CN106251308A - 一种憎水性图像光照不均匀的滤波算法 - Google Patents
一种憎水性图像光照不均匀的滤波算法 Download PDFInfo
- Publication number
- CN106251308A CN106251308A CN201610631262.7A CN201610631262A CN106251308A CN 106251308 A CN106251308 A CN 106251308A CN 201610631262 A CN201610631262 A CN 201610631262A CN 106251308 A CN106251308 A CN 106251308A
- Authority
- CN
- China
- Prior art keywords
- image
- hydrophobicity
- uneven
- spline
- background
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 14
- 238000005286 illumination Methods 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims 1
- 239000012212 insulator Substances 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
一种憎水性图像光照不均匀的滤波算法,该算法设定憎水性图像光照不均匀噪声模型为纯加性模型,即原图像减去光照部分噪声就可以得到补偿后图像,通过控制节点数,根据最小二乘准则,采用B样条插值函数不断逼近构建憎水性图像背景光照不均匀部分,直到光补偿效果达到应用要求为止。处理后憎水性图像滤波效果明显,憎水性图像光照部分能够有效的去除,处理后图像有利于后续憎水性图像处理与分析。
Description
技术领域
本发明涉及一种憎水性图像光照不均匀的滤波算法,属于高电压复合材料领域。
背景技术
在复合绝缘子憎水性图像的获取过程中,憎水性图像往往会受到光照等客观因素影响,引起憎水性图像亮度不均衡,进而会影响憎水性图像目标检测及分析。图像灰度值不仅仅是由光照函数(入射光)决定,而且还与反射函数有关。光照强度一般具有一致性,在空间上通常具有缓慢变化的性质,然而不同的材料或物体表面附有污秽等常引起反射率急剧变化,相应地图像的灰度值也随之改变。
实际情况中,获取光照强度分布函数非常困难,但如果根据一定准则应用相关曲面对光照部分最佳近似,则可以将原图像减去光照部分就可以得到补偿后图像,这将有利于复合绝缘子憎水性目标检测与分析。
发明内容
本发明的目的是提出一种憎水性图像光照不均匀的滤波算法,为供电部门开展复合绝缘子憎水性等级判定提供依据。
本发明的技术方案是,所述算法采用光照不均匀滤波算法得到补偿后憎水性图像。所述算法设定憎水性图像光照不均匀噪声模型为纯加性模型,即原图像减去光照部分噪声就可以得到补偿后图像,通过控制节点数,根据最小二乘准则,采用B样条插值函数不断逼近构建憎水性图像背景光照不均匀部分,直到光补偿效果达到应用要求为止。
本发明一种憎水性图像光照不均匀的滤波算法的步骤如下:
(1)确定B样条插值函数,给定(m+1)×(n+1)个点di,j的阵列(i=0,1,2..m,j=0,1,2…n),参数u和v的节点矢量U=(u0≤u1…um+k+1),V=(v0≤v1…vm+k+1);则张量积形式的参数为k×h阶的B样条曲面为如下公式:
其中(m+1)×(n+1)个di,j为控制顶点,Bi,k(u)、Bj,h(v)分别为关于节点向量U、V的k阶和h阶的B样条基函数;
(2)控制顶点的数量可以调节曲面的光滑度及灵活度,假如背景变化较大,则控制顶点数要相应增加;
(3)背景初始化置零,在初次迭代中,光照补偿效果并不十分理想,接着下一次迭代,如果B样条曲面与背景最小方差小于某一阈值或迭代次数超过设定值,终止迭代;
(4)如果B样条曲面与背景最小方差大于某一阈值或迭代次数未超过设定值,将B样条曲面赋予背景,设定补偿图像中所有大于补偿图像均差与某个常数之积的像素认为是前景且被标识,在下一次迭代中,B样条曲面设计只考虑没有被标识为前景的像素;一般经过在4-10迭代后,收敛非常快速且补偿效果可达到应用要求。
本发明的有益效果是,采用本发明后,对憎水性图像滤波效果明显,憎水性图像光照部分能够有效的去除;处理后的憎水性图像有利于复合绝缘子憎水性目标检测与分析。本发明方法适用于高电压运维检修。
附图说明
图1为憎水性图像光照不均匀的滤波算法流程图;
图2(1)为憎水性图像原图;
图2(2)为憎水性图像背景部分图;
图2(3)为憎水性图像补偿后图像。
具体实施方式
憎水性图像光照不均匀的滤波算法流程如图1所示。
本实施例憎水性图像光照不均匀的滤波算法的具体实施方式如下:
(1)确定B样条插值函数,给定(m+1)×(n+1)个点di,j的阵列(i=0,1,2..m,j=0,1,2…n),参数u和v的节点矢量U=(u0≤u1…um+k+1),V=(v0≤v1…vm+k+1)。则张量积形式的参数为k×h阶的B样条曲面为如下公式:
其中(m+1)×(n+1)个di,j为控制顶点,Bi,k(u)、Bj,h(v)分别为关于节点向量U、V的k阶和h阶的B样条基函数。
(2)控制顶点的数量可以调节曲面的光滑度及灵活度,假如背景变化较大,则控制顶点数要相应增加。
(3)背景初始化置零,在初次迭代中,光照补偿效果并不十分理想,接着下一次迭代,如果B样条曲面与背景最小方差小于某一阈值或迭代次数超过设定值,终止迭代。
(4)如果B样条曲面与背景最小方差大于某一阈值或迭代次数未超过设定值,将B样条曲面赋予背景,设定补偿图像中所有大于补偿图像均差与某个常数之积的像素认为是前景且被标识,在下一次迭代中,B样条曲面设计只考虑没有被标识为前景的像素。一般经过在4-10迭代后,收敛非常快速且补偿效果可达到应用要求。
本实施例憎水性图像原图如图2(1)所示,憎水性图像背景部分如图2(2)所示,憎水性图像补偿后图像如图2(3)所示。
Claims (2)
1.一种憎水性图像光照不均匀的滤波算法,其特征在于,所述算法采用光照不均匀滤波算法得到补偿后憎水性图像;
所述算法设定憎水性图像光照不均匀噪声模型为纯加性模型,即原图像减去光照部分噪声就可以得到补偿后图像,通过控制节点数,根据最小二乘准则,采用B样条插值函数不断逼近构建憎水性图像背景光照不均匀部分,直到光补偿效果达到应用要求为止。
2.根据权利要求1所述的一种憎水性图像光照不均匀的滤波算法,其特征在于,所述算法的步骤如下:
(1)确定B样条插值函数,给定(m+1)×(n+1)个点di,j的阵列(i=0,1,2..m,j=0,1,2…n),参数u和v的节点矢量U=(u0≤u1…um+k+1),V=(v0≤v1…vm+k+1);则张量积形式的参数为k×h阶的B样条曲面为如下公式:
其中(m+1)×(n+1)个di,j为控制顶点,Bi,k(u)、Bj,h(v)分别为关于节点向量U、V的k阶和h阶的B样条基函数;
(2)控制顶点的数量可以调节曲面的光滑度及灵活度,假如背景变化较大,则控制顶点数要相应增加;
(3)背景初始化置零,在初次迭代中,光照补偿效果并不十分理想,接着下一次迭代,如果B样条曲面与背景最小方差小于某一阈值或迭代次数超过设定值,终止迭代;
(4)如果B样条曲面与背景最小方差大于某一阈值或迭代次数未超过设定值,将B样条曲面赋予背景,设定补偿图像中所有大于补偿图像均差与某个常数之积的像素认为是前景且被标识,在下一次迭代中,B样条曲面设计只考虑没有被标识为前景的像素;一般经过在4-10迭代后,收敛非常快速且补偿效果可达到应用要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610631262.7A CN106251308A (zh) | 2016-08-04 | 2016-08-04 | 一种憎水性图像光照不均匀的滤波算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610631262.7A CN106251308A (zh) | 2016-08-04 | 2016-08-04 | 一种憎水性图像光照不均匀的滤波算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106251308A true CN106251308A (zh) | 2016-12-21 |
Family
ID=58077568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610631262.7A Pending CN106251308A (zh) | 2016-08-04 | 2016-08-04 | 一种憎水性图像光照不均匀的滤波算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106251308A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012037A (zh) * | 2021-03-11 | 2021-06-22 | 桂林电子科技大学 | 一种用于水下图像复原的深度学习训练数据集合成方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102980838A (zh) * | 2012-12-19 | 2013-03-20 | 航天科工深圳(集团)有限公司 | 一种绝缘子憎水性检测方法 |
-
2016
- 2016-08-04 CN CN201610631262.7A patent/CN106251308A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102980838A (zh) * | 2012-12-19 | 2013-03-20 | 航天科工深圳(集团)有限公司 | 一种绝缘子憎水性检测方法 |
Non-Patent Citations (1)
Title |
---|
周 力等: "基于轮廓小波的图像信号去噪算法研究", 《世界科技研究与发展》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012037A (zh) * | 2021-03-11 | 2021-06-22 | 桂林电子科技大学 | 一种用于水下图像复原的深度学习训练数据集合成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101923718B (zh) | 基于粒子滤波和光流矢量的视频目标跟踪方法的优化方法 | |
CN104008528B (zh) | 基于阈值分割的非均匀光场水下目标探测图像增强方法 | |
Zhu et al. | Efficient model-driven network for shadow removal | |
CN108564549A (zh) | 一种基于多尺度稠密连接网络的图像去雾方法 | |
CN104240194A (zh) | 一种基于抛物线函数的低照度图像增强算法 | |
CN104182947A (zh) | 一种低照度图像增强方法和系统 | |
CN105243670A (zh) | 一种稀疏和低秩联合表达的视频前景对象精准提取方法 | |
CN106846261A (zh) | 基于卷积神经网络的水下图像处理方法 | |
CN107491833A (zh) | 一种光伏发电功率预测的方法和装置 | |
CN103927727A (zh) | 一种标量图像转化为矢量图的方法 | |
CN104021531A (zh) | 一种改进的基于单尺度Retinex的暗环境图像的增强方法 | |
CN105023245A (zh) | 强度和梯度稀疏约束下的图像平滑方法 | |
CN104732475A (zh) | 一种基于手动涂抹的图像融合方法和系统 | |
CN109345609B (zh) | 基于卷积神经网络进行壁画图像去噪和线描画生成的方法 | |
CN106251308A (zh) | 一种憎水性图像光照不均匀的滤波算法 | |
CN104821003A (zh) | 一种ct图像重建方法 | |
CN109003238A (zh) | 一种基于模型与直方图及灰度增强的图像雾霾去除方法 | |
CN106023097A (zh) | 一种基于迭代法的流场图像预处理算法 | |
CN103037168A (zh) | 基于复合型PCNN的平稳Surfacelet域多聚焦图像融合方法 | |
CN106296626B (zh) | 一种基于梯度融合的夜间视频增强方法 | |
Lu | Transformer-based neural texture synthesis and style transfer | |
CN110189264A (zh) | 图像处理方法 | |
Chen et al. | Illumination adjustment for bridge coating images using BEMD-Morphology Approach (BMA) | |
Shi | Intelligent color correction method of logo pattern in visual communication design | |
CN104252695A (zh) | 一种红外图像的自适应拉伸方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161221 |
|
WD01 | Invention patent application deemed withdrawn after publication |