基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
基于Laplace
‑
USM MSRCR变压器油下图像增强方法


[0001]本专利技术属于图像处理
，涉及变压器油下图像处理，具体涉及一种基于
Laplace
‑
USM MSRCR
变压器油下图像增强方法
。

技术介绍

[0002]核电厂油浸式变压器作为核电电力系统重要的变电装置，其运行状态直接影响到电力系统的稳定性
。
变压器定期故障检查可以及时发现变压器内部元器件损坏部位
。
为故障排查和变压器寿命评估起到一定的指导作用，保证核电站安全运行
。
[0003]由于变压器内特殊环境，以及变压器油变质变色等原因，获得的油下变压器内部结构图像存在对比度低
、
颜色失真
、
细节缺失
、
亮度不均匀等问题
。
而实现变压器内部检查机器人精确定位
、
故障检测和故障定位等视觉功能需要清晰
、
对比度高的图像
。
所以变压器油下图像增强技术对机器人智能化工作至关重要
。
[0004]针对流体类图像增强领域，与油下环境类似的只有水下环境
。
水下图像同样存在对比度低
、
颜色失真
、
细节缺失
、
可视距离短等问题
。
传统方法中，基于物理衰减模型的水下图像增强，是对水下图像的衰减过程进行建模，并估计模型参数，最后反演得到清晰的水下图像
。
早在
2009
年，
He
等人提出一种适用于去雾增强处理的算法，基于
Jaffe
‑
McGlamey
成像模型暗通道先验算法
(DCP)
，可以准确的估计传输图和背景光图
(He K,Jian S,Fellow,et al.Single Image Haze Removal Using Dark Channel Prior[J].IEEE Transactions on Pattern Analysis&Machine Intelligence,2011,33(12):2341
‑
2353)。
后在应用于水下环境时，
Drews
等人基于
DCP
算法提出了水下暗通道先验算法
(UDCP)(Drews J P,Nascimento E,Moraes F,et al.Transmission Estimation in Underwater Single Images[C]//IEEE International Conference on Computer Vision Workshops.IEEE,2013)。
还有
Song
等提出的水下光衰减先验算法
(ULAP)(Song W,Wang Y,Huang D,et al.A rapid scene depth estimation model based on underwater light attenuation prior for underwater image restoration[C]//Advances in Multimedia Information Processing
‑
PCM 2018:19th Pacific
‑
Rim Conference on Multimedia,Hefei,China,September 21
‑
22,2018,Proceedings,Part I 19.Springer International Publishing,2018:678
‑
688)。
这些算法都可以准确地估计
TM(
透过率
)
和
BL(
背景光
)
，从而反演得到清晰水下图像，但当先验知识并不可靠时，也会受限
。
另外，基于水下光学成像属性，例如偏振成像方法等因很难在水中获得相同偏振的图像而受限
。
[0005]此外，由于水中的图像质量问题大多由于光线的衰减与水中粒子散射等引起；而变压器油下图像问题更多的油下光线衰减以及金属结构的镜面反射或漫反射引起
。
因而基于水介质的物理衰减模型，是不能直接应用于油下的，所以基于物理衰减模型的办法不适用于油下，建模困难
。
而传统的非物理模型的水下图像增强，单纯在像素级上处理，不需要建模估计，直接主观的调整像素值来达到去除模糊
、
加强特征
、
提高对比度
、
颜色校正等，实现图像质量的提高，更易于移植使用到变压器油下环境图像的增强
。
[0006]目前关于变压器油下图像增强算法的研究较少
。
因此，目前丞待研究一种能够实现变压器油下图像增强的方法，为变压器故障排查和变压器寿命评估提供高质量图像支持，保证核电站安全运行
。

技术实现思路

[0007]本专利技术目的旨在针对现有技术无法实现对油下图像进行有效增强的问题，提供一种基于
Laplace
‑
USM MSRCR
变压器油下图像增强方法，将变压器油下低质量图像处理为高质量图像
。
[0008]为达到上述目的，本专利技术采用以下技术方案来实现
。
[0009]本专利技术提供的基于
Laplace
‑
USM MSRCR
变压器油下图像增强方法，其包括以下步骤：
[0010]S1
获取原始变压器油下图像，将原始变压器油下图像分解为
R、G、B
三通道图像分量；
[0011]S2
将
R、G、B
三通道图像分量分别转换为入射分量和反射分量的乘积，并进行对数变换；
[0012]S3
根据步骤
S2
处理后的
R、G、B
三通道图像分量估计大
、
中
、
小三种不同给定尺度下的
R、G、B
三通道图像的反射分量；
[0013]S4
采用
Laplace
算法对大
、
小尺度下的
R、G、B
三通道图像的反射分量进行锐化处理；
[0014]S5
采用
USM
算法对中尺度下的
R、G、B
三通道图像的反射分量进行锐化处理；
[0015]S6
将步骤
S4
和步骤
S5
所得的锐化处理后的不同尺度下的反射分量进行累加计算；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
Laplace
‑
USM MSRCR
变压器油下图像增强方法，其特征在于，包括以下步骤：
S1
获取原始变压器油下图像，将原始变压器油下图像分解为
R、G、B
三通道图像分量；
S2
将
R、G、B
三通道图像分量分别转换为入射分量和反射分量的乘积，并进行对数变换；
S3
根据步骤
S2
处理后的
R、G、B
三通道图像分量估计大
、
中
、
小三种不同给定尺度下的
R、G、B
三通道图像的反射分量；
S4
采用
Laplace
算法对大
、
小尺度下的
R、G、B
三通道图像的反射分量进行锐化处理；
S5
采用
USM
算法对中尺度下的
R、G、B
三通道图像的反射分量进行锐化处理；
S6
将步骤
S4
和步骤
S5
所得的锐化处理后的不同尺度下的反射分量进行累加计算得到各通道的重构反射分量；
S7
引入色彩恢复因子对各通道颜色矫正，再将颜色矫正后的各通道进行合并，得到增强图像
。2.
根据权利要求1所述的基于
Laplace
‑
USM MSRCR
变压器油下图像增强方法，其特征在于，步骤
S2
中，将
R、G、B
三通道图像分量分别转换为入射分量和反射分量的乘积，并进行对数变换，表示为：
LogI
R
(x,y)
＝
LogR
R
(x,y)+LogL
R
(x,y)LogI
G
(x,y)
＝
LogR
G
(x,y)+LogL
G
(x,y)LogI
B
(x,y)
＝
LogR
B
(x,y)+LogL
B
(x,y)
其中，
R
R
(x,y)
为
R
通道图像的反射分量，
L
R
(x,y)
为
R
通道图像的入射分量，
R
G
(x,y)
为
G
通道图像的反射分量，
L
G
(x,y)
为
G
通道图像的入射分量，
R
B
(x,y)
为
B
通道图像的反射分量，
L
B
(x,y)
为
B
通道图像的入射分量
。3.
根据权利要求1所述的基于
Laplace
‑
USM MSRCR
变压器油下图像增强方法，其特征在于，步骤
S3
具体包括以下分步骤：
S31
根据三个尺度参数分别构建不同尺度下的高斯环绕函数；
S32
将步骤
S31
处理后的
R、G、B
三通道图像分量分别与不同尺度下的高斯环绕函数进行卷积计算，得到不同尺度下的
R、G、B
三通道图像的入射分量估计值
。S33
根据步骤
S32
估计的
R、G、B
三通道图像的入射分量计算不同尺度下的
R、G、B
三通道图像的反射分量，具体为：
LogR
Ri
(x,y)
＝
LogI
R
(x,y)
‑
Log[G
i
(x,y)*I
R
(x,y)]LogR
Gi
(x,y)
＝
LogI
G
(x,y)
‑
Log[G
i
(x,y)*I
G
(x,y)]LogR
Bi
(x,y)
＝
LogI
B
(x,y)
‑
Log[G
i
(x,y)*I
B
(x,y)]
其中，
R
Ri
(x,y)
为不同尺度下的
R
通道图像的反射分量，
I
R
(x,y)
为
R
通道图像分量，
G
i
(x,y)
为不同尺度下的高斯环绕函数，
i
为尺度序号，
R
Gi
(x,y)
为不同尺度下的
G
通道图像的反射分量，
I
G
(x,y)
为
G
通道图像分量，
R
Bi
(x,y)
为不同尺度下的
B
通道图像的反射分量，
I
B
(x,y)
为

【专利技术属性】
技术研发人员：佃松宜，强虎，钟羽中，杨新慧，肖权，斯帅，
申请(专利权)人：四川大学，
类型：发明
国别省市：