一种红外图像增强方法、储存介质及电子设备与流程

本技术属于红外图像处理领域，具体涉及一种变压器红外图像增强方法。

背景技术：

1、在电力系统中，变压器扮演着至关重要的角色，其运行状态的监测对于保障电力供应的稳定性和安全性具有重要意义。红外热像技术作为一种非接触式的温度测量手段，被广泛应用于变压器的故障检测与预警。然而，由于红外图像本身存在的亮度不均、对比度低等问题，使得红外图像的质量往往难以满足实际应用的需求。因此，对红外图像进行增强处理，提高图像的亮度和对比度，成为一个亟待解决的问题。

2、传统的红外图像增强方法，如直方图均衡和伽马变换等，主要通过对图像的灰度直方图分布或灰度值进行调整，以达到图像增强的目的。然而，这些方法在处理红外图像时往往忽视了像素之间的空间相关性，导致增强后的图像容易出现细节纹理丢失、过度增强等问题。这些问题不仅影响了红外图像的可视化效果，还可能导致故障检测的误判。如公告号为cn117422631a的中国专利公开了一种基于自适应滤波分层的红外图像增强方法，通过改进ssr理论中心环绕函数以及对分层图像采用相适宜的增强方法两个主要措施提高红外图像的可视性和可分辨性。该方法主要包括基于自适应双边滤波的ssr图像分层、基础层图像增强以及细节层图像增强三个步骤。该方法对比直方图均衡方法he在数据集中具有良好的增强效果。在增强图像对比度和细节方面有一定效果，但也存在一些不足之处。首先，该方法涉及多个复杂计算和参数调整，可能导致处理时间较长，不利于实时应用。其次，参数的选择对增强效果影响较大，而参数的最优值确定较为困难，增加了使用的难度。此外，对于噪声较多或图像质量较差的红外图像，该方法可能无法完全去除噪声或恢复图像细节，导致增强效果不佳。

3、近年来，基于retinex理论的红外图像增强方法，如单尺度retinex(ssr)，在图像的对比度调节方面取得了显著的效果。ssr方法通过模拟人类视觉系统的光照-反射模型，从原始图像中分离出光照分量和反射分量，并对反射分量进行增强处理，从而提高了图像的对比度。这种方法能够较多地保留红外图像的细节纹理特征，使得图像更加清晰。然而，ssr方法也存在一定的局限性。其核心在于中心环绕函数的设计，通常采用高斯环绕滤波方法来实现。但高斯环绕滤波在处理图像的强边缘处时，由于边缘处的灰度变化剧烈，容易导致光照分量的估计偏差。这种偏差会使得最终增强的图像在物体强边缘处产生明显的光晕现象，影响了图像的视觉效果和故障检测的准确性。如公告号为cn113837974b的中国专利公开了一种基于改进beeps滤波方法的nsst域电力设备红外图像增强方法，首先利用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在进行beeps处理之外，在电气设备边缘和背景部分加以提取并分别进行增强处理。高频部分针对哥方向系数高频子带采用多尺度retinex方法对各进行去噪增强处理。然后对增强后的低频和高频分量重构得到增强后的红外图像。可以对电力设备红外图像进行噪声去除，改善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。但仍有不足之处，首先，对于复杂场景的图像，该方法可能无法完全去除噪声或恢复细节，导致增强效果有限。其次，自适应权重的计算涉及多个步骤和参数，增加了方法的复杂性和计算量，不利于实时处理。此外，该方法在色彩校正方面可能存在一些偏差，导致增强后的图像在色彩上不够准确或自然。

4、综上所述，目前在变压器红外图像处理上，变压器红外图像的亮度和对比度有待于进一步提升，数学方法在处理图像过程中出现细节纹理丢失、物体边缘存在光晕仍然存在一些问题，本技术提出一种基于引导滤波与改进ssr相结合的变压器红外图像增强方法。

技术实现思路

1、基于背景技术中目前在变压器红外干活图像处理上，变压器红外图像的亮度和对比度有待于进一步提升，数学方法在处理图像过程中出现细节纹理丢失、物体边缘存在光晕仍然存在一些问题，本技术提出一种基于引导滤波与改进ssr相结合的变压器红外图像增强方法。

2、本技术的技术方案如下：

3、申请提供一种变压器红外图像增强方法

4、包括如下步骤：

5、步骤s1.输入原始变压器红外图像，并通过引导滤波方法对原始变压器红外图像处理得到基础层图像；

6、步骤s2.基于得到的基础层图像，利用差值法得到细节层图像；

7、步骤s3.将基础层图像通过改进ssr方法进行对比亮度增强；

8、步骤s4.将细节层图像通过非线性函数处理；

9、步骤s5.将基础层图像和细节层图像进行叠加输出变压器红外图像增强图。

10、优选的，步骤s1所述引导滤波方法对原始变压器红外图像处理得到基础层图像的公式为：

11、qi＝akii+bk，i∈wk

12、其中，qi为输出图像的某个像素点，ii为原始红外图像的某个像素点；wk为以像素i为中心的3×3大小的滤波窗口，ak和bk为像素块窗口中的线性系数。

13、优选的，所述像素块窗口中的线性系数ak和bk计算公式为:

14、

15、其中，为原始红外图像当中的第k个窗口wk内像素的方差，为原始红外图像在第k个窗口内的均值，ε为正则化因子。

16、优选的，步骤s2所述差值法得到细节层图像的计算公式为：

17、o＝p-q

18、其中，o为细节层图像，p为原始红外图像，q为基础层图像。

19、优选的，步骤s3所述将基础层图像通过改进ssr方法进行对比亮度增强的具体步骤为：

20、步骤s31.对基础层图像进行照射分量估计得到照射分量；

21、步骤s32.对基础层图像和照射分量分别取对数，相减后再取指数得到增强后的基础层红外图像。

22、优选的，步骤s31所述照射分量采用各向异性扩散滤波计算方法计算照射分量，照射分量计算公式如下：

23、

24、式中，a为输入的灰度图像，t为扩散时间，div为散度算子，▽为偏导数即梯度算子，δ为拉普拉斯算子，c为扩散函数对扩散程度起到控制作用，具体定义如式所示：

25、

26、式中，a为输入的灰度图像，t为扩散时间，div为散度算子，为偏导数即梯度算子，δ为拉普拉斯算子，c为扩散函数对扩散程度起到控制作用，具体定义如式所示：

27、

28、

29、式中，与导热系数相关的k值控制着图像的滤波效果，k值越大得到的图像越平滑，图像细节变得模糊。

30、优选的，步骤s32所述增强后的基础层红外图像的计算公式如下：

31、r(x,y)＝elog[l(x,y)]-log(q)

32、式中，r(x,y)为增强后的基础层红外图像，q为基础层图像，l(x,y)为照射分量。

33、优选的，步骤s4所述细节层图像通过非线性函数处理的公式如下：

34、e0(x,y)＝arctan[o(x,y)]

35、式中，o(x,y)为细节层图像，e0(x,y)为非线性函数处理后得到的细节层图像。

36、本技术提供一种计算机可读存储介质：

37、所述计算机可读存储介质中存储至少一条指令，其特征在于，所述指令由处理器执行时实现变压器红外图像增强方法。

38、本技术提供一种电子设备：

39、包括存储器和处理器；所述存储器中存储有至少一条指令；所述处理器，通过加载并执行至少一条指令以实现变压器红外图像增强方法。

40、本技术的有益效果：

41、(1)本技术通过引导滤波方法将原始图像分解为基础层图像和细节层图像。这种方法能够有效地将图像的主要结构和细节信息分离开来，为后续的处理提供了便利。基础层图像保留了图像的主要特征和轮廓，而细节层图像则突出了图像的微小变化和纹理信息。

42、(2)本技术利用改进的单尺度retinex(ssr)方法对基础层图像进行对比度增强，可以显著提高图像的对比度，使图像中的不同区域和物体之间的界限更加清晰。同时，这种方法还能有效地调整图像的亮度，消除光照不均等问题，使得图像的整体观感更加均匀和一致。

43、(3)本技术通过非线性函数对细节层图像进行处理，可以进一步突出图像中的微小细节和纹理信息。这种处理方式能够根据图像的特点自适应地调整像素的灰度值，使得图像的细节部分更加清晰、丰富。

44、(4)本技术通过将基础层图像和经过处理的细节层图像进行叠加，可以得到一幅既保留了原始图像的主要结构和特征，又增强了对比度和细节信息的增强图像。这种图像在视觉效果上更加清晰、逼真，为后续的故障诊断和性能分析提供了更加准确、可靠的信息。

45、(5)本技术还可以应用于不同类型的红外图像处理中，不仅适用于变压器红外图像，还可以扩展到其他领域。同时，由于该方法采用了分层处理和非线性函数处理等技术手段，可以根据实际需求进行灵活调整和优化，以适应不同的图像增强需求。

46、综上所述，这种变压器红外图像增强方法通过分层处理、对比度和亮度增强、细节信息保留和增强以及图像质量提升等手段，实现了对原始红外图像的有效增强和改善，为后续的故障诊断和性能分析提供了有力的支持。