CN103839239A - 一种电缆瓷套终端红外图像自适应去噪方法 - Google Patents
一种电缆瓷套终端红外图像自适应去噪方法 Download PDFInfo
- Publication number
- CN103839239A CN103839239A CN201410071698.6A CN201410071698A CN103839239A CN 103839239 A CN103839239 A CN 103839239A CN 201410071698 A CN201410071698 A CN 201410071698A CN 103839239 A CN103839239 A CN 103839239A
- Authority
- CN
- China
- Prior art keywords
- wavelet
- sigma
- layer
- coefficient
- color component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种电缆瓷套终端红外图像自适应去噪方法,包括以下步骤:(1)输入待去噪的电缆瓷套终端红外图像;(2)将图像分解为R颜色分量图像、G颜色分量图像和B颜色分量图像;(3)得到最高分解层数上的近似小波系数和不同分解层数上三个方向上的细节小波系数;(4)得到图像的细节小波系数的Bayes最优估计;(5)得到去噪后的图像;(6)得到去噪后的结果图像。具有可以在不知红外图像先验信息的情况下,自适应逐层选择每一尺度上的能量最优基小波等优点。
Description
技术领域
本发明涉及一种图像处理和在线监测技术,特别涉及一种电缆瓷套终端红外图像自适应去噪方法。
背景技术
基于红外图像的红外诊断技术已经被成功地运用于电气设备的状态检测和故障监测,并在发电机故障诊断、设备绝缘诊断等方面取得显著成效。电缆瓷套终端红外图像检测方法由于具有安全、准确、经济和实用等特点,近年来受到广泛关注。
电缆瓷套终端红外图像是否清晰,图像细节是否完整,特征是否明显,是能否对其进行正确诊断的关键。红外图像在生成过程中受探测器噪声和各种电子器件噪声的影响,具有高噪声、低对比度的特点。因此采用高效率的滤波方法对电缆瓷套终端红外图像去噪,提升图像质量,是进行正确诊断的前提。
针对红外图像的去噪,目前有很多算法,其中小波分析法由于其良好的时频局部化能力,具有较好的去噪效果。在小波去噪法中,基小波的选择对信号的畸变有着密切联系。常用的小波去噪方法是小波阈值法,即选定某个阈值对各尺度空间的小波系数进行截断处理,去除小于阈值的小波系数,保留大于阈值的小波系数并进行小波逆变换得到去噪后图像。小波阈值法虽然比常用的一些去噪方法对图像的模糊程度要小,但由于其是对小波系数进行截断式处理,这在一定程度上破坏了图像信息的完整性,造成部分有用信号的丢失。
本发明要解决的技术问题是,克服现有技术中的不足,提供一种电缆瓷套终端红外图像自适应去噪方法,解决中压电缆电缆瓷套终端红外图像含有噪声的问题。该方法在自适应逐层选择最优基小波并对红外图像进行二维小波分解基础上,引入基于Bayes估计对细节小波系数进行处理。该方法能更有效地去除噪声,并完整保留图像细节。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种电缆瓷套终端红外图像自适应去噪方法,该自适应去噪方法有效解决了中压电缆电缆瓷套终端红外图像含有噪声的问题,并在自适应逐层选择最优基小波并对红外图像进行二维小波分解基础上,引入基于Bayes估计对细节小波系数进行处理,使该方法能更有效地去除噪声,并完整保留图像细节。
本发明的目的通过下述技术方案实现:一种电缆瓷套终端红外图像自适应去噪方法,包括以下步骤:
(1)输入待去噪的电缆瓷套终端红外图像;
(2)将图像分解为将图像分解为R颜色分量图像、G颜色分量图像和B颜色分量图像;
(3)对于每个颜色分量图像,采用自适应小波选择算法逐层确定最优基小波并将确定的各层基小波对图像逐层进行二维一次小波分解,得到最高分解层数上的近似小波系数和不同分解层数上三个方向上的细节小波系数;
(4)对于每个颜色分量图像,保留近似小波系数,对不同分解层数上的三个方向上的细节小波系数进行自适应Bayes估计,得到图像的细节小波系数的Bayes最优估计;
(5)对于每个颜色分量图像,利用最高分解层数上的近似小波系数和不同分解层数上的细节小波系数的Bayes最优估计进行图像重构,得到去噪后的图像;
(6)利用去噪后的R、G、B3个颜色分量图像合成为原来的彩色图像,得到去噪后的结果图像。
本发明中,所述步骤(3)包括以下步骤:
(a)给定一个小波函数库{ψi:i=1,2,...,N}和小波分解层数K;
(h)重复步骤(e)~(g),直到k=K,从而得到所有分解层数上的最优基小波;
(i)将确定的各层最优基小波对图像逐层进行二维一次小波分解,得到最高分解层数上的近似小波系数和不同分解层数上三个方向上的细节小波系数。
本发明中,所述的步骤(i)中,所述近似小波系数的能量百分比计算公式为:
本发明中,所述步骤(4)中,所述图像的细节小波系数的Bayes最优估计表达式为:
式中,l表示方向,l=1,代表水平方向;l=2,代表竖直方向;l=3,代表对角线方向,k代表分解层数;(i,j)代表小波系数的序号;代表第k层上,l方向上信号的小波系数方差;代表第k层上,l方向上噪声的小波系数方差;代表第k层上,l方向上带噪信号的小波系数;代表第k层上,l方向上信号的小波估计。
本发明中,第所述的k层上,l方向上的噪声估计均方差计算公式为:
本发明相对于现有技术具有如下的优点及效果:
1、本发明的基于小波分解尺度系数能量最大原则的基小波选择方法具有自适应性,可以在不知红外图像先验信息的情况下,自适应逐层选择每一尺度上的能量最优基小波。
2、本发明运用Bayes最优估计准则对带噪声的电缆瓷套终端红外图像在各个尺度空间,各个方向的小波系数进行估计,并利用估计的小波系数进行重构得到去噪后的图像。该方法在对电缆瓷套终端红外图像去噪的同时,能最大程度保留图像细节。
附图说明
图1为本发明的一种电缆瓷套终端红外图像自适应去噪方法的总体框图。
图2为基于每层小波分解尺度系数能量最大原则,逐层自适应选择最优基小波步骤图。
图3为含噪的电缆瓷套终端红外图像。
图4为用本发明方法去噪后得到的电缆瓷套终端红外图像。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
一种电缆瓷套终端红外图像自适应去噪方法,包括以下步骤:
1.将真彩色电缆瓷套终端图像分解为R、G、B3个颜色分量图像。
2.给定小波函数库为sym1-sym30,小波分解层数为3
3.对于每个颜色分量图像,采用自适应小波选择算法逐层确定最优基小波并将确定的各层基小波对图像逐层进行二维一次小波分解,得到最高分解层数上的近似小波系数和不同分解层数上三个方向上的细节小波系数。
4.对于每个颜色分量图像,保留步3得到的近似小波系数,对步3得到的三个方向上的细节小波系数进行自适应Bayes估计,得到图像的细节小波系数的Bayes最优估计。
5.对于每个颜色分量图像,利用步3得到的最高分解层数上的近似小波系数和步4得到的不同分解层数上的细节小波系数的Bayes最优估计进行图像重构,得到去噪后的图像。
6.利用步骤5得到的去噪后的R、G、B3个颜色分量图像合成为原来的彩色图像,得到去噪后的结果图像。
下面结合附图对本发明作进一步的详细说明。
本发明提出一种电缆瓷套终端红外图像自适应去噪方法,该方法首先将真彩色红外图像分解为R、G、B颜色分量图像。然后基于每层小波分解尺度系数能量最大原则,逐层自适应选择最优基小波并分别对每个颜色分量图像进行二维小波分解。基于Bayes估计对细节小波系数进行处理,重构新的细节小波系数分量和最高尺度的低频小波系数分量获得去噪后的R、G、B颜色分量图像。将去噪后的R、G、B颜色分量图像合成为原来的彩色图像,得到结果的去噪图像。该方法不仅去除了电缆瓷套终端红外图像中的噪声,还完整保留了图像细节。
如图1所示,为本发明的一种电缆瓷套终端红外图像自适应去噪方法的总体框图。
1.将真彩色电缆瓷套终端红外图像分解为R、G、B这3个颜色分量图像;
2.逐层自适应选择各个颜色分量图像最优小波基;
如图2所示,为基于每层小波分解尺度系数能量最大原则,逐层自适应选择最优基小波步骤图;
给定小波函数库为sym1-sym30,小波分解层数为3,
得到所有分解层数上的最优基小波。
对每个颜色分量图像,用确定的各层最优基小波对图像进行二维小波分解,得到最高分解层数上的近似小波系数和不同分解层数上的三个方向上的细节小波系数。
3.对每个颜色分量图像,采用基于Bayes估计对不同分解层数上的三个方向上的细节小波系数进行处理。图像的细节小波系数的Bayes最优估计表达式为:
其中,l表示方向,l=1,代表水平方向;l=2,代表竖直方向;l=3,代表对角线方向,k代表分解层数;(i,j)代表小波系数的序号;代表第k层上,l方向上信号的小波系数方差;代表第k层上,l方向上噪声的小波系数方差;代表第k层上,l方向上带噪信号的小波系数;代表第k层上,l方向上信号的小波估计。
第k层上,l方向上的带噪信号的小波系数方差计算公式为:
4.对于每个颜色分量图像,利用最高分解层数上的近似小波系数和不同分解层数上的细节小波系数的Bayes最优估计进行图像重构,得到去噪后的图像。
5.利用去噪后的R、G、B3个颜色分量图像合成为原来的彩色图像,得到去噪后的结果图像。
如图3所示,为含噪的电缆瓷套终端红外图像,如图4所示,为本发明的方法去噪后得到的电缆瓷套终端红外图像,经对比,本发明采用的方法能有效地去除噪声,并且能最大程度保留图像细节。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.一种电缆瓷套终端红外图像自适应去噪方法,其特征在于,包括以下步骤:
(1)输入待去噪的电缆瓷套终端红外图像;
(2)将图像分解为R颜色分量图像、G颜色分量图像和B颜色分量图像;
(3)对于R颜色分量图像、G颜色分量图像和B颜色分量图像均采用自适应小波选择算法逐层确定最优基小波并将确定的各层基小波对图像逐层进行二维一次小波分解,得到最高分解层数上的近似小波系数和不同分解层数上三个方向上的细节小波系数;
(4)对于R颜色分量图像、G颜色分量图像和B颜色分量图像均保留步骤(2)得到的近似小波系数,对步骤(2)得到的细节小波系数进行自适应Bayes估计,得到图像的细节小波系数的Bayes最优估计;
(5)对于每个颜色分量图像,利用步骤(2)得到的最高分解层数上的近似小波系数和步骤(4)得到的不同分解层数上的细节小波系数的Bayes最优估计进行图像重构,得到去噪后的图像;
(6)利用步骤(5)得到的去噪后的R颜色分量图像、G颜色分量图像和B颜色分量图像合成为原来的彩色图像,得到去噪后的结果图像。
2.根据权利要求1所述的电缆瓷套终端红外图像自适应去噪方法,其特征在于,所述步骤(3)包括以下步骤:
(a)给定一个小波函数库{ψi:i=1,2,...,N}和小波分解层数K;
(h)重复步骤(e)~(g),直到k=K,从而得到所有分解层数上的最优基小波;
(i)将确定的各层最优基小波对图像逐层进行二维一次小波分解,得到最高分解层数上的近似小波系数和不同分解层数三个方向上的细节小波系数。
3.根据权利要求2所述的电缆瓷套终端红外图像自适应去噪方法,其特征在于,所述的步骤(i)中,所述近似小波系数的能量百分比的计算公式为:
式中,k=1,2,…,K,为近似系数,为细节系数,其中l表示方向,l=1,代表水平方向;l=2,代表竖直方向;l=3,代表对角线方向,K为小波分解层数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410071698.6A CN103839239A (zh) | 2014-02-28 | 2014-02-28 | 一种电缆瓷套终端红外图像自适应去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410071698.6A CN103839239A (zh) | 2014-02-28 | 2014-02-28 | 一种电缆瓷套终端红外图像自适应去噪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103839239A true CN103839239A (zh) | 2014-06-04 |
Family
ID=50802709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410071698.6A Pending CN103839239A (zh) | 2014-02-28 | 2014-02-28 | 一种电缆瓷套终端红外图像自适应去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103839239A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260990A (zh) * | 2015-09-18 | 2016-01-20 | 新疆医科大学第一附属医院 | 染噪红外光谱信号的去噪方法 |
CN106950475A (zh) * | 2017-03-23 | 2017-07-14 | 广东电网有限责任公司珠海供电局 | 一种基于小波变换的局部放电信号提取方法及装置 |
CN107133931A (zh) * | 2017-05-03 | 2017-09-05 | 广东电网有限责任公司珠海供电局 | 一种电缆瓷套终端红外图像去噪方法及装置 |
CN111610407A (zh) * | 2020-05-18 | 2020-09-01 | 国网江苏省电力有限公司电力科学研究院 | 基于朴素贝叶斯的电缆老化状态评估方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1006476A2 (en) * | 1998-11-18 | 2000-06-07 | Ncr International Inc. | Method of enhancing characters in an original binary image of a document |
CN102590716A (zh) * | 2012-02-11 | 2012-07-18 | 广东电网公司电力科学研究院 | 一种基于小波分析的电力电缆局部放电信号去噪方法 |
CN103576060A (zh) * | 2013-10-11 | 2014-02-12 | 华南理工大学 | 基于小波自适应阈值的局部放电信号去噪方法 |
-
2014
- 2014-02-28 CN CN201410071698.6A patent/CN103839239A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1006476A2 (en) * | 1998-11-18 | 2000-06-07 | Ncr International Inc. | Method of enhancing characters in an original binary image of a document |
CN102590716A (zh) * | 2012-02-11 | 2012-07-18 | 广东电网公司电力科学研究院 | 一种基于小波分析的电力电缆局部放电信号去噪方法 |
CN103576060A (zh) * | 2013-10-11 | 2014-02-12 | 华南理工大学 | 基于小波自适应阈值的局部放电信号去噪方法 |
Non-Patent Citations (2)
Title |
---|
何洪英等: "一种基于Bayes估计的小波自适应绝缘子红外图像去噪方法", 《电工技术学报》 * |
李化等: "基于小波分解尺度系数能量最大原则的GIS局部放电超高频信号自适应小波去噪", 《电工技术学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105260990A (zh) * | 2015-09-18 | 2016-01-20 | 新疆医科大学第一附属医院 | 染噪红外光谱信号的去噪方法 |
CN105260990B (zh) * | 2015-09-18 | 2018-10-09 | 新疆医科大学第一附属医院 | 染噪红外光谱信号的去噪方法 |
CN106950475A (zh) * | 2017-03-23 | 2017-07-14 | 广东电网有限责任公司珠海供电局 | 一种基于小波变换的局部放电信号提取方法及装置 |
CN107133931A (zh) * | 2017-05-03 | 2017-09-05 | 广东电网有限责任公司珠海供电局 | 一种电缆瓷套终端红外图像去噪方法及装置 |
CN111610407A (zh) * | 2020-05-18 | 2020-09-01 | 国网江苏省电力有限公司电力科学研究院 | 基于朴素贝叶斯的电缆老化状态评估方法和装置 |
CN111610407B (zh) * | 2020-05-18 | 2022-10-18 | 国网江苏省电力有限公司电力科学研究院 | 基于朴素贝叶斯的电缆老化状态评估方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105913393B (zh) | 一种自适应小波阈值图像去噪方法及装置 | |
CN103630808B (zh) | 一种基于提升小波变换的局部放电信号去噪方法 | |
CN102281386B (zh) | 一种对视频图像进行自适应去噪的方法及装置 | |
CN101944230B (zh) | 基于多尺度的自然图像非局部均值去噪方法 | |
CN110598615B (zh) | 一种用于桥梁结构监测的数据降噪方法及系统 | |
CN103854264A (zh) | 一种基于改进型阈值函数的小波变换图像去噪方法 | |
CN104103041B (zh) | 超声图像混合噪声自适应抑制方法 | |
Gupta et al. | Image denoising using wavelet transform method | |
CN103839239A (zh) | 一种电缆瓷套终端红外图像自适应去噪方法 | |
CN102800056A (zh) | 双树复小波域的邻域自适应贝叶斯收缩图像去噪方法 | |
CN104050646B (zh) | 基于迭代非局部均值抑制图像脉冲噪声的方法 | |
CN112084845B (zh) | 基于多尺度小波系数自相关的低频1/f噪声消除方法 | |
CN101504769B (zh) | 一种基于编码器框架的自适应性的噪声强度估计的方法 | |
CN103784164B (zh) | 超声信号的预处理方法及系统 | |
Zhang et al. | A reverberation noise suppression method of sonar image based on shearlet transform | |
CN102314675B (zh) | 基于小波高频的贝叶斯去噪方法 | |
CN104754183A (zh) | 一种实时监控视频自适应滤波方法及其系统 | |
Srisailam et al. | Color image denoising using wavelet soft thresholding | |
CN111047537A (zh) | 一种图像去噪中恢复细节的系统 | |
CN102509268B (zh) | 基于免疫克隆选择的非下采样轮廓波域图像去噪方法 | |
CN102622731B (zh) | 基于二维Otsu的轮廓波域维纳滤波图像去噪方法 | |
Rajani et al. | Comparison of frequency selective extrapolation and patch matching algorithm for error concealment in spatial domain | |
CN104008529A (zh) | 基于改进混合傅里叶-小波的电缆终端红外图像降噪方法 | |
CN104048680A (zh) | 基于donoho阈值的自主式水下机器人外部干扰抑制方法 | |
CN103914812A (zh) | 基于双变量收缩函数的电缆瓷套终端红外图像去噪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140604 |
|
RJ01 | Rejection of invention patent application after publication |