本發(fā)明涉及圖像通信、視頻圖像處理、智能電站技術(shù)領(lǐng)域，更具體地說，涉及一種符合人眼視覺特性的變電站視頻圖像清晰化方法。

背景技術(shù)：

變電站、電力設(shè)施遍布各地，多數(shù)是無人值守站，需要通過監(jiān)控攝像頭關(guān)注實時情況。然而霧霾天由于大氣粒子的散射作用，變電站監(jiān)控攝像頭拍攝到的圖像模糊不清，難以分辨違規(guī)闖入的人、動物、不明雜物等，不得不派專人巡視，不僅增加了工作復(fù)雜度，而且無法提前處理隱患。部分重點區(qū)域雖安裝紅外攝像儀，但價格昂貴，且無法密集布設(shè)，難以在全網(wǎng)開展實施。

近年來，基于數(shù)字圖像處理的圖像清晰化方法因其成本低、自動化、可移植性強等優(yōu)點廣受青睞。傳統(tǒng)的圖像增強的方法利用提高對比度來突出目標景物，主要有直方圖均衡、對數(shù)變換、銳化、小波變換以及不同尺度的retinex方法。較為新穎的基于霧天大氣光學(xué)知識的單幅圖像去霧方法，如oakley和bu等通過優(yōu)化全局代價函數(shù)，精確估計天空光，改善圖像對比度；tan等基于馬爾可夫隨機場對無霧和有霧情況下圖像對比度的統(tǒng)計信息進行優(yōu)化，該方法容易出現(xiàn)過增強，顏色失真嚴重；fattal用獨立成分分析法計算透射率，只能在薄霧情況下取得較好的效果；he等引入了暗原色先驗，方法簡潔、效果出色，但計算過程中耗時過高；tarel等提出了一種基于中值濾波的快速去霧算法，但當(dāng)場景深度變化時，對深處的霧去除效果不佳。

國內(nèi)方面，史徳飛等在暗原色先驗的基礎(chǔ)上，將rgb三通道轉(zhuǎn)換為耦合性更低的透射率三通道；孫抗等在tarel方法的基礎(chǔ)上提出了一種基于雙邊濾波器的實時圖像去霧方法；王多超等則認為景物的清晰圖像與場景深度不相關(guān)，此方法依賴于邊緣平滑和噪聲高斯分布的假設(shè)，只適用于部分的圖像。

霧天圖像清晰化方法已經(jīng)成為國內(nèi)外熱議的研究課題，針對現(xiàn)有方法的局限性，本發(fā)明致力于研究一種去霧效果顯著、細節(jié)保持完好、色彩鮮明自然，并符合人眼觀察習(xí)慣的圖像清晰化方法。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提高霧天變電站視頻圖像質(zhì)量，以往的圖像增強方法能提高對比度，但只適用于薄霧、近距離的場景，且常常造成嚴重的偏色和失真。本發(fā)明根據(jù)大氣成像模型，結(jié)合分塊思想自適應(yīng)地獲取大氣光亮度，利用暗原色的先驗知識建立圖像退化方程，并基于引導(dǎo)聯(lián)合雙邊濾波的提出了更為精確的透射率估計方法，為了進一步改善復(fù)原圖像的觀賞性，本發(fā)明結(jié)合人眼視覺特性，在lipc(彩色對數(shù)圖像處理)框架下對復(fù)原圖像進行色彩增強，有效解決了霧天變電站監(jiān)控視頻無法可視性差的問題。

為解決上述技術(shù)問題，本發(fā)明提供1.一種符合人眼視覺特性的變電站視頻圖像清晰化方法，其特征是根據(jù)大氣光學(xué)成像模型、暗原色知識和引導(dǎo)聯(lián)合雙邊濾波理論，求解霧天圖變電站圖像透射率并反演出復(fù)原圖像，再基于彩色對數(shù)圖像處理(lipc)框架進一步增強，得到符合人眼視覺特性的清晰圖像，包括以下步驟：

1)采集變電站視頻圖像；

2)對步驟1)采集的一幀視頻圖像進行大氣光亮度值a的計算；

3)根據(jù)大氣光學(xué)成像模型，建立圖像的退化方程，并基于暗原色的先驗知識，求解粗略的透射分布率t(x)參數(shù)；

4)以原圖的灰度圖像作為引導(dǎo)圖像，與粗略大氣光幕f(x)進行引導(dǎo)聯(lián)合雙邊濾波，得到新的大氣光幕f'(x)，進而反推出初步的復(fù)原圖像j'(x)；

5)結(jié)合人眼視覺特性，在lipc彩色對數(shù)圖像處理框架下對復(fù)原圖像進行增強，獲得更符合人眼習(xí)慣的無霧清晰圖像j'lipc(x)。

進一步地，步驟1)所述的采集變電站視頻圖像的具體要求為：使用變電站監(jiān)控攝像機進行霧天視頻圖像采集，要求有效像素分辨率≥100萬、幀率≥25fps、可變焦距范圍為6.5mm～85mm、視角范圍360°可旋轉(zhuǎn)、支持h.264網(wǎng)絡(luò)編碼方式。

進一步地，步驟2)所述的大氣光亮度值a計算的具體操作步驟為：

首先把圖像分成4塊，并求出每一塊的圖像亮度均值和標準差并以二者之差作為這個塊的亮度特征值，記為vi，即：

取這4個塊中vi值最大的塊，繼續(xù)將其分成4塊，重復(fù)此操作，直到被分割塊的大小低于最先設(shè)定的閾值，對于在最后一次分割中選定的vi值最大的塊，用彩色圖像計算該塊中每一點的(r，g，b)與(255，255，255)的矢量距離，取二范數(shù)結(jié)果最小的點p，認為是與白點最接近的點，也即大氣光a的值，用矢量矩陣形式表示為：

a＝(rp,gp,bp)(2)

符合條件的點p應(yīng)滿足的約束條件為：

s.t.min||(rp,gp,bp)-(255,255,255)||(3)

其中，rp、gp、bp分別為圖像中p點的r、g、b值。

進一步地，步驟3)所述的求解粗略的透射分布率t(x)參數(shù)的具體操作步驟為：

a、根據(jù)大氣散射成像模型可將霧天圖像降質(zhì)退化的過程表示為：

i(x)＝j(luò)(x)t(x)+a·(1-t(x))(5)

其中，x為像素點，i(x)為霧天圖像，j(x)為原始的沒有環(huán)境光干擾的圖像，a為大氣入射光，j(x)＝a·b(x)，b(x)為場景的反照率，t(x)為透射分布率，反映了場景反照光中未被散射的光占總體散射光的比率，t(x)＝e^-βd(x)，β為大氣散射系數(shù)，d(x)為場景的景深。

其中，大氣光幕f(x)表示為：

f(x)＝a(1-t(x))(4)

b、暗原色先驗知識基于一個統(tǒng)計事實：戶外無霧圖像的非天空區(qū)域的像素值r、g、b三通道中至少存在一個通道的強度值非常低，也即任何一個點的鄰域最小值強度趨于零，表示為：

其中，jc表示彩色圖像的每個通道，c∈{r，g，b}，ω(x)表示以像素x為中心的區(qū)塊，y∈ω(x)表示該區(qū)塊內(nèi)的任意像素點，jdark就是圖像j的暗通道。

c、結(jié)合大氣光散射模型和暗原色先驗知識，根據(jù)式(5)和(6)推導(dǎo)得初步的透射分布率t(x)，表示為：

其中，去霧控制因子ω∈[0，1]，典型值為0.95。

進一步地，步驟4)所述的反推出初步的復(fù)原圖像j'(x)的具體操作步驟為：

根據(jù)引導(dǎo)聯(lián)合雙邊濾波的原理，將步驟3)中根據(jù)暗通道假設(shè)求得的粗略大氣光幕f(x)作為待濾波圖像，用包含更多紋理和細節(jié)的原圖灰度圖igray作為引導(dǎo)圖像，聯(lián)合濾波后輸出的圖像，即新的大氣光幕f'(x)，表示為：

其中，igray·x和igray·y表示igray對應(yīng)x、y位置的像素值，f和g是權(quán)重分布函數(shù)，k(x)為歸一化常量；

將式(10)得到的f'(x)，代入步驟式(4)和(5)，進而反演得到新的復(fù)原圖像j'(x)，合并推導(dǎo)得：

其中，t0為控制閾值，取0.1。

進一步地，步驟5)所述的獲得更符合人眼習(xí)慣的無霧清晰圖像j'lipc(x)的具體操作步驟為：

a、根據(jù)lms人眼視覺特性，rgb彩色空間的圖像i和透射率三通道空間的圖像t的轉(zhuǎn)換關(guān)系，可以表示為：

其中，kλ和uλ分別為反射矩陣k和透射矩陣u的歸一化的結(jié)果，由d65光源和lms值的經(jīng)驗統(tǒng)計數(shù)據(jù)，可知：

b、將圖像從rgb三通道轉(zhuǎn)換到透射率三通道后，我們稱之為透射率域，相應(yīng)于彩色對數(shù)圖像中的灰度域，透射率域減法的實質(zhì)是將圖像的最大灰度值與最小灰度值的差距拉伸至最大；

c、將步驟4)中式(11)復(fù)原得到的j'(x)從透射率空間逆轉(zhuǎn)換到rgb空間，記為j'c(x)，其中c∈{r,g,b}表示每個彩色通道，代入式(15)，則j'c(x)可以表示為：

求得相應(yīng)的上界h'(x)和下界d'(x)，表示為：

則根據(jù)lipc減法，求得相應(yīng)的拉伸矩陣c'0(x)為：

最終經(jīng)過lipc增強后的無霧復(fù)原圖像j'lipc(x)，表示為：

本發(fā)明所達到的有益效果：

(1)能自適應(yīng)計算大氣光亮度，無需人為選點估計，避免了主觀性的誤差；

(2)結(jié)合了引導(dǎo)聯(lián)合雙邊濾波器和暗原色理論的優(yōu)勢，使復(fù)原圖像紋理更清晰，尤其在景物深度變化、霧濃度較大和低照度情況都能取得顯著的效果；

(3)基于lipc彩色對數(shù)圖像處理模型給出的增強算法，使圖像色彩更為真實、鮮明，符合人眼感官；

(4)魯棒性強，且成本低廉，無需添置其余硬件設(shè)備，可以方便地適用于各大變電站和電力設(shè)施監(jiān)控站，具有廣泛的社會效益和經(jīng)濟效益。

附圖說明

圖1為本發(fā)明中用于大氣光亮度值估計的分割方法示意圖；

圖2為本發(fā)明中依據(jù)的大氣粒子散射成像模型示意圖；

圖3(a)為本發(fā)明中人眼觀察圖像過程示意圖；

圖3(b)為傳感器接收圖像過程示意圖；

圖4為本發(fā)明中參考的cie(國際照明委員會)顏色匹配函數(shù)示意圖；

圖5為本發(fā)明一種符合人眼視覺特性的變電站視頻圖像清晰化方法的流程圖；

圖6(a)、(b)、(c)、(d)、(e)、(f)、(g)和(h)依次是實施例原圖、對應(yīng)灰度圖、粗略大氣光幕圖、粗略透射率圖、大氣光幕、根據(jù)本發(fā)明方法得到的新透射率圖、初步復(fù)原圖像和lipc增強后的圖像效果對比圖；

圖7(a)、(b)、(c)、(d)、(e)和(f)依次是實施例原圖、限制對比度直方圖均衡方法(clahe)、帶色彩恢復(fù)的多尺度retinex方法(msrcr)、tarel中值濾波方法、he暗通道去霧方法和本發(fā)明方法作用效果圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明作進一步描述。以下實施例僅用于更加清楚地說明本發(fā)明的技術(shù)方案，而不能以此來限制本發(fā)明的保護范圍。

實施例1

結(jié)合附圖，本實施例的一種符合人眼視覺特性的變電站視頻圖像清晰化方法，其特征是根據(jù)大氣光學(xué)成像模型、暗原色知識和引導(dǎo)聯(lián)合雙邊濾波理論，求解霧天圖變電站圖像透射率并反演出復(fù)原圖像，再基于彩色對數(shù)圖像處理(lipc)框架進一步增強，得到符合人眼視覺特性的清晰圖像，包括以下步驟：

1)采集變電站視頻圖像：使用變電站監(jiān)控攝像機進行霧天視頻圖像采集，要求有效像素分辨率≥100萬(1280*720)、幀率≥25fps、可變焦距范圍≥6.5mm～85mm、視角范圍360°可旋轉(zhuǎn)、支持h.264網(wǎng)絡(luò)編碼方式。

2)對步驟1)采集的一幀視頻圖像進行大氣光亮度值a的計算：基于像素值的方差在朦朧的地區(qū)普遍較低，對圖像全局進行分塊并搜索求解，將二范數(shù)結(jié)果最小的點作為大氣光a的值。具體操作步驟為：

首先把圖像分成4塊，并求出每一塊的圖像亮度均值和標準差并以二者之差作為這個塊的亮度特征值，記為vi，即：

取這4個塊中vi值最大的塊，繼續(xù)將其分成4塊，重復(fù)此操作(參見圖1)，直到被分割塊的大小低于最先設(shè)定的閾值。對于在最后一次分割中選定的vi值最大的塊(如圖1中右上角深色區(qū)塊)，用彩色圖像計算該塊中每一點的(r，g，b)與(255，255，255)的矢量距離，取二范數(shù)結(jié)果最小的點p，認為是與白點最接近的點，也即大氣光a的值，用矢量矩陣形式表示為：

a＝(rp,gp,bp)(2)

符合條件的點p應(yīng)滿足的約束條件為：

s.t.min||(rp,gp,bp)-(255,255,255)||(3)

其中，rp、gp、bp分別為圖像中p點的r、g、b值。

3)根據(jù)大氣光學(xué)成像模型，建立圖像的退化方程，并基于暗原色的先驗知識，求解出粗略的透射分布率t(x)等參數(shù)。具體操作為：

a、大氣散射成像模型(參見圖2)描述了霧天圖像降質(zhì)退化的過程，物體成像由兩部分構(gòu)成，一部分為真實場景反射光j(x)由于透射t(x)衰減變成j(x)·t(x)，稱為直接衰減光。另一部分為a·(1-t(x))，即大氣入射光在被散射后按1-t(x)比率被接收器捕獲，稱為大氣光幕f(x)，即：

f(x)＝a(1-t(x))(4)

退化圖像可以表示為：

i(x)＝j(luò)(x)t(x)+a·(1-t(x))(5)

其中，x為像素點，i(x)為霧天圖像，j(x)為原始的沒有環(huán)境光干擾的圖像，a為大氣入射光，j(x)＝a·b(x)，b(x)為場景的反照率，t(x)為透射分布率，反映了場景反照光中未被散射的光占總體散射光的比率，t(x)＝e^-βd(x)，β為大氣散射系數(shù)，d(x)為場景的景深。

b、暗原色先驗知識基于一個統(tǒng)計事實：戶外無霧圖像的非天空區(qū)域的像素值r、g、b三通道中至少存在一個通道的強度值非常低，也即任何一個點的鄰域最小值強度趨于零。表示為：

其中，jc表示彩色圖像的每個通道，c∈{r，g，b}，ω(x)表示以像素x為中心的區(qū)塊，jdark就是圖像j的暗通道。

c、結(jié)合大氣光散射模型和暗原色先驗知識，并引入去霧控制因子ω，根據(jù)式(5)和(6)推導(dǎo)得初步的透射分布率t(x)，表示為：

其中，ω∈[0，1]，典型值為0.95。

求出透射率t(x)后代入式(4)反推無霧圖像j(x)，則一般復(fù)原圖像可表示為：

其中，t0為控制閾值，一般取0.1。

4)以原圖的灰度圖像作為引導(dǎo)圖像，與粗略大氣光幕f(x)進行引導(dǎo)聯(lián)合雙邊濾波，得到新的大氣光幕f'(x)，進而反推出初步的復(fù)原圖像j'(x)。具體操作為：

a、為了盡量保證圖像邊緣細節(jié)同時又不消耗過多計算時間，在傳統(tǒng)的雙邊濾波基礎(chǔ)上，引入另外一幅與原圖像i尺寸大小相同圖像i'，稱為引導(dǎo)聯(lián)合雙邊濾波。以i表示輸入圖像，i'為引導(dǎo)圖像，分別對引導(dǎo)圖像i'進行空間濾波和值域濾波后，以相乘得到的聯(lián)合濾波器對原始圖像進行濾波，輸出的圖像q(x)表示為：

其中，x和y為物理坐標，ω(x)表示以像素x為中心的局部塊，ix和iy表示對應(yīng)位置的像素值，f是空間濾波的權(quán)重分布函數(shù)，g是值域濾波的權(quán)重分布函數(shù)，k(x)為歸一化常量。

將步驟3)中根據(jù)暗通道假設(shè)求得的粗略大氣光幕f(x)作為待濾波圖像i，用包含更多紋理和細節(jié)的原圖灰度圖igray作為引導(dǎo)圖像i'，聯(lián)合濾波后輸出的圖像，即為新的大氣光幕f'(x)，表示為：

其中，igray·x和igray·y表示igray對應(yīng)x、y位置的像素值，

將式(10)得到的f'(x)，代入步驟3)的式(4)和(5)，進而反演得到新的復(fù)原圖像j'(x)，合并推導(dǎo)得：

5)結(jié)合人眼lms視覺特性，在lipc彩色對數(shù)圖像處理框架下對復(fù)原圖像進行增強，獲得更符合人眼習(xí)慣的無霧清晰圖像j'lipc(x)。具體操作為：

a、人眼觀察圖像的過程如圖3(a)所示，可以看做一個高精度的傳感器s，在光照l的作用下，圖像i經(jīng)過反射在人眼中形成感知圖像p。相對于傳感器來說，感知圖像p則是通過透射率t來獲得，如圖3(b)所示。

根據(jù)先驗知識，人眼有分別對于長(l，550-780nm)、中(m，485-545nm)和短(s，390-480nm)波長的視錐細胞。根據(jù)這三種視錐細胞的刺激比例，便能描述任一種顏色的感覺，也即lms空間，1931年cie(國際照明委員會)給出了的顏色匹配函數(shù)(參見圖4)，將可見光波段劃分出三個獨立的區(qū)間，以減少三通道之間的互相關(guān)性，定義為：

因此，圖3(a)的過程可用向量矩陣形式表示為：

p＝k·i(13)

其中，k為反射矩陣。

同樣，圖3(b)的過程可用向量矩陣形式表示為：

p＝u·t(14)

其中，u為透射矩陣。

將式(13)和(14)聯(lián)立，并作歸一化處理，令kλ和uλ分別為k和u歸一化的結(jié)果，得到rgb彩色空間的圖像i和透射率三通道空間的圖像t的轉(zhuǎn)換關(guān)系，表示為：

由d65光源和lms值的經(jīng)驗統(tǒng)計數(shù)據(jù)，可知：

b、將圖像從rgb三通道轉(zhuǎn)換到透射率三通道后，我們稱之為透射率域，相應(yīng)于彩色對數(shù)圖像lipc中的灰度域，用符號θ表示lipc內(nèi)的減法，表示為：

其中，f和g為同尺寸的任意兩幅彩色圖像。

從式(17)中可以知道，lipc減法的實質(zhì)是將圖像的最大灰度值與最小灰度值的差距拉伸至最大。因此，對于一幅彩色圖像i，我們定義其上界h和下界d，則圖像的動態(tài)范圍為dr(i)＝h-d，定義拉伸矩陣c0，將圖像i的動態(tài)范圍拉伸至最大，從而獲得增強的效果。

拉伸矩陣c0必須滿足：

dr(iθc0)＝(hθc0)-(dθc0)＝max(18)

其中，上界下界

結(jié)合式(17)和式(17)，可計算得出拉伸矩陣c0為：

則增強后的圖像ilipc為：

c、將步驟4)中式(11)復(fù)原得到的j'(x)從透射率空間逆轉(zhuǎn)換到rgb空間，并記為j'c(x)，其中c∈{r,g,b}表示每個彩色通道。代入式(15)，則j'c(x)可以表示為：

求得相應(yīng)的上界h'(x)和下界d'(x)，表示為：

則相應(yīng)的拉伸矩陣c'0(x)可表示為：

然后根據(jù)式(20)得到最終增強后的無霧復(fù)原圖像j'lipc(x)，表示為：

由于lms分段處理的思想去除了原本rgb三通道的耦合性，在lipc加減/法運算過程中，不會超過rgb的灰度等級邊界[0，m]，能在盡量保存顏色和對比度的同時，避免產(chǎn)生偽彩色，從而獲得更符合人眼習(xí)慣的自然效果。

本發(fā)明實施例一種符合人眼視覺特性的變電站視頻圖像清晰化方法具體流程如圖5所示。

本實施例仿真所用的pc是華碩n81vg筆記本，處理器型號為core^tm2雙核p8600@2.40ghz，內(nèi)存2gb，在windows732bit操作系統(tǒng)下，使用matlab2010b環(huán)境編程實現(xiàn)。視頻采集使用的是?？低昫s-2dc4120i-d網(wǎng)絡(luò)高清球機。仿真結(jié)果參見圖7。

圖6。圖6(c)是根據(jù)暗原色先驗得到的粗略大氣光幕，圖6(d)是其對應(yīng)的透射率圖。以原圖灰度圖即圖6(b)作為引導(dǎo)圖像，對粗略大氣光幕進行引導(dǎo)聯(lián)合雙邊濾波后得到新的大氣光幕(圖6(e))，由其得出的新的透射率圖(圖6(f))明顯更清晰。圖6(g)的是反演得到的初步復(fù)原圖像，圖中遠處和近處的霧幾乎都被“去除”，景物邊緣紋理清晰，天空也得到還原，但部分出現(xiàn)了偽邊緣。對其進一步采用lipc增強得到圖6(h)，很明顯顏色更加自然，深淺有度，細節(jié)明顯，更符合人眼觀察效果。

本實施例還將本發(fā)明方法與目前國內(nèi)外常用的幾種方法結(jié)果進行了對比，測試結(jié)果如圖7所示，其中(a)～(f)依次是原圖、限制對比度直方圖均衡方法(clahe)、帶色彩恢復(fù)的多尺度retinex方法(msrcr)、tarel中值濾波方法、he暗通道去霧方法和本發(fā)明方法作用效果圖。對比可知，圖7(b)clahe去霧算法處理快速，對薄霧能取得較好的效果，對濃霧處理能力不夠，且圖像整體偏亮，色彩恢復(fù)不明顯。圖7(c)msrcr方法雖邊緣清晰但出現(xiàn)了明顯的偽彩色，保真度降低。圖7(d)tarel方法處理后圖像細節(jié)恢復(fù)較好，對比度增強，但顏色過于飽和，產(chǎn)生了明顯的塊效應(yīng)。圖7(e)he的方法，增強效果明顯，對比度提高，紋理清晰，但整體偏暗，且對景深大的地方去霧效果不佳。圖7(f)本發(fā)明方法的處理結(jié)果使得對比度增強十分明顯，邊緣清晰，整體色彩鮮明，且沒有產(chǎn)生偽邊緣或者偽彩色。

除了視覺對比之外，本文還采用了客觀的評價因子對圖像處理的效果進行衡量，計算結(jié)果如表1所示。

表1“霧天變電站巡視”圖像的客觀評價結(jié)果

其中，灰度均值反映的是圖像本身的亮度情況，均值越大圖像越亮，原圖由于霧的存在，整體偏亮，經(jīng)去霧算法處理后，該項數(shù)值都有所降低，且灰度均值為120左右時人眼可以獲得較好的感官。標準差反映圖像本身的對比度，標準差越大對比度越強，經(jīng)去霧處理后數(shù)值相比于原圖基本都有所增加，其中tarel方法、he方法以及本文的算法都使對比度增強明顯。平均梯度和邊緣強度均用來衡量圖像的邊緣清晰度，邊緣強度越大則越清晰，clahe、msrcr和本文的算法都有明顯優(yōu)勢。表1的第六～八列是基于對處理后圖像和原圖的差異性評測。其中，均方根誤差rmse數(shù)值越小，峰值信噪比psnr越大，則處理后圖像失真小，可見tarel方法和msrcr失真相對嚴重。ssim用于衡量兩幅圖像的結(jié)構(gòu)相似性，越接近于1說明結(jié)構(gòu)越相似，從數(shù)值上看，clahe、he方法和本發(fā)明方法都沒有過分“破壞”原圖的結(jié)構(gòu)。因此，綜合各項指數(shù)，本發(fā)明方法從亮度、對比度、邊緣、保真度等方面都取得了較好的效果，與實驗圖7驗證結(jié)果一致。

本實施例的一種基于人眼視覺特性的變電站圖像清晰化方法，能自適應(yīng)計算大氣光亮度，無需人為選點估計，避免了主觀性的誤差；結(jié)合了引導(dǎo)聯(lián)合雙邊濾波器和暗原色理論的優(yōu)勢，使復(fù)原圖像紋理更清晰，尤其在景物深度變化、霧濃度較大和低照度情況都能取得顯著的效果；基于lipc彩色對數(shù)圖像處理模型給出的增強算法，使圖像色彩更為真實、鮮明，符合人眼感官；方法魯棒性強，且成本低廉，無需添置其余硬件設(shè)備，可以方便地適用于各大變電站和電力設(shè)施監(jiān)控站，具有廣泛的社會效益和經(jīng)濟效益。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進和變形，這些改進和變形也應(yīng)視為本發(fā)明的保護范圍。