导读:本文包含了水珠图像论文开题报告文献综述及选题提纲参考文献，主要关键词:复合绝缘子,憎水性,梯度,最大熵
水珠图像论文文献综述
王身丽,黄力,侯金华,方权,翁永春[1]（2018）在《基于最大熵的复合绝缘子表面水珠图像分割算法研究》一文中研究指出复合绝缘子的憎水性等级好坏会严重影响架空输电线路发生污闪放电的概率。为了检测复合绝缘子的憎水性等级,目前一些数字图像处理技术已被应用于复合绝缘子憎水性等级的判定研究。文章提出了一种基于最大熵的自适应获取复合绝缘子表面水珠形状的数字图像分割方法。该方法将复合绝缘子憎水性检测的水珠图像由RGB模式转化为HSV模式,利用其V分量计算梯度图,通过预处理使水珠梯度图像的边缘更加清晰;然后根据最大熵求得梯度图的阈值,自适应地分割出水珠的边缘轮廓,得到复合绝缘子表面水珠的信息。最后以实例表明,文中提出的基于最大熵的自适应分割算法对复合绝缘子表面的水珠信息提取是有效、方便的。(本文来源于《通信电源技术》期刊2018年01期）
钱磊[2]（2015）在《复合绝缘子憎水性水珠图像识别与分级》一文中研究指出憎水性检测是判断复合绝缘子性能优劣的主要手段。将数字图像处理技术应用于复合绝缘子表面憎水性检测中,克服了传统方法的主观性。但是由于憎水性图像获取环境的复杂性和憎水性图像自身所存在的特殊性,使得憎水性水珠图像的识别工作表现的并不理想,进而影响了绝缘子等级的分级效果。该文从水珠图像的识别与憎水性等级的分级两方面展开研究。该文讨论了两种水珠图像识别算法:基于熵的水珠图像自动阈值识别算法与基于图像薛定谔变换的水珠图像识别算法。其中基于熵的水珠图像自动阈值识别算法,首先对憎水性水珠图像的灰度图像进行分块处理,再对每一块子图采用最佳熵阈值法进行水珠图像分割,然后跟踪水珠边界,最后合并水珠的边缘信息,识别水珠图像;基于薛定谔变换的水珠图像识别算法利用原图与其反色图像的薛定谔变换,计算水珠的内部与外部区域,通过寻找水珠的内部与外部点集之间的最段距离点对提取水珠边界轮廓。在绝缘子憎水性分级方法方面,常用的憎水性等级判别方法,如形状因子法和最大水迹面积比法,判定依据单一,判别准确度不高。该文完成复合绝缘子憎水性水珠图像识别后,提取单个水珠的特征和水珠图像的特征并对提取的水珠图像特征利用憎水性等级与特征值之间的相关系数、各特征在CH1~CH7等级中的最大值、最小值、均值和方差等因素进行特征选择,采用SVM支持向量机决策学习算法,利用选择的特征进行模型训练,建立分类模型,实现复合绝缘子憎水性等级的自动分级。(本文来源于《中南民族大学》期刊2015-04-01）
胡丹凤,夏忠林,王文岱[3]（2011）在《一种用于绝缘子憎水性图形水珠形态提取的图像增强技术研究》一文中研究指出绝缘子表面憎水性检测是判别绝缘子性能优劣的一个主要手段。传统的检测方法由于其主观性很大程度上影响了判别效果,通过图像处理提取出绝缘子表面的水珠形态提供了更加客观的判别方法。首先采用直方图均衡和灰度拉伸算法对图像进行对比增强,然后采用高斯滤波算法和均值滤波算法对增强后产生的噪声进行处理,最后利用阈值分割和二值形态重构分割出憎水性图像中的水珠形态。实验结果表明,该算法能够较好的提取出憎水性图像中的水珠形态。(本文来源于《科协论坛(下半月)》期刊2011年08期）
唐良瑞,于文文,陆俊[4]（2009）在《基于S-L模型的憎水性图像水珠形状提取》一文中研究指出憎水性图像水珠形状提取是绝缘子憎水性等级评价的重要前提。Snake模型在提取边界轮廓时存在着对初始轮廓敏感、边界信息捕捉能力较差等问题,为此笔者在S-L模型的基础上,利用水珠图像的先验信息来改进S-L模型对水珠形状的提取过程,在一定程度上克服了Snake模型的缺点,提高了轮廓形变过程中的拓扑能力,提高了形状提取的精确度。实验结果表明,该方法有效地实现了水珠形状的提取,为后续绝缘子性能的等级评价提供依据。(本文来源于《高压电器》期刊2009年06期）
祁兵,唐良瑞,赵春辉[5]（2008）在《绝缘子憎水性图像水珠/水迹形状提取算法》一文中研究指出绝缘子表面憎水性检测是判别绝缘子性能优劣的主要手段。传统的检测方法具有其主观性,图像处理技术的引入为憎水性检测提供了更为客观的方法。考虑到绝缘子所处环境的复杂性(污秽、光照等)以及憎水性图像本身的特殊性(水的透明性),本文首先对绝缘子憎水性图像进行自适应直方图均衡和基于模糊逻辑的滤波,以达到增强图像的效果;然后通过基于模糊熵的自动阈值分割方法来获取水珠(水迹)的形状信息,最后用数学形态学的二值重构开运算来去除由于分割引入的噪声。实验统计结果表明,该方法能够对各级憎水性图像进行有效地分割。(本文来源于《电工技术学报》期刊2008年06期）
张蕊,董方敏[6]（2007）在《绝缘子等级评定中水珠图像检测方法的研究及其应用》一文中研究指出在绝缘子等级评定的喷水等级法中采用数字图像处理时,由于其水珠图像检测的关键技术不成熟导致等级评定存在误差。通过改进算法,在霍夫变换检测水珠前先判定光照方向去除图像噪音和误差较大的水珠后,再进行检测和拟合。实验表明,等级评定较准确。(本文来源于《计算机与数字工程》期刊2007年12期）
水珠图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
憎水性检测是判断复合绝缘子性能优劣的主要手段。将数字图像处理技术应用于复合绝缘子表面憎水性检测中,克服了传统方法的主观性。但是由于憎水性图像获取环境的复杂性和憎水性图像自身所存在的特殊性,使得憎水性水珠图像的识别工作表现的并不理想,进而影响了绝缘子等级的分级效果。该文从水珠图像的识别与憎水性等级的分级两方面展开研究。该文讨论了两种水珠图像识别算法:基于熵的水珠图像自动阈值识别算法与基于图像薛定谔变换的水珠图像识别算法。其中基于熵的水珠图像自动阈值识别算法,首先对憎水性水珠图像的灰度图像进行分块处理,再对每一块子图采用最佳熵阈值法进行水珠图像分割,然后跟踪水珠边界,最后合并水珠的边缘信息,识别水珠图像;基于薛定谔变换的水珠图像识别算法利用原图与其反色图像的薛定谔变换,计算水珠的内部与外部区域,通过寻找水珠的内部与外部点集之间的最段距离点对提取水珠边界轮廓。在绝缘子憎水性分级方法方面,常用的憎水性等级判别方法,如形状因子法和最大水迹面积比法,判定依据单一,判别准确度不高。该文完成复合绝缘子憎水性水珠图像识别后,提取单个水珠的特征和水珠图像的特征并对提取的水珠图像特征利用憎水性等级与特征值之间的相关系数、各特征在CH1~CH7等级中的最大值、最小值、均值和方差等因素进行特征选择,采用SVM支持向量机决策学习算法,利用选择的特征进行模型训练,建立分类模型,实现复合绝缘子憎水性等级的自动分级。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
水珠图像论文参考文献
[1].王身丽,黄力,侯金华,方权,翁永春.基于最大熵的复合绝缘子表面水珠图像分割算法研究[J].通信电源技术.2018
[2].钱磊.复合绝缘子憎水性水珠图像识别与分级[D].中南民族大学.2015
[3].胡丹凤,夏忠林,王文岱.一种用于绝缘子憎水性图形水珠形态提取的图像增强技术研究[J].科协论坛(下半月).2011
[4].唐良瑞,于文文,陆俊.基于S-L模型的憎水性图像水珠形状提取[J].高压电器.2009
[5].祁兵,唐良瑞,赵春辉.绝缘子憎水性图像水珠/水迹形状提取算法[J].电工技术学报.2008
[6].张蕊,董方敏.绝缘子等级评定中水珠图像检测方法的研究及其应用[J].计算机与数字工程.2007