廣西電網(wǎng)有限責(zé)任公司貴港供電局 李紅光 鄭 毅 蔣晨曦

基于雙邊濾波的變電站設(shè)備圖像增強(qiáng)算法

廣西電網(wǎng)有限責(zé)任公司貴港供電局 李紅光 鄭 毅 蔣晨曦

提出了一種變電站設(shè)備圖像增強(qiáng)算法，提升了站內(nèi)模糊圖像質(zhì)量。首先，使用巡檢機(jī)器人采集待識(shí)別設(shè)備圖像。其次，使用數(shù)字圖像處理技術(shù)對(duì)采集圖像進(jìn)行去噪等預(yù)處理操作。最后，使用雙邊濾波對(duì)圖像進(jìn)行增強(qiáng)處理。實(shí)驗(yàn)證明，該方法具有計(jì)算快捷，魯棒性強(qiáng)的特點(diǎn)，為變電站設(shè)備識(shí)別提供了技術(shù)支撐。

變電站；設(shè)備圖像；圖像增強(qiáng)；雙邊濾波

1 引言

隨著信息時(shí)代的到來(lái)，人類(lèi)已經(jīng)進(jìn)入了信息化的時(shí)代，圖像作為最普通的信息載體與人類(lèi)的活動(dòng)息息相關(guān)[1]。近年來(lái)，眾多的學(xué)者們將研究方向轉(zhuǎn)移到圖像處理與計(jì)算機(jī)視覺(jué)等領(lǐng)域。圖像分類(lèi)也逐漸成為科學(xué)研究中不可缺少的強(qiáng)有力的工具，其在圖像檢索、智能機(jī)器人場(chǎng)景識(shí)別等多個(gè)領(lǐng)域中具有重要的應(yīng)用價(jià)值[2]。

變電站是各級(jí)電網(wǎng)的核心樞紐，對(duì)站內(nèi)設(shè)備例行檢查是保證電網(wǎng)安全運(yùn)行的關(guān)鍵技術(shù)手段[3]。目前，比較流行的巡檢方式是人工巡檢模式，即以人工的方式方法登記、統(tǒng)計(jì)設(shè)備信息來(lái)進(jìn)行管理工作的落后狀態(tài)。由于電網(wǎng)的維護(hù)難度高，巡檢量大，采用人工巡檢模式已不能滿(mǎn)足已完全不能滿(mǎn)足實(shí)際需要[4]。

隨著機(jī)器人技術(shù)的快速發(fā)展，將機(jī)器人技術(shù)與電力應(yīng)用相結(jié)合，基于機(jī)器人移動(dòng)平臺(tái)攜帶檢測(cè)設(shè)備代替人工進(jìn)行設(shè)備巡檢成為了可能。但是變電站中的環(huán)境復(fù)雜，在室外環(huán)境等因素影響下，采集的設(shè)備圖像并不是保持清晰不變的。圖像模糊給后續(xù)目標(biāo)分割和識(shí)別帶來(lái)了困難。因此，對(duì)采集到的圖像進(jìn)行圖像增強(qiáng)是一項(xiàng)重要工作，同時(shí)也具有重要意義。

2 濾波去噪

圖像在形成、傳輸過(guò)程中，常因外界噪聲的干擾而導(dǎo)致質(zhì)量退化。因此，噪聲檢測(cè)是比較關(guān)鍵的一步，它為圖像中像素點(diǎn)的正確分類(lèi)提供基礎(chǔ)。噪聲檢測(cè)的方法較多為減少噪聲的影響，可以采取各種濾波方式對(duì)圖像進(jìn)行去噪處理。

中值濾波是一種非線(xiàn)性平滑技術(shù)，它將每一像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有像素點(diǎn)灰度值的中值[5]。就是用一個(gè)奇數(shù)點(diǎn)的移動(dòng)窗口(中值窗)，將窗口中心點(diǎn)的值用窗口內(nèi)各點(diǎn)按其數(shù)值大小排序后中間的那個(gè)數(shù)(即中值)代替．中值濾波是一種優(yōu)化的保持邊界與濾除高頻噪聲干擾的濾波方法，尤其對(duì) 處理突變尖峰之類(lèi)的脈沖噪聲非常有效。并且在濾除噪聲的同時(shí)圖像不會(huì)被模糊。二維中值濾波的窗口形狀和尺寸設(shè)計(jì)對(duì)濾波效果影響較大，不同的圖像內(nèi)容和應(yīng)用要求，往往采用不同形狀和尺寸以達(dá)到滿(mǎn)意的濾波效果。

高斯濾波是一種線(xiàn)性平滑濾波，適用于消除高斯噪聲，廣泛應(yīng)用于圖像處理的減噪過(guò)程[6]。通俗的講，高斯濾波就是對(duì)整幅圖像進(jìn)行加權(quán)平均的過(guò)程，每一個(gè)像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過(guò)加權(quán)平均后得到。高斯濾波的具體操作是：用一個(gè)模板(或稱(chēng)卷積、掩模)掃描圖像中的每一個(gè)像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點(diǎn)的值。

高斯濾波器脈沖響應(yīng)函數(shù)為：

圖1和圖2分別是中值濾波和高斯濾波的效果圖，從圖中可以看出高斯濾波保持的輪廓性比較完整，對(duì)目標(biāo)檢測(cè)的特征比對(duì)更具優(yōu)勢(shì)，便于對(duì)后續(xù)目標(biāo)分割識(shí)別。因此本文選擇高斯濾波進(jìn)行去噪。

圖1 中值濾波效果圖

圖2 高斯濾波效果圖

3 雙邊濾波

邊緣濾波是從備選邊緣中找出“最重要”邊緣的過(guò)程，如果考慮圖像內(nèi)容，找出“最重要”邊緣需要相當(dāng)復(fù)雜的算法[7]。例如，在Lena圖中，“最重要”邊緣包括眼睛的邊緣，因?yàn)檫@是Lena圖中觀察者視線(xiàn)主要停留的區(qū)域，同時(shí)這個(gè)區(qū)域也表達(dá)了圖像內(nèi)容中重要的信息[8]。

雙邊濾波(Bilateral filter)是一種非線(xiàn)性的濾波方法，是結(jié)合圖像的空間鄰近度和像素值相似度的一種折衷處理，同時(shí)考慮空域信息和灰度相似性，達(dá)到保邊去噪的目的。具有簡(jiǎn)單、非迭代、局部的特點(diǎn)[9,10]。雙邊濾波中，輸出像素的值取決于鄰域像素值的加權(quán)和：

以上兩者相乘，可得到雙邊權(quán)重函數(shù)如下：

如上所述，雙邊濾波是一種可以保邊去噪的濾波器。之所以可以達(dá)到此去噪效果，是因?yàn)闉V波器是由兩個(gè)函數(shù)構(gòu)成。一個(gè)函數(shù)是由幾何空間距離決定濾波器系數(shù)。另一個(gè)由像素差值決定濾波器系數(shù)。

4 算法設(shè)計(jì)及其分析

為了驗(yàn)證算法的有效性，在操作系統(tǒng)為Win7，處理器主頻為3.09 GHz、 系統(tǒng)內(nèi)存1G的PC上，采用MATLAB軟件平臺(tái)上實(shí)現(xiàn)本文算法。 實(shí)驗(yàn)中給出了不同圖像的雙邊濾波實(shí)驗(yàn)效果。如以下系列圖所示。

實(shí)驗(yàn)一：避雷器指針表圖像增強(qiáng)。

圖3 雙邊濾波結(jié)果

實(shí)驗(yàn)二：較模糊的設(shè)備圖像增強(qiáng)。

圖4 雙邊濾波結(jié)果

實(shí)驗(yàn)三：模糊設(shè)備的圖像增強(qiáng)。

圖5 模糊油位計(jì)雙邊濾波結(jié)果

實(shí)驗(yàn)四： 清晰設(shè)備圖像增強(qiáng)。

圖6 清晰油位計(jì)雙邊濾波結(jié)果

實(shí)驗(yàn)五：背景豐富的花卉圖像增強(qiáng)。

圖7 背景豐富的雙邊濾波結(jié)果

從實(shí)驗(yàn)結(jié)果中可以看出，經(jīng)過(guò)雙邊濾波后，圖像的到了增強(qiáng)。圖像整體亮度增加，邊緣細(xì)節(jié)也更加突出，方便了后續(xù)設(shè)備目標(biāo)分割和提取。尤其在目標(biāo)清晰和背景豐富的情況下，目標(biāo)的邊緣細(xì)節(jié)更加明顯。實(shí)驗(yàn)數(shù)據(jù)表明了該算法的有效性。

5 結(jié)論

本文通過(guò)雙邊濾波技術(shù)，實(shí)現(xiàn)了圖像增強(qiáng)。通過(guò)模糊圖像、清晰圖像和背景豐富的花卉圖像的測(cè)試，驗(yàn)證了本文算法的有效性。算法在圖像亮度和邊緣細(xì)節(jié)上表現(xiàn)突出，既增強(qiáng)了圖像亮度，同時(shí)也更加突出了目標(biāo)的邊緣細(xì)節(jié)。為后續(xù)的目標(biāo)分割和提取提供了技術(shù)支撐。實(shí)驗(yàn)結(jié)果表明該算法具有建模簡(jiǎn)單、運(yùn)行速度快等特點(diǎn)。

[1]王嘯晨．基于機(jī)器學(xué)習(xí)的圖像質(zhì)量評(píng)估研究[D]．天津大學(xué),2015：1-5．

[2]韓峰．基于最大穩(wěn)定極值區(qū)域的場(chǎng)景分類(lèi)方法研究[D]．山東大學(xué),2014：1-5．

[3]楊旭東,黃玉柱,李繼剛,等．變電巡檢機(jī)器人研究現(xiàn)狀綜述[J]．山東電力技術(shù),2015,42(1)：30-33．

[4]丁思奎,李?。冸娬狙矙z機(jī)器人應(yīng)用中存在的問(wèn)題分析及解決方案[J]．電工電氣,2016(2)：57-58．

[5]安靜宇,馬憲民．基于中值濾波和小波變換的火電廠爐膛火焰圖像去噪方法[J]．計(jì)算機(jī)工程與科學(xué),2016,38(8)：1702-1705．

[6]姒紹輝,胡伏原,顧亞軍,等．一種基于不規(guī)則區(qū)域的高斯濾波去噪算法[J]．計(jì)算機(jī)科學(xué),2014,41(11)：313-315．

[7]Mallat S,Zhang S．Characterization of signals from multiscale edges[J]．IEEE Trans PAMI,1992,14(7)：710-732．

[8]張闖,遲健男,張朝暉,王志良．基于邊緣檢測(cè)與雙邊濾波的彩色圖像去噪[J]．電子學(xué)報(bào),2010,38(8)：1776-1783．

[9]劉國(guó)軍,馬月梅．混合波原子和雙邊濾波的紋理圖像濾波方法[J]．計(jì)算機(jī)應(yīng)用研究,2013,30(3)：942-943．

[10]閆四海,耿國(guó)華,李康,等．針對(duì)文物圖像的特征提取方法研究[J]．計(jì)算機(jī)應(yīng)用研究,2013,30(11)：3500-3501．

Image enhancement algorithm of substation equipment based on bilateral filtering

Li Haoguang，Zheng Yi，Jiang Chenxi
（Guigang Power Supply Bureau of Guangxi Power Grid Co.，Ltd.，Guigang，China）

An image enhancement algorithm for substation equipment is proposed in this paper，which improved the quality of fuzzy image in the substation. Firstly，the identified images of the equipment are acquired by the inspection robot. Secondly，the digital image processing technology is used to de-noise the image. Finally，bilateral filter is used to enhance the image processing. Experimental results show that the method is fast and robust.It provides technical support for substation equipment identification.

substation；equipment image；image enhancement；bilateral filter