【技术实现步骤摘要】
一种基于天牛须优化算法的NSST域红外图像增强方法
[0001]本专利技术涉及一种基于天牛须优化算法的NSST域红外图像增强方法。
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]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...
【技术保护点】
【技术特征摘要】
1.一种基于天牛须优化算法的NSST域红外图像增强方法，其特征在于，包括以下步骤：S1，采用NSST变换对原始电力设备红外图像进行多尺度多方向的变换，将原始电力设备红外图像分解为高频分量和低频分量；S2，对经过步骤S1得到的低频分量，采用天牛须优化算法进行阈值分割，将低频分量分割为电力设备主体的后景区域和前景区域两个部分；S3，对步骤S2中分割得到的前景区域采用线性增强，后景区域采用直方图均衡处理，再将两者进行合成处理，得到增强后的低频分量图像；S4，对经过步骤S1得到的高频分量，先采用SANS算法进行处理，将高频分量的振动和噪音进行消除，再使用Pal
‑
King算法对高频分量的图像的对比度、清晰度进行增强，得到增强后的高频分量图像；S5，将增强后的高频分量图像和增强后的低频分量图像进行NSST逆变换，得到增强后的电力设备红外图像。2.根据权利要求1所述的一种基于天牛须优化算法的NSST域红外图像增强方法，其特征在于，步骤S1中，所述多尺度多方向的变换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所述的一种基于天牛须优化算法的NSST域红外图像增强方法，其特征在于，步骤S2中，所述天牛须优化算法是采用自适应天牛须搜索算法与K均值聚类算法结合形成的图像分割处理方法，包括以下工序：S21，采用自适应天牛须搜索算法求解低频分量的图像数据点集的全局最优解；S22，将步骤S21中得到的全局最优解作为K均值聚类算法的初始聚类中心；S23，随机生成K个聚类中心，并将图像数据点集中的元素分配给这K个类，计算图像数据点集中各图像数据点到聚类中心的距离f，计算公式为：X
i
为图像数据点集X中的第i个点，而Y
j
为第j个聚类中心，通过均值更新聚类中心，进行算法收敛，求得最小适应度值，得到K均值聚类算法的最优初始聚类中心。4.根据权利要求1所述的一种基于天牛须优化算法的NSST域红外图像增强方法，其特征在于，步骤S3中，对低频分量的前景区域进行线性增强的过程如下：根据灰度直方图确定线性增强的边界，通过寻找灰度直方图的最大灰度级，来确定灰度集中区域的范围；通过最大灰度值来确定线性增强的左、右边界，设左边界为a
L
，右边界为a
R
【专利技术属性】
技术研发人员：周彦，冯杰，张莹，郭磊，吴兆平，金晶，金骥斐，顾珺明，朱小贤，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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。