基于图像能量和NSST的电力设备发热定位方法

为了解决现有红外检测技术中电力设备发热点定位不够准确的问题,基于图像能量和非下采样剪切波变换,提出了一种实时监测方法。结合红外图像灰度与温度的关系,使用了图像能量算法和种子生长算法对红外图像进行分割;同时在分析终端使用非下采样剪切波变换融合可见光与红外图像,提高了发热区域的定位精准度;对发热特征进行分析,减小了误判、漏判情况出现的概率。研究结果表明,所提方法为电力设备故障发热区域定位提供了有效信息,可用于在线监测与故障定位。

基于MVOtsu和对数型模糊隶属度函数的电力设备NSST域红外图像增强

针对电力设备红外图像细节模糊、边缘不清等问题,提出了一种基于非下采样剪切波变换(nonsubsampled shearlet transform,NSST)域的电力设备红外图像处理方法。该方法采用NSST将原始图像分为高频部分和低频部分。为了精确分割低频电力设备与背景环境并提高二者对比度,低频部分设计了一种结合均值与方差的MVOtsu(mean and variation otsu)算法,并分别对设备和背景进行线性增强和直方图均衡增强。为了增强高频边缘细节,抑制非边缘噪声,高频部分提出一种对数型模糊隶属度函数,将隶属度值域下界拓展到0,解决经典Pal-King隶属度增强后逆映射时低灰度值区域扁平化问题。最后按照NSST变换合成增强结果。该算法与相关算法相比,边缘强度、信息熵、对比度、标准差等评价指标至少增长15.06%、2.03%、33.78%、1.28%。实验结果表明:文中算法能有效的提高电力设备红外图像整体对比度,对细节和边缘增强效果明显,便于人眼识别和智能故障定位,适用于变电站、巡线等多种环境红外图像增强处理。

基于密度聚类与灰度变换的NSST域声呐图像去噪

传统图像去噪方法在去除声呐图像斑点噪声的同时,难以有效保留细节特征.针对该问题,提出一种基于密度聚类与灰度变换的非下采样剪切波域图像去噪方法.利用非下采样剪切波变换将含噪图像分解为高频系数和低频系数,根据声呐图像中斑点噪声的分布特性,采用基于密度的噪声应用空间聚类(Density-based Spatial Clustering of Applications with Noise,DBSCAN)算法对高频系数进行处理,分离噪声信号,保留细节信息;对低频系数进行灰度变换,以增强图像对比度.通过非下采样剪切波逆变换对处理后的高频系数和低频系数进行重构,实现图像去噪.实验结果表明,本文方法在改善图像均方误差、峰值信噪比和结构相似度等指标上效果明显,去噪后图像的视觉效果和边缘保持能力得到较大提升.随着噪声方差的逐渐增大,本文方法的优越性得到进一步体现,适用于具有高密度噪声的声呐图像去噪.

基于乌鸦搜索算法和自适应BM3D的NSST域电气设备红外图像增强

为了解决红外图像对比度低、模糊、含噪声等问题,本文提出基于信息熵准则乌鸦搜索算法和三维块匹配(block matching 3D,BM3D)自适应去噪的电气设备非下采样剪切波变换(non-subsampled shearlet transform,NSST)红外图像增强方法。通过NSST变换将图像分解为不同频率的2个部分。低频图像主要为设备特征,高频子带主要为噪声。针对低频图像中的背景干扰问题,提出乌鸦搜索算法进行分割得到设备前景和环境后景,前者经灰度扩增得到前景增强图,后者经直方图均衡得到后景增强图。针对高频子带中的噪声干扰问题,提出BM3D自适应去噪算法用于去噪。通过实验可知,基于乌鸦搜索算法和自适应BM3D的图像增强算法针对图像分割细节处理、多余杂音的过滤以及对比度的提高均有显著效果。

NSST域电气设备红外图像增强处理算法设计

针对现有电力设备红外故障检测系统采集的图片较模糊、部分设备体积较大无法精准定位故障点等问题,设计了一种基于Jaya算法改进Otsu阈值分割和多尺度的NSST域电气设备红外图像增强算法。通过非下采样剪切波变换将原始红外图像转化成高频域和低频域两部分进行增强,将增强后的各分量逆变换后合成最终完整的增强图像。实验结果表明,该文算法能够提高红外图像对比度,过滤电力设备红外图像噪声,对电力设备热故障的检测与故障定位做出贡献。

基于MVOtsu和鲸鱼自适应阈值的图像增强算法

针对电力设备红外灰度图像的细节不清、边缘模糊等缺陷,提出一种基于非下采样剪切波变换(NSST)的电力设备红外图像处理方法。首先,利用NSST对原始的电力设备红外图像进行变换,将数据从空间域转换到频域。然后,对高频系数使用鲸鱼自适应阈值去噪算法去噪,同时增强了高频系数中的细节和边缘部分;对低频系数采用改进的结合均值和方差的大津(MVOtsu)算法将低频分量分成前景部分和后景部分,并分别采用伽马校正算法和直方图均衡化算法进行增强。最后,通过NSST的逆变换得到增强后的图像。所提算法与其他算法的对比结果表明,所提算法能更好地突出电力设备红外图像的细节信息,增强了图片对比度,达到了更好的视觉效果。