[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

说明书

本发明涉及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，获取标准图像和模糊图像的梯度分布，根据两者梯度分布的差异，计算图像的模糊度，对模糊图像进行图像增强处理，获取半清晰图像；然后对计算的模糊图像与半清晰图像中各像素的灰度差数据进行聚类，获取每类的平均灰度差以及权重，计算整个图像的平均灰度差之和，并结合每类的平均灰度差，计算模糊图像块尺寸，从而获得滑窗窗口，对半清晰图像进行滑窗操作，得到与平均灰度差之和相等的窗口对应的图像块为最终的Patch块，计算模糊核，对半清晰图像进行去模糊获取清晰图像。即本发明在进行去模糊时，保留了模糊图像的图像信息，能有效地避免后续对半清晰图像部分区域的过处理。

技术领域

本发明涉及图像处理技术领域，具体涉及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。

背景技术

随着人工智能技术时代的发展，人们对于电力资源的依赖性更强，因此保持电压的稳定就显得尤为重要。在传统作业模式下，电力工人需要定时巡查高压线路，这种方式不仅给电力工人带来了一系列安全风险，且需要大量的工人来完成，耗费较大的人工成本的同时效率也较为低下。

目前，虽然开始应用专业的高压线巡检机器人来代替工人进行全天候不间断巡查，提高效率的同时也相应的节约了人工成本，但是机器在运行时受环境的影响较大。该类机器人装载有工业相机，将其固定到高压电线上后便可沿着高压电线行进并拍摄高压电线视频。然而高压电线一般所处位置较高，尤其是风力较强时，机器在行进过程中会受到风力干扰而发生晃动，导致成像画面模糊，从而影响判断。

针对模糊图像一般常用的技术为使用维纳滤波或者Richardson-Lucy算法，利用实际镜头的成像和镜头的衍射极限PSF来进行反向卷积操作得到理想镜头的成像。该方法虽然效果比较理想，但是需要提前知道镜头的PSF参数(模糊长度和尺度)，而很多情况下提前测定PSF参数是不可能的。虽然目前有一系列来估算相机模糊核的方法来侧面获得PSF参数，但是其仍然存在计算量大，结果不够理想等问题，且由于晃动的随机性，图像中各处的模糊程度并不相同，对图像进行统一的参数恢复有时反而取得较差的恢复效果。

发明内容

本发明的目的在于提供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，用以解决现有技术中未考虑到图像中各处的模糊程度的不同，从而在进行图像统一处理时的效果较差的问题。

本发明提供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，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，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差和设置的权重，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。