[发明专利]基于人工智能的输电线智能巡检系统的图像模糊处理方法

权利要求书

1.一种基于人工智能的输电线智能巡检系统的图像模糊处理方法，其特征在于，包括以下步骤：

步骤一，获取待处理的模糊图像以及标准图像，所述标准图像为与模糊图像类似的清晰图像；

步骤二，计算所述标准图像和模糊图像的梯度分布，根据两者的梯度分布的差异，计算图像的模糊度，并根据所述模糊度对模糊图像进行图像增强处理，获取增强后的半清晰图像；

步骤三，计算模糊图像与半清晰图像中各像素的灰度差数据，并对所述灰度差数据进行聚类，获取聚类后各类的平均灰度差，并对不同的类设置相应的权重，并根据所述各类的平均灰度和设置的权重，计算整个图像的平均灰度差之和

其中，整个图像的平均灰度差之和为：

其中，δ_T为F类平均灰度差的总和；表示权重，其中平均灰度差越小，则相应所占的权重越大；

步骤四，根据所述的整个图像的平均灰度差之和以及每类的平均灰度差，计算模糊图像块尺寸；

其中的模糊图像块尺寸的计算公式为：

其中，G_j为每一个聚类综合平均灰度差对平均灰度差之和的贡献值。

步骤五，将所述模糊图像块尺寸进行处理后作为半清晰图像的滑窗窗口大小，对半清晰图像进行滑窗操作，计算窗口内的图像的平均灰度差，遍历完半清晰图像后，更改滑窗长和宽的大小，继续计算窗口内的图像的平均灰度差，比较所述窗口内的图像的平均灰度差与的大小，当两者的差值小于设定值，则将所述窗口内的图像的平均灰度差对应的半清晰图像的图像块作为最终的Patch块；

步骤六，计算获取的Patch块的模糊核，并根据所述模糊核，对所述半清晰图像进行去模糊处理，获取清晰图像。

2.根据权利要求1所述的基于人工智能的输电线智能巡检系统的图像模糊处理方法，其特征在于，图像增强处理的过程为：

1)分别计算模糊图像与标准图像的梯度分布，获取对应图像的梯度分布曲线，计算每条曲线上同一梯度对应的像素点的曲率，并计算两曲线上同一梯度对应的点的曲率差；根据所述曲率差，计算所有曲率差的方差确定两图像的梯度分布曲线的相似度；

所述的相似度为A＝e^-δ，其中，δ为计算的曲率差的方差；

2)分别获取模糊图像和标准图像在梯度为0时的像素点个数，计算两图像的梯度曲线相似性；

所述梯度曲线相似性B为：

其中，N为两幅梯度图像中梯度范围最大的图像所对应的梯度值总量；n_c，i为当前实时梯度图像上第i个梯度所对应的像素点数量；n_s，i表示标准梯度图像上第i个梯度所对应的像素点数量；n_T则为当前实时梯度图像上的像素点总数量；

3)根据获取的相似度和梯度曲线相似性，计算图像模糊度；

其中图像模糊度为：

Z＝1-A·B

其中，A为相似度，B为梯度曲线相似性；

4)根据计算的图像模糊度，对模糊图像的像素进行优化，得到优化后的图像的像素值；

其中，优化后的图像的像素值为：

其中，M_i(x，y)表示第i各像素综合水平方向和垂直方向后最终更新得到的灰度值；G_ix，G_iy分别是其对应在水平方向和垂直方向的经模糊度Z更新后的像素值G_ix：

G_ix＝g_ix+∈_ix(1+Z)

其中，g_i表示第i个像素的灰度值，∈_i为第i个像素与其相邻像素之间的梯度。

3.根据权利要求1所述的基于人工智能的输电线智能巡检系统的图像模糊处理方法，其特征在于，步骤三中，还根据不同类的面积，进行平均灰度差之和的计算：

其中，S为图像的总面积，S_j为聚类后的第j类的面积。

4.根据权利要求3所述的基于人工智能的输电线智能巡检系统的图像模糊处理方法，其特征在于，所述模糊图像块尺寸的计算公式为：

其中，则G_j为每一个聚类综合平均灰度差以及对应面积对平均灰度差的贡献值。

5.根据权利要求1或4所述的基于人工智能的输电线智能巡检系统的图像模糊处理方法，其特征在于，进行滑窗操作的滑窗尺寸为：

其中，x，y分别为滑窗的长和宽。