一种电缆瓷套终端红外图像自适应去噪方法
【专利摘要】本发明公开了一种电缆瓷套终端红外图像自适应去噪方法，包括以下步骤：(1)输入待去噪的电缆瓷套终端红外图像；(2)将图像分解为R颜色分量图像、G颜色分量图像和B颜色分量图像；(3)得到最高分解层数上的近似小波系数和不同分解层数上三个方向上的细节小波系数；(4)得到图像的细节小波系数的Bayes最优估计；(5)得到去噪后的图像；(6)得到去噪后的结果图像。具有可以在不知红外图像先验信息的情况下，自适应逐层选择每一尺度上的能量最优基小波等优点。
【专利说明】一种电缆瓷套终端红外图像自适应去噪方法
【技术领域】
[0001]本发明涉及一种图像处理和在线监测技术，特别涉及一种电缆瓷套终端红外图像自适应去噪方法。
【背景技术】
[0002]基于红外图像的红外诊断技术已经被成功地运用于电气设备的状态检测和故障监测，并在发电机故障诊断、设备绝缘诊断等方面取得显著成效。电缆瓷套终端红外图像检测方法由于具有安全、准确、经济和实用等特点，近年来受到广泛关注。
[0003]电缆瓷套终端红外图像是否清晰，图像细节是否完整，特征是否明显，是能否对其进行正确诊断的关键。红外图像在生成过程中受探测器噪声和各种电子器件噪声的影响，具有高噪声、低对比度的特点。因此采用高效率的滤波方法对电缆瓷套终端红外图像去噪，提升图像质量，是进行正确诊断的前提。
[0004]针对红外图像的去噪，目前有很多算法，其中小波分析法由于其良好的时频局部化能力，具有较好的去噪效果。在小波去噪法中，基小波的选择对信号的畸变有着密切联系。常用的小波去噪方法是小波阈值法，即选定某个阈值对各尺度空间的小波系数进行截断处理，去除小于阈值的小波系数，保留大于阈值的小波系数并进行小波逆变换得到去噪后图像。小波阈值法虽然比常用的一些去噪方法对图像的模糊程度要小，但由于其是对小波系数进行截断式处理，这在一定程度上破坏了图像信息的完整性，造成部分有用信号的丢失。
[0005]本发明要解决的技术问题是，克服现有技术中的不足，提供一种电缆瓷套终端红外图像自适应去噪方法，解决中压电缆电缆瓷套终端红外图像含有噪声的问题。该方法在自适应逐层选择最优基小波并对红外图像进行二维小波分解基础上，引入基于Bayes估计对细节小波系数进行处理。该方法能更有效地去除噪声，并完整保留图像细节。
【发明内容】
[0006]本发明的目的在于克服现有技术的缺点与不足，提供一种电缆瓷套终端红外图像自适应去噪方法，该自适应去噪方法有效解决了中压电缆电缆瓷套终端红外图像含有噪声的问题，并在自适应逐层选择最优基小波并对红外图像进行二维小波分解基础上，引入基于Bayes估计对细节小波系数进行处理，使该方法能更有效地去除噪声，并完整保留图像细节。
[0007]本发明的目的通过下述技术方案实现:一种电缆瓷套终端红外图像自适应去噪方法，包括以下步骤:
[0008](I)输入待去噪的电缆瓷套终端红外图像；
[0009](2)将图像分解为将图像分解为R颜色分量图像、G颜色分量图像和B颜色分量图像；
[0010](3)对于每个颜色分量图像，采用自适应小波选择算法逐层确定最优基小波并将确定的各层基小波对图像逐层进行二维一次小波分解，得到最高分解层数上的近似小波系数和不同分解层数上三个方向上的细节小波系数；
[0011](4)对于每个颜色分量图像，保留近似小波系数，对不同分解层数上的三个方向上的细节小波系数进行自适应Bayes估计，得到图像的细节小波系数的Bayes最优估计；
[0012](5)对于每个颜色分量图像，利用最高分解层数上的近似小波系数和不同分解层数上的细节小波系数的Bayes最优估计进行图像重构，得到去噪后的图像；
[0013](6)利用去噪后的R、G、B3个颜色分量图像合成为原来的彩色图像，得到去噪后的结果图像。
[0014]本发明中，所述步骤(3)包括以下步骤:
[0015](a)给定一个小波函数库{ V1:1=l, 2，...，N}和小波分解层数K ；
[0016](b)从小波函数库中依次选择小波Vi，对红外图像信号s进行第一层小波分解，
得到近似系数#和细节系数<”(/)，1=1，2，3 ；
[0017](c)依次计算小波1^对应的近似系数{的能量百分比直到i=N;
[0018](d)比较计算得到的E=，如果为EU!中最大值(i=l，2，...，N)，则对应的小波Vp为第一层小波分解的最优小波；
[0019](e)对第k(k> I)层小波分解，令^必丨，α巧为最优小波Fp在尺度k-Ι上的近似系数。从小波库中依次选择小波Vi对新的信号S进行一层小波分解，得到近似系数;
[0020](f)依次计算小波Ψ i对应的近似系数的能量百分比五=，直到i=N ；
[0021](g)寻找出中最大的能量百分比值α=1，2，...，Ν)，其对应的小波Fi为第j层小波分解的最优小波；
[0022](h)重复步骤(e)~(g)，直到k=K，从而得到所有分解层数上的最优基小波；
[0023](i)将确定的各层最优基小波对图像逐层进行二维一次小波分解，得到最高分解层数上的近似小波系数和不同分解层数上三个方向上的细节小波系数。
[0024]本发明中，所述的步骤(i)中，所述近似小波系数的能量百分比计算公式为:
【权利要求】
1.一种电缆瓷套终端红外图像自适应去噪方法，其特征在于，包括以下步骤: (1)输入待去噪的电缆瓷套终端红外图像； (2)将图像分解为R颜色分量图像、G颜色分量图像和B颜色分量图像； (3)对于R颜色分量图像、G颜色分量图像和B颜色分量图像均采用自适应小波选择算法逐层确定最优基小波并将确定的各层基小波对图像逐层进行二维一次小波分解，得到最高分解层数上的近似小波系数和不同分解层数上三个方向上的细节小波系数； (4)对于R颜色分量图像、G颜色分量图像和B颜色分量图像均保留步骤(2)得到的近似小波系数，对步骤(2)得到的细节小波系数进行自适应Bayes估计，得到图像的细节小波系数的Bayes最优估计； (5)对于每个颜色分量图像，利用步骤(2)得到的最高分解层数上的近似小波系数和步骤(4)得到的不同分解层数上的细节小波系数的Bayes最优估计进行图像重构，得到去噪后的图像； (6)利用步骤(5)得到的去噪后的R颜色分量图像、G颜色分量图像和B颜色分量图像合成为原来的彩色图像，得到去噪后的结果图像。
2.根据权利要求1所述的电缆瓷套终端红外图像自适应去噪方法，其特征在于，所述步骤⑶包括以下步骤: (a)给定一个小波函数库{V1:1=l, 2,..., N}和小波分解层数K ； (b)从小波函数库中依次选择小波Vi，对红外图像信号s进行第一层小波分解，得到近似系数ap和细节系数％(?)(/)，1=1，2，3 ； (c)依次计算小波Vi对应的近似系数的能量百分比五=，直到i=N； (d)比较计算得到的◎，如果为五=中最大值，其中，i=l，2,...,N,则对应的小波Vp为第一层小波分解的最优小波； (e)对第k层小波分解，其中，k>I,令M =为最优小波Ψρ在尺度k-Ι上的近似系数，从小波库中依次选择小波Vi对新的信号s进行一层小波分解，得到近似系数4° ; (f)依次计算小波Vi对应的近似系数#的能量百分比，直到i=N; (g)寻找出中最大的能量百分比值，其中，i=l，2，...，N，其对应的小波&为第」层小波分解的最优小波； (h)重复步骤(e)~(g)，直到k=K，从而得到所有分解层数上的最优基小波； (i)将确定的各层最优基小波对图像逐层进行二维一次小波分解，得到最高分解层数上的近似小波系数和不同分解层数三个方向上的细节小波系数。
3.根据权利要求2所述的电缆瓷套终端红外图像自适应去噪方法，其特征在于，所述的步骤(i)中，所述近似小波系数的能量百分比的计算公式为:
4.根据权利要求1所述的电缆瓷套终端红外图像自适应去噪方法，其特征在于，所述步骤(4)中，所述图像的细节小波系数的Bayes最优估计表达式为:
5.根据权利要求4所述的电缆瓷套终端红外图像自适应去噪方法，其特征在于，第所述的k层上，I方向上的噪声估计均方差么Λ计算公式为:
6.根据权利要求4所述的电缆瓷套终端红外图像自适应去噪方法，其特征在于，第所述的k层上，I方向上的带噪信号的小波系数方差4(/)计算公式为:
7.根据权利要求4所述的电缆瓷套终端红外图像自适应去噪方法，其特征在于，第所述的k层上，I方向上图像信号的小波系数估计方差计算公式为:
【文档编号】G06T5/00GK103839239SQ201410071698
【公开日】2014年6月4日 申请日期:2014年2月28日 优先权日:2014年2月28日
【发明者】吴炬卓, 牛海清, 吴倩, 叶开发 申请人:华南理工大学