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

摘要

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。