李云红,李传真,屈海涛,苏雪平,毕远东,谢蓉蓉

(1.西安工程大学电子信息学院 陕西 西安 710048;2.哈尔滨市产品质量监督检验院,黑龙江 哈尔滨 150036)

1 引 言

近年来,随着智能电网的发展,红外图像检测技术逐渐运用到对电力设备的热故障诊断中[1]。但在实际的红外图像采集过程中,图像容易受到自身成像系统以及电力设备复杂环境背景的影响,使得采集回来的红外图像存在背景复杂、光照不均匀等问题,严重影响了故障区域的提取[2]。因此,为了便于观察与分析,适当地增强红外目标、削弱与去除不需要的信息,这便需要采用图像的分割技术[3]。目前常用的分割方法有阈值分割法[4]、区域分割法[5]、聚类分割法[6]、分水岭法[7]以及神经网络分割法[8]等。在众多方法中,阈值分割法因其效率高、算法简单,一直都是图像分割领域的热门研究方法。由于红外图像背景较为复杂,单单采用阈值分割法往往不能达到理想的分割效果。

为提高图像分割的分割效果,一些学者将人工蜂群算法应用到图像的阈值分割中。Horng等[9]提出了一种最大熵法和人工蜂群法相结合的阈值图像分割方法,但该方法有时会造成明显的过分割问题；程伟等[10]提出了一种基于改进人工蜂群算法的Otsu图像分割方法,虽然提高了分割的准确率,但当图像质量较差时,该方法容易陷入局部最优并产生错误的阈值；赵凤等[11]提出了一种多目标粒子群和人工蜂群混合优化的阈值图像分割方法,采用最大熵函数和最大类间方差函数作为算法的目标函数,但该方法缺乏对复杂图像的适用性。……