一种基于改进BEEPS滤波算法的NSST域电力设备红外图像增强方法技术

本发明专利技术公开了一种基于改进BEEPS滤波算法的NSST域电力设备红外图像增强方法，首次将改进的BEEPS滤波算法和线性增强算法和多尺度Retinex算法相结合，提出了一种新的红外图像增强方法。首先利用NSST变换将红外图像分解成高频和低频两部分。对含有大量目标设备信息的低频分量利在进行BEEPS处理之外，在电气设备边缘和背景部分加以提取并分别进行增强处理。高频部分针对个方向系数高频子带采用多尺度Retinex算法对各进行去噪增强处。然后对增强后的低频和高频分量重构得到增强后的红外图像。可以对电力设备红外图像的进行噪声去除，改善电力设备部分的边缘和细节信息，提高电力设备红外图像灰度图的整体对比度。设备红外图像灰度图的整体对比度。设备红外图像灰度图的整体对比度。

【技术实现步骤摘要】
一种基于改进BEEPS滤波算法的NSST域电力设备红外图像增强方法


[0001]本专利技术涉及一种基于改进BEEPS滤波算法的NSST域电力设备红外图像增强方法。

技术介绍

[0002]电力设备正常运转保证着整个电力系统稳定运行，电力设备运行异常或故障时都伴随着温升的现象。红外检测技术可以将人眼不可见的红外线以温度图谱的方式显示出来。在电力系统运行时电力设备不停运的情况下对其进行实时、非接触、无损检测。红外检测在电力设备温度检测中得到了广泛的应用，目的是提前设备故障缺陷、进而消除对整个电力系统进一步的危害。将红外测温技术应用于电力设备运行状态检测中具有非常重要的应用价值。现阶段、多家电力公司正在积极引进先进的国外红外检测设备，对多处电力设备进行巡检，通过大量的实践收集累积十分重要的实验数据。
[0003]为了保证图像的清晰、真实性，研究人员致力于增强图像的对比度，提高图片画质的清晰度，同时还需要防止噪声的干扰。红外技术在电气领域的应用虽然是近代才逐渐热门，但其发展历程却不短。现阶段比较常用的图像增强方法是利用智能算法，精准、快速地找出目标最优解，再通过其他常见方法抑制噪声并保证图片地真实性。最后在此基础上，对可能存在异常的设备红外图像进行分析。
[0004]现有的图像增强方法主要包括：
[0005]1.空间域增强算法
[0006](1)线性增强算法
[0007]设提取出的边缘子带图像Image
d
的灰度范围为[x
min
,x
max<br/>]，该部分灰度范围跨度小，可以利用线性增强的方式拉伸该部分灰度值。拉伸后的灰度值范围为[x
min
,255]，边缘子带灰度值得到最大限度的拉伸。灰度增强公式为
[0008][0009]式(1
‑
1)中，x
new
为增强后对应灰度值。边缘子带图像经过线性增强后仍然可以保持原有的图像分布特征，同时增强了目标物体的视觉效果，加强了红外图像中电力设备的的辨识度和细节分布，增强后的边缘部分灰度值下线保持x
min
不变，这样可以防止电力设备部分混入背景区域。
[0010](2)直方图均衡化
[0011]直方图均衡化可以拉伸图像整体像素值的分布，提高图像整体的对比度，丰富背景信息。设滤波后低频分量各灰度值为L出现的概率密度为：
[0012][0013]式(1
‑
2)中，N为像素总量；n
L
为灰度值为L的像素数；图像的灰度分布函数为：
[0014][0015]直方图均衡化算法对灰度分布函数乘以(L
‑
1)来作为点新像素值，转换关系式为：
[0016][0017]设经过增强后的滤波图像灰度值为x
b
*，边缘子带图像为x
d
*。对增强后的两部分进行图像融合，得到最后的增强低频分量。
[0018][0019]式(1
‑
5)中，x*为最终的低频增强图像。
[0020]2.去噪算法
[0021]在图像采集的过程中，常常会因为一些外界因素，例如：信号的干扰、采集图片时的抖动，导致采集图像出现不清晰。在图像中，妨碍人们接收信息的因素称之为噪声。图像噪声有很多种，主要被分为高斯白噪声、椒盐噪声、泊松噪声、脉冲噪声和真实噪声等。图像去噪作为一项重要的图像处理技术，已经有很多经典的方法被提出，传统的去噪方法有空域像素特征去噪算法。空域滤波法是对原图像矩阵进行运算，计算选取合适像素值替换原有噪点灰度值。常见空域去噪算法有领域滤波、低通滤波和中值滤波；频域滤波指将原图像从空间域变换到频域，对频域的变换系数进行处理，最后进行反变换以达到去噪的目的。常见的频域处理有傅里叶变换、小波变换等。
[0022]3.传统频域增强算法
[0023]频域增强是目前比较常用的红外图像增强方法，该方法具有很好的频率处理能力。频域处理从傅里叶变换开始发展，傅里叶变换将图像一般信号用不同频率的正弦信号表示，但傅里叶变换只包含频率信息，不包含时间信息，难以体现一副图像的完整信息，时常导致图片信息缺失。在此基础上，小波变换改进了傅里叶变换的基础波形，使得变换结果包含频率和时间参数，但小波变换各方向属性相同，不能保证图像的各相异性。
[0024]但是，这些传统的增强方法具有各种缺点：
[0025]传统线性增强缺点：受红外焦平面制作工艺和外界因素影响，干扰信号混入实景信息中形成噪声。线性增强对图像整体像素值进行处理，处理过程中实景信息和噪声信息不做区分。线性算法处理可以增强物体与背景的对比度，相应的噪声信息也被相应地放大，导致电力设备红外图像的质量和视觉效果降低，对电力设备的异常分析和故障判断造成更多干扰。
[0026]传统去噪算法缺点：常用的传统去噪方法有空域像素特征去噪算法，变换域去噪算法以及结合空域和变换域的去噪算法等。这些传统的去噪方法往往计算复杂且存在纹理丢失等问题，导致无法应用到实际生活中。近年来，随着深度学习的发展，越来越多的基于卷积神经网络的图像去噪方法被提出，成为了目前去噪任务的热门研究方向。基于深度学习的方法就是设计一种合理的去噪方法，但基于深度学习的图像去噪方法往往只进行单次的去噪，容易产生过于平滑或者太多噪点未去除的结果且无法恢复。
[0027]传统频域去噪算法缺点：早期傅里叶变换不包含时间信息，无法提现图像完整性；剪切波变换可图片几何结构实现接近最优的稀疏表示，且数学结构简单，运算快，但剪切波变换不具有平移不变性，下采样过程会产生伪吉布斯现象。非下采样剪切波变换是(Non
‑
subsampled Shearlet Transform，NSST)剪切波变换的拓展，避免了剪切波变换的下采样操作，使得图像具有平移不变性，解决了采样过程中出现伪吉布斯现象的问题。
[0028]由于红外焦平面生产工艺的局限，微弱信号在光电转换的过程中难以分辨，导致呈现出的红外图像模糊。电力设备种类繁多、结构复杂，电气设备间的金属连接部件、绝缘子、接头等温度异常部分相比于变压器、塔杆来说难以分辨，以及现阶段红外成像硬件生产工艺的局限性使得电力设备红外图像辨识度不高，此外红外传感器接收到物体的红外辐射本身受到传热，大气衰减以及热辐射等外界因素影响，导致红外图像本身存在分辨率低、细节模糊、含有多种噪声等问题，进一步降低电气设备红外图像质量和视觉效果，对后续电气设备温度异常部分进行故障定位和异常分析造成诸多影响。

技术实现思路

[0029]本专利技术的目的是克服现有技术的缺陷，提供一种基于改进BEEPS滤波算法的 NSST域电力设备红外图像增强方法，可以对电力设备红外图像的进行噪声去除，改善电力设备部分的边缘和细节信息，提高电力设备红外图像灰度图的整体对比度。
[0030]实现上述目的的技术方案是：一种基于改进BEEPS滤波算法的NSST域电力设备红外图像增强方法，包括以下步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进BEEPS滤波算法的NSST域电力设备红外图像增强方法，其特征在于，包括以下步骤：S1，对原始电力设备红外图像进行NSST分解，将原始电力设备红外图像分解为高频分量和低频分量；S2，对步骤S1得到的低频分量用改进BEEPS滤波算法处理，得到滤波图像和电力设备的边缘子带图像；S3，对低频分量中的边缘子带图像进行线性增强，滤波图像利用直方图均衡化进行处理，再将两者进行合成处理，得到增强后的低频分量；S4，对步骤S1得到的高频分量通过多尺度Retinex算法进行去噪声处理，得到增强后的高频分量；S5，对增强后的高频分量和增强后的低频分量进行NSST反变换，得到最终的增强后的电力设备红外图像。2.根据权利要求1所述的一种基于改进BEEPS滤波算法的NSST域电力设备红外图像增强方法，其特征在于，步骤S1中，所述NSST分解包括多尺度分解和方向局部化两个过程，其中：多尺度分解过程，通过非下采样金字塔滤波器组将原始电力设备红外图像分解成一个高频图像和低频图像，再基于分解得到的低频图像进行NSP分解，经过k次NSP分解后得到k个高频子带和1个低频子带图像；方向局部化过程，NSST利用改进剪切波变换对多尺度分解得到的高频子带和低频子带图像进行局部化处理，首先将标准剪切波滤波器从伪极坐标系映射到笛卡尔坐标，进行傅里叶逆变换；最后利用二维卷积完成最终处理，将原始电力设备红外图像分解为高频分量和低频分量。3.根据权利要求1所述的一种基于改进BEEPS滤波算法的NSST域电力设备红外图像增强方法，其特征在于，步骤S2中，所述改进BEEPS滤波算法是BEEPS滤波算法处理和边缘图像处理结合组成的图像处理方法，包括以下工序：S21，将低频分量用BEEPS滤波算法处理后得到滤波图像；S22，在处理电力设备红外图像过程中，一些非电力设备主体部分在处理过程中混入背景区域中，利用原电力设备红外图像和步骤S21得到的滤波图像提取出该电力设备的边缘子带图像：x
d
＝x1‑
x
B
其中，x
d
为边缘子带图像，x1为低频子带图像，x
B
为经过BEEPS滤波算法处理后的滤波图像。4.根据权利要求1所述的一种基于改进BEEPS滤波算法的NSST域电力设备红外图像增强方法，其特征在于，步骤S3中，包括以下工序：S31，对边缘子带图像进行线性增强的过程如下：设提取出的边缘子带图像Image
d
的灰度范围为[x
min
,x
max
]，利用线性增强的方式拉伸该部分灰度值，拉伸后的灰度值范围为[x
min
,255]，边缘子带灰度值得到最大限度的拉伸，灰度增强公式为：
式中，x
new
为增强后对应灰度值，边缘子带图像经过线性增强后仍然保持原有的图像分布特征，同时增强了目标物体的视觉效果，加强了电力设备红外图像...

【专利技术属性】
技术研发人员：查坚卿，朱丹妮，李泓青，叶影，沈杰士，张诗尧，常俊，翟万利，张善福，王哲斐，贺润平，
申请(专利权)人：宁波得弘企业发展有限公司，
类型：发明
国别省市：