CN104392421A - 一种基于nsct的接触网图像增强方法 - Google Patents
一种基于nsct的接触网图像增强方法 Download PDFInfo
- Publication number
- CN104392421A CN104392421A CN201410764912.6A CN201410764912A CN104392421A CN 104392421 A CN104392421 A CN 104392421A CN 201410764912 A CN201410764912 A CN 201410764912A CN 104392421 A CN104392421 A CN 104392421A
- Authority
- CN
- China
- Prior art keywords
- nsct
- image
- coefficient
- frequency sub
- contact net
- 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
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于NSCT(Nonsubsampled Contourlet transform,非下采样Contourlet变换)的接触网图像增强方法及其滤波器的选择,包括以下步骤:首先对接触网图像进行NSCT变换,得到NSCT变换的高频及低频子带系数;接着利用非线性增强函数对高频子带系数进行处理,再对处理后系数与原始分解所得低频子带系数相结合,进行NSCT逆变换,得到增强后的图像;NSCT变换及逆变换过程中,选择不同的滤波器,会对图像增强效果产生不同的影响。本发明通过合理选择滤波器,有效地对接触网图像进行了增强,接触网中的支撑柱、绝缘子、硬横梁及定位环等图像边缘和纹理等细节保存完好,图像增强效果好。
Description
技术领域
本发明属于数字图像处理技术领域,具体涉及一种基于NSCT的接触网图像增强方法。
背景技术
目前,电气化铁路正向高速、高密度和重载化方向发展。接触网作为铁路电气化工程的主构架,是沿铁路线上空架设的向电力机车供电的特殊形式的输电线路。接触网作为一种露天设置,没有备用的户外供电装置,经常受冰、霜、风等恶劣气象条件的影响,一旦损坏将中断行车,给铁路运输带来巨大损失。因此,有必要对接触网工作状态进行有效检测,及时发现故障。常见的接触网故障检测方法有接触式和非接触式。接触式检测方法检测效率高,但该方法检测项目单一,需要在检测车上安装大量传感器,需要高低压隔离转换,需要对部分接触网进行改造,影响接触网性能,对受电弓和导线也会带来额外的磨损。基于图像处理的检测方法是一种非接触式检测方法,通过对采集的接触网图像进行分析与处理,可以及时、准确地发现系统出现的问题。该方法具有智能化程度高,检测精度高,不影响行车安全,造价低,安装简便,实时性等特点。由于受自然环境等一些因素的影响,采集的某些图像对比度较低,接触网线索、螺帽等相关零部件不够突出,这不利于对接触网图像进行分析,从而不利于对接触网工作状态进行准确的检测。因此,有必要对采集的低对比度接触网图像进行增强处理。
图像增强的目的就是突显边缘和细节信息,同时抑制噪声,改善图像的视觉效果。目前,小波变换在图像增强方面取得一定的效果,但小波变换不能“最优”表示含“线”或“面”奇异的高维函数。Contourlet变换是一种真正的二维图像表示方法,该变换是一种多分辨的、局域的、多方向的图像表示方法。该变换将多尺度分析与方向分析分开进行,可较好地表达细小有方向的轮廓和线段,能很好地用于图像增强处理。然而,Contourlet变换存在下采样,其并不存在平移不变性,在处理后的图像中会产生伪影现象。NSCT(Nonsubsampled Contourlet transform,非下采样Contourlet变换)是Contourlet变换的一种改进方式,该变换取消了Contourlet变换中的下采样环节,其具有多尺度,多方向、局域性及平移不变性等特点而适合于图像增强技术中。
发明内容
(一)发明目的
本发明的目的在于提供一种基于NSCT的接触网图像增强方法,该方法能将低对比度图像进行有效增强。同时,NSCT中的不同的滤波器组合对图像增强效果也有一定的影响,本发明将通过组合不同的分解滤波器及方向滤波器,找出适合接触网图像增强的滤波器组合。
(二)技术方案
一种基于NSCT的接触网图像增强方法,其特征是首先利用NSCT变换对图像进行分解,接着将分解所得高频系数进行非线性增强,并对增强后系数与分解所得低频系数相结合进行NSCT逆变换,得到增强后图像;步骤如下:
A、利用安装在检测车车顶的CCD工业摄像机采集接触网图像;
B、对采集的大小为(M,N)接触网图像进行NSCT分解,分解层数为3,方向数分别为4,8,16,得到NSCT变换的高频子带系数yH(m,n)及低频子带系数yL(m,n);
C、利用非线性增强函数对高频子带系数进行处理,再对处理后系数与原始分解所得低频子带系数相结合,进行NSCT逆变换,得到增强后的图像;
D、对低频子带系数yL(m,n)和增强后的高频子带系数y′(m,n)相结合做NSCT逆变换,NSCT变换及逆变换过程中,选择不同的滤波器,得到增强后图像。
进一步的,步骤C所述的非线性增强函数利用公式(1)获取,
a.非线性增强函数为:
式中,|yH(m)|max为第m行高频子带系数绝对值的最大值,并且满足1<m<M,1<n<N;
b.估计噪声标准差δ,计算阈值
c.对高频子带系数yH(m,n)利用公式(2)进行处理,得到增强后系数y′(m,n)为:
进一步的,步骤D所述的选择不同的滤波器,不同的滤波器组合对图像增强效果有一定的影响,选择不同的滤波器作为NSCT中的非下采样金字塔分解滤波器及方向滤波器,并将其运用于图像增强处理,找出适合接触网图像增强的滤波器。
(三)有益效果
本发明与现有技术相比较,其具有以下有益效果:本发明的一种基于NSCT的接触网图像增强方法,利用NSCT的多尺度、多方向、局域性及非下采样性对接触网图像进行增强处理,克服了传统图像增强方法在增强后的图像中存在的伪影现象,有效增强图像的同时,保留了图像的边缘及细节,是一种真正意义上的具有平移不变性的二维图像处理方法。选取不同的滤波器组合分别作为NSCT中的分解滤波器及方向滤波器,并将其运用于图像增强处理,确定适合接触网图像增强的滤波器。
附图说明
图1为本发明的总体框图;
图2为采用Contourlet变换和NSCT变换对图2(a)进行增强处理的图像;
图3为采用Contourlet变换及NSCT变换对图3(a)进行增强处理的图像;
图4为采用Contourlet变换及NSCT变换对图4(a)进行增强处理的图像。
具体实施方式
下面结合采集的实际接触网图像对本发明的实施方案做进一步的详述。
如图1所示为基于本发明的一种基于NSCT的接触网图像增强方法流程示意图,其特征是首先利用NSCT变换对图像进行分解,接着将分解所得高频系数进行非线性增强,并对增强后系数与分解所得低频系数相结合进行NSCT逆变换,得到增强后图像;步骤如下:
A、利用安装在检测车车顶的CCD工业摄像机采集接触网图像;
B、对采集的大小为(M,N)接触网图像进行NSCT分解,分解层数为3,方向数分别为4,8,16,得到NSCT变换的高频子带系数yH(m,n)及低频子带系数yL(m,n);
C、利用非线性增强函数对高频子带系数进行处理,再对处理后系数与原始分解所得低频子带系数相结合,进行NSCT逆变换,得到增强后的图像;
D、对低频子带系数yL(m,n)和增强后的高频子带系数y′(m,n)相结合做NSCT逆变换,NSCT变换及逆变换过程中,选择不同的滤波器,得到增强后图像。
其中,步骤C所述的非线性增强函数利用公式(1)获取,
a.非线性增强函数为:
式中,|yH(m)|max为第m行高频子带系数绝对值的最大值,并且满足1<m<M,1<n<N;
b.估计噪声标准差δ,计算阈值
c.对高频子带系数yH(m,n)利用公式(2)进行处理,得到增强后系数y′(m,n)为:
其中,步骤D所述的选择不同的滤波器,不同的滤波器组合对图像增强效果有一定的影响,选择不同的滤波器作为NSCT中的非下采样金字塔分解滤波器及方向滤波器,并将其运用于图像增强处理,找出适合接触网图像增强的滤波器。
其中,NSCT变换过程中,分别选取(9-7,Burt,Pkva)及(Haar,Dmaxflat7,5-3,9-7(Cd),Pkva,Vk,Ko,Kos,Sk,Oqf_362,Dvmlp,Lax)组合作为分解滤波器及方向滤波器,运用于图像增强处理,确定适合接触网图像增强的滤波器。
本发明在具体实施时,NSCT多尺度分解层数为3层,方向数分别为4,8,16。
下面通过仿真实验对本发明进一步说明。
不同的滤波器组合对图像增强效果有一定影响。由于本发明仿真实验采用了NSCT和Contourlet变换分别对接触网图像进行增强对比实验,因此本发明首先选用不同的分解滤波器(9-7,Burt,Pkva)及方向滤波器(Haar,Dmaxflat7,5-3,9-7(Cd),Pkva,Vk,Ko,Kos,Sk,Oqf_362,Dvmlp,Lax)组合来应用于Contourlet变换中,以确定何种组合比较适合接触网图像增强。同时,由于NSCT是Contourlet变换的改进,它只是在Contourlet变换基础上,取消了非下采样环节。因此不同的滤波器组合对两种变换方法具有相似的影响,适合于Contourlet变换的滤波器组合同样可以有效地应用于NSCT变换中。
表1给出了采用不同的滤波器对采集的接触网图像进行增强的客观评价指标。表中给出了细节~背景方差比(DV~BV)、信噪比(SNR)和边缘保持率(EP工)来衡量图像增强效果。
表1 采用不同滤波器增强图像效果评价指标
从表1中可以看出,采用9-7分解滤波器与Dmaxflat7方向滤波器相结合,DV~BV及EPI值高于其它组合,能得到有效的增强图像,但当所采集图像本身含有一定噪声时,为了兼顾增强图像的同时能有效抑制噪声,可以选用9-7分解滤波器与Pkva方向滤波器的组合作为Contourlet变换及NSCT中的滤波器。
分别采用Contourlet变换及NSCT对接触网图像进行增强实验,选用9-7及Pkva滤波器作为Contourlet变换及NSCT中的分解及方向滤波器,两种方法均采用3层分解,分解方向数分别为4,8,16。实验仿真结果如图2、图3、图4所示,其中:图2(a)、3(a)、4(a)为实际采集的接触网图像,其对比度较低,需要做增强处理。图2(b)、3(b)、4(b)为采用Contourlet变换增强结果,图2(c)、3(c)、4(c)为采用NSCT方法增强结果。
表2 采用Contourlet变换和NSCT方法增强图像评价指标
从图2、图3及图4中可以看出,现场采集的接触网图像对比度较低,采用Contourlet变换及NSCT方法均能有效增强接触网图像,但采用NSCT方法效果好于Contourlet变换方法,接触网中的绝缘子、硬横梁、支撑卡子及定位环等图像纹理和边缘等细节保持得更好。
从表2可以看出,采用NSCT方法所得到的衡量图像增强指标DV~BV及EPI明显高于采用Contourlet变换所得指标,这表明采用NSCT方法,图像的细节及边缘保持能力明显有所提高。特别当图像含有一定噪声时,NSCT方法所得SNR要高于Contourlet变换方法,这表明图像在增强的同时,噪声也能得到较好的抑制。
综上所述,本发明基于NSCT接触网图像增强能有效地对低对比度图像进行增强,增强后图像不存在伪影现象,图像纹理及边缘等细节保持完好。同时,若图像受噪声影响小,可以选用9-7分解滤波器及Dmaxflat7方向滤波器相结合作为NSCT中的滤波器;若图像受一定噪声影响时,则选用9-7分解滤波器与Pkva方向滤波器的组合作为NSCT中的滤波器比较合理。
上面所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的构思和范围进行限定。在不脱离本发明设计构思的前提下,本领域普通人员对本发明的技术方案做出的各种变型和改进,均应落入到本发明的保护范围,本发明请求保护的技术内容,已经全部记载在权利要求书中。
Claims (3)
1.一种基于NSCT的接触网图像增强方法,其特征是首先利用NSCT变换对图像进行分解,接着将分解所得高频系数进行非线性增强,并对增强后系数与分解所得低频系数相结合进行NSCT逆变换,得到增强后图像;步骤如下:
A、利用安装在检测车车顶的CCD工业摄像机采集接触网图像;
B、对采集的大小为(M,N)接触网图像进行NSCT分解,分解层数为3,方向数分别为4,8,16,得到NSCT变换的高频子带系数yH(m,n)及低频子带系数yL(m,n);
C、利用非线性增强函数对高频子带系数进行处理,再对处理后系数与原始分解所得低频子带系数相结合,进行NSCT逆变换,得到增强后的图像;
D、对低频子带系数yL(m,n)和增强后的高频子带系数y′(m,n)相结合做NSCT逆变换,NSCT变换及逆变换过程中,选择不同的滤波器,得到增强后图像。
2.根据权利要求1所述的一种基于NSCT的接触网图像增强方法,其特征在于:步骤C所述的非线性增强函数利用公式(1)获取,
a.非线性增强函数为:
式中,|yH(m)|max为第m行高频子带系数绝对值的最大值,并且满足1<m<M,1<n<N;
b.估计噪声标准差δ,计算阈值
c.对高频子带系数yH(m,n)利用公式(2)进行处理,得到增强后系数y′(m,n)为:
3.根据权利要求1所述的一种基于NSCT的接触网图像增强方法,其特征在于:步骤D所述的选择不同的滤波器,不同的滤波器组合对图像增强效果有一定的影响,选择不同的滤波器作为NSCT中的非下采样金字塔分解滤波器及方向滤波器,并将其运用于图像增强处理,找出适合接触网图像增强的滤波器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410764912.6A CN104392421A (zh) | 2014-12-12 | 2014-12-12 | 一种基于nsct的接触网图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410764912.6A CN104392421A (zh) | 2014-12-12 | 2014-12-12 | 一种基于nsct的接触网图像增强方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104392421A true CN104392421A (zh) | 2015-03-04 |
Family
ID=52610319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410764912.6A Pending CN104392421A (zh) | 2014-12-12 | 2014-12-12 | 一种基于nsct的接触网图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104392421A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107705256A (zh) * | 2017-09-13 | 2018-02-16 | 西南交通大学 | 一种基于接触网语义的前向车载视频图像增强方法 |
CN109872289A (zh) * | 2019-02-19 | 2019-06-11 | 重庆邮电大学 | 基于改进的非下采样Contourlet变换的图像增强方法 |
CN110246106A (zh) * | 2019-06-22 | 2019-09-17 | 福州大学 | 基于量子和声搜索模糊集的nsst域浮选泡沫图像增强及去噪方法 |
CN110930339A (zh) * | 2019-12-05 | 2020-03-27 | 福州大学 | 基于nsct域的航空及遥感图像去雾方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030025838A1 (en) * | 2002-08-01 | 2003-02-06 | Samsung Electronics Co., Ltd. | Adaptive contrast enhancement method using time-varying nonlinear transforms on a video signal |
CN102129564A (zh) * | 2011-02-14 | 2011-07-20 | 西南交通大学 | 基于无人飞行器的接触网故障检测与诊断方法 |
-
2014
- 2014-12-12 CN CN201410764912.6A patent/CN104392421A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030025838A1 (en) * | 2002-08-01 | 2003-02-06 | Samsung Electronics Co., Ltd. | Adaptive contrast enhancement method using time-varying nonlinear transforms on a video signal |
CN102129564A (zh) * | 2011-02-14 | 2011-07-20 | 西南交通大学 | 基于无人飞行器的接触网故障检测与诊断方法 |
Non-Patent Citations (3)
Title |
---|
CHANG-QING LI等: "Magnified and enhanced computed virtual chromoendoscopy in gastric neoplasia: A feasibility study", 《WORLD JOURNAL OF GASTROENTEROLOGY》 * |
吴昌东: "基于非下采样contourlet变换的图像去噪方法", 《西华大学学报(自然科学版)》 * |
李绿森: "基于Contourlet变换的图像增强算法", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107705256A (zh) * | 2017-09-13 | 2018-02-16 | 西南交通大学 | 一种基于接触网语义的前向车载视频图像增强方法 |
CN107705256B (zh) * | 2017-09-13 | 2021-03-16 | 西南交通大学 | 一种基于接触网语义的前向车载视频图像增强方法 |
CN109872289A (zh) * | 2019-02-19 | 2019-06-11 | 重庆邮电大学 | 基于改进的非下采样Contourlet变换的图像增强方法 |
CN110246106A (zh) * | 2019-06-22 | 2019-09-17 | 福州大学 | 基于量子和声搜索模糊集的nsst域浮选泡沫图像增强及去噪方法 |
CN110246106B (zh) * | 2019-06-22 | 2021-09-28 | 福州大学 | 基于量子和声搜索模糊集的nsst域浮选泡沫图像增强及去噪方法 |
CN110930339A (zh) * | 2019-12-05 | 2020-03-27 | 福州大学 | 基于nsct域的航空及遥感图像去雾方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Subirats et al. | Automation of pavement surface crack detection using the continuous wavelet transform | |
CN103729842B (zh) | 基于局部统计特征与整体显著性分析的织物疵点检测方法 | |
CN103076338B (zh) | 高铁接触网棒式绝缘子不良状态检测的快速模糊匹配方法 | |
CN102636577B (zh) | 一种基于小波变换提取轮辋超声波探伤信号的方法 | |
CN103578091B (zh) | 一种基于拉普拉斯金字塔的红外偏振图像融合方法 | |
CN101482617B (zh) | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 | |
CN104392421A (zh) | 一种基于nsct的接触网图像增强方法 | |
US20090196486A1 (en) | Automatic Method and System for Visual Inspection of Railway Infrastructure | |
CN101404084A (zh) | 基于Wavelet和Curvelet变换的红外图像背景抑制方法 | |
CN102254314A (zh) | 基于压缩感知的可见光和红外图像融合方法 | |
CN104809734A (zh) | 一种基于引导滤波的红外图像与可见光图像融合的方法 | |
CN101303764A (zh) | 基于非下采样轮廓波的多传感器图像自适应融合方法 | |
CN104091151A (zh) | 基于Gabor特征提取和稀疏表示的车辆识别方法 | |
CN102288614B (zh) | 基于曲波域移动平行窗的受电弓裂纹故障检测方法 | |
Zheng et al. | Vehicle detection based on morphology from highway aerial images | |
CN107659314A (zh) | 分布式光纤传感时空二维信号的稀疏化表示及压缩方法 | |
CN107705256B (zh) | 一种基于接触网语义的前向车载视频图像增强方法 | |
CN100433795C (zh) | 基于变换域数学形态学的图像降噪方法 | |
CN103473559A (zh) | 基于nsct域合成核的sar图像变化检测方法 | |
CN104268833A (zh) | 基于平移不变剪切波变换的图像融合新方法 | |
Zhang et al. | Ground-penetrating radar railroad ballast inspection with an unsupervised algorithm to boost the region of interest detection efficiency | |
CN104102900A (zh) | 一种车辆识别系统 | |
CN109886908A (zh) | 红外图像与可见光图像融合方法 | |
CN110321855A (zh) | 一种雾天检测预警装置 | |
CN113627299A (zh) | 一种基于深度学习的导线漂浮物智能识别方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150304 |