摘要
摘要内容
伴随着我国电网规模的日益加大,各类变电设备的运作状态是促使其安全高效运行的最为主要的因素之一。对于各类变电设备的在线状态监测系统的推广越来越发普及。研究基于图像特征的电力设备自动故障识别具有重要意义。
本文对各类主要电力设备，研究各类变电设备故障识别分类及相应故障的图像特征，以及基于红外与紫外图像特征的故障识别方法。对于紫外放电成像技术图像的处理与特征提取，本文从紫外成像技术的基本原理出发，在讲解紫外放电图片特性的基础上，对紫外放电图像使用灰度化预处理，以及应用中值滤波等方法对图像进行降噪。并通过canny算子边缘检测计算紫外光斑面积判断是否发生放电故障。针对红外故障图像，本文在红外成像原理的基础上，对红外图像进行超像素分割及HSV空间颜色提取，对应用卷积神经网络对红外故障图像故障区域检测进行理论上的研究。
关键词：红外成像紫外成像图像处理
ABSTRACT
With the increasing scale of China's power grid, the operation of various types of substation equipment is one of the most important factors to promote the safe and efficient operation. The popularization of the on-line condition monitoring system for all kinds of transformer equipment is becoming more and more popular. Research on image feature based automatic fault recognition of power equipment is of great significance.
In this paper, various types of main power equipment, the study of various types of substation equipment fault identification and classification of image features, as well as infrared and ultraviolet image features based on fault identification method. For ultraviolet discharge imaging technique to image processing and feature extraction, this paper from the basic principle of UV imaging technology of on the explanation of the ultraviolet discharge picture characteristics based and discharge on the UV image using grayscale preprocessing and application of median filtering method of image in noise reduction. And through the Canny operator edge detection to determine whether the area of the UV spot to determine whether the discharge fault. Aiming at the
fault infrared image, this paper on the basis of the principle of infrared imaging, the infrared image were super pixel segmentation and HSV color space extraction, the convolutional neural network is applied to fault section detection of infrared fault image of theoretical research.
KEY WORDS:
目录
第一章
1.1课题背景
伴随着我国国民经济水平的前进与发展,全国各地对电力的需求不断增长,推动我国电网规模不断加大、同时向超高压、大容量和智能化的路线前进。但也对各类电力设备的安全性及可靠性提出更为克刻的要求。由于一旦电力设备和部件产生故障或缺陷，极易导致“链式反应”，致使整个电力系统不能正常工作，从而引发重大的经济损失，而存在隐患的设备故障和缺陷还会造成灾难性事故和人员伤亡，更是从源头波及社会方方面面造成恶劣影响。故障识别与诊断技术给电力单位带来显著的生产利益，其经济意义集中表现在减少维修消耗和避免突发事故这两点上。
而且，研究表明，电气设备故障产生最直接最重要的原因是其绝缘性能发生劣化。电气设备尤其是高压电气设备长期处于高电压、强场强运行条件下，同时承受户外风雨侵袭，不可避免会使得绝缘性能发生劣化。伴随时间的日益推移，当劣化产生一定影响时，就会发生电力设备放电这种现象。若没有及时找到电气设备放电的原因，对故障部件进行维修和更换，放任放电故障发展，结果极有可能导致设备击穿、闪络等现象，致使故障更为严重，波及范围也大大增加。所以必须对电力设备的前期局部放电展开深入研究，对电力设备的绝缘能力特别是其外绝缘能力进行预先评价，保障电力设备安全高效运转，从而提高整体系统的可靠及稳定性。每当电力设备放电时，放电部位会放出波长240致80nm的紫外辐射，对此信号进行有效的监测，将大大的有益于早期检测到放电现象。而且电力设备，凡是其外部发生放电，均可得到其放电紫外图像，这导致紫外放电成像技术在电力设备在线状态监测特别是电力设备外绝缘监测方面的应用领域更加广泛。
1.2国内外研究现状
1.2．1红外热像仪成像技术在电力系统的应用
对变压器的红外成像在线状态监测系统在电力系统的普遍应用是电力企业对于追求信息化的必经之路，它不但可以代替人为测温，更是达到实时在线监测变压器的发热情况，避免和降低故障发生，保障了变压器的可靠运行，确保了电
力系统的稳定供电。
电力设备的发热引发的故障是导致大面积停电等事故灾难的最为重要的诱导因素，一直以来怎样实时可靠的在线监测电力设备都是电力行业一个极具意义的问题。变压器作为变电系统中最核心的电力设备，是整个变电环节运行的中心所在，其可靠性关乎整个变电网络。在变压器的工作过程中，无论是负荷过大，还是油位出现了异常，其温度都会发生变化，若不及时发现将会引发变压器设备损坏等事故，直接威胁到供电安全。公司对运行中的变压器的温度监测一直予以高度重视，对变压器的红外测温也有明确规定。但是，随着电网发展和社会科技进步，变电系统的自动化、信息化要求不断严格，变电站大致上完成了无人值班或少人值守的阶段，现在基本通过红外测温仪对变电设备的检测都是通过人为测量的方法，这些都不能达到运转和监控自动化的目标。
从上世纪六十年代国外采用红外测温技术，七十年代起将红外成像仪安装于车辆或是直升机上对变电设备及高压输电系统产生的故障与缺陷做定期检测,伴随红外线探测设备,特别是红外线热成像设备的日益进步逐渐发展为专业的红外成像检测技术,而且更是编写出与之配套的技术标规和红外诊断故障判定标准,目前更是在全球各个发达国家当中普及,并得到了极佳的经济效果。
我国探寻发展对于电力设备应用红外测温技术起于20世纪七十年代初,应用国内开发的红外测温设备检测高压输电线路接头温度的试验研究工作,开创了我国红外技术的应用。[1]从八十年代中期开始,随着性能优良可靠的红外诊断仪器的发展及主管部门的重视,通过一些电力科研单位的大量室内模拟试验和现场试验,取得了不少实践经验。不但在现场试验中检测出了大量的缺陷与问题,通过立即的修理,避免了部分严重的灾难性的事故的出现,受到了极佳的反响,更是从中积攒了大量实践知识,慢慢完善了故障的评判准则。
1.2.2紫外成像技术在电力系统中的应用
[2]早在1984年，前苏联西伯利亚电力科学研究院就将紫外成像技术运用于电力系统设备监测中，开发了紫外电子光学探伤仪，并用该探伤仪实现了电气设备外绝缘的监测。然而，该设备难以避免日光对紫外图像的影响，因此只能夜间监测，且受天气因素影响较大。为了实现采用紫外成像法对放电设备的实时监测，上世纪90年代，西方少数国家开始研制日盲型紫外成像仪，所谓日盲型紫外成
像仪，就是紫外监测的结果不受日光的影响，即紫外成像是不吸收太阳光中紫外谱段。至此，电力系统开始普遍采用日盲型紫外成像仪实现电气设备放电图像的实时监测。
现在电力行业中主要普及的是红外热成像检测技术，然而应用紫外成像技术在放电监测方面还在刚刚发展的阶段。通过低通滤波手段对紫外成像图像处理降低紫外线放电图像中各类噪声；通过中值滤波理论，对紫外成像图像增强信噪比。对于紫外放电光斑提取问题：通过改进的candy算法对紫外放电图像实施边缘提取,从而有效获得故障区域的放电光斑。采用形态学分析理论，对放电光斑进行了自适应提取，同时该方法也能有效抑制噪声对紫外放电光斑提取的影响.
第二章电力设备红外线故障图像
2.1红外成像法检测原理
红外辐射测温仪
红外线辐射测温仪也叫红外测温仪，是一种对物体放射的红外线的温度检测仪器，它只能检测对象表面上某点四周确定面积的平均温度。在不追求精准测量对象表面二维温度分布时，与别的设备相比较，具有简化结构、价格便宜、操作便携等优点。
[3]红外测温仪的基本原理是以被测目标的红外辐射能量与温度成一定函数关系而制成的仪器。其工作时，被测目标的红外辐射能量经仪器透镜会聚，并通过红外滤光片进入探测器，探测器将辐射能转换为
电能的信号，经放大器放大、电子电路处理，最终由显示器显示出被测物体的表面温度。图2-2所示的是一个装有有目视对准系统的红外测温仪，通过45°的分光镜，可见光反射到分划板上，其刻有一圆环，圆环的面积应与光阑孔面积相同，分划板后安装有一组目视透镜，以使人确认测量对象的准确情况以及目标是否填充满小环。
[1]红外测温仪的基本结构必须包括光学系统、红外探测器、电信号放大及处理系统、结果显示系统和其它附属部分(包括目标瞄准器、供电电源与整体机械结构)等几个主要功能部分。根据测温要求可分为单波段中低温测温仪(8-12μm)、高温测温仪(2-2.5μm)和高温比色测温仪。现在，各类的红外测温设备都安装有可视瞄准或激光瞄准装臵，使人更精准地检测对象的温度而采取了便携的手段。
红外热成像仪不但可以非接触式测温，而且能实现实时反馈对象表面温度的二维分布及改变状况，这是它不同于红外测温仪的一个显著优势。红外热成像仪具有图像处理程序，测温快速、分辨率优异、直观，并具有信息收集、存储、处理和解析方便的优点。因此，虽然它比红外测温仪等装臵的结构纷繁、价格高的多，但在电力设备实时监测中还有很大的作用。
红外热成像仪的运行流程是把被测对象表面温度经由红外线的方式，通过收到光学程序和扫描设备显像到探测器上，然后通过探测器转换成视频形式。此微小的视频信号通过信号放大装臵后[17]，传到外端显示屏上，表现出被测对象表面温度分布情况的热成像。
[5]红外热像仪的基本结构由光学系统、扫描机构、红外探测器、
前臵放大器、视频信号预处理电路、显示记录系统和外围辅助装臵等组成。红外热像仪的核心器件是红外探测器，可分为单元探测器、多元探测器和带有内处理功能的探测器。常用热像仪的工作波长为3-5μm和8-14μm。
2.2电力设备红外检测诊断故障典型图谱
2.2.1变压器缺陷红外检测诊断故障典型图谱
变压器缺陷主要包括以下两个部分:1、变压器本体的缺陷;2、套管部位的缺陷
2.2.1.1．变压器套管温度分布异常
变压器套管包含主变高压侧套管、低压侧套管、抱箍线夹、中性点套管、管出线线夹等部分。温差不超过 10K，未达到严重缺陷的要求，可应用图像特征分析法、同类比较判断法。
（1）变压器套管温度分布异常
图2-3 220kV 主变高压侧热像图，左侧套管上部温度偏低。
（2）变压器套管出线线夹过热
图2-4 110kV 主变高压侧套管热图，套管上部温度偏低。（3）变压器套管抱箍线夹过热
图2-5 500kV 变压器套管热像图，左侧（中压侧）套管出线线夹有明显热点。
（4）变压器套管柱头过热
图2-6 110kV 变压器高压侧套管热像图，套管抱箍线夹有明显热点。
（5）变压器套管末屏温度分布异常
图2-7 220kV 变压器高压侧套管热像图，套管末屏（左侧）温度偏高
2.2.1.2变压器本体部分缺陷
变压器本体包含主变高压侧本体、低压侧本体、高压侧左面本体、高压侧右面本体。温差不超过 10K，未达到严重缺陷的要求，可应用表面温度判断法、图像特征分析法。
（1）变压器本体温度分布异常
图2-8 110kV 变压器本体热像图，本体局部温度偏高。（2）变压器冷却器（自冷式）温度分布异常
图2-9 110kV 变压器散热器热像图，右 2散热器温度偏低（3）变压器冷却器（水冷式）温度分布异常
图2-10变压器冷却器（水冷式）热像图，左 1、左 2冷却器温度偏低。
（4）变压器冷却器温度异常
图2-11 220kV 变压器冷却器热像图，两侧温度明显不一致。（5）变压器冷却器（强油风冷）进、出油管温度异常
图2-12变压器冷却器（强油风冷）热像图
2.2.2高压断路器缺陷红外检测诊断故障典型图谱
断路器通常由于内部部件接触不良导致温度异常。可应用表面温度诊断法等。
图2-13 220kV 断路器热像图，左侧断路器动触头法兰发热
（2）断路器中间触头发热
图2-14 110kV 断路器热像图，断路器中间触头法兰发热（3）断路器静触头发热
图2-15 110kV 断路器热像图，右侧断路器静触头法兰发热
（4）断路器瓷套点状温度分布异常
图2-16 110kV 断路器热像图，动触头法兰与下瓷磁套接合部有点状发热点。
2.2.3隔离开关红外检测诊断故障典型图谱
220kV隔离开关的发热缺陷，根据其特点可用表面温度判断法、图像特征分析法、同类比较判断法判断。
图2-17 220kV 隔离开关热像图，刀口有明显热点。（2）隔离开关转头过热
图2-18 220kV 隔离开关热像图，下转头接触有明显热点(1)隔离开关接线板过热
图像识别技术研究现状综述 简介： 图像识别是指图形刺激作用于感觉器官，人们辨认出它是经验过的某一图形的过程,也叫图像再认。在图像识别中,既要有当时进入感官的信息,也要有记忆中存储的信息。只有通过存储的信息与当前的信息进行比较的加工过程，才能实现对图像的再认。图像识别技术是以图像的主要特征为基础的，在图像识别过程中，知觉机制必须排除输入的多余信息,抽出关键的信息。在人类图像识别系统中，对复杂图像的识别往往要通过不同层次的信息加工才能实现。对于熟悉的图形,由于掌握了它的主要特征，就会把它当作一个单元来识别，而不再注意它的细节了。这种由孤立的单元材料组成的整体单位叫做组块，每一个组块是同时被感知的。图像在人类的感知中扮演着非常重要的角色，人类随时随处都要接触图像。随着数字图像技术的发展和实际应用的需要，出现了另一类问题，就是不要求其结果输出是一幅完整的图像，而是将经过图像处理后的图像，再经过分割和描述提取有效的特征，进而加以判决分类，这就是近20年来发展起来的一门新兴技术科学一图像识别。它以研究某些对象或过程的分类与描述为主要内容，以研制能够自动处理某些信息的机器视觉系统，代替传统的人工完成分类和辨识的任务为目的。 图像识别的发展大致经历了三个阶段：文字识别、图像处理和识别及物体识别：文字识别的研究是从1950年开始的，一般是识别字母、数字和符号，并从印刷文字识别到手写文字识别，应用非常广泛，并且已经研制了许多专用设备。图像处理和识别的研究，是从1965年开始的。过去人们主要是对照相技术、光学技术的研究，而现在则是利用计算技术、通过计算机来完成。计算机图像处理不但可以消除图像的失真、噪声，同时还可以进行图像的增强与复原，然后进行图像的判读、解析与识别，如航空照片的解析、遥感图像的处理与识别等，其用途之广，不胜枚举。物体识别也就是对三维世界的认识，它是和机器人研究有着密切关系的一个领域，在图像处理上没有特殊的难点，但必须知道距离信息，并且必须将环境模型化。在自动化技术已从体力劳动向部分智力劳动自动化发展的今天，尽管机器人的研究非常盛行，还只限于视觉能够观察到的场景。进入80年代，随着计算机和信息科学的发展，计算机视觉、人工智能的研究已成为新的动向 图像识别与图像处理的关系： 在研究图像时，首先要对获得的图像信息进行预处理（前处理）以滤去干扰、噪声，作几何、彩色校正等，以提供一个满足要求的图像。图像处理包括图像编码，图像增强、图像压缩、图像复原、图像分割等。对于图像处理来说，输入是图像，输出（即经过处理后的结果）也是图像。图像处理主要用来解决两个问题：一是判断图像中有无需要的信息；二是确定这些信息是什么。图像识别是指对上述处理后的图像进行分类，确定类别名称，它可以在分割的基础上选择需要提取的特征，并对某些参数进行测量，再提取这些特征，然后根据测量结果做出分类。为了更好地识别图像，还要对整个图像做结构上的分析，对图像进行描述，以便对图像的主要信息做一个好的解释，并通过许多对象相互间的结构关系对图像加深理解，以便更好帮助和识别。故图像识别是在上述分割后的每个部分中，找出它的形状及纹理特征，以便对图像进行分类，并对整个图像做结构上的分析。因而对图像识别环节来说，输入是图像（经过上述处理后的图像），输出是类别和图像的结构分析，而结构分析的结果则
开关设备用电气图形符号和文字符号 1范围 本标准规定了开关设备用电气图形符号和相应的文字符号。 本标准适用于高、低压开关设备电气图的绘制。 2 规范性引用文件 GB 4026 电器接线端子的识别和用字母数字符号标志接线端子的通则 GB 4728 电气图用图形符号 GB 5465 电气设备用图形符号 GB 7159 电气技术中的文字符号制订通则 3 术语 3.1 图形符号 通常用于图样或其他文件以表示一个设备或概念的图形、标记或字符。 3.2符号要素 一种具有确定意义的简单图形，必须同其他图形组合以构成一个设备或概念的完整符号。 3.3 一般符号 用以表示一类产品和此类产品特征的一种通常很简单的符号。 3.4 限定符号 用以提供附加信息的一种加在其他符号上的符号。 注：限定符号通常不能单独使用，但一般符号有时也可用作限定符号，如开关的一般符号作为限定符号加到熔断器符号上即构成具有独立报警电路的熔断器。 3.5 方框符号 用以表示元件、设备等的组合及其功能，既不给出元件、设备的细节也不考虑所有连接的一种简单的图形符号。 注：方框符号通常用在使用单线表示法的图中，也可用在表示全部输入和输出接线的图中。 3.6 项目 在图上通常用一个图形符号表示的基本件、部件、组件、功能单元、设备、系统等。如电阻器、继电器、发电机、放大器、电源装置、开关设备等，都可称为项目。 3.7 项目代号 用以识别图、图表、表格中和设备上的项目种类，并提供项目的层次关系、实际位置等信息的一种特定的代码。 4 基本要求 4.1 图形符号的绘制 4.1.1本标准中的图形符号均按便于理解的尺寸绘出，并尽量使符号互相之间的比例适当。布置图形符号时，应使连接线之间的距离是模数（2.5 mm）的倍数，通常不小于5 mm。 4.1.2本标准中的图形符号可根据需要缩小或放大，当一个图形符号用以限定另一个图形符号时，该符
图像处理及识别技术在机器人路径规划中的一种应用 摘要：目前，随着计算机和通讯技术的发展，在智能机器人系统中，环境感知与定位、路径规划和运动控制等功能模块趋向于分布式的解决方案。机器人路径规划问题是智能机器人研究中的重要组成部分，路径规划系统可以分为环境信息的感知与识别、路径规划以及机器人的运动控制三部分，这三部分可以并行执行，提高机器人路径规划系统的稳定性和实时性。在感知环节，视觉处理是关键。本文主要对机器人的路径规划研究基于图像识别技术，研究了图像处理及识别技术在路径规划中是如何应用的，机器人将采集到的环境地图信息发送给计算机终端，计算机对图像进行分析处理与识别，将结果反馈给机器人，并给机器人发送任务信息，机器人根据接收到的信息做出相应的操作。 关键词：图像识别；图像处理；机器人；路径规划 ABSTRACT：At present, with the development of computer and communication technology, each module, such as environment sensing, direction deciding, route planning and movement controlling moduel in the system of intelligent robot, is resolved respectively. Robot path planning is an part of intelligent robot study. The path planning system can be divided into three parts: environmental information perception and recognition, path planning and motion controlling. The three parts can be executed in parallel to improve the stability of the robot path planning system. As for environment sensing, vision Proeessing is key faetor. The robot path planning of this paper is based on image recognition technology. The image processing and recognition technology is studied in the path planning is how to apply, Robots will sent collected environment map information to the computer terminal, then computer analysis and recognize those image information. After that computer will feedback the result to the robot and send the task information. The robot will act according to the received information. Keywords: image recognition，image processing, robot，path planning
图像局部特征点检测算法综述 研究图像特征检测已经有一段时间了，图像特征检测的方法很多，又加上各种算法的变形，所以难以在短时间内全面的了解，只是对主流的特征检测算法的原理进行了学习。总体来说，图像特征可以包括颜色特征、纹理特等、形状特征以及局部特征点等。其中局部特点具有很好的稳定性，不容易受外界环境的干扰，本篇文章也是对这方面知识的一个总结。 本篇文章现在(2015/1/30)只是以初稿的形式，列出了主体的框架，后面还有许多地方需要增加与修改，例如2013年新出现的基于非线性尺度空间的KAZE特征提取方法以及它的改进AKATE等。在应用方面，后面会增一些具有实际代码的例子，尤其是基于特征点的搜索与运动目标跟踪方面。 1. 局部特征点 图像特征提取是图像分析与图像识别的前提，它是将高维的图像数据进行简化表达最有效的方式，从一幅图像的M×N×3的数据矩阵中，我们看不出任何信息，所以我们必须根据这些数据提取出图像中的关键信息，一些基本元件以及它们的关系。 局部特征点是图像特征的局部表达，它只能反正图像上具有的局部特殊性，所以它只适合于对图像进行匹配，检索等应用。对于图像理解则不太适合。而后者更关心一些全局特征，如颜色分布，纹理特征，主要物体的形状等。全局特征容易受到环境的干扰，光照，旋转，噪声等不利因素都会影响全局特征。相比而言，局部特征点，往往对应着图像中的一些线条交叉，明暗变化的结构中，受到的干扰也少。 而斑点与角点是两类局部特征点。斑点通常是指与周围有着颜色和灰度差别的区域，如草原上的一棵树或一栋房子。它是一个区域，所以它比角点的噪能力要强，稳定性要好。而角点则是图像中一边物体的拐角或者线条之间的交叉部分。 2. 斑点检测原理与举例 2.1 LoG与DoH 斑点检测的方法主要包括利用高斯拉普拉斯算子检测的方法（LOG）,以及利用像素点Hessian矩阵（二阶微分）及其行列式值的方法（DOH）。 LoG的方法已经在斑点检测这入篇文章里作了详细的描述。因为二维高斯函数的拉普拉斯核很像一个斑点，所以可以利用卷积来求出图像中的斑点状的结构。 DoH方法就是利用图像点二阶微分Hessian矩阵：
毕业设计文献综述 题目：基于matlab的图像预处理技术研究 专业：电子信息工程 1前言部分 众所周知，MATLAB在数值计算、数据处理、自动控制、图像、信号处理、神经网络、优化计算、模糊逻辑、小波分析等众多领域有着广泛的用途，特别是MATLAB的图像处理和分析工具箱支持索引图像、RGB 图像、灰度图像、二进制图像，并能操作*.bmp、*.jpg、*.tif等多种图像格式文件如。果能灵活地运用MATLAB提供的图像处理分析函数及工具箱，会大大简化具体的编程工作，充分体现在图像处理和分析中的优越性。 图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用与人眼而产生视觉的实体。视觉是人类从大自然中获取信息的最主要的手段。拒统计，在人类获取的信息中，视觉信息约占60%，听觉信息约占20%，其他方式加起来才约占20%。由此可见，视觉信息对人类非常重要。同时，图像又是人类获取视觉信息的主要途径，是人类能体验的最重要、最丰富、信息量最大的信息源。通常，客观事物在空间上都是三维的(3D)的，但是从客观景物获得的图像却是属于二维(2D)平面的。 图像存在方式多种多样，可以是可视的或者非可视的，抽象的或者实际的，适于计算机处理的和不适于计算机处理的。 图像处理它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在 1964 年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动
摘要 摘要内容 伴随着我国电网规模的日益加大,各类变电设备的运作状态是促使其安全高效运行的最为主要的因素之一。对于各类变电设备的在线状态监测系统的推广越来越发普及。研究基于图像特征的电力设备自动故障识别具有重要意义。 本文对各类主要电力设备，研究各类变电设备故障识别分类及相应故障的图像特征，以及基于红外与紫外图像特征的故障识别方法。对于紫外放电成像技术图像的处理与特征提取，本文从紫外成像技术的基本原理出发，在讲解紫外放电图片特性的基础上，对紫外放电图像使用灰度化预处理，以及应用中值滤波等方法对图像进行降噪。并通过canny算子边缘检测计算紫外光斑面积判断是否发生放电故障。针对红外故障图像，本文在红外成像原理的基础上，对红外图像进行超像素分割及HSV空间颜色提取，对应用卷积神经网络对红外故障图像故障区域检测进行理论上的研究。 关键词：红外成像紫外成像图像处理
ABSTRACT With the increasing scale of China's power grid, the operation of various types of substation equipment is one of the most important factors to promote the safe and efficient operation. The popularization of the on-line condition monitoring system for all kinds of transformer equipment is becoming more and more popular. Research on image feature based automatic fault recognition of power equipment is of great significance. In this paper, various types of main power equipment, the study of various types of substation equipment fault identification and classification of image features, as well as infrared and ultraviolet image features based on fault identification method. For ultraviolet discharge imaging technique to image processing and feature extraction, this paper from the basic principle of UV imaging technology of on the explanation of the ultraviolet discharge picture characteristics based and discharge on the UV image using grayscale preprocessing and application of median filtering method of image in noise reduction. And through the Canny operator edge detection to determine whether the area of the UV spot to determine whether the discharge fault. Aiming at the
什么是机器视觉技术？试论述其基本概念和目的。答：机器视觉技术是是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。机器视觉技术最大的特点是速度快、信息量大、功能多。机器视觉是用机器代替人眼来完成观测和判断，常用于大批量生产过程汇总的产品质量检测，不适合人的危险环境和人眼视觉难以满足的场合。机器视觉可以大大提高检测精度和速度，从而提高生产效率，并且可以避免人眼视觉检测所带来的偏差和误差。机器视觉系统一般由哪几部分组成？试详细论述之。答：机器视觉系统主要包括三大部分：图像获取、图像处理和识别、输出显示或控制。图像获取：是将被检测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据。 该部分主要包括，照明系统、图像聚焦光学系统、图像敏感元件（主要是CCD和CMOS采 集物体影像。 图像处理和识别：视觉信息的处理主要包括滤波去噪、图像增强、平滑、边缘锐化、分割、图像识别与理解等内容。经过图像处理后，图像的质量得到提高，既改善了图像的视觉效果又便于计算机对图像进行分析、处理和识别。 输出显示或控制：主要是将分析结果输出到显示器或控制机构等输出设备。试论述机器视觉技术的现状和发展前景。 答：。机器视觉技术的现状：机器视觉是近20?30年出现的新技术，由于其固有的柔性好、 非接触、快速等特点，在各个领域得到很广泛的应用，如航空航天、工业、军事、民用等等领域。 发展前景：随着光学传感器、信息技术、信号处理、人工智能、模式识别研究的不断深入和计算机性价比的不断提高，机器视觉技术越来越成熟，特别是市面上已经有针对机器视觉系统开发的企业提供配套的软硬件服务，相信越来越多的客户会选择机器视觉系统代替人力进行工作，既便于管理又节省了成本。价格持续下降、功能逐渐增多、成品小型化、集成产品增多。 机器视觉技术在很多领域已得到广泛的应用。请给出机器视觉技术应用的三个实例并叙述之。答：一、在激光焊接中的应用。通过机器视觉系统，实时跟踪焊缝位置，实现实时控制，防止偏离焊缝，造成产品报废。 二、在火车轮对检测中的应用，通过机器视觉系统抓拍轮对图像，找出轮对中有缺陷的轮对，提高检测精度和速度，提高效率。 三、大批量生产过程中的质量检查，通过机器视觉系统，对生产过程中的产品进行质量检查 跟踪，提高生产效率和准确度。 什么是傅里叶变换，分别绘出一维和二维的连续及离散傅里叶变换的数学表达式。论述图像傅立叶变换的基本概念、作用和目的。 答：傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。一维连续函数的傅里叶变换为：一维离散傅里叶变换为：二维连续函数的傅里叶变换为：二维离散傅里叶变换为： 图像傅立叶变换的基本概念：傅立叶变换是数字图像处理技术的基础，其通过在时空域和频率域来回切换图像，对图像的信息特征进行提取和分析，简化了计算工作量，被喻为描述图像信息的第二种语言，广泛应用于图像变换，图像编码与压缩，图像分割，图像重建等。作用和目的：图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。图像灰度变换主要有哪几种形式？各自的特点和作用是什么？ 答：灰度变换:基于点操作，将每一个像素的灰度值按照一定的数学变换公式转换为一个新的灰度值。灰度变换是图像增强的一种重要手段，它可以使图像动态范围加大，使图像的对比度扩展，
图像处理技术的研究现状和发展趋势 庄振帅 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。1975年EMI公司又成功研制出全身用的CT 装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学过程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向
基于卷积神经网络的电力设备识别方法及系统实现电力设备的正常运行是一个电力系统能够长期安全稳定工作的基础,因此对电力设备进行定期巡检就显得十分重要。以往的巡检方法都存在着各种不同的缺点,造成人力物力上的浪费且效果也有待提升。 近年来随着人工智能技术以及图像处理等技术的逐渐发展与成熟,将其应用到电力设备运行状态的检测中则能很好的弥补了传统方法的不足,该方法具有深远的发展前景。本文利用卷积神经网络以及计算机视觉等相关知识,提出了一种新的对电力设备运行状态自动检测识别的系统,该系统能自动对电力设备的位置进行检测以及对其运行状态进行判别,同时对指针式仪表进行自动读数。 本文主要的研究内容及工作如下:(1)设计并实现了基于卷积神经网络的电力设备自动检测识别算法。使用Faster RCNN+ResNet101模型在高性能计算机上完成对电力设备的识别,同时针对计算能力较弱、可携带式的嵌入式设备树莓派设计MobileNet+SSD模型并实现。 并且制作了针对电力设备检测识别的数据集,分别使用两种模型在此数据集上进行训练测试,其中Faster RCNN+ResNet101模型取得了较高的识别准确率,同时在检测速度上也能勉强达到实时性的要求,MobileNet+SSD模型在树莓派上搭配神经网络计算棒的使用在识别准确率上稍有下降,但该模型的检测速度为 15fps,完全满足系统实时性的需求。(2)对电力系统中常用的指针式仪表设计并实现了一种自动读数的算法。 使用图像处理的相关知识,先对指针式仪表图像进行灰度化、直方图均衡化以及图像去噪的预处理,然后对其进行形态学膨胀操作,接着使用Canny算子检测图像的边缘信息,并使用Hough变换在边缘信息中检测出指针所在直线的位置,
第1章图像视觉特征的提取和表示 1.1引言 图像视觉特征的提取和表示是将图像的视觉信息转化成计算机能够识别和处理的定量形式的过程，是基于视觉内容的图像分类与检索的关键技术，因此，图像视觉特征的提取和表示一直是图像内容分析领域中一个非常活跃的课题。 图像底层视觉特征一定程度上能够反映图像的内容，可以描述图像所表达的意义，因此，研究图像底层视觉特征是实现图像分类与检索的第一步。一般来说，随着具体应用的不同，选用的底层特征也应有所不同，在特定的具体应用中，不同底层视觉特征的选取及不同的描述方式，对图像分类与检索的性能有很大的影响。通常认为，一种良好的图像视觉特征的提取和表示应满足以下几个要求： (1)提取简单，时间和空间复杂度低。 (2)区分能力强，对图像视觉内容相似的图像其特征描述之间也应相近，反之，对于视觉内容不相似的图像其特征描述之间应有一定的差别。 (3)与人的视觉感知相近，对人的视觉感觉相近的图像其特征描述之间也相近，对人的视觉感知有差别的图像其特征描述之间也有一定的差别。 (4)抗干扰能力强，鲁棒性好，对图像大小，方向不敏感，具有几何平移，旋转不变性。 本章重点讨论当前比较成熟的特征提取方法，在此基础上选取合适的特征提取方法，用于图像分类与检索系统的特征提取模块。接下来，将依次介绍颜色，纹理，形状等特征的提取和表示方法，最后对各种特征的特点加以比较。 1.2颜色特征的提取和表示 颜色是图像视觉信息的一个重要特征，是图像分类与检索中最为广泛应用的特征之一。一般来说同一类别的图像之间颜色信息具有一定的相似性，不同类别的图像，其颜色信息具有一定的差异。相对几何特征而言，颜色特征稳定性好，有对大小、方向不敏感等特点。因此，颜色特征的提取受到极大重视并得到深入研究。本章首先介绍几种常用的颜色空间模型，然后介绍各种颜色特征提取和表示方法。
研究分析图像识别技术在电力设备监测中的应用 发表时间：2016-10-10T13:53:58.087Z 来源：《电力设备》2016年第13期作者：周睿 [导读] 在电力设备监测工作中，图像识别技术的应用对于提高监测的效率和质量都有重要的作用。 (大庆油田有限责任公司第九采油厂生产运行部 163000) 摘要：在电力设备监测工作中，图像识别技术的应用对于提高监测的效率和质量都有重要的作用。文章对电力设备监测中图像识别技术的识别与分析功能以及电力设备异常状态监测进行了分析。 关键词：图像识别技术；电力设备检测；应用 在电力系统运行的过程中，电力设备难免会出现各种异常问题，这就需要对电力设备进行必要的监测，为提高电力设备监测效率和质量，图像分析识别技术被应用于其中，并在实际的使用当中取得了良好的效果。 1.图像识别技术应用于电力设备监测的背景 变电站的正常运行是靠高压设备绝缘检测、继电保护装置等各种系统和装置来维持的，这些系统也保证了变电系统的安全和稳定。目前，在电力设备监测系统的运行方面还存在一定不足和缺陷，例如，在数据传输方面存在一定问题，数据的正常传输会受高压电场的影响。还有一种问题是电信号转换方面的问题，即一些征兆信号和运行参数不容易通过接触测量转换电线信号，即使采用微机监测的方式也很难进行获取。在设备运行线监测方面，目前已经有了遥视系统，遥视系统在电力系统的安全运行方面发挥重要作用。随着电网建设规模的不断增加，变电站数量也急剧增加，所以需要进行监测的目标的数量大大增加，相应的需要传输的数据量也在不断增加，这种情况导致电力调度人员在对电力系统进行监测时，需要对远程图像和数据的进行了分析并作出判断，工作量大大增加。在电力行业的很多专家和学者都在致力于远程图像的采集、传输等研究，如何降低工作人员的工作强度，提高工作效率也是研究的中重点。 为提高电力设备自动监测水平，将图像识别技术应用于电力设实时监测的方案被提出。这种方案的以现有的电力设备视频监测系统为基础，利用图像识别系统作为辅助进行工作。这种系统的优势是不需对原有的系统进行更换，不仅增加了功能，还节省了更换设备的成本，经济性很高。 2.图像识别与分析 图像识别系统对图像识别与分析存在很多困难，会受到很多因素的干扰，引入噪声，导致图像的质量变低，为图像识别和分析带来很大的困难，引入噪声的因素通常有电荷耦合元件的畸变、聚焦效果差等，另外，环境方面的干扰也会使对图像的采集质量造成干扰。图像识别系统的工作的第一步是先对图像进行预处理，之后对图像进行分割，把目标电力设备分割出来，增加识别的精细度。 2.1图像预处理 图像识别系统预处理需分很多步骤，第一步要将收集到的原图像进行灰度化处理，处理后的图像就可以叫做灰度图；第二步是对灰度图进行滤波处理，由于滤波处理对消减噪声很有效果，所以采取滤波来消减图像的噪声，使图像质量得到提高，使系统更容易识别。进行滤波处理所要使用的模板是加入权系数的平滑模板。图像平滑滤波处理的过程所采取的是低通滤波，使用这种方式过滤图像，对高频正信号的过滤效果比较好，但在这一过程中也会使图像的边缘部分的高频噪声被过滤掉，进而导致图像的边缘变得模糊不清，降低图像整体质量。解决这种问题的措施是采用直方图均衡处理，平滑滤波处理与方正图均衡处理相结合，不仅可以图像噪音还避免了边缘模糊化问题。 2.2图像分割 图像分割是指将图像表示为具有物理意义的多连通区域的集合。分割图像需要根据一定的依据，不同的图像在颜色、纹理以及亮度这些特征上都有着一定的差异，因此，可以依据这些特征，对图像进行分割。对图像进行分割可以提高地图像识别和分析的效率，分割的准确性也会影响到后续的工作，为了保证图像识别的质量，要严格把握分割的精度。 对图像分割的依据是图像的颜色、几何性质等，将图像中含义不同的区域分割开，每个区域都有相同的特征。例如，对某一物体的图像进行分割，需要把图像中物体的像素与背景进行分离，区分不同物体的像素，分割形成的区域需要满足三个条件。第一，不同但相邻的两个区域之间要存在明显的差异；第二，分割区域边界要保持完整，有利于定位的精准。第三，分割之后的区域应该还要具有均匀性和连通性。均匀性是指区域内的像素点在色彩、纹理等特征上要有相似性，连通性是指在两种区域之间可以进行连接。 3.电力设备异常状态监测 为了实现检测分析方案在实际工作中的应用，提升现有视频监测系统的功能，建立电力设备运行状态的实时监测和分析系统，在采集到的图像中准确快速地识别出电力设备之后，还需要进一步对电力设备的运行状态进行判断，监测运行状态的变化，找出电力设备中存在故障的设备和位置。并及时发出报警信号，方便维修人员尽快对设备故障进行检修。 3.1变电站的图像监测 变电站未来的发展趋势是自动化，要求变电所站无人值守。目前有和很多变电站建立了遥视系统，对图像信号进行单一的采集和传输，但由于当前电网快速发展，这种系统的功能太过简单，无法满足多方面的需求。所以针对图像的监测还需要采取先分类，然后分析，最后根据分析结果来判定是否需要传输。如果设备处于正常运行状态，不传输监测图形，而只传输结果；如果变电站运行不正常，图像信号就会传输到调度端并进行报警，调度工作人员在接到报警以后，可以找出具有问题的变电站的图像，工作人员通过对图像进行观察和分析，找到问题所在，并对采取相应措施来处理问题。用这种方式来进行变电站图像的监测，可以不仅可以提高监测效率。还可以节省大量的资源，减轻工作人员的工作强度，也避免了数据传输拥挤所带来的困难。 变电站图像监测系统中采集图像需要用成像设备进行采集，计算机技术也发挥很大的作用，利用计算机可以对图像进行截取、识别和分析，并且能够准确地获取关于电力设备的很多参数和数据。变电站图像监测技术涉及的领域很广，包括测量规程、视觉理论等，这些学科的知识有利于解决监测自动化运行中出现的很多问题。 3.2电力设备状态检测与分析 在对电力设备的图像进行收集、处理之后，就需要对图像中的电力设备进行识别。计算机是通常使用的工具，计算机具有计算效率
摘要 纹理特征是一种重要的视觉线索,是图像中普遍存在而又难以描述的特征。纹理分类与分割是图像处理领域一个经久不衰的热点研究领域,纹理特征提取作为纹理分类与分割的首要问题,一直是人们关注的焦点,各种纹理特征提取方法层出不穷。 本文在广泛文献调研的基础上,回顾了纹理特征提取方法的发展历程,分析了其研究现状,对纹理特征提取方法进行了较为全面的综述和分类，最后重点研究了基于灰度共生矩阵的图像纹理提取方法，研究如何有效地提取图像纹理特征来对图像进行描述，通过特征值来对图像进行识别。 灰度共生矩阵是一种简单有效的图像纹理特征描述方法，该方法的优势在于：它能利用了图像中像素相对位置的空间信息更加准确地描述图像的纹理，本文就是利用图像灰度共生矩阵的这一特性，从该矩阵中提取相应的统计参量作为纹理特征来实现对图像的识别。 关键字：灰度共生矩阵，纹理特征提取，图像识别
ABSTRACT Texture is a kind of important visual clues in images , it is widespread but cannot easy to be described . Texture classification and segmentation is a enduring popular research field in image processing area. Texture feature extraction has been the focus of attention,due to its priority to texture classification and image segmentation. all sorts of texture feature extraction methods has been emerged in endlessly. On the basis of extensive literature investigation, we review the texture feature extraction methods, analyze the development of the research status of the texture feature extraction methods and make a comprehensive review of its classification . Finally ,based on gray symbiotic matrix image problem extraction methods,we research how to effectively extract image texture feature described by the image characteristic value to image recognition. Graylevel co-occurrence matrix is a simple and effective image texture description method.This method's advantage is: it can use the image pixels relative positions of the spatial information more to accurately describe the texture image.This paper use the graylevel co-occurrence matrix of the properties to extract statistics from the matrix corresponding as texture feature parameters to realize image recognition. KEY WORDS: graylevel co-occurrence matrix, texture feature extraction, image recognition
数字图像处理技术的现状及其发展方向 一、数字图像处理历史发展 数字图像处理(Digital Image Processing)将图像信号转换成数字信号并利用计算机对其进行处理。 1.起源于20世纪20年代。 2.数字图像处理作为一门学科形成于20世纪60年代初期，美国喷气推进实验室(JPL)推动了数字图像处理这门学科的诞生。 3.1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置即CT(Computer Tomograph)，1975年EMI公司又成功研制出全身用的CT装置,获得了人体各个部位鲜明清晰的断层图像。 4.从70年代中期开始,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理向更高、更深层次发展，人们已开始研究如何用计算机系统解释图像,实现类似人类视觉系统理解外部世界，其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论。 二、数字图像处理的主要特点 1．目前数字图像处理的信息大多是二维信息,处理信息量很大,对计算机的计算速度、存储容量等要求较高。 2.数字图像处理占用的频带较宽,在成像、传输、存储、处理、显示等各个环节的实现上,技术难度较大,成本也高,这就对频带压缩技术提出了更高的要求。 3.数字图像中各个像素是不独立的,其相关性大。因此,图像处理中信息压缩的潜力很大。 4.由于图像是三维景物的二维投影,一幅图像本身不具备复现三维景物的全部几何信息的能力,要分析和理解三维景物必须作合适的假定或附加新的测量。在理解三维景物时需要知识导引,这也是人工智能中正在致力解决的知识工程问题。 5．一方面，数字图像处理后的图像一般是给人观察和评价的,因此受人的因素影响较大，作为图像质量的评价还有待进一步深入的研究；另一方面，计算机视觉是模仿人的视觉,人的感知机理必然影响着计算机视觉的研究,这些都是心理学和神经心理学正在着力研究的课题。 三、数字图像处理的优点 1.再现性好；图像的存储、传输或复制等一系列变换操作不会导致图像质量的退化。 2.处理精度高；可将一幅模拟图像数字化为任意大小的二维数组,现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高。 3.适用面宽；图像可以来自多种信息源，图像只要被变换为数字编码形式后,均是用二维数组表示的灰度图像组合而成,因而均可用计算机来处理。 4.灵活性高；数字图像处理不仅能完成线性运算,而且能实现非线性处理,即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。 四、数字图像处理过程及其主要进展 常见的数字图像处理有:图像的采集、数字化、编码、增强、恢复、变换、
%直接帧间差分，计算阈值并进行二值化处理（效果不好） clc; clear; Im1 = double(imread('lena.TIF')); %读取背景图片 Im2 = double(imread('lena.TIF'); %读取当前图片 [X Y Z] = size(Im2); %当前图片的各维度值 DIma = zeros(X,Y); for i = 1:X for j = 1:Y DIma(i,j) =Im1(i,j) - Im2(i,j); %计算过帧间差分值 end end figure,imshow(uint8(DIma)) %显示差分图像 title('DIma') med = median(DIma); %计算二值化阈值：差值图像中值 mad = abs(mean(DIma) - med); %中值绝对差 T = mean(med + 3*1.4826*mad) %初始阈值 Th =5*T; %调整阈值 BW = DIma <= Th; %根据阈值对图像进行二值化处理 figure,imshow(BW) %se = strel('disk',2); %膨胀处理 %BW = imopen(BW,se); %figure,imshow(BW) %title('BW') [XX YY] = find(BW==0); %寻找有效像素点的最大边框 handle = rectangle('Position',[min(YY),min(XX) ,max(YY)-min(YY),max(XX)-min(XX)]); set(handle,'EdgeColor',[0 0 0]); hei = max(XX)-min(XX); %边框高度 mark = min(YY)+1; while mark < max(YY)-1 %从边框左边开始到右边物质循环，寻找各个人体边缘 left = 0;right = 0; for j = mark:max(YY)-1 ynum = 0; for i = min(XX)+1 : max(XX)-1 if BW(i,j) == 0; ynum = ynum + 1;
数字图像处理技术的研究现状与发展方向 孔大力崔洋 （山东水利职业学院，山东日照276826） 摘要：随着计算机技术的不断发展，数字图像处理技术的应用领域越来越广泛。本文主要对数字图像处理技术的方法、优点、数字图像处理的传统领域及热门领域及其未来的发展等进行相关的讨论。 关键词：数字图像处理；特征提取；分割；检索 引言 图像是指物体的描述信息，数字图像是一个物体的数字表示，图像处理则是对图像信息进行加工以满足人的视觉心理和应用需求的行为。数字图像处理是指利用计算机或其他数字设备对图像信息进行各种加工和处理，它是一门新兴的应用学科，其发展速度异常迅速，应用领域极为广泛。 数字图像处理的早期应用是对宇宙飞船发回的图像所进行的各种处理。到了70年代，图像处理技术的应用迅速从宇航领域扩展到生物医学、信息科学、资源环境科学、天文学、物理学、工业、农业、国防、教育、艺术等各个领域与行业，对经济、军事、文化及人们的日常生活产生重大的影响。 数字图像处理技术发展速度快、应用范围广的主要原因有两个。最初由于数字图像处理的数据量非常庞大，而计算机运行处理速度相对较慢，这就限制了数字图像处理的发展。现在计算机的计算能力迅速提高，运行速度大大提高，价格迅速下降，图像处理设备从中、小型计算机迅速过渡到个人计算机，为图像处理在各个领域的应用准备了条件。第二个原因是由于视觉是人类感知外部世界最重要的手段。据统计，在人类获取的信息中，视觉信息占60％，而图像正是人类获取信息的主要途径，因此，和视觉紧密相关的数字图像处理技术的潜在应用范围自然十分广阔。 1数字图像处理的目的 一般而言，对图像进行加工和分析主要有以下三方面的目的[1]： (1)提高图像的视感质量，以达到赏心悦目的目的。如去除图像中的噪声，改变图像中的亮度和颜色，增强图像中的某些成分与抑制某些成分，对图像进行几何变换等，从而改善图像的质量，以达到或真实的、或清晰的、或色彩丰富的、或意想不到的艺术效果。 (2)提取图像中所包含的某些特征或特殊信息，以便于计算机进行分析，例如，常用做模式识别和计算机视觉的预处理等。这些特征包含很多方面，如频域特性、灰度/颜色特性、边界/区域特性、纹理特性、形状/拓扑特性以及关系结构等。 (3)对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 2数字图像处理的方法 数字图像处理按处理方法分，主要有以下三类，即图像到图像的处理、图像到数据的处理和数据到图像的处理[2]。 （1）图像到图像。图像到图像的处理，其输入和输出均为图像。这种处理技术主要有图像增强、图像复原和图像编码。 首先，各类图像系统中图像的传送和转换中，总要造成图像的某些降质。第一类解决方法不考虑图像降质的原因，只将图像中感兴趣的特征有选择地突出，衰减次要信息，提高图像的可读性，增强图像中某些特征，使处理后的图像更适合人眼观察和机器分析。这类方法就是图像增强。例如，对图像的灰度值进行修正，可以增强图像的对比度；对图像进行平滑，可以抑制混入图像的噪声；利用锐化技