基于温度梯度的电力设备红外图像盲元块补偿

红外设备的成像质量直接决定了电力设备红外诊断的准确度。盲元问题作为影响成像质量的重要因素,得到了广泛的关注。现有的盲元补偿算法对单一盲元点均有较好的补偿效果,但缺乏对盲元块和边缘位置盲元的适应性,存在算法复杂、补偿精度不高、易造成边缘模糊等问题。基于传热学温度梯度基本理论,提出了一种新的基于梯度变化的补偿算法。先确定盲元块大小,再计算盲元块周围同样大小正常像元块的灰度均值,通过像元块灰度均值的差确定盲元块所处位置及梯度变化方向,最后选取合适像元块,计算其沿梯度变化方向各像元间的灰度变化系数对盲元块进行补偿。实验结果表明,相比传统补偿算法,基于梯度变化的补偿算法的峰值信噪比(PSNR)和结构相似度(SSIM)分别提高了0~14 d B,0~0.002 8,对红外图像中的盲元块具有较好的补偿效果。可以在实际红外系统中实现对电力设备红外图像盲元块的有效补偿,提高故障定位精度。

聚类算法在电力设备红外图像盲元快速检测中的应用

为解决现有的盲元检测算法效率低、不适用于电力设备监测系统和缺乏对块状盲元的适应性等问题,提出了一种基于聚类算法的盲元快速检测算法。通过选择合适的死像元和过热像元参照中心,并计算选出合适的灰度差阈值。以各像元点的灰度值和参照点的灰度差是否超过阈值作为判断依据。由于每个像元点只需和参照点比较两次,有效减少了算法运算时间,并引入相对误差Q来验证算法的检测精度。实验仿真也表明,所提方法有较好的检测精度。