曾 军，王东杰，范 伟，刘滨滨，赵洪山

（1.国网河北省电力有限公司，河北 石家庄 050000；2.国网河北省电力有限公司保定供电分公司，河北 保定 071000；3.华北电力大学，河北 保定 071000）

0 引言

早在20 世纪70年代，就有国外学者开始研究红外热成像的识别，并首先将其应用于军事领域[1]。我国虽然起步较晚，但从90年代开始就应用于各个领域。在2008年，国家颁布了《带电设备红外诊断应用规范》[2]，各个科研院所逐步发掘红外热成像识别在电气领域的应用。相比于可见光图像，红外图像具有对比度低、信噪比低和灰度级少的特点[3]。所以可见光图像和红外图像的识别方法有较大的差异。目前，国内外关于红外热成像目标检测和识别的研究主要包括：基于图像特征的分类识别和基于模板匹配的目标识别[4]。其中，基于图像特征的分类识别目前主要是基于深度学习[5]，而基于模板匹配的目标识别主要是通过图像分割、对比和增强等方法，对图像进行处理。本文属于第二种方法。

关于图像分割的方法，文献[6-9]分析了关于常见的Sobel，Prewitt，Roberts 等多种边缘检测算法，同时提出通过K-means 聚类提取图像的边缘，但是只通过K-means 聚类会导致提取的部分失去图像细节，为接下来的图像识别带来问题。文献[10-13]通过K-means 分割图像，并用形态学进行滤波，保留主要成分，但是形态学滤波对于有些图像可能会导致过度切割，最终可能会导致识别失败。关于图像匹配的算法，文献[14]主要通过SIFT（scale invariant feature transform）算法实现对快速移动物体的识别，但是SIFT 算法相比于SURF 算法计算复杂度高，计算速度慢，会影响识别的实时性。……