基于温度概率密度的变电站高压设备故障热红外图像识别方法

针对变电站高压设备故障热红外图像的识别问题,提出一种基于温度概率密度特性的识别方法.首先,使用核函数估计实现对红外图像温度概率密度函数的提取;其次,根据热红外图像中的温度分布与背景组成所对应的物理特性,实现检测对象的初步分类;最后,基于温度概率密度进行先验分类的基础使用K均值聚类方法对热红外图像中故障部分进行提取.研究结果表明,该方法相较传统的聚类方法,不仅提升了对故障部位识别的准确度,还将聚类所需的迭代次数减少一半以上.该方法可以为变电站智能检测系统的构建提供理论依据,从而保障电力设备的可靠运行.