一種低對(duì)比度情況下太陽(yáng)能光伏板的有效分割方法技術(shù)

本發(fā)明專利技術(shù)提供了一種圖像對(duì)比度過(guò)低的情況下對(duì)太陽(yáng)能光伏板圖片進(jìn)行分割的有效方法，主要包括以下部分：對(duì)目標(biāo)圖片利用直方圖均衡化得到增強(qiáng)灰度圖并獲得RGB轉(zhuǎn)為HSV的v通道圖片；分別將得到的直方圖均衡化圖片與v通道圖片利用水平集分割方法進(jìn)行分割，為了提升水平集運(yùn)算效率，本發(fā)明專利技術(shù)加入邊緣停止函數(shù)，以便在灰度值變化大的區(qū)域可以快速停止演化，而在不含邊界的區(qū)域可以快速演化水平集公式；分別將兩種圖片得到的水平集分割結(jié)果進(jìn)行局部熵運(yùn)算求得圖片局部熵；將兩種圖片的局部熵進(jìn)行不同比例的疊加并按照熵值對(duì)圖像進(jìn)行二值化；將二值化的圖像進(jìn)行后續(xù)處理消除噪聲，得到完整大板并對(duì)大板是否合格進(jìn)行判斷，最后將二值圖像作為掩碼與原圖進(jìn)行復(fù)制得到最終分割結(jié)果。

An Effective Segmentation Method for Solar Photovoltaic Panels with Low Contrast

The invention provides an effective method for segmentation of solar photovoltaic panels under the condition of low image contrast, which mainly includes the following parts: using histogram equalization to obtain enhanced gray images of target images and V-channel images converted from RGB to HSV; using level set segmentation method to segment the histogram equalized images and V-channel images respectively, in order to achieve the goal of image segmentation. To improve the efficiency of level set operation, the edge stopping function is added in the present invention, so that the level set formula can be rapidly evolved in areas where the gray value varies greatly, and in areas without boundaries; the local entropy of the image can be obtained by local entropy operation of the level set segmentation results of the two pictures respectively; and the local entropy of the two pictures can be superposed in different proportions and according to the local entropy of the two pictures. The binary image is binarized according to the entropy value; the binarized image is processed to eliminate the noise, and the complete board is obtained and judged whether the board is qualified. Finally, the binary image is copied as a mask and the original image to get the final segmentation result.

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種低對(duì)比度情況下太陽(yáng)能光伏板的有效分割方法
本專利技術(shù)涉及模式識(shí)別、圖像處理領(lǐng)域，尤其是對(duì)較低對(duì)比度情況下紅外圖像的分割問(wèn)題。技術(shù)背景太陽(yáng)能是一個(gè)巨大、永久的能量源，每秒輻射到地球的能量相當(dāng)于500萬(wàn)噸標(biāo)準(zhǔn)煤，可以說(shuō)太陽(yáng)能是當(dāng)今世界上可以開發(fā)的最大能源。此外，太陽(yáng)光照射大地沒(méi)有地域的限制，可以直接開發(fā)和免費(fèi)使用，不需要開采和運(yùn)輸。隨著石化燃料(煤，石油和天然氣)的不斷開采和消耗，能源的供應(yīng)越來(lái)越緊張，太陽(yáng)能的開發(fā)與利用就顯得越來(lái)越重要。太陽(yáng)能光伏板是將太陽(yáng)光輻射能直接轉(zhuǎn)換為電能的一種新型發(fā)電設(shè)備，廣泛應(yīng)用于生活中各個(gè)領(lǐng)域，例如用戶太陽(yáng)能電源、交通警示/標(biāo)志燈等的供電、石油管道和水庫(kù)閘門陰極保護(hù)太陽(yáng)能電源系統(tǒng)、家庭燈具電源、光伏電站、太陽(yáng)能建筑、衛(wèi)星、航天器、空間太陽(yáng)能電站等。數(shù)量龐大的太陽(yáng)能光伏板需要配備紅外線熱像儀等設(shè)備，對(duì)太陽(yáng)能光伏板進(jìn)行紅外拍攝，以檢測(cè)光伏組件是否有過(guò)熱情況，從而保證太陽(yáng)能光伏板的正常工作。由于拍攝出的太陽(yáng)能板數(shù)量龐大，人工進(jìn)行故障點(diǎn)檢測(cè)，不僅會(huì)消耗大量的人力物力，而且效率低下，這時(shí)就需要借助圖像處理技術(shù)對(duì)太陽(yáng)能光伏板進(jìn)行分割，將光伏板和背景部分分開，對(duì)分割獲取的光伏板，進(jìn)行故障點(diǎn)的檢測(cè)與定位。在對(duì)太陽(yáng)能光伏板進(jìn)行紅外拍攝時(shí)，受到天氣、地理背景、拍攝高度等影響，拍攝出的照片，可能會(huì)存在背景復(fù)雜、光伏板顏色不均勻、圖片對(duì)比度過(guò)低等問(wèn)題，極大的影響了太陽(yáng)板分割與檢測(cè)的效果。如何有針對(duì)性的解決劣質(zhì)拍攝圖片的分割問(wèn)題，已經(jīng)成為圖像分割領(lǐng)域急需解決的問(wèn)題，并且具有廣闊的應(yīng)用市場(chǎng)與理論價(jià)值。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)提供了一種圖像對(duì)比度過(guò)低情況下太陽(yáng)能光伏板分割的有效方法。通過(guò)對(duì)暗圖像增強(qiáng)，并與改進(jìn)的水平集算法以及圖像局部熵運(yùn)算相結(jié)合，提出了一種有效的針對(duì)暗圖像的分割方法。考慮到水平集分割算法的運(yùn)算效率，本專利技術(shù)加入邊緣停止函數(shù)，以便在灰度值變化大的區(qū)域可以快速停止演化，而在灰度值變化小的區(qū)域可以快速演化以保證分割算法的運(yùn)算速度。首先，圖像增強(qiáng)采用的方法為直方圖均衡化與Hue,Saturation,Value(HSV)色彩空間的Value(V)通道圖片，然后將增強(qiáng)后的圖片進(jìn)行水平集演化，最后進(jìn)行局部熵運(yùn)算，并進(jìn)行大板擬合，得到分割結(jié)果。實(shí)驗(yàn)結(jié)果證明本專利技術(shù)對(duì)暗圖像分割效果較好，可以有效的分割出太陽(yáng)能光伏板，并且能夠顯著降低背景噪聲。所述技術(shù)方案如下：一種圖像對(duì)比度過(guò)低的情況下對(duì)太陽(yáng)能光伏板圖片進(jìn)行分割的有效方法，包括：步驟1：對(duì)目標(biāo)圖片，利用直方圖均衡化，獲得增強(qiáng)灰度圖；將紅外圖像從Red,Green,Blue(RGB)空間轉(zhuǎn)換到HSV空間，以獲取V通道圖像。步驟2：分別將得到的直方圖均衡化圖片與V通道圖片利用水平集分割方法進(jìn)行分割。步驟3：分別將兩種圖片得到的水平集分割結(jié)果進(jìn)行局部熵運(yùn)算，獲得圖片局部熵。步驟4：將兩種圖片的局部熵進(jìn)行不同比例的疊加，并按照熵值對(duì)圖像進(jìn)行二值化。步驟5：將二值化的圖像進(jìn)行后續(xù)處理以消除噪聲，得到完整大板，并對(duì)大板是否合格進(jìn)行判斷，將二值圖像作為掩碼，與原圖進(jìn)行復(fù)制，獲取最終分割結(jié)果。在一些實(shí)施方案中，其中步驟1對(duì)目標(biāo)圖片利用直方圖均衡化得到增強(qiáng)灰度圖并獲得RGB轉(zhuǎn)為HSV的V通道圖片。對(duì)于一張灰度圖片I，假設(shè)大小為R*C，其中像素范圍為[0，L-1]，可以將像素的概率密度函數(shù)定義為：其中T(k)為像素值k在圖片中的總數(shù)量，N＝R*C，通常(L-1)＝255。像素值k的累積分布函數(shù)(CDF)可以描述為如下公式：d(k)＝d(k-1)+p(k)其中d(0)＝0經(jīng)過(guò)直方圖均衡化的新圖像像素值為：hi(k)＝d(k)*k相對(duì)于RGB空間，HSV空間能夠非常直觀的表達(dá)色彩的明暗，色調(diào)，以及鮮艷程度，在很多應(yīng)用中處理更加方便。HSV空間顏色模型可以描述為：在一些實(shí)施方案中，其中步驟2為分別將得到的直方圖均衡化圖片與V通道圖片利用水平集分割方法進(jìn)行分割。水平集方法把低維的一些計(jì)算上升到更高一維，把N維的描述看為N+1維的一個(gè)水平。水平集方法將平面中閉合曲線表達(dá)為連續(xù)函數(shù)曲面φ(x,y,t)的一個(gè)具有相同函數(shù)值的同值曲線，通常將目標(biāo)曲線表示在零水平集函數(shù){φ(x,y,t)＝0}中，水平集函數(shù)充分利用偏微分方程作為分析方法與手段，用于分析與計(jì)算邊界面的運(yùn)動(dòng)與傳播，常用的水平集函數(shù)是帶符號(hào)的距離函數(shù)，分割圖像主要通過(guò)尋找一個(gè)輪廓，使圖片分為不相交的區(qū)域，并進(jìn)行分段光滑。水平集分割主要有兩種方式，基于區(qū)域與基于邊緣的模型，本專利技術(shù)采用基于區(qū)域的模型對(duì)輪廓進(jìn)行演化，水平集目標(biāo)公式可以描述為：其中ε(φ,c,b)代表數(shù)據(jù)項(xiàng)，使得b(y)ci盡可能的接近像素值I(x),k(Y-X)代表核函數(shù)，Mi(φ(x))代表heaviside函數(shù)，在本專利技術(shù)中N＝2。計(jì)算φ的零水平輪廓的長(zhǎng)度并且有平滑輪廓的作用，能量密度函數(shù)當(dāng)時(shí)達(dá)到最小值，所以代表距離約束項(xiàng)。對(duì)目標(biāo)公式進(jìn)行最小化，可以固定其中兩項(xiàng)對(duì)另一項(xiàng)進(jìn)行求梯度。由于目標(biāo)函數(shù)的演化速度較慢，在目標(biāo)物體范圍內(nèi)，像素值變化較慢，梯度更小，此時(shí)應(yīng)該有較大的演化速度，在物體的邊緣區(qū)域，圖像的像素值變化較快，梯度更大，演化應(yīng)該具有更小的速度，為了在不含邊緣的區(qū)域獲得較大的演化速度，從而可以以最快的速度穿過(guò)這些區(qū)域，而在邊緣區(qū)域可以快速停止演變，本專利技術(shù)加入一個(gè)分段單調(diào)遞減函數(shù)與梯度模的符號(hào)函數(shù)，從而使邊緣定位更準(zhǔn)確：其中λ∈(0,0.1]將gk邊緣停止函數(shù)與變分水平集函數(shù)相結(jié)合，可得到如下演化方程：固定b與c，最小化對(duì)于固定的φ和b，能量最小化ε(φ,c,b)得到最優(yōu)c,定義為：則對(duì)于固定的φ和c，通過(guò)最小化能量公式ε(φ,c,b)得到最優(yōu)b，定義為在一些實(shí)施步驟中，其中步驟3為分別將兩種圖片得到的水平集分割結(jié)果進(jìn)行局部熵運(yùn)算求得圖片局部熵。由于經(jīng)過(guò)上面兩部的處理之后，水平集分割的結(jié)果對(duì)于擁有復(fù)雜背景的圖片分割會(huì)產(chǎn)生較多的噪聲，對(duì)太陽(yáng)板的分析發(fā)現(xiàn)，光伏板的紋理相比于背景區(qū)域更為平滑，而背景區(qū)域則擁有更多嘈雜的噪聲，像素的分布更為離散，加入局部熵運(yùn)算對(duì)圖像進(jìn)行分割。令i表示像素的灰度值(0<＝i<＝255)，j表示鄰域灰度均值(0<＝j(luò)<＝255)：對(duì)于大小為R*C的圖片I，定義pk為：其中nk為特像素值k出現(xiàn)的頻數(shù)，定義圖像熵為：若R*C為整體圖像I的一部分，則稱為H為局部熵，局部熵反映了圖像灰度的離散程度，在局部熵大的地方，圖像灰度相對(duì)較均勻；局部熵小的地方，圖像灰度擁有較大的離散性，而與圖像灰度的均值無(wú)直接關(guān)系，所以可以根據(jù)圖像的局部熵把相對(duì)均勻的多目標(biāo)分割出來(lái)。在一些實(shí)施步驟中，其中步驟4為對(duì)兩種圖片的局部熵進(jìn)行不同比例的疊加并按照熵值對(duì)圖像進(jìn)行二值化。假設(shè)經(jīng)過(guò)直方圖均衡化與水平集處理得到的圖片得到的熵為Hh，經(jīng)過(guò)HSV空間與水平集結(jié)合得到的熵為Hv，令：Hf＝0.3*Hh+0.7Hv對(duì)整體圖片I所有局部熵Hf求得均值Hm，令：其中th為處理閾值，選取th＝0.78。利用上述公式將熵值較小的區(qū)域置為白色，而熵值較大的區(qū)域作為背景區(qū)域處理。在一些實(shí)施步驟中，其中步驟5為將二值化的圖像進(jìn)行大板擬合得到最終分割結(jié)果。經(jīng)過(guò)二值化后的結(jié)果可以得到太陽(yáng)板的小板輪廓以及少量噪聲。對(duì)第三步得到的結(jié)果圖片進(jìn)行腐蝕本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
1.一種圖像對(duì)比度過(guò)低的情況下對(duì)太陽(yáng)能光伏板圖片進(jìn)行分割的有效方法，包括：步驟1：對(duì)目標(biāo)圖片，利用直方圖均衡化，獲得增強(qiáng)灰度圖；將紅外圖像從Red,Green,Blue(RGB)空間轉(zhuǎn)換到Hue,Saturation,Value(HSV)空間，以獲取Value(V)通道圖像。步驟2：分別將得到的直方圖均衡化圖片與V通道圖片利用水平集分割方法進(jìn)行分割。步驟3：分別將兩種圖片得到的水平集分割結(jié)果進(jìn)行局部熵運(yùn)算，獲得圖片局部熵。步驟4：將兩種圖片的局部熵進(jìn)行不同比例的疊加，并按照熵值對(duì)圖像進(jìn)行二值化。步驟5：將二值化的圖像進(jìn)行后續(xù)處理以消除噪聲，得到完整大板，并對(duì)大板是否合格進(jìn)行判斷，將二值圖像作為掩碼，與原圖進(jìn)行復(fù)制，獲取最終分割結(jié)果。

【技術(shù)特征摘要】
1.一種圖像對(duì)比度過(guò)低的情況下對(duì)太陽(yáng)能光伏板圖片進(jìn)行分割的有效方法，包括：步驟1：對(duì)目標(biāo)圖片，利用直方圖均衡化，獲得增強(qiáng)灰度圖；將紅外圖像從Red,Green,Blue(RGB)空間轉(zhuǎn)換到Hue,Saturation,Value(HSV)空間，以獲取Value(V)通道圖像。步驟2：分別將得到的直方圖均衡化圖片與V通道圖片利用水平集分割方法進(jìn)行分割。步驟3：分別將兩種圖片得到的水平集分割結(jié)果進(jìn)行局部熵運(yùn)算，獲得圖片局部熵。步驟4：將兩種圖片的局部熵進(jìn)行不同比例的疊加，并按照熵值對(duì)圖像進(jìn)行二值化。步驟5：將二值化的圖像進(jìn)行后續(xù)處理以消除噪聲，得到完整大板，并對(duì)大板是否合格進(jìn)行判斷，將二值圖像作為掩碼，與原圖進(jìn)行復(fù)制，獲取最終分割結(jié)果。2.根據(jù)權(quán)利要求1所述的一種圖像對(duì)比度過(guò)低的情況下對(duì)太陽(yáng)能光伏板圖片進(jìn)行分割的有效方法，其特征在于，所述步驟1中，對(duì)目標(biāo)圖片利用直方圖均衡化得到增強(qiáng)灰度圖并獲得RGB轉(zhuǎn)為HSV的V通道圖片。對(duì)于一張灰度圖片I，假設(shè)大小為R*C，其中像素范圍為[0，L-1]，可以將像素的概率密度函數(shù)定義為：其中T(k)為像素值k在圖片中的總數(shù)量，N＝R*C，通常(L-1)＝255。像素值k的累積分布函數(shù)(CDF)可以描述為如下公式：d(k)＝d(k-1)+p(k)其中d(0)＝0經(jīng)過(guò)直方圖均衡化的新圖像像素值為：hi(k)＝d(k)*kHSV空間顏色模型可以描述為：3.根據(jù)權(quán)利要求1所述的一種圖像對(duì)比度過(guò)低的情況下對(duì)太陽(yáng)能光伏板圖片進(jìn)行分割的有效方法，其特征在于，所述步驟2中，分別將得到的直方圖均衡化圖片與v通道圖片利用水平集分割方法進(jìn)行分割。本發(fā)明采用基于區(qū)域的模型對(duì)輪廓進(jìn)行演化，水平集目標(biāo)公式可以描述為：其中ε(φ,c,b)代表數(shù)據(jù)項(xiàng)，使得b(y)ci盡可能的接近像素值I(x),k(Y-X)代表核函數(shù)，Mi(φ(x))代表heaviside函數(shù)，在本發(fā)明中N＝2。計(jì)算φ的零水平輪廓的長(zhǎng)度并且有平滑輪廓的作用，能量密度函數(shù)當(dāng)|▽?duì)諀＝1時(shí)達(dá)到最小值，所以代表距離約束項(xiàng)。對(duì)目標(biāo)公式進(jìn)行最小化，可以固定其中兩項(xiàng)對(duì)另一項(xiàng)進(jìn)行求梯度。由于目標(biāo)函數(shù)的演化速度較慢，為了加快水平集算法迭代的速度，本發(fā)明加入一個(gè)分段單調(diào)遞減函數(shù)與梯度模的符號(hào)函數(shù)：其中K＝λ×max{▽I}2，λ∈(0,0.1]將gk邊緣停止函數(shù)與變分水平集函數(shù)相...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：孫戰(zhàn)里，鮑新愿，
申請(qǐng)(專利權(quán))人：安徽大學(xué)，
類型：發(fā)明
國(guó)別省市：安徽,34