[发明专利]一种基于天牛须优化算法的NSST域红外图像增强方法

说明书

本发明公开了一种基于天牛须优化算法的NSST域红外图像增强方法，首次将改进的天牛须搜索优化算法、SANS滤波算法和模糊增强算法等相结合；先利用NSST变换将红外图像分解成高频和低频两部分；对含有大量目标设备信息的低频分量利用改进的天牛须算法进行阈值分割将其分解为背景区域和目标区域两个部分，再分别进行增强处理；对含有噪声和图像细节信息的高频分量，首先选取合适参数进行SANS滤波去噪，后再进行模糊增强。之后将处理后高频子带图像进行增强；最后将处理后的低频分量和高频分量进行NSST逆变换得到最终增强图像；本发明可以对红外图像的进行噪声去除，改善红外图像中电力设备部分的边缘和细节信息，提高电力设备红外图像灰度图的整体对比度。

技术领域

本发明涉及一种基于天牛须优化算法的NSST域红外图像增强方法。

背景技术

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。

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力设备红外图像辨识度不高，此外红外传感器接收到物体的红外辐射本身受到传热，大气衰减以及热辐射等外界因素影响，导致红外图像本身存在分辨率低、细节模糊、含多种噪声等问题，难以对电力设备异常原因进行分析和故障定位。由于当前由于红外传感器制作工艺的不足，微小的信号在在成像过程中难以分辨以及红外线在传播过程中本身的衰减以及大气和环境热辐射的影响，导致红图像外含噪声、模糊、对比度低，进一步影响电气设备红外图像本身质量和视觉效果。

在数字图像处理部分图像增强和边缘检测是电力设备红外成像的问题所在。图像增强处理需要对图像的进行去噪，提高对比度，以及对目标物体纹理，边缘细节的提升。

传统的红外图像增强处理方法主要有：

1.空间域增强算法

(1)线性增强算法

红外图像对比度较低的原因通常是灰度集中在动态范围较窄的区域，而为了将其灰度范围进行扩大，采用线性增强的方法。

首先应根据灰度直方图确定线性变换的边界。此时可以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。可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。

在左右边界确定之后，便可对低频前景部分进行先行增强，若用z(x,y)表示增强后的图像，计算式为：

该方式有利于维持原始电力红外图像的灰部分布规律，通过计算所得的灰度值边界范围[a_L,a_R]，将其中所存在的像素点进行线性增强，从而提高电力设备区域的视觉效果，达到各部分互不影响，起到独立观察的效果。

(2)直方图均衡化

直方图均衡化算法是基于统计学原理，通过统计图像像素灰度值的分布函数，扩展图像灰度域的范围，以达到增强图像对比度、增加信息熵、视觉效果更清晰的目的。图像灰度值是离散变量，灰度值为x的概率密度为:

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：