基于Canny算子的电气设备红外图像边缘检测方法技术

本发明专利技术提供一种基于Canny算子的电气设备红外图像边缘检测方法，该方法通过对电气设备红外图像进行灰度化处理后获得灰度图像，对灰度图像进行Gamma变换获得增强后的图像，再对增强后的图像利用高斯滤波器进行平滑降噪获得平滑图像；在传统Canny算法基础上，本发明专利技术考虑0

【技术实现步骤摘要】
基于Canny算子的电气设备红外图像边缘检测方法


[0001]本申请涉及图像边缘检测领域，具体地涉及一种基于Canny算子的电气设备红外图像边缘检测方法。

技术介绍

[0002]目前，红外诊断技术已广泛应用于电力设备故障检测中，边缘检测作为提取图像感兴趣部分的传统方法之一，是电气设备红外图像预处理的重要步骤。由于实际应用中的一些客观因素的影响，如噪声和环境的干扰等，使得难于对红外图像中的感兴趣部分提取到准确、连续且封闭的边缘，这会对基于红外图像的电气设备故障识别产生影响。
[0003]对数字图像进行边缘检测可以提高数据处理效率，在保留图像重要结构属性的同时，减少弱相关信息，精准、清晰地提取出电气设备红外图像的轮廓，才可以进行进一步的电气设备故障识别等工作。经典的边缘检测算子有Roberts、Sobel、Log、Canny等，其中Canny算法性能较高，因其高精确度的边缘检测特性而具有更好的应用潜力。但电气设备红外图像具有空间分辨率低、背景噪声大、对比度低且边缘模糊等缺陷，Canny算法对于电气设备红外图像的边缘检测受噪声影响较大，易产生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Canny算子的电气设备红外图像边缘检测方法，其特征在于，其包括以下步骤：步骤1：对电气设备红外图像进行灰度化处理，获得灰度图像；步骤2：对所述步骤1获得的灰度图像进行Gamma变换获得增强后的图像f(x,y)，x、y为空间坐标；步骤3：利用高斯滤波器对所述步骤2获得的增强后的图像f(x,y)进行平滑降噪，获得平滑图像I(x,y)；步骤4：根据0
°
、90
°
、45
°
和135
°
四个方向的梯度计算所述步骤3获得的平滑图像I(x,y)中每个像素的梯度幅值和梯度方向θ(x,y)，获得梯度幅值图像Grad(x,y)；步骤5：根据所述步骤4获得的梯度幅值图像Grad(x,y)获得双阈值，所述双阈值包括低阈值T
L
和高阈值T
H
,具体步骤如下：步骤51：对所述步骤4获得的梯度幅值图像Grad(x,y)中的梯度幅值进行统计，获得梯度幅值的最大值f
max
和最小值f
min
，根据所述梯度幅值的最大值f
max
和最小值f
min
获得单通道像素强度的平均值M：M＝(f
max
+f
min
)/2步骤52：根据所述步骤51获得的单通道像素强度的平均值M获得低阈值T
L
：T
L
＝max(0，M)步骤53：根据所述步骤52获得的低阈值T
L
获得高阈值T
H
：T
H
＝2*T
L
；步骤6：用插值方式对所述步骤4获得的梯度幅值图像Grad(x,y)中的梯度幅值进行非极大值抑制,获得更新的梯度幅值图像,具体包括以下步骤：步骤61：设置权重W，根据所述权重W获得所述梯度幅值图像Grad(x,y)中的梯度幅值在梯度方向θ(x,y)上的插值T1和T2；步骤62：将所述梯度幅值图像Grad(x,y)中的梯度幅值与所述梯度幅值在梯度方向θ(x,y)上的插值T1和T2进行比较：当所述梯度幅值图像Grad(x,y)中的梯度幅值同时大于所述梯度幅值在梯度方向θ(x,y)上的插值T1和T2时，在所述梯度幅值图像Grad(x,y)中保留所述梯度幅值；否则，在所述梯度幅值图像Grad(x,y)中对所述梯度幅值赋0值，获得更新的梯度幅值图像；步骤7：根据所述步骤5获得的双阈值对步骤6获得的更新的梯度幅值图像选择和连接边缘，输出二值化图像，完成边缘检测。2.根据权利要求1所述的基于Canny算子的电气设备红外图像边缘检测方法，其特征在于，所述步骤4具体包括以下步骤：步骤41：设置0
°
、90
°
、45
°
和135
°
四个方向的模板I0°
、I
90
°
、I
45
°
、I
135
°
：
步骤42：根据所述步骤41中四个方向的模板I0°
、I
90
°
、I
45
°
、I
135
°
的一阶偏导数的有限差分计算所述平滑图像I(x,y)中每个像素的梯度幅值和梯度方向θ(x,y)，获得梯度幅值图像Grad(x,y)：θ(x,y)＝arctan(I
90
°
(x,y)/I0°

【专利技术属性】
技术研发人员：赵峰，吴文炤，许中平，秦旭弘，余金沄，秦亮，刘开培，
申请(专利权)人：北京国网信通埃森哲信息技术有限公司武汉大学，
类型：发明
国别省市：