基于Levy-SOA自适应阈值分割和改进引导滤波的NSST图像增强

针对电气设备红外图像对比度不高、含噪声等问题,提出了一种非下采样剪切波变换(non-subsampled shearlet transform,NSST)域下的红外图像增强算法。首先,通过NSST将图像分解为低频分量和高频分量。然后,利用基于Levy-海鸥优化算法(Levy-seagull optimization algorithm,Levy-SOA)的自适应阈值分割算法将低频分量分割成背景区域和目标设备区域,并分别对其进行直方图均衡化处理和线性增强;利用改进引导滤波算法对高频分量进行去噪处理。最后,对处理后的低频分量和高频分量进行NSST重构,得到最终的增强图像。实验结果表明,所提算法在一定程度上改善了图像视觉效果,保证了图像本身的质量,有助于后续电气设备的温度状态评估、异常分析、故障定位和诊断。