[发明专利]基于NSST域的电力设备红外图像增强方法

权利要求书

1.一种基于NSST域的电力设备红外图像增强方法，其特征在于，包括以下步骤：

S1，采用NSST变换对原始红外图像进行多尺度多方向的变换，分解为高频分量和低频分量；

S2，对低频分量采用海鸥优化算法改进Otsu进行阈值分割，分割为电力设备主体的前景和后景；

S3，对分割后的前景采用线性增强，对分割后的后景采用直方图均衡，最后融合为增强后的低频分量图像；

S4，经过NSST多尺度变换后得到的高频分量，采用Beeps滤波进行去噪处理；

S5，将增强后的高、低频分量进行NSST逆变换，得到增强后的红外图像。

2.根据权利要求1所述的一种基于NSST域的电力设备红外图像增强方法，其特征在于，步骤S1包括以下步骤：

S11，多尺度分解通过非下采样金字塔滤波器组将原始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；

S12，将标准Shearlet滤波器从伪极坐标系映射到笛卡尔坐标系，进行傅里叶逆变换，最后利用二维卷积完成最终处理。

3.根据权利要求2所述的一种基于NSST域的电力设备红外图像增强方法，其特征在于，步骤S2中所述海鸥优化算法改进Otsu进行阈值分割包括以下步骤：

S21，假设一个大小为M×N，灰度级为L的电力设备红外图像灰度级范围为[0，L-1]，在阈值分割中将灰度级[0，T]的像素点归为S₀类，灰度级为[T，L-1]的为S₁类，S₀(T)和S₁(T)分别为S₀类和S₁类的出现概率，u₀(T)和u₁(T)分别表示S₀、S₁的平均灰度级，则有：

其中S_i为灰度级i在图像中出现概率；

图像平均灰度级表示为：u＝S₀(T)u₀(T)+S₁(T)u₁(T)；

图像的类间方差为：

当类间方差达到最大时的灰度级为最优的分割阈值，即：

S22，利用海鸥算法进行阈值的寻优，获得最佳阈值，经过海鸥算法优化的适应度函数为：

根据图像像素范围，设置寻优边界为0：255。

4.根据权利要求3所述的一种基于NSST域的电力设备红外图像增强方法，其特征在于，步骤S3中所述对分割后的前景采用线性增强包括以下步骤：将设备区域的原灰度范围[L_min，L_max]进行拉伸，拉伸后的灰度范围为[L_min，255]，灰度增强公式为

式中L为原低频分量灰度值，L_new为增强后对应灰度值。

5.根据权利要求4所述的一种基于NSST域的电力设备红外图像增强方法，其特征在于，步骤S3中所述对分割后的后景采用直方图均衡包括以下步骤：灰度值为l出现的概率密度为

式中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

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

6.根据权利要求5所述的一种基于NSST域的电力设备红外图像增强方法，其特征在于，步骤S4包括以下步骤：

S41，设x[k]表示红外图像的像素值，则具体算法原理如下：

φ[k]＝(1-ρ[k]λ)x[k]+[k]λφ[k-1]，

式中ρ[k]＝r(x[k]，φ[k-1])；

式中

经过上述两式递归运算后，将得到的k所对应的φ[k]和值代入到以下公式：

以上所有式中r∈[0，1]，r，λ共同控制着图像的平滑程度；

S42，x[k]从第二个像素值按照φ[k]＝(1-p[k]λ)x[k]+[k]λφ[k-1]进行横向递运算得到φ[k]₁，再从倒数第二个值按照进行横向递归运算得到将φ[k]₁和带入到运算得到y[k]₁，将y[k]₁代替原来的x[k]值；将y[k]₁按照以上步骤，先按φ[k]＝(1-p[k]λ)x[k]+[k]λφ[k-1]进行纵向递归运算得到φ[k]₃，再根据从y[k]₁倒数第二个值进行纵向递归运算得到最后将和φ[k]₃代入结果记为y[k]₂；

S43，按照步骤S42进行先纵向后横向的递归值运算得到最终值y[k]₄，取y[k]₂和y[k]₄的和的一半为图像最终输出像素值。