基于高斯混合云变换的绝缘子图像聚类分析
杨耀宗1 王江贞2 王栋2 王志伟2

1中国铁路兰州局集团有限公司机务部，甘肃兰州，730030；

2中国铁路兰州局集团有限公司兰州西机务段，甘肃兰州，730070；

摘要：兰新线途径三大沙漠和四大风区，部分区段处于八级强风以上的天气，被带动的沙尘持续冲击绝缘子伞裙表面造成冲蚀磨损，使憎水性图像的直方图峰值过多而严重影响分割迭代效率与准确性，为解决该问题，本文设计了一种改进的高斯混合模型云变换算法。将K-means++应用到图像信息初始粒度的选择和细化过程中，为高斯混合模型提供优化后的先验初值。选用两组损伤程度不同的绝缘子为实验样本，分别采用K-means、高斯混合模型云变换(A-GCT)、及改进的A-GCT进行仿真对比，结果表明，在分割该类恶劣环境中划痕较多的绝缘子图像时，本文算法的迭代时间比经典A-GCT减少一倍左右，且误分率和水珠误分个数均有所降低。

关键词：高斯云变换；图像分割；复合绝缘子；K-means++

参考文献

[1]韩春刚,宋永顺.兰新高速铁路环境对动车组性能的影响分析及对策[J].铁路计算机应用,2014,(2).

[2]司马文霞,程浩,杨庆.沙尘环境下绝缘子交流闪络特性及机理[J].高电压技术,2011,37(004):834-840.

[3]孟健,梁德胜,张瑞刚.电网污闪事故的原因和预防措施[J].化工管理,2018,000(12):121.

[4]吴广宁,石超群,张血琴.高速列车车顶绝缘子的研究进展[J].南方电网技术,2016,10(003):71-77.

[5]董政呈,方彦军,王先培.基于嵌入式的复合绝缘子憎水性检测方法研究[J].绝缘材料,2015,48(07):67-72.

[6]闫康.基于图像处理技术的复合绝缘子憎水性识别方法的研究[D].华北电力大学;华北电力大学(保定),2014.

[7]许凯,秦昆,刘修国.高斯混合模型云变换算法及其在图像分割中的应用[J].武汉大学学报(信息科学版),2013,38(10):1163-1166+1183.

[8]李德毅,杜鹢.不确定性人工智能.第2版[M].国防工业出版社,2014.

[9]姚红,丁莎.基于云模型的彩色图像分割方法[J].电脑知识与技术,2014,10(22):5297-5300.

[10]刘玉超.一种自适应的多粒度概念提取方法——高斯云变换[J].计算机工程与应用,2015,51(09):1-8.

[11]刘旋,王国胤,罗小波.基于高斯云变换的遥感图像多粒度聚类[J].计算机科学,2017,44(09):23-27+52.

[12]钟熙,孙祥娥.基于Kmeans++聚类的朴素贝叶斯集成方法研究[J].计算机科学,2019,46(S1):439-441+451.