王昊天 厉小润* 赵辽英
1(浙江大学电气工程学院 浙江 杭州 310027)
2(杭州电子科技大学计算机技术应用研究所 浙江 杭州 310018)
作为电能传输的载体,电力电缆的需求越来越大。由于制造工艺的原因会出现很多质量不达标的劣质电缆,这些劣质电缆的使用在给用户和用电企业带来经济损失的同时还会存在巨大的安全隐患,因此对生产出的电力电缆需要进行严格的质量检测。几何尺寸是影响电力电缆质量的一个重要指标。目前,电缆尺寸的检测一般是通过人工测量,耗时耗力。因此,根据电缆图像自动分割出电缆各区域从而实现电缆尺寸检测自动化具有十分重要的意义。
目前,常用的彩色图像分割方法有基于阈值的分割方法[1-3]、基于边缘的分割方法[4-7]、基于区域的分割方法[8-11]、基于图论的分割方法[12-15]、基于能量泛函的分割方法[16-19],以及基于深度学习的分割方法[20]。其中:基于阈值的分割方法思想是通过判断像素点每个通道的灰度值,将其划分到不同的类别中;基于边缘的分割方法是根据区域边缘灰度值存在突变的现象,根据梯度将图像分割出不同区域;基于区域的分割方法是按照图像的相似性准则划分为不同区域块,主要有种子生长法、区域分裂合并、分水岭法等;基于图论的分割方法是将图像分割问题与图的最小割问题相关联,将图像映射成带权无向图,使得分割后子图内部保持相似度最大,而子图之间相似度保持最小,常见的方法有GraphCut[12]、RandomWalk[14]等;……