CN115345802A - 一种机电设备运行状态远程监控方法 - Google Patents

一种机电设备运行状态远程监控方法 Download PDF

Info

Publication number
CN115345802A
CN115345802A CN202211270820.3A CN202211270820A CN115345802A CN 115345802 A CN115345802 A CN 115345802A CN 202211270820 A CN202211270820 A CN 202211270820A CN 115345802 A CN115345802 A CN 115345802A
Authority
CN
China
Prior art keywords
image
block
enhancement
gray
block image
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.)
Granted
Application number
CN202211270820.3A
Other languages
English (en)
Other versions
CN115345802B (zh
Inventor
周皓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Maichuang Information Tech Co Ltd
Original Assignee
Suzhou Maichuang Information Tech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou Maichuang Information Tech Co Ltd filed Critical Suzhou Maichuang Information Tech Co Ltd
Priority to CN202211270820.3A priority Critical patent/CN115345802B/zh
Publication of CN115345802A publication Critical patent/CN115345802A/zh
Application granted granted Critical
Publication of CN115345802B publication Critical patent/CN115345802B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/73Deblurring; Sharpening
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/40Image enhancement or restoration using histogram techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/90Dynamic range modification of images or parts thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10048Infrared image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20021Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像处理领域,具体涉及一种机电设备运行状态远程监控方法,获取运行中的机电设备的红外图像的灰度图像,根据灰度图的信息熵将灰度图像划分为多个分块图像,计算每个分块图像在亮度上、灰度级数量上、清晰度上适合锐化增强的概率和适合均衡化增强的概率、得到每个分块图像中像素点灰度值的锐化增强权重和均衡化增强权重;获取每个分块图像的锐化增强图像和均衡化增强图像,并根据锐化增强权重和均衡化增强权重对每个分块图像原图中的像素点灰度值进行修正增强,得到修正增强后的红外图像;根据该图像对机电设备运行状态进行远程监控,方法图像增强效果好,提升了机电设备运行状态的监控图像识别精度。

Description

一种机电设备运行状态远程监控方法
技术领域
本申请涉及图像处理领域,具体涉及一种机电设备运行状态远程监控方法。
背景技术
机电设备一般指机械、电器及电气自动化设备,机电设备在运行过程中常见的故障问题大多数为线路接触不良、绝缘皮老化或者磁路故障等,其均以发热升温的形式表现出来,并且许多类型的机电设备处于全天候运行状态,因此可使用具有温度测量响应快、非接触式测量、测量范围宽和测温分辨率高等特点的红外热成像技术对机电设备运行状态进行远程监控,并且该技术不随周围光照变化和电磁场的影响,所以可以全天候的提供运行中的机电设备红外视频图像数据,这样能够及时诊断并分析出机电设备的运行故障,避免不必要的安全事故发生。
但是红外热图像普遍存在空间相关性强、对比度低、信噪比低、边缘易模糊等问题,影响机电设备运行状态的识别,因此需要先对红外热图像进行增强处理,提高设备运行监控图像的识别度,传统的图像增强方式存在以下问题:会减小图像像素灰度级个数,令图像信息熵下降,造成图像细节丢失,如直方图均衡化增强图像的方法;不能调节图像局部区域的亮度,对图像中过亮或者过暗的区域增强效果较差,如锐化增强图像的方法;这两种方法中任何一种都无法达到既不丢失图像细节,又能调节局部区域亮度的图像增强效果,这两种方法增强后的图像会影响机电设备运行状态的准确识别。
发明内容
针对现有技术中,直方图均衡化算法会减小图像像素灰度级个数,令图像信息熵下降,造成图像细节丢失;锐化增强算法不能调节图像局部区域的亮度,对图像中过亮或者过暗的区域增强效果较差,影响机电设备运行状态的准确识别的问题,本发明提供一种机电设备运行状态远程监控方法:
获取运行中的机电设备的红外图像的灰度图像;
根据灰度图的信息熵将灰度图像划分为多个分块图像;
利用每个分块图像的灰度级均值,和灰度图像中像素点的灰度级中值,计算每个分块图像在亮度上适合进行锐化增强的概率和适合均衡化增强的概率;
利用每个分块图像的灰度级个数,和灰度级的方差,计算每个分块图像在灰度级数量上适合锐化增强的概率和适合均衡化增强的概率;
利用每个分块图像中每个像素点与其邻域像素点的灰度差值,计算每个分块图像在清晰度上适合锐化增强的概率和适合均衡化增强的概率;
根据每个分块图像在亮度上、灰度级数量上、清晰度上适合锐化增强的概率和适合均衡化增强的概率,得到每个分块图像中像素点灰度值的锐化增强权重和均衡化增强权重;
获取每个分块图像的锐化增强图像和均衡化增强图像,并根据锐化增强权重和均衡化增强权重对每个分块图像原图中的像素点灰度值进行修正增强,得到修正增强后的红外图像;
将修正增强后的红外图像发送至监控室,对机电设备运行状态进行识别。
所述根据灰度图的信息熵将灰度图像划分为多个分块图像的方法为:
对灰度图像进行滤波去噪;
将灰度图像均分为多个分块;
若每个分块进一步均分后得到的子分块图像的信息熵的均值,小于每个分块的信息熵,则对该分块进行进一步均分;否则,该分块不进行进一步均分;
不断重复,将灰度图像划分为多个分块图像。
所述利用每个分块图像的灰度级均值,和灰度图像中像素点的灰度级中值,计算每个分块图像在亮度上适合进行锐化增强的概率和适合均衡化增强的概率的计算方法为:
获取整个灰度图像的灰度级的中值;
计算每个分块图像中像素点的灰度级均值;
计算每个分块图像中像素点的灰度级均值和整个灰度图像的灰度级的中值的差值;
获取该差值和整个灰度图像的灰度级的中值的比值,将该比值作为该分块图像在亮度上适合均衡化增强的概率;
将1减去该比值得到的差值,作为该分块图像在亮度上符合锐化增强的概率。
所述利用每个分块图像的灰度级个数,和灰度级的方差,计算每个分块图像在灰度级数量上适合锐化增强的概率和适合均衡化增强的概率的计算方法为:
将每个分块图像的灰度级个数和该分块图像中灰度级的方差的乘积,作为每个分块图像在灰度级数量上符合锐化增强的概率,则适合均衡化增强的概率为1减去符合锐化增强的概率的到的值。
所述利用每个分块图像中每个像素点与其邻域像素点的灰度差值,计算每个分块图像在清晰度上适合锐化增强的概率和适合均衡化增强的概率的计算方法为:
获取每个分块图像中每个像素点的灰度值和其每个邻域像素点的灰度值的差值的平均值;
将平均值与最大平均值的比值作为每个分块图像在清晰程度上符合锐化增强的概率。
所述根据每个分块图像在亮度上、灰度级数量上、清晰度上适合锐化增强的概率和适合均衡化增强的概率,得到每个分块图像中像素点灰度值的锐化增强权重和均衡化增强权重的方法为:
将每个分块图像在亮度上、灰度级数量上、清晰度上适合锐化增强的概率的均值作为该分块图像中像素点灰度值的锐化增强权重,将1减去锐化增强权重得到的值,作为均衡化增强权重。
所述每个分块图像中像素点灰度值的锐化增强权重和均衡化增强权重,需要进行权重平滑操作,方法为:
每个分块图像中像素点灰度值的锐化增强权重利用如下公式进行权重平滑操作:
Figure 702419DEST_PATH_IMAGE001
式中,
Figure 557243DEST_PATH_IMAGE002
为第i个分块图像中每个像素点灰度值的锐化增强权重,
Figure 540242DEST_PATH_IMAGE003
为第i个分块图像的相邻分块图像,
Figure 122402DEST_PATH_IMAGE004
为第i个分块图像的邻域图像块的总数,
Figure 140037DEST_PATH_IMAGE005
为第i个分块图像的八邻域分块中,第y个分块图像每个像素点灰度值的锐化增强权重,
Figure 149450DEST_PATH_IMAGE006
为第i个分块图像块的面积,
Figure 619746DEST_PATH_IMAGE007
为第i个分块图像的八邻域分块中,第y个分块图像块的面积,
Figure 11456DEST_PATH_IMAGE008
Figure 618018DEST_PATH_IMAGE002
进行权值平滑后的权重;
每个分块图像中像素点灰度值的均衡化增强权重的平滑操作与锐化增强权重的平滑操作一致。
所述根据锐化增强权重和均衡化增强权重对每个分块图像原图中的像素点灰度值进行修正增强,得到修正增强后的红外图像的方法为:
Figure DEST_PATH_IMAGE009
式中,
Figure 736015DEST_PATH_IMAGE010
为每个分块中像素点的灰度值x修正后的灰度值,
Figure 942875DEST_PATH_IMAGE011
为该像素点灰度值在锐化增强图中的灰度值,
Figure 351990DEST_PATH_IMAGE012
为第j个分块中像素点的灰度值的锐化增强权重,
Figure 327906DEST_PATH_IMAGE013
为第j个分块中像素点的灰度值的均衡化增强权重,
Figure 695433DEST_PATH_IMAGE014
为该像素点灰度值在直方图均衡化增强后的图像中的灰度值。
所述将修正增强后的红外图像发送至监控室,对机电设备运行状态进行识别的方法为:
获取设备运行时的最高温度对应的灰度值;
当增强后的红外图像中存在像素点的灰度值突变为最高温度对应的灰度值时,机电设备运行异常,及时进行维修。
本发明的有益效果是:
(1)获取运行中的机电设备的红外图像的灰度图像;根据灰度图的信息熵将灰度图像划分为多个分块图像;该方法减少了直方图均衡化对图像信息熵的影响;
(2)计算每个分块图像的在亮度上、灰度级数量上、清晰度上符合锐化增强和均衡化增强的概率,得到每计算每个分块图像中每个像素点灰度值的锐化增强权重和均衡化增强权重;该方法简单、准确的反映出锐化增强对分块图像的增强效果;
(3)利用每个分块中每个像素点的灰度值的锐化增强权重和直方图均衡化增强权重对每个像素点灰度值进行变化增强,得到增强后的红外图像;根据增强后的红外图像对机电设备运行状态进行远程监控;该方法结合这两种图像增强算法实现图像细节信息丰富的同时,令图像中过亮或者过暗的区域中的细节也得到合理的增强,提高了图像增强效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一种机电设备运行状态远程监控方法的流程图;
图2是本发明的一种机电设备运行状态远程监控方法中的机电设备的红外图像示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的一种机电设备运行状态远程监控方法的实施例,如图1所示,包括:
步骤一:获取运行中的机电设备的红外图像的灰度图像;根据灰度图的信息熵将灰度图像划分为多个分块图像;
该步骤的目的是,获取到运行中的机电设备的红外图像并进行预处理,得到灰度图像并进行分块。
首先在机电设备附近定点安置红外热成像仪,利用移动通信基站将红外热像仪采集到的运行中的机电设备红外图像数据实时的远程传输至计算机上,这样能够及时的通过人眼观察或者机器视觉识别诊断并分析机电设备运行中是否出现故障,进而及时对机电设备进行处理,避免不必要的安全事故发生,提高检测效率,使机电设备运行的安全性得到有力的保障。运行中的机电设备红外图像如图2所示。
其中,根据灰度图的信息熵将灰度图像划分为多个分块图像的方法为:
(1)对灰度图像进行滤波去噪,将运行中的机电设备红外图像进行灰度化操作,再利用自适应中值滤波进行去噪处理;
(2)将灰度图像均分为多个分块;若每个分块进一步均分后得到的子分块图像的信息熵的均值,小于每个分块的信息熵,则对该分块进行进一步均分;否则,该分块不进行进一步均分;不断重复,将灰度图像划分为多个分块图像,具体如下:
先将图像均分为四块,分别计算这四块分块图像内像素灰度的熵值,以一块分块图像为例,其信息熵为
Figure 140321DEST_PATH_IMAGE015
,再将其均分为四块,分别计算这四块新分块图像的信息熵为
Figure 664712DEST_PATH_IMAGE016
Figure 619767DEST_PATH_IMAGE017
Figure 158196DEST_PATH_IMAGE018
Figure 91646DEST_PATH_IMAGE019
,信息熵表示图像的复杂度,若
Figure 373723DEST_PATH_IMAGE020
,则表示分成新块后该分块图像块的像素灰度的混乱程度变小了,因此可以进行分块。若
Figure 58651DEST_PATH_IMAGE021
,则表示分成新块后该分块图像块的像素灰度的混乱程度变大了,分块后的图像更为复杂,故不需要进行分块。由此判段该分块图像块是否需要分块,若需要,则对获取的新分块图像块继续进行判断是否需要再分块,直至判断为不需要分块,且最大迭代次数为10。
同理完成图像的分块处理,获得n个分块图像块,此时获得的各分块图像块处于信息熵最小的状态,故直方图均衡化算法对各分块图像的信息熵的影响较小。
本步骤的目的是,先根据图像熵对图像进行分块处理,减少直方图均衡化算法造成的图像信息熵减小(在步骤五中会获取分块图像的直方图均衡化增强后的图像),然后根据各图像块的亮度信息、细节数量和细节清晰度计算直方图均衡化和Laplace锐化增强算法对图像增强效果的贡献,实现各图像块的两种图像增强算法自适应加权融合的图像增强,实现机电设备运行状态的远程监控。
需要说明的是,本发明中的锐化增强指的是Laplace锐化增强算法(拉普拉斯锐化增强),均衡化增强指的是直方图均衡化增强算法;
已知直方图均衡化算法通常用来增加图像的全局对比度,其对图像中过亮或者过暗的区域增强效果明显,但会造成图像灰度级个数减少、信息熵下降、局部细节缺失。而Laplace锐化增强算法会增强图像细节,但不能调节图像局部区域的亮度,故对图像中过亮或者过暗的区域增强效果较差。故本发明结合这两种图像增强算法实现图像细节信息丰富的同时,令图像中过亮或者过暗的区域中的细节也得到合理的增强。
由于图像各区域内的像素灰度特征不同,故这两种算法对各区域的增强效果不同,若直接进行全局增强,会导致增强效果不理想。因此需要先对图像进行分块处理,根据各图像内的像素灰度特征,对这两种算法赋予不同的权重,以增强算法的适应性。
因为图像信息熵是图像“繁忙”程度的估计值,熵值越大,图像越清晰,而直方图均衡化算法会造成图像信息熵下降,因此根据图像信息熵对图像进行分块处理,减少直方图均衡化算法对图像信息熵的影响,直方图均衡化算法对图像增强后熵值的减少,只受图像熵的变化,因此将熵值较大的原始图像分块为熵值较小的分块图像,利用直方图均衡化算法处理分块图像时,分块图像的熵值减小较少。
步骤二:利用每个分块图像的灰度级均值,和灰度图像中像素点的灰度级中值,计算每个分块图像在亮度上适合进行锐化增强的概率和适合均衡化增强的概率;利用每个分块图像的灰度级个数,和灰度级的方差,计算每个分块图像在灰度级数量上适合锐化增强的概率和适合均衡化增强的概率;利用每个分块图像中每个像素点与其邻域像素点的灰度差值,计算每个分块图像在清晰度上适合锐化增强的概率和适合均衡化增强的概率;
该步骤是对每个分块图像的特征进行分析得到每个分块图像的亮度、细节、清晰度特征。
其中,利用每个分块图像的灰度级均值,和灰度图像中像素点的灰度级中值,计算每个分块图像在亮度上适合进行锐化增强的概率和适合均衡化增强的概率的方法为:
(1)获取整个灰度图像的灰度级的中值;首先将整个图像的像素灰度级从小至大排列,取其中值为B;
(2)计算每个分块图像中像素点的灰度级均值;再计算各分块图像块的像素灰度均值,获得集合
Figure 502402DEST_PATH_IMAGE022
,其中n为分块图像块数量;
(3)计算每个分块图像中像素点的灰度级均值和整个灰度图像的灰度级的中值的差值
Figure 374412DEST_PATH_IMAGE023
(4)获取该差值和整个灰度图像的灰度级的中值的比值
Figure 194601DEST_PATH_IMAGE024
,将该比值作为该分块图像在亮度上适合均衡化增强的概率;
(5)将1减去该比值得到的差值,作为该分块图像在亮度上符合锐化增强的概率;
故各分块图像块在图像亮度上符合Laplace锐化增强算法增强的概率
Figure 734035DEST_PATH_IMAGE025
为:
Figure 597955DEST_PATH_IMAGE026
公式中,若
Figure 973573DEST_PATH_IMAGE024
大于1时,则令
Figure 581140DEST_PATH_IMAGE024
为1,B为原始图像的像素灰度级的中值,
Figure DEST_PATH_IMAGE027
为第i个分块图像的灰度均值,当
Figure 381606DEST_PATH_IMAGE023
的值较小时,说明分块图像的亮度适中,其有利于Laplace锐化增强算法的增强,故概率
Figure 432739DEST_PATH_IMAGE025
较大,当
Figure 409834DEST_PATH_IMAGE023
的值较大时,说明分块图像的亮度较亮或者较暗,其有利于直方图均衡化算法的增强,故概率
Figure 70360DEST_PATH_IMAGE025
较小,由此获得各分块图像块在图像亮度上符合Laplace锐化增强算法增强的概率集合
Figure 335119DEST_PATH_IMAGE028
因为,直方图均衡化算法对图像中过亮或者过暗的区域增强效果明显,而Laplace锐化增强算法对图像中过亮或者过暗的区域增强效果较差,因此可根据各自图像的像素灰度均值,来判断其亮度变化。
其中,利用每个分块图像的灰度级个数,和灰度级的方差,计算每个分块图像在灰度级数量上适合锐化增强的概率和适合均衡化增强的概率的方法为:
将每个分块图像的灰度级个数和该分块图像中灰度级的方差的乘积,作为每个分块图像在灰度级数量上符合锐化增强的概率。
具体如下:
因为直方图均衡化算法会造成图像灰度级个数减少、局部细节缺失。而Laplace锐化增强算法会在增强图像细节。
因此统计各分块图像块的像素灰度级个数,获得集合
Figure 399896DEST_PATH_IMAGE029
,其中n为分块图像块数量,分块图像内的灰度级个数越多,说明该分块图像内的细节越多;
再计算各分块图像块的像素灰度级的方差V,获得集合
Figure 796111DEST_PATH_IMAGE030
,方差V表示了各分块图像块内各灰度级的离散程度,方差V值越小,说明分块图像块内各灰度级的分别越集中,图像越模糊;
故各分块图像块在图像灰度级个数和分别上符合Laplace锐化增强算法增强的概率
Figure 761793DEST_PATH_IMAGE031
为:
Figure 390047DEST_PATH_IMAGE032
其中,
Figure 517403DEST_PATH_IMAGE033
表示第i个分块图像内的像素灰度级个数,
Figure 604176DEST_PATH_IMAGE033
的值越大,图像内的细节越多,
Figure 373549DEST_PATH_IMAGE034
表示第i个分块图像内灰度级的方差,
Figure 878480DEST_PATH_IMAGE034
的值越大,各灰度级分布越广泛,图像越清晰,故
Figure 426005DEST_PATH_IMAGE031
越大,分块图像内的细节越多,图像越清晰,Laplace锐化增强算法增强的效果越好;
则每个分块图像在灰度级数量上符合均衡化增强的概率为1-
Figure 734495DEST_PATH_IMAGE031
由此获得各分块图像块在图像灰度级个数和分布上符合Laplace锐化增强算法增强的概率集合
Figure 41980DEST_PATH_IMAGE035
,然后对集合
Figure 135837DEST_PATH_IMAGE031
进行归一化操作,获得集合
Figure 572373DEST_PATH_IMAGE036
其中,利用每个分块图像中每个像素点与其邻域像素点的灰度差值,计算每个分块图像在清晰度上适合锐化增强的概率和适合均衡化增强的概率的方法为:
本方案使用四方向模板的Laplace锐化增强算法,当四邻域内像素灰度相同时,模板运算结果为0;当中心像素的灰度高于四邻域内其他像素的平均灰度时,模板运算为正数。当中心像素的灰度低于四邻域内其他像素的平均灰度时,模板运算为负数,而锐化处理结果为用模板值加在原中心像素灰度值上。
因此当像素点与其四邻域内其他像素点的灰度差异越大,Laplace锐化效果越好,图像的细节清晰程度越高,因此根据邻域灰度差异表征清晰度,取第j分块图像为例,计算该分块图像内的像素点与其四邻域内其他像素点的灰度差异均值
Figure 498653DEST_PATH_IMAGE037
为:
Figure 609828DEST_PATH_IMAGE039
其中,e表该分块图像内的像素点数量,
Figure 541881DEST_PATH_IMAGE040
表示该分块图像内第x个像素点的灰度值,
Figure DEST_PATH_IMAGE041
表示第x个像素点的四邻域内第
Figure 634471DEST_PATH_IMAGE042
个非中心像素点,t表示四邻域内非中心像素点的数量,其非中心像素点只为该分块图像的像素点。故
Figure 933865DEST_PATH_IMAGE037
值越大,该分块图像使用Laplace锐化的效果越好。
同理计算所有分块图像的灰度差异均值,获得集合
Figure 35682DEST_PATH_IMAGE043
,其中n为分块图像块数量,取集合中的最大值
Figure 353400DEST_PATH_IMAGE044
故各分块图像块在清晰度上(图像像素点的四邻域灰度差异上)符合Laplace锐化增强算法增强的概率
Figure 429940DEST_PATH_IMAGE045
为:
Figure 216631DEST_PATH_IMAGE046
其中,
Figure 918876DEST_PATH_IMAGE047
表示第i个分块图像内的像素点的四邻域灰度差异均值,
Figure 841833DEST_PATH_IMAGE044
表示各分块图像中的最大四邻域灰度差异均值,故
Figure 604121DEST_PATH_IMAGE045
越大,Laplace锐化增强算法增强的效果越好;
则每个分块图像在灰度级数量上符合均衡化增强的概率为1-
Figure 612529DEST_PATH_IMAGE045
由此获得各分块图像块在清晰度上符合Laplace锐化增强算法增强的概率集合
Figure 852886DEST_PATH_IMAGE048
步骤三:根据每个分块图像在亮度上、灰度级数量上、清晰度上适合锐化增强的概率和适合均衡化增强的概率,得到每个分块图像中像素点灰度值的锐化增强权重和均衡化增强权重;
该步骤的目的是,获取到每个像素点灰度值的锐化增强权重和直方图均衡化增强权重。
其中,根据每个分块图像在亮度上、灰度级数量上、清晰度上适合锐化增强的概率和适合均衡化增强的概率,得到每个分块图像中像素点灰度值的锐化增强权重和均衡化增强权重的方法为:
将每个分块图像在亮度上、灰度级数量上、清晰度上适合锐化增强的概率的均值作为该分块图像中像素点灰度值的锐化增强权重,将1减去锐化增强权重得到的值,作为均衡化增强权重;
具体如下:
至此可获得各分块图像进行增强时,Laplace锐化增强算法增强后各像素点灰度值的权值
Figure 630349DEST_PATH_IMAGE002
为:
Figure 49959DEST_PATH_IMAGE050
其中
Figure 545662DEST_PATH_IMAGE025
表示分块图像块的在亮度上符合Laplace锐化增强算法增强的概率,
Figure 855289DEST_PATH_IMAGE036
表示分块图像块的在细节数量和分布上符合Laplace锐化增强算法增强的概率集合的归一化集合,
Figure 690521DEST_PATH_IMAGE045
表示分块图像块的在细节清晰度上符合Laplace锐化增强算法增强的概率。其由于
Figure 263454DEST_PATH_IMAGE025
Figure 512033DEST_PATH_IMAGE036
Figure 94193DEST_PATH_IMAGE045
的取值区间都在[0,1]内,故各分块图像进行增强时,直方图均衡化算法增强后各像素点灰度值的权值为
Figure 846248DEST_PATH_IMAGE051
进一步的,由此获得各分块图像经过Laplace锐化增强算法增强后各像素点灰度值的权值集合
Figure 121240DEST_PATH_IMAGE052
。已知Laplace锐化增强算法会增强图像内的边缘,因此当相邻图像块的权值
Figure 591536DEST_PATH_IMAGE002
差异较大时,易造成相邻图像块内同一边缘上的像素灰度差异较大,使各块之间的出现明显的分裂感,因此需要对各相邻图像块进行权值平滑操作,具体如下:
由于步骤一中的图像分块方式会造成各图像块的面积大小不一,但其面积都存在整数比的关系,因此同一面积的相邻图像块之间的权值差异应较小,故使用均值平滑权值时,应根据面积进行加权操作。故各权值平滑后的分块图像块经过Laplace锐化增强算法增强后各像素点灰度值的权值
Figure 242966DEST_PATH_IMAGE008
为:
Figure 849528DEST_PATH_IMAGE054
其中,
Figure 311733DEST_PATH_IMAGE002
表示第i个分块图像块经过Laplace锐化增强算法增强后各像素点灰度值的权值,
Figure 253013DEST_PATH_IMAGE006
表示第i个分块图像块的面积,
Figure 193288DEST_PATH_IMAGE005
表示第i个分块图像块的八邻域中第y个图像块经过Laplace锐化增强算法增强后各像素点灰度值的权值。
Figure 903624DEST_PATH_IMAGE007
表示第i个分块图像块的八邻域中第y个图像块的面积,
Figure 536730DEST_PATH_IMAGE004
表示第i个分块图像块八邻域图像块的数量;
Figure 716039DEST_PATH_IMAGE056
表示八邻域图像块与中心图像块的面积差异越大,说明该八邻域图像块与中心图像块的影响越小,则该公式值越小。由此获得各权值平滑后的分块图像块经过Laplace锐化增强算法增强后各像素点灰度值的权值集合
Figure 449552DEST_PATH_IMAGE057
步骤四:获取每个分块图像的锐化增强图像和均衡化增强图像,并根据锐化增强权重和均衡化增强权重对每个分块图像原图中的像素点灰度值进行修正增强,得到修正增强后的红外图像;
该步骤的目的是,利用锐化增强权重和直方图均衡化增强权重对每个分块中每个像素点的灰度值的进行修正。
其中,获取每个分块图像的锐化增强图像和均衡化增强图像,并根据锐化增强权重和均衡化增强权重对每个分块图像原图中的像素点灰度值进行修正增强,得到修正增强后的红外图像的方法为:
获取每个分块图像的Laplace锐化增强后的图像和直方图均衡化增强后的图像;
以第j个分块图像为例,本方案的图像增强后该分块图像内的像素点的灰度值
Figure 296285DEST_PATH_IMAGE010
为:
Figure 552823DEST_PATH_IMAGE058
其中e表示该分块图像内的像素点数量,
Figure 219427DEST_PATH_IMAGE011
表示该分块图像在Laplace锐化增强后的图像中第x个像素点的灰度值,
Figure 485193DEST_PATH_IMAGE059
表示该分块图像对应的Laplace锐化增强算法权值,
Figure 186432DEST_PATH_IMAGE014
表示该分块图像经直方图均衡化后的第x个像素点的灰度值,
Figure 879451DEST_PATH_IMAGE060
表示该分块图像对应的直方图均衡化算法权值,同理对其他分块图像进行增强,完成采集的运行中的机电设备红外图像的增强;
本方法是获取一个分块图像的锐化增强后的图像和直方图均衡化增强后的图像,获取该分块图像中每个像素点在锐化增强图像中的灰度值,和在直方图均衡化增强后的图像中的灰度值,然后将锐化增强权重和均衡化增强权重分配给,锐化增强图像中的灰度值和直方图均衡化增强后的图像中的灰度值,再将二者灰度值求和,作为该分块图像中像素点的灰度值,完成图像修正增强;
需要说明的是,因为红外图像中每个像素点对应的一个温度值,灰度图中一个像素点对应一个灰度值,将红外图像灰度化处理后,可以通过像素点灰度值表征温度值,即红外图和灰度图,像素点的温度值和灰度值是一一对应的,因此本发明通过增强灰度图像,并根据灰度图像中的灰度变化来监控机电设备状态。
步骤五:将修正增强后的红外图像发送至监控室,对机电设备运行状态进行识别。
该步骤的目的是根据增强后的红外图像对机电设备运行状态进行远程监控,及时处理异常。
具体方法为:远程监控端将获取到的增强后的红外图像,发送至监控室,监控室人员根据增强后的红外图像进行分析,当增强后的红外图像中发生颜色突变时,机电设备运行异常,及时进行维修,可根据机电设备承受最高温度设定温度阈值,得到该温度阈值对应的灰度值,当灰度图像中灰度值超出温度阈值对应的灰度值时,说明设备运行状态异常,及时进行维修。
本发明利用计算机视觉技术处理运行中的机电设备红外图像,然后根据图像熵对红外图像进行分块处理,进而根据各图像块的亮度信息、细节数量和细节清晰度进行精准增强,实现机电设备运行状态的远程监控。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (9)

1.一种机电设备运行状态远程监控方法,其特征在于,该方法包括:
获取运行中的机电设备的红外图像的灰度图像;
根据灰度图的信息熵将灰度图像划分为多个分块图像;
利用每个分块图像的灰度级均值,和灰度图像中像素点的灰度级中值,计算每个分块图像在亮度上适合进行锐化增强的概率和适合均衡化增强的概率;
利用每个分块图像的灰度级个数,和灰度级的方差,计算每个分块图像在灰度级数量上适合锐化增强的概率和适合均衡化增强的概率;
利用每个分块图像中每个像素点与其邻域像素点的灰度差值,计算每个分块图像在清晰度上适合锐化增强的概率和适合均衡化增强的概率;
根据每个分块图像在亮度上、灰度级数量上、清晰度上适合锐化增强的概率和适合均衡化增强的概率,得到每个分块图像中像素点灰度值的锐化增强权重和均衡化增强权重;
获取每个分块图像的锐化增强图像和均衡化增强图像,并根据锐化增强权重和均衡化增强权重对每个分块图像原图中的像素点灰度值进行修正增强,得到修正增强后的红外图像;
将修正增强后的红外图像发送至监控室,对机电设备运行状态进行识别。
2.根据权利要求1所述的一种机电设备运行状态远程监控方法,其特征在于,所述根据灰度图的信息熵将灰度图像划分为多个分块图像的方法为:
对灰度图像进行滤波去噪;
将灰度图像均分为多个分块;
若每个分块进一步均分后得到的子分块图像的信息熵的均值,小于每个分块的信息熵,则对该分块进行进一步均分;否则,该分块不进行进一步均分;
不断重复,将灰度图像划分为多个分块图像。
3.根据权利要求1所述的一种机电设备运行状态远程监控方法,其特征在于,所述利用每个分块图像的灰度级均值,和灰度图像中像素点的灰度级中值,计算每个分块图像在亮度上适合进行锐化增强的概率和适合均衡化增强的概率的计算方法为:
获取整个灰度图像的灰度级的中值;
计算每个分块图像中像素点的灰度级均值;
计算每个分块图像中像素点的灰度级均值和整个灰度图像的灰度级的中值的差值;
获取该差值和整个灰度图像的灰度级的中值的比值,将该比值作为该分块图像在亮度上适合均衡化增强的概率;
将1减去该比值得到的差值,作为该分块图像在亮度上符合锐化增强的概率。
4.根据权利要求1所述的一种机电设备运行状态远程监控方法,其特征在于,所述利用每个分块图像的灰度级个数,和灰度级的方差,计算每个分块图像在灰度级数量上适合锐化增强的概率和适合均衡化增强的概率的计算方法为:
将每个分块图像的灰度级个数和该分块图像中灰度级的方差的乘积,作为每个分块图像在灰度级数量上符合锐化增强的概率,则适合均衡化增强的概率为1减去符合锐化增强的概率的到的值。
5.根据权利要求1所述的一种机电设备运行状态远程监控方法,其特征在于,所述利用每个分块图像中每个像素点与其邻域像素点的灰度差值,计算每个分块图像在清晰度上适合锐化增强的概率和适合均衡化增强的概率的计算方法为:
获取每个分块图像中每个像素点的灰度值和其每个邻域像素点的灰度值的差值的平均值;
将平均值与最大平均值的比值作为每个分块图像在清晰程度上符合锐化增强的概率。
6.根据权利要求1所述的一种机电设备运行状态远程监控方法,其特征在于,所述根据每个分块图像在亮度上、灰度级数量上、清晰度上适合锐化增强的概率和适合均衡化增强的概率,得到每个分块图像中像素点灰度值的锐化增强权重和均衡化增强权重的方法为:
将每个分块图像在亮度上、灰度级数量上、清晰度上适合锐化增强的概率的均值作为该分块图像中像素点灰度值的锐化增强权重,将1减去锐化增强权重得到的值,作为均衡化增强权重。
7.根据权利要求1所述的一种机电设备运行状态远程监控方法,其特征在于,所述每个分块图像中像素点灰度值的锐化增强权重和均衡化增强权重,还包括权重平滑操作,方法为:
每个分块图像中像素点灰度值的锐化增强权重利用如下公式进行权重平滑操作:
Figure DEST_PATH_IMAGE001
式中,
Figure 26595DEST_PATH_IMAGE002
为第i个分块图像中每个像素点灰度值的锐化增强权重,
Figure DEST_PATH_IMAGE003
为第i个分块图像的相邻分块图像,
Figure 835020DEST_PATH_IMAGE004
为第i个分块图像的邻域图像块的总数,
Figure DEST_PATH_IMAGE005
为第i个分块图像的八邻域分块中,第y个分块图像每个像素点灰度值的锐化增强权重,
Figure 328187DEST_PATH_IMAGE006
为第i个分块图像块的面积,
Figure DEST_PATH_IMAGE007
为第i个分块图像的八邻域分块中,第y个分块图像块的面积,
Figure 924385DEST_PATH_IMAGE008
Figure 932530DEST_PATH_IMAGE002
进行权值平滑后的权重;
每个分块图像中像素点灰度值的均衡化增强权重的平滑操作与锐化增强权重的平滑操作一致。
8.根据权利要求1所述的一种机电设备运行状态远程监控方法,其特征在于,所述根据锐化增强权重和均衡化增强权重对每个分块图像原图中的像素点灰度值进行修正增强,得到修正增强后的红外图像的方法为:
Figure 967482DEST_PATH_IMAGE010
式中,
Figure DEST_PATH_IMAGE011
为每个分块中像素点的灰度值x修正增强后的灰度值,
Figure 49576DEST_PATH_IMAGE012
为该像素点灰度值在锐化增强图中的灰度值,
Figure DEST_PATH_IMAGE013
为第j个分块中像素点的灰度值的锐化增强权重,
Figure 19938DEST_PATH_IMAGE014
为第j个分块中像素点的灰度值的均衡化增强权重,
Figure DEST_PATH_IMAGE015
为该像素点灰度值在直方图均衡化增强后的图像中的灰度值。
9.据权利要求1所述的一种机电设备运行状态远程监控方法,其特征在于,所述将修正增强后的红外图像发送至监控室,对机电设备运行状态进行识别的方法为:
获取设备运行时的最高温度对应的灰度值;
当增强后的红外图像中存在像素点的灰度值突变为最高温度对应的灰度值时,机电设备运行异常,及时进行维修。
CN202211270820.3A 2022-10-18 2022-10-18 一种机电设备运行状态远程监控方法 Active CN115345802B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211270820.3A CN115345802B (zh) 2022-10-18 2022-10-18 一种机电设备运行状态远程监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211270820.3A CN115345802B (zh) 2022-10-18 2022-10-18 一种机电设备运行状态远程监控方法

Publications (2)

Publication Number Publication Date
CN115345802A true CN115345802A (zh) 2022-11-15
CN115345802B CN115345802B (zh) 2023-03-24

Family

ID=83957548

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211270820.3A Active CN115345802B (zh) 2022-10-18 2022-10-18 一种机电设备运行状态远程监控方法

Country Status (1)

Country Link
CN (1) CN115345802B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115689948A (zh) * 2023-01-05 2023-02-03 济宁智诚物业管理有限公司 用于检测建筑供水管道裂痕的图像增强方法
CN116485686A (zh) * 2023-06-19 2023-07-25 青岛国源中创电气自动化工程有限公司 一种活性污泥法的污水处理图像增强方法
CN116823676A (zh) * 2023-08-28 2023-09-29 浙江欣灵智能电气有限公司 基于红外热图的电动汽车防火安全检测方法
CN116883411A (zh) * 2023-09-08 2023-10-13 浙江诺电电力科技有限公司 一种开关柜智能远程监测系统
CN117218043A (zh) * 2023-11-09 2023-12-12 深圳市锐能安防科技有限公司 基于监控图像质量的摄像头调控方法
CN117351001A (zh) * 2023-11-16 2024-01-05 肇庆市大正铝业有限公司 一种再生铝合金模板表面缺陷识别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108932700A (zh) * 2018-05-17 2018-12-04 常州工学院 基于目标成像模型的自适应梯度增益水下图像增强方法
CN110827229A (zh) * 2019-11-01 2020-02-21 中国科学院长春光学精密机械与物理研究所 一种基于纹理加权直方图均衡化的红外图像增强方法
CN114049283A (zh) * 2021-11-16 2022-02-15 上海无线电设备研究所 一种自适应的灰度梯度直方图均衡遥感图像增强方法
CN114418904A (zh) * 2021-12-13 2022-04-29 上海悠络客电子科技股份有限公司 一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法
CN115082467A (zh) * 2022-08-22 2022-09-20 山东亿昌装配式建筑科技有限公司 基于计算机视觉的建材焊接表面缺陷检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108932700A (zh) * 2018-05-17 2018-12-04 常州工学院 基于目标成像模型的自适应梯度增益水下图像增强方法
CN110827229A (zh) * 2019-11-01 2020-02-21 中国科学院长春光学精密机械与物理研究所 一种基于纹理加权直方图均衡化的红外图像增强方法
CN114049283A (zh) * 2021-11-16 2022-02-15 上海无线电设备研究所 一种自适应的灰度梯度直方图均衡遥感图像增强方法
CN114418904A (zh) * 2021-12-13 2022-04-29 上海悠络客电子科技股份有限公司 一种基于改进直方图均衡化和增强高通滤波的红外图像增强方法
CN115082467A (zh) * 2022-08-22 2022-09-20 山东亿昌装配式建筑科技有限公司 基于计算机视觉的建材焊接表面缺陷检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
付青青等: "基于非锐化掩模引导滤波的水下图像细节增强算法研究", 《海洋学报》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115689948A (zh) * 2023-01-05 2023-02-03 济宁智诚物业管理有限公司 用于检测建筑供水管道裂痕的图像增强方法
CN116485686A (zh) * 2023-06-19 2023-07-25 青岛国源中创电气自动化工程有限公司 一种活性污泥法的污水处理图像增强方法
CN116485686B (zh) * 2023-06-19 2023-08-29 青岛国源中创电气自动化工程有限公司 一种活性污泥法的污水处理图像增强方法
CN116823676A (zh) * 2023-08-28 2023-09-29 浙江欣灵智能电气有限公司 基于红外热图的电动汽车防火安全检测方法
CN116823676B (zh) * 2023-08-28 2023-11-21 浙江欣灵智能电气有限公司 基于红外热图的电动汽车防火安全检测方法
CN116883411A (zh) * 2023-09-08 2023-10-13 浙江诺电电力科技有限公司 一种开关柜智能远程监测系统
CN116883411B (zh) * 2023-09-08 2023-12-19 浙江诺电电力科技有限公司 一种开关柜智能远程监测系统
CN117218043A (zh) * 2023-11-09 2023-12-12 深圳市锐能安防科技有限公司 基于监控图像质量的摄像头调控方法
CN117218043B (zh) * 2023-11-09 2024-02-02 深圳市锐能安防科技有限公司 基于监控图像质量的摄像头调控方法
CN117351001A (zh) * 2023-11-16 2024-01-05 肇庆市大正铝业有限公司 一种再生铝合金模板表面缺陷识别方法
CN117351001B (zh) * 2023-11-16 2024-05-28 肇庆市大正铝业有限公司 一种再生铝合金模板表面缺陷识别方法

Also Published As

Publication number Publication date
CN115345802B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
CN115345802B (zh) 一种机电设备运行状态远程监控方法
CN110458839B (zh) 一种有效的电线电缆监测系统
CN104156921B (zh) 一种低照度或亮度不均图像的自适应图像增强方法
CN111223068A (zh) 基于Retinex的自适应非均匀低照度图像增强的方法
CN107146220B (zh) 一种通用型无参考图像质量评价方法
CN104200431A (zh) 图像灰度化的处理方法及处理装置
CN106506901A (zh) 一种显著性视觉注意模型的混合式数字图像半色调方法
Tong et al. Learning no-reference quality metric by examples
CN111340717A (zh) 一种用于非制冷红外热像仪的图像预处理装置
CN113449730A (zh) 图像处理方法、系统、自动行走设备及可读存储介质
Jiang et al. Color image enhancement with brightness preservation using a histogram specification approach
CN106339994A (zh) 一种图像增强方法
CN114219732A (zh) 基于天空区域分割和透射率细化的图像去雾方法及系统
CN115965544A (zh) 自适应亮度调节的图像增强方法及系统
CN110290318B (zh) 星载图像处理与自主决策方法和系统
Yang et al. EHNQ: Subjective and objective quality evaluation of enhanced night-time images
CN110969584A (zh) 一种低照度图像增强方法
CN116843581B (zh) 一种多场景图的图像增强方法、系统、设备和存储介质
CN116934787A (zh) 基于边缘检测的图像处理方法
CN113838023B (zh) 一种色差图像质量评价方法
CN114219774B (zh) 图像质量评估方法、装置、终端及计算机可读存储介质
CN113450289B (zh) 一种客运场景下人脸图像低照度自动增强的方法
CN112634278B (zh) 基于超像素的恰可察觉失真方法
CN110010228B (zh) 一种基于图像分析的脸部皮肤透视算法
CN111986082B (zh) 一种自适应图像处理分辨率评价方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant