劉 赫，趙天成，李嘉帥，楊代勇，袁小翠，許志浩

基于三直方圖均衡的SF6紅外圖像對(duì)比度增強(qiáng)方法

劉 赫1，趙天成1，李嘉帥1，楊代勇1，袁小翠2，許志浩2

（1. 國(guó)網(wǎng)吉林省電力有限公司電力科學(xué)研究院，吉林 長(zhǎng)春 130021；2. 南昌工程學(xué)院 電氣工程學(xué)院，江西 南昌 330099）

電力設(shè)備SF6泄漏氣體紅外圖像容易淹沒(méi)在背景中，肉眼難以辨識(shí)低對(duì)比度圖像中泄漏氣體情況，給電力設(shè)備檢修帶來(lái)了困擾。提出了基于三直方圖均衡的SF6紅外圖像對(duì)比度增強(qiáng)方法。首先，利用三樣條插值擬合圖像直方圖得到二階連續(xù)曲線，計(jì)算每個(gè)灰度級(jí)對(duì)應(yīng)的一階導(dǎo)數(shù)絕對(duì)值。其次，根據(jù)一階導(dǎo)數(shù)絕對(duì)值和直方圖分布劃分直方圖為兩個(gè)波峰和一個(gè)相對(duì)平坦的波谷區(qū)域；最后，根據(jù)波峰和波谷將直方圖分為3個(gè)子圖，對(duì)3個(gè)子圖分別進(jìn)行直方圖均衡后合并為增強(qiáng)圖像。為了驗(yàn)證算法有效性，對(duì)現(xiàn)場(chǎng)拍攝的電力設(shè)備SF6泄漏低對(duì)比度紅外視頻流進(jìn)行增強(qiáng)，并與CLAHE和雙直方圖均衡算法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明：本文方法在提升圖像的整體對(duì)比度同時(shí)增強(qiáng)了泄漏氣體與周圍圖像的對(duì)比度，提升泄漏氣體紅外圖像視覺(jué)效果，相比于CLAHE和雙直方圖均衡方法，本文獲得的峰值信噪比和均方根對(duì)比度值更高，增強(qiáng)后的圖像質(zhì)量更好。

SF6紅外圖像；對(duì)比度增強(qiáng)；直方圖均衡；亮度保持雙直方圖均衡

0 引言

六氟化硫（SF6）在常溫下是一種無(wú)毒、無(wú)色、化學(xué)性質(zhì)穩(wěn)定的氣體，具有良好的絕緣性能。在電力設(shè)備中如高壓設(shè)備、斷路器、絕緣設(shè)備等廣泛使用SF6進(jìn)行滅弧、絕緣和隔離[1]。然而，SF6氣體的泄漏會(huì)降低設(shè)備中剩余氣體的壓力和容量，對(duì)設(shè)備的絕緣和滅弧性能產(chǎn)生不利影響。此外，SF6釋放到空氣中時(shí)，等體積的溫室效應(yīng)是二氧化碳的23000倍，在空氣中分解后，會(huì)產(chǎn)生有害氣體，對(duì)環(huán)境產(chǎn)生不利影響[2]。因此，對(duì)絕緣設(shè)備的SF6泄漏檢測(cè)有利于電力設(shè)備的穩(wěn)定運(yùn)行，提高操作人員的安全系數(shù)。

SF6在可見(jiàn)光下無(wú)法被人眼檢測(cè)到，需要借助工具進(jìn)行檢測(cè)。傳統(tǒng)的SF6氣體泄漏檢測(cè)方法主要有包扎法、氣泡法、皂洗法等[3]。雖然這3種方法具有較高的可靠性，但這種接觸式檢測(cè)方法效率低。隨著紅外檢測(cè)儀的普及和使用，紅外成像儀已廣泛應(yīng)用于SF6氣體泄漏檢測(cè)。由于SF6的紅外吸收特性，SF6氣體在紅外成像下呈現(xiàn)出與周圍環(huán)境亮度稍暗的氣體“云團(tuán)”。然而，紅外圖像的質(zhì)量通常受到紅外成像傳感器工作范圍縮小、背景輻射和成像環(huán)境等因素的影響，紅外圖像的感興趣區(qū)域比較模糊，目標(biāo)與背景的對(duì)比度比較低，泄漏氣體視覺(jué)效果不明顯。因此，有必要對(duì)紅外圖像進(jìn)行增強(qiáng)提高圖像質(zhì)量，使增強(qiáng)后的圖像可以在不同的應(yīng)用中發(fā)揮更大的作用，比如提高泄漏氣體視覺(jué)質(zhì)量、目標(biāo)檢測(cè)和圖像融合等[4]。

為了提高紅外圖像質(zhì)量，學(xué)者們展開(kāi)了許多研究。通過(guò)噪聲濾波、邊緣和Retinex增強(qiáng)等[5]，可以從噪聲環(huán)境中重構(gòu)紅外圖像或?qū)t外圖像感興趣區(qū)域進(jìn)行銳化。然而，在某些情況下，這些方法并不能對(duì)低對(duì)比度紅外圖像進(jìn)行增強(qiáng)。為了更好地增強(qiáng)低對(duì)比度紅外圖像中感興趣區(qū)域，目前廣泛使用的對(duì)比度圖像增強(qiáng)方法（Histogram Equalization，HE）是一種應(yīng)用比較廣泛的圖像增強(qiáng)方法，通過(guò)調(diào)整灰度圖像的動(dòng)態(tài)范圍和直方圖分布來(lái)提高圖像的對(duì)比度。在該算法中，通常采用全局的變換函數(shù)對(duì)直方圖進(jìn)行調(diào)整，使直方圖分布占據(jù)更大的動(dòng)態(tài)范圍，從而增強(qiáng)圖像目標(biāo)與背景之間的對(duì)比度。全局直方圖均衡方法容易造成部分區(qū)域過(guò)增強(qiáng)，忽略局部區(qū)域細(xì)節(jié)信息的增強(qiáng)；自適應(yīng)直方圖均衡化（Adaptive Histogram Equalization，AHE）是一種局部直方圖均衡化模型，通過(guò)從定義的子圖像圖中派生的局部變換函數(shù)進(jìn)行對(duì)比度增強(qiáng)。盡管AHE提供了較強(qiáng)的對(duì)比度增強(qiáng)效果，但其速度慢且計(jì)算量大。為了克服這些缺陷，學(xué)者們提出了多種直方圖均衡方法，亮度保持雙直方圖均衡化（brightness preserving bi-histogram equalization，BBHE）[6]，對(duì)比度受限自適應(yīng)直方圖（contrast limited adaptive histogram equalization，CLAHE）[7]，平臺(tái)直方圖（plateau histogram equalization，PHE）[8]等。上述幾種直方圖均衡方法在圖像處理中廣泛應(yīng)用，且對(duì)不同場(chǎng)景的紅外圖像增強(qiáng)效果不同，學(xué)者們根據(jù)不同的應(yīng)用場(chǎng)合提出了改進(jìn)的直方圖均衡方法，如Yuan等[9]結(jié)合圖像三邊濾波器與直方圖均衡方法提出三邊對(duì)比度增強(qiáng)方法，利用圖像的邊緣、亮度和對(duì)比度3方面特征進(jìn)行直方圖均衡，該方法對(duì)街景紅外圖像對(duì)比度增強(qiáng)效果較好。江巨浪等[10]提出圖像亮度精確控制的雙直方圖均衡算法，使輸出圖像與BBHE算法增強(qiáng)的圖像之間具有最大直方圖相似度。曹海杰等[11]提出自適應(yīng)逆直方圖均衡化增強(qiáng)方法，對(duì)圖像計(jì)算逆直方圖分布曲線，根據(jù)逆直方圖自適應(yīng)選取閾值將圖像劃分為兩個(gè)子圖，再對(duì)子圖進(jìn)行直方圖均衡。

紅外圖像通常分辨率低，成像質(zhì)量遠(yuǎn)低于高分辨率的可見(jiàn)光圖像，為了在增強(qiáng)紅外圖像對(duì)比度的同時(shí)保留圖像的邊緣特征，通常利用小波變換、雙邊濾波和引導(dǎo)濾波等將紅外圖像分成基礎(chǔ)圖像和細(xì)節(jié)圖像，對(duì)兩部分圖像采用不同的手段進(jìn)行增強(qiáng)，再將基礎(chǔ)圖像和細(xì)節(jié)圖像加權(quán)融合。例如，Sun等[12]利用雙邊濾波將圖像分成基礎(chǔ)圖像和細(xì)節(jié)圖像，對(duì)基礎(chǔ)圖像利用分段線性映射進(jìn)行全局對(duì)比度增強(qiáng)，對(duì)細(xì)節(jié)圖像用S-曲線進(jìn)行增強(qiáng)，將14位高動(dòng)態(tài)范圍紅外圖像壓縮到8位圖像時(shí)實(shí)現(xiàn)了圖像對(duì)比度拉伸和細(xì)節(jié)保持；在氣體圖像對(duì)比度增強(qiáng)方面，劉陳瑤等[13]利用CLAHE對(duì)基礎(chǔ)圖像進(jìn)行增強(qiáng)，分段線性變換方法對(duì)細(xì)節(jié)圖像增強(qiáng)；顏濤[14]利用全局直方圖均衡方法增強(qiáng)圖像整體對(duì)比度，再利用小波分解去除高頻圖像和噪聲，通過(guò)逆變換恢復(fù)增強(qiáng)圖像，這種方法在去除噪聲的同時(shí)模糊了邊界，適用于內(nèi)容簡(jiǎn)單且包含明顯噪聲的圖像。劉樂(lè)等[15]基于伽馬變換對(duì)小波變換后的低頻圖像進(jìn)行對(duì)比度增強(qiáng)，并利用雙邊濾波對(duì)高頻信息進(jìn)行處理，通過(guò)對(duì)不同頻率成分圖像加權(quán)逆變換獲取增強(qiáng)后的圖像，該方法適用于高動(dòng)態(tài)城市紅外圖像對(duì)比度增強(qiáng)。孫曉斐[16]基于引導(dǎo)濾波將圖像分為低頻圖像和細(xì)節(jié)圖像，利用CLAHE對(duì)低頻圖像增強(qiáng)，對(duì)細(xì)節(jié)圖像進(jìn)行LOG和Laplace算子運(yùn)算獲得梯度因子，再用伽馬變換對(duì)細(xì)節(jié)圖像增強(qiáng)，該方法對(duì)戶外場(chǎng)景紅外圖像增強(qiáng)效果較好，能增強(qiáng)對(duì)比度的同時(shí)突出邊緣及輪廓特征。

在紅外成像的SF6氣體泄漏檢測(cè)中，SF6氣體泄漏形成的圖像肉眼不容易辨識(shí)，尤其是當(dāng)泄漏的氣體比較少時(shí)，氣體從設(shè)備中泄漏出來(lái)擴(kuò)散到空氣中，氣體濃度逐漸減弱，因此，在紅外圖像中成像不清晰，圖像對(duì)比度差。在電氣絕緣設(shè)備SF6氣體泄漏紅外成像中，通常紅外圖像直方圖呈雙峰分布，其主要原因是成像時(shí)需突出設(shè)備弱化背景，因此，待檢測(cè)的設(shè)備圖像比較亮，其他區(qū)域亮度逐漸減弱，甚至非設(shè)備區(qū)域呈黑色。泄漏的SF6氣體圖像不清晰主要原因是SF6氣體圖像的亮度介于亮區(qū)域和暗區(qū)域之間，且泄漏氣體較少，處于圖像直方圖的兩波峰之間的過(guò)渡區(qū)域。為了增強(qiáng)SF6泄漏氣體的視覺(jué)效果及對(duì)比度，需要在局部區(qū)域?qū)F6圖像增強(qiáng)。因此，借鑒BBHE算法思路，提出基于亮度保持三直方圖均衡化（brightness preserving tri-histogram equalization，BTHE）SF6紅外圖像增強(qiáng)方法，將電氣設(shè)備SF6泄漏氣體紅外圖像劃分為3個(gè)子圖像，對(duì)3個(gè)子圖像分別進(jìn)行增強(qiáng)。

1 BBHE算法

BBHE算法是由Kim[6]首次提出的一種保持輸入圖像的平均亮度前提下增強(qiáng)圖像對(duì)比度的直方圖均衡算法。它將輸入圖像的灰度均值m作為灰度級(jí)閾值對(duì)圖像進(jìn)行分割，從而得到兩個(gè)子圖像，對(duì)每個(gè)子圖像分別進(jìn)行直方圖均衡化再進(jìn)行合并得到結(jié)果圖像。

設(shè)子圖L的概率密度和累計(jì)分布表示分別表示為：

式中：L，L分別表示表示子圖L中灰度為X的像素個(gè)數(shù)及總像素個(gè)數(shù)。

同理：子圖U的概率密度、和累計(jì)分布為：

則子圖L和U的轉(zhuǎn)換函數(shù)為：

輸出圖像：

2 本文方法

BBHE算法對(duì)兩個(gè)子圖分別進(jìn)行直方圖均衡，再將均衡的結(jié)果合并從而得到增強(qiáng)后的圖像。相比于傳統(tǒng)的直方圖均衡方法對(duì)圖像進(jìn)行全局均衡，BBHE算法利用灰度均值將圖像劃分為兩個(gè)子圖，在局部區(qū)域內(nèi)進(jìn)行直方圖均衡效果更優(yōu)。然而，當(dāng)圖像直方圖峰谷之間存在一段比較長(zhǎng)的平坦區(qū)間時(shí)，如圖1，灰度區(qū)間[80,220]之間灰度直方圖比較平坦，將直方圖劃分為兩類進(jìn)行增強(qiáng)效果不佳。為了清晰地拍攝設(shè)備SF6泄漏情況，通常將設(shè)備及泄漏的SF6氣體作為目標(biāo)，其余環(huán)境為背景，因此，成像時(shí)背景的亮度低，泄漏氣體對(duì)應(yīng)的設(shè)備亮度比較高，但是泄漏氣體一般比較少，且氣體在空氣中的擴(kuò)散和對(duì)紅外熱信號(hào)的吸收性，SF6氣體成像的亮度介于設(shè)備和背景之間。根據(jù)成像特性，電氣設(shè)備SF6氣體泄漏的紅外圖像灰度直方圖呈近似雙峰分布，且雙峰之間存在一段相對(duì)比較平坦的區(qū)域，SF6氣體圖像介于明暗圖像之間。此外，氣體圖像占總圖像的比例較小，從而氣體圖像視覺(jué)上效果差，對(duì)比度比較低。

本文提出基于BTHE的SF6氣體泄漏紅外圖像增強(qiáng)方法。統(tǒng)計(jì)紅外圖像各灰度級(jí)像素分布，利用三次樣條插值擬合像素分布求取雙峰直方圖中的波峰波谷區(qū)域，將直方圖中較大范圍的平坦區(qū)域劃分為一個(gè)子圖，其余兩個(gè)波峰區(qū)域?qū)?yīng)兩個(gè)子圖，對(duì)子圖分別進(jìn)行直方圖均衡后合并得到增強(qiáng)的紅外圖像。

2.1 直方圖三次樣條曲線擬合

為了將輸入圖像劃分為多個(gè)子圖，且每個(gè)子圖都具有相近的灰度特性，分析直方圖的統(tǒng)計(jì)特點(diǎn)，將直方圖中較大范圍的平坦區(qū)域劃分為一個(gè)子圖，直方圖波峰對(duì)應(yīng)的圖像為獨(dú)立子圖像。設(shè)紅外圖像的各像素分布函數(shù)用()，表示灰度級(jí)，()是離散分布，利用三次樣條插值擬合()，得到具有一節(jié)導(dǎo)數(shù)連續(xù)的曲線。對(duì)曲線求導(dǎo)，根據(jù)導(dǎo)數(shù)分布情況能夠判斷對(duì)應(yīng)直方圖的波峰及波谷的區(qū)域，利用波峰和波谷值將圖像劃分為多個(gè)子圖。

圖1 電氣設(shè)備SF6泄漏氣體圖像及其直方圖

為了能夠?qū)﹄x散的直方圖分布點(diǎn)擬合出光滑曲線，本文利用三次樣條插值曲線擬合直方圖曲線，因此需要在每個(gè)區(qū)間構(gòu)造一個(gè)三次函數(shù)S()，使得分段曲線＝S()在它的一階導(dǎo)數(shù)S￠()和二階導(dǎo)數(shù)S2()在更大的區(qū)間連續(xù)。

三次樣條插值：設(shè)區(qū)間[,]上劃分為：＝0＜1＜…＜x＝，給定節(jié)點(diǎn)x處的函數(shù)值為y＝(x)（＝0,1,…,），若存在函數(shù)S()，滿足以下3個(gè)條件：

1）插值條件：(x)＝y（＝0,1,…,）；

2）分段條件：在小區(qū)間[x, x＋1]上，()是一個(gè)三次代數(shù)多項(xiàng)式；

3）光滑條件：()?2[,]。

稱()為樣條節(jié)點(diǎn)上x的三次樣條插值函數(shù)。

根據(jù)三次樣條插值理論，以()的二階導(dǎo)數(shù)表達(dá)()在相應(yīng)區(qū)間上的三次樣條表達(dá)式。以區(qū)間為[x, x＋1]為例，設(shè)(x)的二階導(dǎo)數(shù)值()＝M（＝0,1,…,）。則該區(qū)間上()的三次樣條差值表達(dá)式為：

本文采用非節(jié)點(diǎn)邊界端點(diǎn)，令步長(zhǎng)h＝0.1，起始點(diǎn)0＝1，終點(diǎn)x＝256，求解出結(jié)果，代入式(11)中得到各個(gè)小區(qū)間上的三次樣條插值表達(dá)式。

利用三次樣條算法對(duì)圖2中紅色離散表示的各灰度級(jí)像素分布進(jìn)行擬合，擬合結(jié)果為藍(lán)色連續(xù)曲線。

圖2 三次樣條插值擬合直方圖

2.2 直方圖波谷極值點(diǎn)搜索

設(shè)直方圖三次樣條擬合得到的光滑曲線用()表示，計(jì)算其一階導(dǎo)數(shù)，表示為￠()。平坦區(qū)域的一階導(dǎo)數(shù)值較小，通過(guò)對(duì)一階導(dǎo)數(shù)￠()進(jìn)行篩選可以找到直方圖中變化較快的區(qū)域，進(jìn)一步搜尋到曲線中極值點(diǎn)。然而拍攝的紅外圖像的直方圖中存在許多大小不一的波峰谷，需要排除小波峰，找到較長(zhǎng)的平坦區(qū)域。本文采用兩步法排除干擾點(diǎn)：

1）通過(guò)一階導(dǎo)數(shù)￠()絕對(duì)值與平均值的差異初步找到極值點(diǎn)

2）通過(guò)波峰區(qū)域高度和跨度去除無(wú)效波峰；

在初步分離出波峰區(qū)域之后需要進(jìn)一步去除小波峰區(qū)域，若某一波峰區(qū)域的灰度級(jí)跨度較小，且該區(qū)域大部分灰度級(jí)出現(xiàn)的次數(shù)低于各灰度級(jí)出現(xiàn)次數(shù)的均值，則認(rèn)定該區(qū)域?yàn)樾》挡ǚ鍏^(qū)域，與前后兩段波谷進(jìn)行合并成同一段波谷區(qū)域。

以圖3為例，圖3藍(lán)色曲線表示灰度級(jí)像素個(gè)數(shù)曲線，紅色線條為藍(lán)色線三樣條插值擬合后求其一階導(dǎo)數(shù)的絕對(duì)值曲線，兩個(gè)波峰區(qū)間存在一段比較平坦區(qū)域。通過(guò)步驟1）刪除了大部分的無(wú)效極值點(diǎn)，剩下4個(gè)可能的波谷對(duì)應(yīng)的灰度值，分別為1＝66，2＝1133＝121，4＝219。即[0～1]為第一個(gè)波峰灰度級(jí)區(qū)間，[1＋1,2]為第二個(gè)波谷灰度級(jí)區(qū)間，[2＋1,3]為第二個(gè)波峰區(qū)間，[3＋1,4]為第二個(gè)波谷區(qū)間，但[1＋1,2]波峰區(qū)間的灰度級(jí)跨度小且所有像素出現(xiàn)的次數(shù)小于像素出現(xiàn)次數(shù)的均值，則將該波峰區(qū)域判定為波谷，與前后波谷合并為一個(gè)平坦區(qū)域；最后[4＋1,－1]為第二個(gè)波峰灰度級(jí)區(qū)間。從而可以找到平坦區(qū)域的最小的灰度級(jí)和最大的灰度級(jí)分別為1＝66和4＝219。即灰度區(qū)間[1,4]構(gòu)成直方圖的平坦區(qū)域，灰度級(jí)1＝66和4＝219將圖像劃分為3個(gè)子圖，對(duì)3個(gè)子圖分別進(jìn)行直方圖均衡。

圖3 灰度級(jí)一階導(dǎo)

2.3 三直方圖均衡方法

設(shè)1和2將圖像劃分為3個(gè)子圖，將灰度值在 [0,1]的定義為子圖像1，灰度區(qū)間[1＋1,2]的像素點(diǎn)構(gòu)成圖像2，像素值在[2＋1,－1]區(qū)間的點(diǎn)構(gòu)成圖像3。則1、2、3可分別表示為：

設(shè)1、2和3三個(gè)子圖的概率密度表示為：

1、2、3分別對(duì)應(yīng)子圖1、2、3像素點(diǎn)個(gè)數(shù)。3個(gè)子圖對(duì)應(yīng)的累計(jì)分布函數(shù)分別表示為：

則子圖1、2、3的轉(zhuǎn)換函數(shù)為：

輸出圖像：

3 實(shí)驗(yàn)結(jié)果分析

為了驗(yàn)證算法的有效性，對(duì)同一個(gè)視頻流采用不同的算法進(jìn)行增強(qiáng)，并對(duì)比增強(qiáng)效果。限于篇幅，選取與本文近似且應(yīng)用廣泛的算法進(jìn)行對(duì)比，如傳統(tǒng)的BBHE算法和CLAHE算法，通過(guò)客觀評(píng)價(jià)和定量評(píng)價(jià)衡量圖像增強(qiáng)效果。測(cè)試數(shù)據(jù)來(lái)源于國(guó)網(wǎng)某電力公司設(shè)備檢修拍攝的電力設(shè)備SF6氣體泄漏視頻圖像，拍攝所用的儀器為FLIR GF306紅外熱像儀，拍攝距離為5m，環(huán)境溫度為15℃。

3.1 客觀評(píng)價(jià)

限于篇幅，以拍攝的4組不同電氣設(shè)備SF6視頻為例，截取視頻流中的某一幀可視化增強(qiáng)效果。由于電氣設(shè)備泄漏的SF6氣體流量不穩(wěn)定，肉眼不容易觀察到單幀圖像泄漏氣體在圖像中的位置，因此，為了便于觀察和比較，用紅色橢圓圈框選出部分氣體。圖4～圖7對(duì)應(yīng)視頻1、2、3、4中截取的一幀圖像處理結(jié)果。圖4設(shè)備中泄漏氣體圖像的灰度與周圍環(huán)境灰度接近，利用3種算法對(duì)圖像進(jìn)行增強(qiáng)后，泄漏氣體的顏色明顯加深，肉眼能夠直觀看到，但是BBHE對(duì)圖像增強(qiáng)后存在部分信息過(guò)增強(qiáng)，如圖4(b)中黑色裂紋所示。圖5中設(shè)備泄漏SF6氣體區(qū)域覆蓋在設(shè)備上，本文方法不僅增強(qiáng)了設(shè)備與背景的對(duì)比度，也增強(qiáng)了泄漏氣體與設(shè)備的對(duì)比度，BBHE和CLAHE兩種方法整體增強(qiáng)了圖像對(duì)比度，忽略了泄漏氣體的局部特性，因此，增強(qiáng)后的圖像泄漏氣體與其背景（設(shè)備）之間的對(duì)比度反而不明顯，泄漏氣體區(qū)域看上去更模糊。圖6、7設(shè)備中泄漏氣體的灰度與設(shè)備的灰度接近，且泄漏氣體區(qū)域與設(shè)備重疊。CLAHE算法增強(qiáng)圖像整體對(duì)比度，提升了圖像對(duì)比度效果，如在圖6中，設(shè)備上覆蓋由大量的銹斑或者污漬，設(shè)備在成像時(shí)污漬及銹斑的顏色相比于其他區(qū)域較深，SF6泄漏氣體正好與污漬重合，CLAHE對(duì)圖像進(jìn)行增強(qiáng)時(shí)增強(qiáng)了深顏色的污漬與非污漬區(qū)域的對(duì)比度，忽略了局部區(qū)域泄漏氣體與背景的對(duì)比度，反而使增強(qiáng)后的圖像不容易辨識(shí)出泄漏氣體。圖7中設(shè)備成像時(shí)存在過(guò)度曝光，CLAHE拉伸了圖像的整體對(duì)比度，同樣忽略了SF6與周圍環(huán)境的對(duì)比度，增強(qiáng)后SF6氣體與背景的顏色更一致。BBHE算法將圖像劃分為兩個(gè)子圖進(jìn)行增強(qiáng)，忽略了泄漏氣體的局部特性，因此，對(duì)紅外圖像增強(qiáng)時(shí)增強(qiáng)了整個(gè)圖像的對(duì)比度，但是對(duì)少量泄漏氣體的增強(qiáng)效果不佳。本文方法根據(jù)直方圖的特性將圖像劃分為3個(gè)子圖，因此，在增強(qiáng)圖像整體對(duì)比度的同時(shí)沒(méi)有造成圖像過(guò)增強(qiáng)，在增強(qiáng)圖像整體對(duì)比度同時(shí)，提高泄漏氣體與其周圍像素的對(duì)比度，提升了泄漏氣體的視覺(jué)效果。

圖4 電壓互感器(視頻1中的任意一幀)

圖5 法蘭(視頻2中的任意一幀)

圖6 盆式絕緣子(視頻3中的任意一幀)

3.2 定量評(píng)價(jià)

為了量化圖像增強(qiáng)效果，通過(guò)均方根對(duì)比度（root mean square contrast，RMSC）和峰值信噪比（peak signal-to-noise ratio，PSNR）兩種方式評(píng)價(jià)增強(qiáng)圖像質(zhì)量效果。兩者定義如下：

1）RMSC

2）PSNR

式中：MAX為圖像的最大灰度級(jí)；、為圖像橫縱像素個(gè)數(shù)；(,)、(,)分別為經(jīng)算法處理后的圖像和原始圖像灰度值。PSNR用于評(píng)價(jià)圖像質(zhì)量的參數(shù)，能夠反映噪聲對(duì)圖像影響的大小，圖像峰值信噪比越大表示圖像質(zhì)量越好。

計(jì)算BBHE，CLAHE及本文方法對(duì)視頻流對(duì)比度增強(qiáng)后的RMSC，PSNR值，其統(tǒng)計(jì)結(jié)果如圖8和圖9所示。表1為圖4～圖7為某幀圖像不同算法增強(qiáng)后計(jì)算得到的RMSC和PSNR值。從表1及圖8、9可以看出，本文方法增強(qiáng)后圖像的PSNR值大于BBHE及CLAHE方法得到的PSNR值，說(shuō)明本文方法增強(qiáng)后圖像質(zhì)量?jī)?yōu)于其他兩種方法；本文方法得到的RMSC值大于BBHE，對(duì)比度增強(qiáng)效果優(yōu)于BBHE方法。CLAHE方法對(duì)視頻流4獲得的RMSC值大于其他兩種方法，其主要原因是CLAHE方法大幅度拉伸了明暗差，使細(xì)節(jié)更明顯，從而RMSC的值更大，但是從圖7圖像增強(qiáng)可視化效果可知，CLAHE算法將過(guò)度曝光圖像增強(qiáng)后只是拉伸了圖像中明暗差，并沒(méi)有實(shí)質(zhì)性增強(qiáng)泄漏氣體的對(duì)比度。CLAHE方法對(duì)視頻3在第29幀～46幀時(shí)RMSC曲線突然出現(xiàn)一段波峰，其RMSC值明顯高于其他方法，主要原因是原視頻在第29幀～46幀亮度突然變化，視頻幀圖像比較亮，經(jīng)過(guò)CLAHE增強(qiáng)后圖像的整體對(duì)比度更加明顯，但是SF6泄漏氣體與其局部環(huán)境的對(duì)比度反而降低。

圖8 不同算法對(duì)視頻流處理得到的RMSC

圖9 不同算法對(duì)視頻流處理得到的PSNR

綜上實(shí)驗(yàn)分析可知，本文算法能夠?qū)Φ蛯?duì)比度SF6泄漏紅外圖像進(jìn)行增強(qiáng)，且增強(qiáng)圖像質(zhì)量和對(duì)氣體對(duì)比度的局部增強(qiáng)效果優(yōu)于BBHE和CLAHE。

4 總結(jié)與展望

借鑒亮度保持雙直方圖均衡算法思路，本文研究了一種基于亮度保持的三直方圖均衡的電力絕緣設(shè)備SF6氣體泄漏紅外圖像增強(qiáng)方法。通過(guò)分析SF6泄漏氣體紅外圖像直方圖分布特性，利用三次樣條插值擬合像素分布求取直方圖中的波峰波谷區(qū)域，將直方圖中較大范圍的平坦區(qū)域劃分為一個(gè)子圖，一個(gè)波峰對(duì)應(yīng)一個(gè)子圖。根據(jù)直方圖將圖像劃分為3個(gè)子圖，對(duì)3個(gè)子圖分別進(jìn)行直方圖均衡，從而得到增強(qiáng)后圖像。將本文方法與BBHE，CLAHE方法進(jìn)行比較，本文方法對(duì)電氣絕緣設(shè)備SF6泄漏氣體紅外圖像局部對(duì)比度增強(qiáng)效果更加，而且增強(qiáng)后圖像PSNR值更大，圖像質(zhì)量更好。

[1] 周安春, 高理迎, 冀肖彤, 等. SF6/N2混合氣體用于GIS母線的研究與應(yīng)用[J]. 電網(wǎng)技術(shù), 2018, 42(10): 3429-3435.

ZHOU Anchun, GAO Liying, YI Xiaotong, et al. Research and application of SF6/N2mixed gas used in GIS bus[J]., 2018, 42(10): 3429-3435.

[2] 汲勝昌, 鐘理鵬, 劉凱, 等. SF6放電分解組分分析及其應(yīng)用的研究現(xiàn)狀與發(fā)展[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2015, 35(9): 2318-2332.

JI Shengchang, ZHONG Lipeng, LIU Kai, et al. Research status and development of SF6decomposition components analysis under discharge and its application[J]., 2015, 35(9): 2318-2332.

[3] 季怡萍, 鄧先欽, 徐鵬, 等. SF6氣體泄漏紅外成像檢測(cè)的技術(shù)分析和應(yīng)用探討[J]. 紅外技術(shù), 2022, 44(2): 198-204.

JI Yiping, DENG Xianqin, XU Peng, et al. Analysis of SF6leakage detection using infrared imaging[J]., 2022, 44(2): 198-204.

[4] BAI Xiangzhi, ZHOU Fugen, XUE Bindang. Infrared image enhance-ment through contrast enhancement by using multiscale new top-hat transform[J]., 2011, 54(2): 61-69.

[5] Ridho Dwisyah Putra, Tito Waluyo Purboyo, Anggunmeka Luhur Prasasti. A review of image enhancement methods[J]., 2017, 12(23): 13596-13603.

[6] Kim Y T. Contrast enhancement using brightness preserving bi-histogram equalization[J]., 1997, 43(1): 1-8.

[7] Reza A M. Realization of the contrast limited adaptive histogram equalization (CLAHE) for real-time image enhancement[J]., 2004, 38(1): 35-44.

[8] Vickers E. Plateau equalization algorithm for real-time display of high-quality infrared imagery[J]., 1996, 35(7): 1921-1926.

[9] YUAN L T, Swee S K, PING T C. Infrared image enhancement using adaptive trilateral contrast enhancement[J].rs, 2015, 54(1): 103-108.

[10] 江巨浪, 王振東, 鐘倫超, 等. 圖像亮度精確控制的雙直方圖均衡算法[J]. 電子科技大學(xué)學(xué)報(bào), 2018, 47(1): 105-111.

JIANG Julang, WANG Zhendong, ZHONG Lunchao, et al. Bi-histogram equalization algorithm with precise control of image brightness[J].a, 2018, 47(1): 105-111.

[11] 曹海杰, 劉寧, 許吉, 等. 紅外圖像自適應(yīng)逆直方圖增強(qiáng)技術(shù)[J]. 紅外與激光工程, 2020, 49(4): 256-262.

CAO Haijie, LIU Ning, XU Ji, et al. Infrared image adaptive inverse histogram enhancement technology[J].g, 2020, 49(4): 256-262.

[12] SUN Liming, WANG Jintao, LI Shanshan. A new infrared image enhancement algorithm[C]//2017 29(CCDC), 2017: 421-424.

[13] 劉陳瑤, 胡夢(mèng)竹, 張龍飛. 基于改進(jìn)CLAHE的SF6紅外圖像增強(qiáng)[J]. 光學(xué)技術(shù), 2021, 47(1): 107-112.

LIU Chenyao, HU Mengzhu, ZHANG Longfei. Infrared image enhancement of SF6based on improved CLAHE[J]., 2021, 47(1):107-112.

[14] 顏濤. 基于小波分析的氣體絕緣電力設(shè)備中SF6泄漏檢測(cè)方法[J]. 高壓電器, 2020, 56(10): 233-238.

YAN Tao. Detection method of SF6leakage in gas insulated power equipment based on wavelet analysis[J].s, 2020, 56(10): 233-238.

[15] 劉樂(lè), 劉勇, 趙子倫, 等. 高動(dòng)態(tài)紅外圖像自適應(yīng)增強(qiáng)算法研究[J].航天控制, 2022, 40(1): 64-69.

LIU Le, LIU Yong, ZHAO Zilun, et al. Research on adaptive enhancement algorithm for high dynamic infrared image[J]., 2022, 40(1): 64-69.

[16] 孫曉斐, 孫王倩, 李少晨, 等. 基于特征融合的紅外圖像增強(qiáng)算法[J]. 光學(xué)技術(shù), 2022, 48(2):250-256.

SUN Xiaofei, SUN Wangqiang, LI Shaochen, et al. Infrared image enhancement algorithm based on feature fusion[J]., 2022, 48(2): 250-256.

Contrast Enhancement Method of SF6Infrared Image Based on Tri-histogram Equalization Algorithm

LIU He1，ZHAO Tiancheng1，LI Jiashuai1，YANG Daiyong1，YUAN Xiaocui2，XU Zhihao2

(1..,130021,;2.,,330099,)

Infrared images of sulfur fluoride (SF6) leaked gas in power equipment are easily merged with the background, and it is difficult for humans to identify the leaked gas in low-contrast images, rendering it difficult to maintain power equipment. A low-contrast enhancement method for SF6leaked infrared image based on tri-histogram equalization is proposed. First, a cubic spline interpolation is used to fit the image histogram to construct a second-order continuous curve, and the absolute value of the first derivative of the curve corresponding to each gray level is calculated. Second, the two extreme points of the histogram are calculated according to the absolute value distribution of the first derivative and histogram. The extreme points divided the histogram into two peaks and relatively flat valley regions. Finally, the image is divided into three sub-images according to the tri-histogram, and the three sub-images are histogram-equalized. The sub-images are merged into a new image, which is the enhanced image. To verify the validity of our algorithm, an infrared video of power equipment with SF6leakage, which is recorded in substation fields, is tested to enhance the contrast. Our algorithm is compared with the CLAHE and bi-histogram equalization algorithms. The experimental results show that our method enhances not only the globe contrast for infrared images but also the local contrast for leaking gas. Therefore, the infrared image of the SF6visual effect is improved. Compared with CLAHE and the bi-histogram equalization method, our method obtained a higher peak signal-to-noise ratio and root-mean-square contrast values, and the enhanced image quality of our method was better than that of the other methods.

SF6infrared image, contrast enhancement, histogram equalization, brightness preserving bi-histogram equalization

TN219；TM452

A

1001-8891(2023)10-1118-08

2022-09-19；

2023-01-06.

劉赫（1992-），男，吉林長(zhǎng)春人，高級(jí)工程師，研究方向?yàn)殡娏υO(shè)備故障檢測(cè)與診斷。E-mail：liuhehe1984@163.com。

袁小翠（1988-），女，江西撫州人，博士，副教授，研究方向?yàn)閳D像處理及視覺(jué)檢測(cè)，E-mail：yuanxc2012@163.com。

國(guó)網(wǎng)吉林省電力有限公司2022年揭榜掛帥項(xiàng)目（JL2237874846）。