本發(fā)明屬于輸電線路圖像處理技術(shù)領(lǐng)域，具體涉及一種惡劣氣象條件下運(yùn)行絕緣子自動(dòng)識(shí)別的圖像增強(qiáng)方法。

背景技術(shù)：

近幾年，為使智能化監(jiān)測(cè)電網(wǎng)安全運(yùn)行，數(shù)字圖像處理和計(jì)算機(jī)機(jī)器視覺(jué)技術(shù)逐漸應(yīng)用于輸電線路在線監(jiān)測(cè)和故障診斷中，大力推進(jìn)了智能電網(wǎng)的發(fā)展。然而輸電線路常架設(shè)在野外，運(yùn)行環(huán)境復(fù)雜，且受天氣環(huán)境影響，易發(fā)生導(dǎo)線舞動(dòng)、覆冰等故障，嚴(yán)重時(shí)甚至?xí)?dǎo)致倒塌事故。因此，需及時(shí)對(duì)輸電線路進(jìn)行檢修。

目前輸電線路檢測(cè)主要采用直升機(jī)巡檢、機(jī)器人巡檢，甚至無(wú)人機(jī)巡檢，而這些方式都需要搭載攝像機(jī)進(jìn)行圖像采集，圖像清晰度與可讀性是后續(xù)圖像識(shí)別、圖像分析的重要前提條件。在大霧、冰雪等惡劣氣象條件下，攝像機(jī)很難拍攝到清晰、可讀性高的圖像，且圖像容易出現(xiàn)模糊，使得很難提取出目標(biāo)。因此需要對(duì)采集圖像進(jìn)行一定的增強(qiáng)處理，提高圖像的可視化。常用的圖像增強(qiáng)方法主要有對(duì)數(shù)變換、直方圖均衡化、同態(tài)濾波等，但是這些方法對(duì)大霧、冰雪等情況處理效果不佳，且通用性差，因此，本發(fā)明提出一種改進(jìn)的絕緣子圖像增強(qiáng)算法，為后續(xù)絕緣子有效識(shí)別與分析奠定了基礎(chǔ)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種惡劣氣象條件下運(yùn)行絕緣子自動(dòng)識(shí)別的圖像增強(qiáng)方法，解決了現(xiàn)有絕緣子識(shí)別技術(shù)中存在的對(duì)大霧、冰雪等情況下采集到的圖像處理效果不佳的問(wèn)題。

本發(fā)明所采用的技術(shù)方案是，惡劣氣象條件下運(yùn)行絕緣子自動(dòng)識(shí)別的圖像增強(qiáng)方法，具體按照以下步驟實(shí)施：

步驟1：對(duì)攝像機(jī)采集到的絕緣子霧天彩色圖像進(jìn)行通道分解得到r、g、b三個(gè)單通道圖像；

步驟2：用帶顏色恢復(fù)的多尺度retinex增強(qiáng)算法msrcr獲得三個(gè)單通道圖像的反射分量r1、g1、b1及其灰度直方圖；

步驟3：采用二維最小誤差法對(duì)步驟2中處理后得到的反射分量r1、g1、b1分別進(jìn)行兩次分割確定兩個(gè)閾值，將獲得的兩個(gè)閾值作為分段灰度變換的兩個(gè)端點(diǎn)分段點(diǎn)，對(duì)三個(gè)反射分量分別進(jìn)行自適應(yīng)閾值分段灰度變換，得到最終增強(qiáng)的三個(gè)單通道圖像r2、g2、b2；

步驟4：將步驟3中得到的三個(gè)單通道增強(qiáng)圖像r2、g2、b2進(jìn)行通道合并得到rgb彩色圖像，即為改進(jìn)的msrcr增強(qiáng)算法處理圖。

本發(fā)明的特點(diǎn)還在于：

步驟1具體為：

對(duì)攝像機(jī)采集到的絕緣子霧天彩色圖像進(jìn)行r、g、b三個(gè)通道的分解：

y＝rr+gg+bb

其中，y代表某一特定色，r、g、b表示三基色，r、g、b表示比例系數(shù)且r+g+b＝1。

步驟2具體為：

步驟2.1：采用帶顏色恢復(fù)的多尺度retinex算法創(chuàng)建一個(gè)相對(duì)的顏色空間，引入一個(gè)色彩恢復(fù)因子c，其功能是基于原始圖像的色彩比例關(guān)系來(lái)增強(qiáng)圖像，第i個(gè)顏色通道的對(duì)數(shù)域形式的色彩恢復(fù)系數(shù)為：

其中，ci(x,y)表示第i個(gè)顏色通道的整數(shù)域形式的色彩恢復(fù)系數(shù)，si(x,y)表示第i個(gè)顏色通道的輸入圖像，n表示顏色通道的個(gè)數(shù)；

步驟2.2：第i個(gè)顏色通道的對(duì)數(shù)域形式的輸出圖像為：

其中，ri(x,y)為第i個(gè)顏色通道的整數(shù)域形式的輸出圖像，k表示尺度的個(gè)數(shù)，wk表示第k個(gè)尺度的權(quán)值，fk(x,y)表示第k個(gè)尺度的高斯卷積模板，*表示卷積；

步驟2.3：第i個(gè)顏色通道帶顏色恢復(fù)系數(shù)的整數(shù)域形式的輸出圖像為：

ri′(x,y)＝exp(ri(x,y)+ci(x,y))

輸出圖像ri′(x,y)即為反射分量，得到的三個(gè)單通道的反射分量r1、g1、b1。

步驟3中分段灰度變換公式如下：

其中i′(i,j)表示分段變換的輸出灰度值，i(i,j)表示分段變換的輸入灰度值，x1和x2表示分段點(diǎn)的橫坐標(biāo)，y1和y2表示分段點(diǎn)的縱坐標(biāo)，range表示灰度值的最大范圍。

步驟3中采用二維最小誤差法來(lái)自動(dòng)獲得分段灰度變換的兩個(gè)端點(diǎn)，二維最小誤差法公式如下：

式中p0(s,t)，p1(s,t)表示先驗(yàn)概率，δ00(s,t)，δ01(s,t)，δ10(s,t)，δ11(s,t)表示正態(tài)分布方差，ρ0(s,t)，ρ1(s,t)表示相關(guān)系數(shù)；

利用二維最小誤差法分別對(duì)各個(gè)單通道圖像進(jìn)行第一次閾值計(jì)算，可得目標(biāo)段和過(guò)渡段的分段點(diǎn)x2，然后再對(duì)背景按上述方法進(jìn)行第二次閾值計(jì)算，可得過(guò)渡段和背景段的分段點(diǎn)x1，其中，x1＜x2，這樣利用自適應(yīng)的閾值計(jì)算方法就得到了兩個(gè)分段點(diǎn)x1和x2，將其作為分段灰度變換的分段點(diǎn)分別對(duì)三個(gè)單通道圖像的反射分量r1、g1、b1進(jìn)行自適應(yīng)閾值分段線性變換，得到最終增強(qiáng)的三個(gè)單通道圖像，經(jīng)過(guò)自適應(yīng)閾值分段線性變換后，直方圖中灰度分布均勻，圖像對(duì)比度明顯增強(qiáng)。

本發(fā)明的有益效果是：本發(fā)明惡劣氣象條件下運(yùn)行絕緣子自動(dòng)識(shí)別的圖像增強(qiáng)方法，采用改進(jìn)的msrcr增強(qiáng)算法，將傳統(tǒng)msrcr算法對(duì)反射圖像的線性拉伸改進(jìn)為分段灰度線性變換，由于其變換函數(shù)可以任意合成，故可以根據(jù)用戶(hù)的需要拉伸特征目標(biāo)的灰度細(xì)節(jié)，相對(duì)抑制不感興趣的背景的灰度級(jí)，實(shí)現(xiàn)局部抑制或增強(qiáng)，提高了原有算法的對(duì)比度和亮度。本發(fā)明采用自適應(yīng)閾值來(lái)確定兩個(gè)端點(diǎn)?？紤]到最小誤差法受目標(biāo)大小影響小、精度高、速度快的優(yōu)點(diǎn)，且二維直方圖可以充分利用圖像信息、受噪聲干擾小，所以本發(fā)明采用二維最小誤差法來(lái)自動(dòng)獲得分段灰度變換的兩個(gè)端點(diǎn)，克服了傳統(tǒng)分段灰度變換法的區(qū)間邊界需要較多的用戶(hù)輸入才能確定分段點(diǎn)位置的缺點(diǎn)，提高了算法的實(shí)時(shí)性和準(zhǔn)確性。改進(jìn)msrcr增強(qiáng)算法合成的彩色圖像和傳統(tǒng)msrcr算法相比，清晰度和色彩保真度更高，色彩更加自然豐富。

附圖說(shuō)明

圖1是本發(fā)明運(yùn)行絕緣子自動(dòng)識(shí)別的圖像增強(qiáng)方法的流程圖；

圖2是本發(fā)明運(yùn)行絕緣子自動(dòng)識(shí)別的圖像增強(qiáng)方法與現(xiàn)有圖像增強(qiáng)方法的效果對(duì)比圖。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。

本發(fā)明惡劣氣象條件下運(yùn)行絕緣子自動(dòng)識(shí)別的圖像增強(qiáng)方法，如圖1所示，具體按照以下步驟實(shí)施：

步驟1：對(duì)攝像機(jī)采集到的絕緣子霧天彩色圖像進(jìn)行通道分解得到r、g、b三個(gè)單通道圖像，具體為：

圖像采集和顯示設(shè)備一般都使用rgb顏色空間，我們計(jì)算機(jī)中存儲(chǔ)的彩色圖像信息一般也都是圖像的rgb信息。針對(duì)本發(fā)明中的絕緣子霧天彩色圖像，首先對(duì)其進(jìn)行r、g、b三個(gè)通道的分解：

y＝rr+gg+bb

上式中，y代表某一特定色，r、g、b表示三基色，r、g、b表示比例系數(shù)且r+g+b＝1。

步驟2：用帶顏色恢復(fù)的多尺度retinex增強(qiáng)算法msrcr獲得三個(gè)單通道圖像的反射分量r1、g1、b1及其灰度直方圖；

retinex增強(qiáng)理論是將三個(gè)單通道圖像r、g、b分解得到照射圖像分量(低頻成分)和反射圖像分量(高頻成分)，反射分量是由圖像中場(chǎng)景自身的反射屬性造成的，包含圖像的邊緣、細(xì)節(jié)、顏色等性質(zhì)，通過(guò)降低或去除照射圖像分量，保留反映原始圖像本質(zhì)的反射圖像分量來(lái)復(fù)原其真實(shí)面貌，從而達(dá)到圖像增強(qiáng)目的。

步驟2.1：采用帶顏色恢復(fù)的多尺度retinex算法(multiplescaleretinexwithcolorrestoration，msrcr)創(chuàng)建一個(gè)相對(duì)的顏色空間，引入一個(gè)色彩恢復(fù)因子c，其功能是基于原始圖像的色彩比例關(guān)系來(lái)增強(qiáng)圖像，第i個(gè)顏色通道的對(duì)數(shù)域形式的色彩恢復(fù)系數(shù)為：

其中，ci(x,y)表示第i個(gè)顏色通道的整數(shù)域形式的色彩恢復(fù)系數(shù)，si(x,y)表示第i個(gè)顏色通道的輸入圖像，n表示顏色通道的個(gè)數(shù)；本發(fā)明圖像為具有rgb三通道的彩色圖像，所以n＝3。

步驟2.2：第i個(gè)顏色通道的對(duì)數(shù)域形式的輸出圖像為：

其中，ri(x,y)為第i個(gè)顏色通道的整數(shù)域形式的輸出圖像，k表示尺度的個(gè)數(shù)，選取k＝3時(shí)增強(qiáng)效果和處理速度都比較理想，假設(shè)獲得的圖像尺寸為(m，n)，令h＝min(m，n)，本發(fā)明選取三個(gè)尺度為sigma1＝0.05h(小尺度)，sigma2＝0.15h(中尺度)，sigma3＝0.4h(大尺度)，wk表示第k個(gè)尺度的權(quán)值，fk(x,y)表示第k個(gè)尺度的高斯卷積模板，*表示卷積；

步驟2.3：第i個(gè)顏色通道帶顏色恢復(fù)系數(shù)的整數(shù)域形式的輸出圖像為：

ri′(x,y)＝exp(ri(x,y)+ci(x,y))

輸出圖像ri′(x,y)即為反射分量，得到的三個(gè)單通道的反射分量r1、g1、b1。

步驟3：采用二維最小誤差法對(duì)步驟2中處理后得到的反射分量r1、g1、b1分別進(jìn)行兩次分割確定兩個(gè)閾值，將獲得的兩個(gè)閾值作為分段灰度變換的兩個(gè)端點(diǎn)分段點(diǎn)，對(duì)三個(gè)反射分量分別進(jìn)行自適應(yīng)閾值分段灰度變換，得到最終增強(qiáng)的三個(gè)單通道圖像r2、g2、b2；

(1)傳統(tǒng)msrcr算法是對(duì)反射圖像分量進(jìn)行線性拉伸，圖像具有對(duì)比度低、亮度整體偏暗、直方圖中灰度值集中在某一特定范圍等缺點(diǎn)，故本發(fā)明將傳統(tǒng)msrcr算法的線性拉伸改進(jìn)為分段灰度線性變換，由于其變換函數(shù)可以任意合成，根據(jù)用戶(hù)的需要拉伸特征目標(biāo)的灰度細(xì)節(jié)，相對(duì)抑制不感興趣的背景的灰度級(jí)，實(shí)現(xiàn)局部抑制或增強(qiáng)，可以分段來(lái)增強(qiáng)目標(biāo)，抑制背景和保持過(guò)渡段。分段線性變換公式如下：

其中i′(i,j)表示分段變換的輸出灰度值，i(i,j)表示分段變換的輸入灰度值，x1和x2表示分段點(diǎn)的橫坐標(biāo)，y1和y2表示分段點(diǎn)的縱坐標(biāo)，range表示灰度值的最大范圍。

(2)傳統(tǒng)的分段灰度線性變換，其分段點(diǎn)需要通過(guò)鍵盤(pán)交互式輸入的方法來(lái)確定，需要較多的用戶(hù)輸入才能確定分段點(diǎn)的位置以獲得最佳增強(qiáng)效果。手動(dòng)設(shè)置閾值需要耗費(fèi)時(shí)間來(lái)確定最佳的分段點(diǎn)，實(shí)時(shí)性差，且精確度也低，難以確定正確的端點(diǎn)。所以本發(fā)明采用自適應(yīng)閾值來(lái)確定兩個(gè)端點(diǎn)。考慮到最小誤差法受目標(biāo)大小影響小、精度高、速度快的優(yōu)點(diǎn)，且二維直方圖可以充分利用圖像信息、受噪聲干擾小，所以本發(fā)明采用二維最小誤差法來(lái)自動(dòng)獲得分段灰度變換的兩個(gè)端點(diǎn)。二維最小誤差法公式如下：

式中p0(s,t)，p1(s,t)表示先驗(yàn)概率，δ00(s,t)，δ01(s,t)，δ10(s,t)，δ11(s,t)表示正態(tài)分布方差，ρ0(s,t)，ρ1(s,t)表示相關(guān)系數(shù)。

當(dāng)取最小值時(shí)獲得最佳閾值：

利用二維最小誤差法分別對(duì)各個(gè)單通道圖像進(jìn)行第一次閾值計(jì)算，可得目標(biāo)段和過(guò)渡段的分段點(diǎn)x2，然后再對(duì)背景按上述方法進(jìn)行第二次閾值計(jì)算，可得過(guò)渡段和背景段的分段點(diǎn)x1(x1＜x2)，這樣利用自適應(yīng)的閾值計(jì)算方法就得到了兩個(gè)分段點(diǎn)x1和x2，將其作為分段灰度變換的分段點(diǎn)分別對(duì)三個(gè)單通道圖像的反射分量r1、g1、b1進(jìn)行自適應(yīng)閾值分段線性變換，得到最終增強(qiáng)的三個(gè)單通道圖像，經(jīng)過(guò)自適應(yīng)閾值分段線性變換后，直方圖中灰度分布均勻，圖像對(duì)比度明顯增強(qiáng)。

步驟4：將步驟3中得到的三個(gè)單通道增強(qiáng)圖像r2、g2、b2進(jìn)行通道合并得到rgb彩色圖像，即為改進(jìn)的msrcr增強(qiáng)算法處理圖。

效果對(duì)比圖如圖2(a)與圖2(b)對(duì)比、圖2(c)與圖2(d)對(duì)比、圖2(e)與圖2(f)對(duì)比，本發(fā)明處理后的圖像亮度、對(duì)比度均有較大的改善，且圖像內(nèi)部灰度分布更均勻，圖像色彩信息更突出，更符合人眼視覺(jué)效果。