件,从聚类信息矩阵中找出阻波器的热异常区域,并在A1中的对应位置绘制掩膜,以得到阻波器的热异常定位图像A6。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人合肥工业大学;国网安徽省电力有限公司滁州供电公司,其通讯地址为:230009 安徽省合肥市包河区屯溪路193号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。