摘 要：紅外圖像分割對(duì)于電氣設(shè)備的熱故障檢測(cè)至關(guān)重要。鑒于紅外圖像存在圖像模糊、分辨率不高等缺點(diǎn)，為了增強(qiáng)紅外圖像的清晰度，改進(jìn)紅外圖像分割效果，文章提出一種基于改進(jìn)PSO優(yōu)化的Otsu電氣設(shè)備紅外圖像分割方法。該方法首先使用Sobel算子銳化圖像；其次通過PSO-Otsu算法對(duì)電氣設(shè)備紅外圖像進(jìn)行分割；最后依據(jù)紅外圖像的特征優(yōu)化PSO-Otsu算法中的參數(shù)，提高算法運(yùn)行效率。實(shí)驗(yàn)結(jié)果表明，所提算法分割后的圖像輪廓清晰，可識(shí)別性高，在圖像分割效果和分割速度上都優(yōu)于對(duì)比算法，能夠滿足對(duì)電氣設(shè)備紅外圖像實(shí)時(shí)處理的需求。

關(guān)鍵詞：Otsu；PSO-Otsu；電氣設(shè)備；圖像銳化；圖像分割

中圖分類號(hào)：TP301.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2024）15-0055-05

Infrared Image Segmentation Algorithm for Electrical Equipment Based on Improved PSO-Otsu

HU Yihong， WANG Kun

（Anhui Intelligent Quality Engineering Technology Co.， Ltd.， Wuhu 241000， China）

Abstract： Infrared image segmentation is crucial for thermal fault detection of electrical equipment. In view of the infrared images have the disadvantages of blurring and low resolution， in order to enhance the clarity of infrared images and improve the effect of infrared image segmentation， the paper proposes an Otsu electrical equipment infrared image segmentation method based on the improved PSO optimization. Firstly， the image is sharpened by Sobel operator. Secondly， the infrared image of electrical equipment is segmented by PSO-Otsu algorithm. Finally， the parameters in PSO-Otsu algorithm are optimized according to the characteristics of infrared image to improve the operation efficiency of the algorithm. The experimental results show that the images segmented by the algorithm proposed in this paper have clear contours and high recognizability. And it is better than the comparison algorithm in terms of image segmentation effect and segmentation speed， and can meet the demand for real-time processing of infrared images for electrical equipment.

Keywords： Otsu; PSO-Otsu; electrical equipment; image sharpening; image segmentation

0 引 言

電氣設(shè)備在長期運(yùn)行和環(huán)境因素的影響下，可能會(huì)出現(xiàn)不同等級(jí)的缺陷，甚至導(dǎo)致計(jì)劃外停機(jī)，這對(duì)電氣系統(tǒng)的安全穩(wěn)定運(yùn)行和公司財(cái)產(chǎn)造成了極大的威脅[1]。由于電氣設(shè)備存在一定風(fēng)險(xiǎn)，直接接觸會(huì)對(duì)工作人員造成傷害，因此考慮采用無接觸的測(cè)量方式。紅外熱成像技術(shù)作為一種非接觸無損檢測(cè)技術(shù)，因其克服了傳統(tǒng)檢測(cè)技術(shù)的損傷大、效率低和檢測(cè)難度大等缺點(diǎn)，被廣泛應(yīng)用于電氣設(shè)備的熱故障檢測(cè)中。但是，由于紅外圖像的技術(shù)缺陷，有時(shí)會(huì)出現(xiàn)成像圖片不清晰的問題[2]。圖像銳化處理是解決這一問題的有效方法，其中銳化算子因其代碼輕量化、銳化效果好以及處理速度快等優(yōu)點(diǎn)而被廣泛采用。

經(jīng)過銳化處理，紅外圖像的清晰度得到增強(qiáng)，分辨率提高，但若需進(jìn)一步識(shí)別，還需對(duì)銳化后的紅外圖像分割以突出關(guān)鍵信息。Otsu算法由于其優(yōu)秀的圖像分割效果和高效的代碼執(zhí)行而被廣受青睞。盡管如此，Otsu算法仍存在計(jì)算復(fù)雜度高、分割速度慢、分割結(jié)果易受圖片噪聲影響等缺點(diǎn)。針對(duì)這些問題，許多學(xué)者提出了改進(jìn)方法。陳志偉等[3]提出了一種基于改進(jìn)Otsu算法的芯片識(shí)別分類系統(tǒng)，解決了光照不均勻性帶來的影響和圖片輪廓修正問題。邢致愷等[4]利用群智能優(yōu)化算法來優(yōu)化圖像分割算法，解決了Otsu算法在多閾值圖像分割中運(yùn)算時(shí)間長和精度低的問題。Ma等[5]利用反向?qū)W習(xí)策略和自適應(yīng)加權(quán)策略獲得較優(yōu)分割閾值，同時(shí)保證了高效率和高質(zhì)量。Zhao等[6]則通過限制二維灰度閾值搜索范圍提高了運(yùn)行速度，并基于對(duì)稱布局原則在迭代過程中調(diào)整PSO中的粒子位置，提升了閾值搜索速度。

針對(duì)紅外圖像分割效果和算法運(yùn)行時(shí)間的問題，本文提出了一種基于改進(jìn)粒子群優(yōu)化算法（Particle Swarm Optimization， PSO）的Otsu電氣設(shè)備紅外圖像分割算法。首先，使用Sobel算子對(duì)紅外圖像進(jìn)行銳化處理，得到更清晰的圖像。其次，根據(jù)電氣設(shè)備場(chǎng)景紅外圖像優(yōu)化參數(shù)后的PSO-Otsu算法實(shí)現(xiàn)對(duì)銳化后圖像的分割。最后，從銳化算子、分割算法、PSO參數(shù)優(yōu)化三方面進(jìn)行比較實(shí)驗(yàn)，驗(yàn)證本算法銳化后的圖片效果更佳，程序運(yùn)行速度更快。

1 Otsu算法

Otsu算法是一種將目標(biāo)與背景的自適應(yīng)分割的算法，它基于最小誤差概率規(guī)則來確定最佳閾值[7]。該算法通過計(jì)算目標(biāo)區(qū)域與背景區(qū)域的對(duì)比度來確定分割閾值，對(duì)比度越大，兩者的差異越明顯。當(dāng)對(duì)比度達(dá)到最大時(shí)，目標(biāo)與背景的分割達(dá)到最優(yōu)[8]。

設(shè)目標(biāo)圖像的灰度為L，目標(biāo)圖像中所有灰度的集合為G={0，1，2，…，L-1}，把灰度值i的像素計(jì)為ni，則圖像的總像素?cái)?shù)由式（1）表示：

（1）

灰度值為i的像素存在概率由式（2）表示：

（2）

式中：

假設(shè)使用灰度值t作為閾值把圖像分割成兩個(gè)區(qū)域。將灰度值在[0，t-1]的像素定義為C0，表示背景。灰度值在[t，L-1]之間的像素定義為C1，表示目標(biāo)。圖像中背景區(qū)域存在概率ω0和平均灰度值μ0，用式（3）計(jì)算：

（3）

圖像中目標(biāo)區(qū)域存在概率ω1和平均灰度μ1通過式（4）計(jì)算：

（4）

整幅圖像平均灰度值μ計(jì)算如下：

（5）

則C0和C1之間的類間方差可以表示為：

（6）

一般來說，在紅外圖像中溫度越高，其相對(duì)亮度越大，所對(duì)應(yīng)的目標(biāo)灰度值也就越大。在Otsu中，以分割閾值為界，灰度值高于閾值為目標(biāo)區(qū)域，反之，為背景區(qū)域。

2 PSO-Otsu算法

2.1 紅外圖像預(yù)處理

圖像銳化的目的是為了解決紅外熱像儀獲取的圖片物體輪廓不明顯的問題。一般步驟是首先對(duì)檢測(cè)到的輪廓進(jìn)行補(bǔ)償，然后增強(qiáng)圖像邊緣和灰度跳變部分。在圖像銳化處理過程中，Robert和Sobel算子[9]在處理低噪聲信號(hào)的圖像效果良好，但在復(fù)雜噪聲處理方面效果較差。Prewitt算子對(duì)噪聲抑制效果好，但是對(duì)圖像邊緣的定位較差。Laplacian和LOG算子在進(jìn)行圖像邊緣檢測(cè)時(shí)效果良好，但容易受到噪聲影響。對(duì)于通常噪聲較少的紅外圖像而言，需要解決的主要問題是目標(biāo)邊緣不明顯，因此Sobel算子是一個(gè)很好的選擇。

2.2 PSO算法

PSO算法設(shè)計(jì)了一種無質(zhì)量、無大小的粒子，通過模擬鳥群中鳥的運(yùn)動(dòng)規(guī)律來實(shí)現(xiàn)粒子優(yōu)化。粒子通過速度和位置分別表示粒子移動(dòng)的快慢和方向[10]。每個(gè)粒子在各自所在的區(qū)域內(nèi)尋找最優(yōu)解，這個(gè)解被記為區(qū)域最優(yōu)解pbest[i]。通過粒子間區(qū)域最優(yōu)解的共享，找到其中的最優(yōu)個(gè)體極值作為全局最優(yōu)解gbest，在尋找全局最優(yōu)解的過程中，每個(gè)粒子通過式（7）和（8）不斷更新各自的速度和位置：

（7）

式中，w表示慣性權(quán)重，決定粒子的搜索范圍；c1、c2表示加速系數(shù)，其中c1使粒子趨向于返回到它們各自的最佳搜索區(qū)域；c2使粒子移動(dòng)到當(dāng)前的最佳搜索區(qū)域；r1和r2表示[0，1]之間隨機(jī)數(shù)。

（8）

式中，xi（t）表示當(dāng)前位置，vi（t+1）表示移動(dòng)到下一位置過程中的速度，xi（+1t）表示下一位置。

2.3 改進(jìn)PSO-Otsu算法

2.3.1 PSO-Otsu處理過程

PSO-Otsu算法的原理是將PSO算法中的適應(yīng)度函數(shù)由代替，以求解Otsu的最佳分割閾值，并以最佳分割閾值分割圖像。每個(gè)粒子當(dāng)前的位置對(duì)應(yīng)著粒子當(dāng)前的閾值組合，而這一閾值組合決定了當(dāng)前得到的與最大的接近度，并通過不斷的迭代獲得最佳閾值[11]。每個(gè)粒子在迭代時(shí)，都會(huì)通過參考pbest[i]和gbest來更新速度和當(dāng)前個(gè)體閾值。算法流程圖如圖1所示。

其優(yōu)化過程可以描述如下：

1）適應(yīng)度函數(shù)初始化：用式（6）計(jì)算出圖像的，并將作為PSO初始化的適應(yīng)度函數(shù)。

2）PSO算法參數(shù)初始化：初始化粒子群數(shù)目M、w及最大迭代次數(shù)itermax、c1、c2。使用隨機(jī)函數(shù)獲得區(qū)域內(nèi)每個(gè)粒子的隨機(jī)初始位置（xi1，xi2，…，xis-1）和初始速度（vi1，vi1，…，vis-1）。

3）粒子位置和速度更新：根據(jù)，求出每個(gè)粒子的pbest[i]和gbest；根據(jù)式（7）和式（8）更新粒子的速度和位置，再根據(jù)式（6）計(jì)算出新的值。

4）算法終止判斷條件：一是算法達(dá)到設(shè)定的itermax；二是達(dá)到最大值保持不變。此時(shí)即為圖像的最佳分割閾值Tbest。否則，程序轉(zhuǎn)到步驟1）繼續(xù)執(zhí)行。

5）使用得到的閾值分割圖像：根據(jù)最佳分割閾值Tbest對(duì)圖像進(jìn)行分割處理。

2.3.2 根據(jù)紅外圖像優(yōu)化PSO中參數(shù)

在PSO算法中，參數(shù)值的不同會(huì)影響到算法的運(yùn)行效率。電氣設(shè)備圖像具有其自身的特征，如圖像中直線、矩形等規(guī)則圖形多，不規(guī)則曲線少。根據(jù)電氣設(shè)備紅外圖像的特征調(diào)整PSO參數(shù)，可以提高計(jì)算效率。

M較小時(shí)，粒子容易陷入局部最優(yōu)；較大時(shí)，會(huì)提高收斂性，并且當(dāng)種群數(shù)目達(dá)到一定水平時(shí)，進(jìn)一步增大權(quán)重不會(huì)再有顯著作用。vmax較小時(shí)會(huì)使粒子收斂速度慢，較大時(shí)會(huì)導(dǎo)致粒子在調(diào)整速度和位置時(shí)出現(xiàn)超調(diào)現(xiàn)象。itermax太小解不穩(wěn)定，太大浪費(fèi)資源。w較大有利于跳出局部極值，較小有利于算法收斂。c1、c2較小使粒子在目標(biāo)區(qū)域外徘徊，較大導(dǎo)致粒子越過目標(biāo)區(qū)域。初始參數(shù)的優(yōu)化通過實(shí)驗(yàn)確定最優(yōu)參數(shù)范圍，w通過權(quán)重自適應(yīng)的方式調(diào)整，c1、c2通過增加收縮因子獲得合適的加速度系數(shù)。

為解決慣性權(quán)重的實(shí)際優(yōu)化問題，我們采用了自適應(yīng)調(diào)整策略，即隨著迭代次數(shù)的增加，線性的減小w的值。式（9）為描述種群進(jìn)化整體適應(yīng)度值的變化，并給出了進(jìn)化離散度的定義，將第i代種群與第i-1代種群的適應(yīng)度標(biāo)準(zhǔn)差的比值定義為進(jìn)化離散度k（i）：

（9）

用Sigmoid函數(shù)來構(gòu)造神經(jīng)元激活函數(shù)，其定義為：

（10）

聯(lián)合進(jìn)化離散度k（t）和Sigmoid函數(shù)，給出非線性動(dòng)態(tài)自適應(yīng)慣性權(quán)重因子計(jì)算式：

（11）

式中，ωmax、ωmin表示最大、最小慣性權(quán)重，i表示當(dāng)前迭代次數(shù)，itermax最大迭代次數(shù)，阻尼因子b取0.5。

c1將粒子推向個(gè)體最優(yōu)位置pbest[i]，c2將粒子推向群體最優(yōu)位置gbest，如式（12）通過向速度更新公式中引用收縮因子，改變粒子在局部最優(yōu)位置的收斂速度。

（12）

其中，收縮因子，c=c1+c2，且c＞2。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 銳化算子比較

在銳化算子比較實(shí)驗(yàn)中，我們選擇了Sobel、Roberts、Prewitt、Laplacian和LOG算子。這五種算子較為經(jīng)典，銳化效果好，為了直觀地展示這些算子的性能差異，下面選取了5組經(jīng)典圖片進(jìn)行比較，如圖2所示。

實(shí)驗(yàn)結(jié)果表明，對(duì)于Cameraman圖像，Prewitt算子的銳化效果是最好的。但是，在處理線路接合點(diǎn)和電氣設(shè)備的圖像時(shí)，Sobel算子的銳化效果明顯優(yōu)于其他算子。通過上述實(shí)驗(yàn)對(duì)比，在針對(duì)電路接合點(diǎn)和電氣設(shè)備的這類工作環(huán)境圖像的銳化處理中，Sobel算子的銳化效果更好。

3.2 分割算法比較

如圖3所示，通過5組圖片在不同算法下的定性對(duì)比，可以觀察出本文算法在對(duì)處理后的圖像分割效果上更為優(yōu)越，分割出來的圖片輪廓更加清晰，有利于后續(xù)的計(jì)算機(jī)識(shí)別工作。特別是在對(duì)電氣設(shè)備和線路接合點(diǎn)的圖像進(jìn)行分割時(shí)，本文算法得到的圖片相比其他三種方法更為清晰，可識(shí)別度更高。

由于一些圖像的分割結(jié)果難以通過直觀方式進(jìn)行區(qū)分，因此本文采用了CPU占用率、程序運(yùn)行時(shí)間、均方根誤差（RMSE）和峰值信噪比（PSNR）等客觀評(píng)價(jià)標(biāo)準(zhǔn)來定量比較不同算法的分割性能。

從平均分割時(shí)間來看，GA-Otsu算法在處理Cameraman和線路接合點(diǎn)這兩張灰度直方圖相對(duì)簡單的圖像時(shí)，分割效果優(yōu)于Otsu算法，但在其他圖像上的分割效果甚至不如Otsu方法。相比之下，PSO-Otsu算法的分割時(shí)間普遍優(yōu)于Otsu和GA-Otsu算法，但在處理電氣設(shè)備這類復(fù)雜圖像時(shí)，其分割時(shí)間卻略長于Otsu算法。綜合比較，本文算法在閾值分割的準(zhǔn)確性和運(yùn)行時(shí)間方面均優(yōu)于其他三種方法。

CPU占用率用來描述計(jì)算空間復(fù)雜度；程序運(yùn)行時(shí)間用來評(píng)估計(jì)算時(shí)間復(fù)雜度；RMSE用于量化預(yù)測(cè)值與實(shí)際值之間的差異，差值越小表示實(shí)際值與預(yù)測(cè)值越接近，即分割效果越好；PSNR是衡量閾值質(zhì)量的重要指標(biāo)，PSNR值越大，說明分割結(jié)果的質(zhì)量越高。

表1實(shí)驗(yàn)結(jié)果表明，在RMSE方面，本文提出的算法RMSE值最小，分割效果最好。在PSNR方面，GA-Otsu閾值質(zhì)量最差，PSO-Otsu與Otsu算法表現(xiàn)相似，值得注意的是，本文算法獲取的閾值質(zhì)量最佳。從平均分割時(shí)間來看，GA-Otsu在處理Cameraman和線路接合點(diǎn)這兩張灰度直方圖相對(duì)簡單的圖像時(shí)，分割效果優(yōu)于Otsu，但在其他幾張的分割效果甚至不如Otsu方法。相比之下，PSO-Otsu的分割時(shí)間普遍優(yōu)于Otsu和GA-Otsu算法，但在處理電氣設(shè)備這類復(fù)雜圖像時(shí)，其分割時(shí)間卻比Otsu差一些。綜合比較，本文算法在閾值分割的準(zhǔn)確性和運(yùn)行時(shí)間方面都要優(yōu)于其他三種方法。

3.3 針對(duì)圖像的PSO-Otsu算法參數(shù)優(yōu)化

為了獲得更好的電氣設(shè)備圖像分割效果，我們決定對(duì)PSO中的參數(shù)進(jìn)一步優(yōu)化。依次測(cè)試M，粒子最大速度和itermax的最優(yōu)值，前一次測(cè)試的最優(yōu)值直接應(yīng)用于下一次測(cè)試。為了保證實(shí)驗(yàn)有序性，進(jìn)行定量分析，設(shè)定初始值itermax為10；粒子最大速度為4。一般來說，itermax越大，所花費(fèi)的時(shí)間越多，但是可以考慮在其他參數(shù)都是優(yōu)化的情況下，減少迭代次數(shù)，同樣能達(dá)到節(jié)省程序運(yùn)行時(shí)間的目的。

實(shí)驗(yàn)結(jié)果表明，對(duì)PSO中初始值參數(shù)進(jìn)一步優(yōu)化，得到的最優(yōu)值區(qū)間范圍為：M為[25，35]，粒子最大速度為[5，10]，itermax為[8，10]。

4 結(jié) 論

現(xiàn)實(shí)環(huán)境中獲取的紅外圖像，一般都有模糊和分辨率不高的缺點(diǎn)，為了彌補(bǔ)這個(gè)缺點(diǎn)，提高紅外圖像的分割精度，本文提出了一種改進(jìn)的PSO-Otsu算法。該方法主要解決了以下三個(gè)問題：一是紅外圖像的銳化。通過對(duì)比常用的五種銳化圖像算子對(duì)五組圖像的優(yōu)化效果，選擇應(yīng)用于電氣設(shè)備紅外圖像最優(yōu)的Sobel算子，該算子優(yōu)化后的圖像輪廓清晰，關(guān)鍵部位突出，適合實(shí)際應(yīng)用的場(chǎng)景。二是紅外圖像的分割。本文分別使用Otsu、GA-Otsu、PSO-Otsu和本文提出的算法對(duì)紅外圖像進(jìn)行分割，從分割的效果可以看出，本文算法在分割后的圖像可識(shí)別度更高，關(guān)鍵位置的輪廓更加突出。三是實(shí)時(shí)處理能力。優(yōu)化處理速度效果較好的方法主要有GA和PSO算法，通過實(shí)驗(yàn)結(jié)果可以看出，PSO優(yōu)化的Otsu的處理時(shí)間更優(yōu)。此外，根據(jù)電氣設(shè)備圖像特征對(duì)PSO-Otsu進(jìn)行的參數(shù)優(yōu)化，進(jìn)一步提高了程序運(yùn)行效率。

針對(duì)未來研究方向，可以從以下三方面進(jìn)行改進(jìn)：一是運(yùn)用圖像融合算法。通過融合紅外和可見光圖像，結(jié)合兩類圖像的優(yōu)勢(shì)信息（紅外圖像溫度信息，可見光圖像的紋理信息），提高圖像清晰度。二是使用更為先進(jìn)的算法進(jìn)行多級(jí)閾值分割，比如FCN（Fully Convolutional Network）算法、SetNet算法和SOLO（Segmenting Objects by Locations）算法等。三是增加實(shí)驗(yàn)數(shù)據(jù)，根據(jù)特定環(huán)境圖片，進(jìn)一步優(yōu)化算法中的參數(shù)。

參考文獻(xiàn)：

[1] 劉琦，付寶鑫，楊浩.電力電子技術(shù)在風(fēng)力發(fā)電中的應(yīng)用 [J].電子技術(shù)，2023，52（1）：230-231.

[2] 王建鑫，郭佑民，楊君.滾動(dòng)軸承紅外熱成像故障診斷與狀態(tài)監(jiān)測(cè) [J].紅外技術(shù)，2023，45（10）：1045-1051.

[3] 陳志偉，李世峰，劉鋒.基于改進(jìn)Otsu算法的芯片識(shí)別分類系統(tǒng) [J].微電子學(xué)與計(jì)算機(jī)，2021，38（4）：6-10.

[4] 邢致愷，賈鶴鳴，宋文龍.基于萊維飛行樽海鞘群優(yōu)化算法的多閾值圖像分割 [J].自動(dòng)化學(xué)報(bào)，2021，47（2）：363-377.

[5] MA G R，YUE X F. An Improved Whale Optimization Algorithm Based on Multilevel Threshold Image Segmentation Using the Otsu Method [J/OL].Engineering Applications of Artificial Intelligence，2022，113：104960[2023-12-26].https：//doi.org/10.1016/j.engappai.2022.104960.

[6] ZHAO Y Q，YU X Y，WU H B，et al. RETRACTED： A Fast 2-D Otsu Lung Tissue Image Segmentation Algorithm Based on Improved PSO [[J/OL].Microprocessors and Microsystems，2021，80：103527.[2023-12-26].https：//doi.org/10.1016/j.micpro.2020.103527.

[7] 徐武，王欣達(dá)，高寒，等.融合改進(jìn)人工蜂群與Otsu的圖像分割算法 [J].計(jì)算機(jī)仿真，2023，40（6）：229-233.

[8] 張嘯宇，方忠慶，杜義，等.基于改進(jìn)非洲禿鷲優(yōu)化算法的圖像閾值分割研究 [J].軟件工程，2023，26（10）：19-26.

[9] 尹雪松.基于Sobel算子的飛機(jī)艙門邊緣檢測(cè) [J].自動(dòng)化應(yīng)用，2023，64（24）：210-212+215.

[10] 袁新杰，劉芳，侯中軍.基于GA-PSO-Otsu算法的質(zhì)子交換膜燃料電池催化層孔結(jié)構(gòu)自適應(yīng)識(shí)別 [J].汽車工程，2023，45（9）：1702-1709.

[11] 徐武，文聰，唐文權(quán)，等.基于Lab顏色空間的融合改進(jìn)二進(jìn)制量子PSO和Otsu優(yōu)化算法 [J].計(jì)算機(jī)應(yīng)用與軟件，2022，39（6）：265-268+349.

作者簡介：胡義宏（1975—），男，漢族，安徽蕪湖人，工程師，本科，研究方向：圖像處理、工業(yè)控制、視頻及弱電智能化工程規(guī)劃實(shí)施管理；通訊作者：王坤（1998—），男，漢族，安徽亳州人，助理工程師，碩士，研究方向：圖像處理、目標(biāo)檢測(cè)。