文献类型：期刊文章

作　　者：李大华[1,2] 李潍璇[1,2] 高强[2,3] 于晓[1,2] 沈洪宇[1,2]

Li Dahua;Li Weixuan;Gao Qiang;Yu Xiao;Shen Hongyu(School of Electrical&Electronic Engineering,Tianjin University of Technology,Tianjin 300384,China;Tianjin Key Laboratory for Control Theory&Application in Complicated System,Tianjin 300384,China;Maritime College,Tianjin University of Technology,Tianjin 300384,China)

机构地区：[1]天津理工大学电气电子工程学院,天津300384 [2]天津市复杂系统控制理论及应用重点实验室,天津300384 [3]天津理工大学海运学院,天津300384

出　　处：《计算机应用与软件》

基　　金：国家自然科学基金项目(61502340);天津市自然科学基金项目(18JCQNJC01000);天津市教委科研计划项目(2018KJ133)。

年　　份：2023

卷　　号：40

期　　号：4

起止页码：160-165

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、ZGKJHX、核心刊

摘　　要：为了提高图像分割的精度,提出一种自适应聚类的区域生长法。提出一种新的自适应聚类选种,实现种子点的自动选取。提出基于全局的灰度阈值和梯度阈值作为生长准则进行生长。利用形态学腐蚀去除小型电力设备的干扰。实验结果表明,与传统分割方法相比,该方法有效地提高了电力设备红外图像的分割效果,同时验证在不同噪声强度的干扰下,该方法具有良好的鲁棒性。

关 键 词：图像分割 自适应聚类 区域生长  红外图像 电力设备

分 类 号：TP391]