王智杰，牛硕丰，刘相兴，崔荣花

（国网山东省电力公司菏泽供电公司山东菏泽274000）

目前，红外热成像诊断技术已成为电力设备故障检测的重要手段之一[1-3]。红外图像中包含了设备表面的温度场信息，据此对图像进行二值化分割，并结合相关故障特征可对设备热缺陷进行提取[4]。

然而，传统的二值化图像分割算法[5-6]因存在阈值选取的误差，容易出现欠分割或过分割的现象。同时，在阈值选取效率上也难以满足设备红外温度场实时特征提取与分析的要求。针对这一现状，本文采用蝙蝠算法优化二维信息熵函数，快速搜寻电力设备红外图像全局最优阈值，并对其进行二值化分割。实验结果表明，与PSO+Otsu阈值分割法[7]、Kapur多级阈值分割法[8]及Kittler最小错误阈值分割法[9]相比，本文方法的分割精度更高、速度更快，更能满足电力设备红外图像实时特征提取及故障诊断的需求。

1 二维信息熵阈值选取原理

图1 红外图像二维灰度直方图

图1为一幅电力设备红外热像的二维灰度直方图，以（S，T）为阈值将电气设备红外图像进行分割，得到A1、A2、A3、A4四个区域，其中左下角的A1（s ＜S，t＜T）代表背景区域，右上角的A2（s＞S，t＞T）代表目标区域。右下角的A3（s＞S，t＜T）区域和左上角的A4（s＜S，t＞T）区域分别代表图像中的边界和噪声。为使背景和目标区域内所含信息最多，需在A1、A2区域上利用灰度值-平均灰度二维信息熵法选择最优分割阈值。A1、A2区域在图像中所占比例分别为：

A1、A2区域所对应的信息熵分别为：

定义阈值为（S，T）的二维信息熵判……