|
[摘 要]：紅外圖像的邊緣檢測(cè)是紅外圖像目標(biāo)識(shí)別以及進(jìn)一步紅外故障診斷的關(guān)鍵環(huán)節(jié)。文中討論在高壓電力設(shè)備故障紅外診斷系統(tǒng)中對(duì)紅外圖像的預(yù)處理過(guò)程，并通過(guò)幾種邊緣檢測(cè)算子對(duì)噪聲的抑制效果和邊緣定位精度的對(duì)比分析，選用效果最優(yōu)的邊緣檢測(cè)算子來(lái)實(shí)現(xiàn)紅外圖像的邊緣檢測(cè)。通過(guò)實(shí)例，驗(yàn)證了圖像預(yù)處理和邊緣檢測(cè)方法的有效性。
關(guān)鍵詞：紅外圖像 圖像處理 邊緣檢測(cè)
0 引 言
紅外圖像的邊緣檢測(cè)是紅外圖像識(shí)別、圖像分割以及圖像壓縮等紅外圖像處理和分析的重要基礎(chǔ)。本文討論在高壓電力設(shè)備故障紅外診斷系統(tǒng)中對(duì)于紅外圖像的預(yù)處理過(guò)程，并通過(guò)幾種邊緣檢測(cè)算子的對(duì)比分析，選用效果最優(yōu)的邊緣檢測(cè)算子來(lái)實(shí)現(xiàn)高壓電力設(shè)備的紅外圖像的邊緣檢測(cè)，為下一步的紅外圖像目標(biāo)識(shí)別以及進(jìn)一步的紅外故障診斷提供了技術(shù)基礎(chǔ)。
1 紅外圖像的預(yù)處理過(guò)程
紅外熱成像是通過(guò)物體表面溫度輻射成像的，在接受被測(cè)目標(biāo)紅外輻射的同時(shí)還會(huì)受到大量非檢測(cè)對(duì)象輻射信息的干擾，如環(huán)境溫度、大氣輻射、煙霧、灰塵或其它顆粒，因而不可避免的存在圖像對(duì)比度不高，邊緣模糊等現(xiàn)象，通過(guò)圖像預(yù)處理可以減少圖像處理工作量，抑制噪聲，提高圖像的對(duì)比度，以便后續(xù)圖像的邊緣檢測(cè)。
1.1 圖像的灰度化處理
通常，通過(guò)紅外熱成像技術(shù)得到的紅外圖像為了提高人眼對(duì)圖像的細(xì)節(jié)分辨能力，往往采用偽彩化處理過(guò)程。而在圖像處理過(guò)程中，灰度圖像的描述與彩色圖像一樣能夠反映整幅圖像的整體和局部的色度和亮度等級(jí)的分布和特征，所以在數(shù)字圖像處理中一般先將各種格式的圖像轉(zhuǎn)變?yōu)榛叶葓D像以使后續(xù)的圖像處理的計(jì)算量少一些。圖像的灰度化處理一般方法如下：
根據(jù)在YUV的顏色空間中，Y的分量的物理意義是點(diǎn)的亮度，由該值反映亮度等級(jí)，根據(jù)RGB與YUV顏色空間的變換關(guān)系可建立亮度Y與R、G、B3個(gè)顏色分量的對(duì)應(yīng)關(guān)系：
Y＝0.3R＋0.59G＋0.11B （1）
以這個(gè)亮度值表達(dá)圖像的灰度值。
1.2 圖像的噪聲濾波
紅外圖像的噪聲在空域上主要表現(xiàn)為孤立的點(diǎn)或塊，是一種高頻信息。在圖像去噪的有效方法中，中值濾波在一定條件下可以克服線(xiàn)性濾波如平均值濾波（平滑濾波）等所帶來(lái)的圖像細(xì)節(jié)模糊問(wèn)題，較好的保護(hù)圖像的邊緣信息。中值濾波是用一個(gè)有奇數(shù)點(diǎn)的滑動(dòng)窗口，將窗口中心點(diǎn)的值用窗口各點(diǎn)的中值代替。
1.3 圖像的灰度變換
針對(duì)高壓電力設(shè)備紅外圖像的特點(diǎn)，采用線(xiàn)性灰度變換來(lái)增強(qiáng)圖像的對(duì)比度。用分段線(xiàn)性法將需要的圖像細(xì)節(jié)灰度級(jí)拉伸，增強(qiáng)對(duì)比度，將不需要的圖像細(xì)節(jié)灰度級(jí)壓縮，從而增強(qiáng)圖像中感興趣的灰度區(qū)域，相對(duì)抑制那些不感興趣的灰度區(qū)域。
三段線(xiàn)性變換的數(shù)學(xué)表達(dá)式如下：
由圖1可見(jiàn)，通過(guò)調(diào)整s1，t1，s2，t2可以控制分段直線(xiàn)的斜率，可對(duì)任意灰度區(qū)間進(jìn)行擴(kuò)展和壓縮。
2 圖像的邊緣檢測(cè)算法
圖像的邊緣是圖像的最基本特征。所謂邊緣是其周?chē)袼鼗叶扔须A躍變化或屋頂變化的像素的集合，是圖像局部特性不連續(xù)的反映，如圖像中灰度“劇烈變化”的地方即灰度突變等，它標(biāo)志著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開(kāi)始。對(duì)于紅外圖像進(jìn)行邊緣檢測(cè)的目的就是要抽取紅外圖像特征的最重要屬性，為圖像的目標(biāo)識(shí)別、圖像分割等處理過(guò)程打下良好的基礎(chǔ)。
目前，邊緣檢測(cè)常采用邊緣算子法?；谝浑A導(dǎo)數(shù)的邊緣算子包括Roberts算子、Sobel算子、Prewitt算子等，在算法實(shí)現(xiàn)過(guò)程中，通過(guò)2×2或者3×3模板作為核與圖像中的每個(gè)像素點(diǎn)作卷積和運(yùn)算，然后選取合適的閾值以提取邊緣。拉普拉斯邊緣檢測(cè)算子是基于二階導(dǎo)數(shù)的邊緣檢測(cè)算子，該算子對(duì)噪聲敏感。一種改進(jìn)方式是先對(duì)圖像進(jìn)行平滑處理。然后再應(yīng)用二階導(dǎo)數(shù)的邊緣檢測(cè)算子，其代表是LOG算子。前面幾種邊緣檢測(cè)算子都是基于微分方法的，其依據(jù)是圖像的邊緣對(duì)應(yīng)一階導(dǎo)數(shù)的極大值點(diǎn)和二階導(dǎo)數(shù)的過(guò)零點(diǎn)。Canny算子是另外一類(lèi)邊緣檢測(cè)算子，它不是通過(guò)微分算子檢測(cè)邊緣，而是在滿(mǎn)足一定約束條件下推導(dǎo)出的邊緣檢測(cè)最優(yōu)化算子。
2.1 Roberts邊緣檢測(cè)
Roberts邊緣檢測(cè)算子根據(jù)任意一對(duì)互相垂直方向上的差分可用來(lái)計(jì)算梯度的原理采用對(duì)角線(xiàn)方向相鄰像素之差，即：
Roberts邊緣算子采用對(duì)角線(xiàn)方向相鄰兩像素之差近似梯度幅值檢測(cè)邊緣，檢測(cè)水平和垂直邊緣的效果好于斜向邊緣，定位精度高，對(duì)噪聲敏感。
2.2 Sobel邊緣檢測(cè)
對(duì)數(shù)字圖像的每個(gè)像素，考慮上、下、左、右鄰點(diǎn)灰度的加權(quán)差，與之接近的鄰點(diǎn)的權(quán)大。Sobel算子定義如下：
Sobel算子很容易在空間上實(shí)現(xiàn)，Sobel邊緣檢測(cè)器不但產(chǎn)生較好的邊緣檢測(cè)效果，而且受噪聲的影響也比較小。當(dāng)使用大的領(lǐng)域時(shí)，抗噪聲特性會(huì)更好，但這樣做會(huì)增加計(jì)算量，并且得出的邊緣也較粗。
Sobel算子利用像素點(diǎn)上下、左右鄰點(diǎn)的灰度加權(quán)算法，根據(jù)在邊緣點(diǎn)處達(dá)到極值這一現(xiàn)象進(jìn)行邊緣的檢測(cè)。Sobel算子對(duì)噪聲具有平滑作用，提供較為精確的邊緣方向信息，但它同時(shí)也會(huì)檢測(cè)出許多的偽邊緣，邊緣定位精度不夠高。當(dāng)對(duì)精度要求不是很高時(shí)，是一種較為常用的邊緣檢測(cè)方法。
2.3 Prewitt邊緣檢測(cè)
Prewitt算子是一種邊緣樣板算子。這些算子樣板由理想的邊緣子圖像構(gòu)成。依次用邊緣樣板去檢測(cè)圖像，與被檢測(cè)區(qū)域最為相似的樣板給出******值。用這個(gè)******值作為算子的輸出值P（i，j），這樣可將邊緣像素檢測(cè)出來(lái)。Prewitt算子定義如下：
2.4 Laplacian of Gaussian（LOG）邊緣檢測(cè)
Laplacian算子是二階微分算子，是一個(gè)標(biāo)量，屬于各向同性運(yùn)算，對(duì)灰度突變敏感。在數(shù)字圖像處理中，用差分來(lái)近似微分運(yùn)算Laplacian算子為：
Laplacian算子是二階微分算子，利用邊緣點(diǎn)處二階導(dǎo)函數(shù)出現(xiàn)零交叉原理檢測(cè)邊緣。不具有方向性，對(duì)灰度突變敏感，定位精度高，不但檢測(cè)出了絕大部分的邊緣，同時(shí)基本上沒(méi)有出現(xiàn)偽邊緣。但它的檢測(cè)也存在一些缺點(diǎn)，如丟失了一些邊緣、有一些邊緣不夠連續(xù)、對(duì)噪聲敏感且不能獲得邊緣方向等信息。針對(duì)Laplacian算子對(duì)噪聲比較敏感，可先用高斯形二維低通濾波器對(duì)圖像f（i，j）進(jìn)行濾波，然后對(duì)圖像作Laplacian邊緣檢測(cè)，這種方法稱(chēng)為L(zhǎng)aplacian-Gauss（LOG）算子法。
2.5 Canny邊緣檢測(cè)
Canny算子使用一階導(dǎo)數(shù)的極大值表示邊緣。其基本思想是先將圖像使用Gauss函數(shù)進(jìn)行平滑，再由一階微分的極大值確定邊緣點(diǎn)。二階導(dǎo)數(shù)的零交叉點(diǎn)不僅對(duì)應(yīng)著，一階導(dǎo)數(shù)的極大值也對(duì)應(yīng)著一階導(dǎo)數(shù)的極小值，也就是說(shuō)，灰度變化劇烈的點(diǎn)勺灰度變化緩慢的點(diǎn)都對(duì)應(yīng)著二階導(dǎo)數(shù)零交叉點(diǎn)。
3 應(yīng)用舉例
3.1 圖像的預(yù)處理
以某高壓斷路斷外部接頭的紅外圖像為。先通過(guò)灰度化處理將紅外圖像轉(zhuǎn)化為灰度圖像；再通過(guò)中值濾波和灰度變換實(shí)現(xiàn)圖像的平滑去噪和灰度增強(qiáng)。
3.2 圖像的邊緣檢測(cè)
通過(guò)對(duì)以上介紹的幾種邊緣檢測(cè)方法進(jìn)行了實(shí)驗(yàn)，其中：（a）為原圖像，（b）～（f）分別為應(yīng)用Roberts算子、Sobel算子、Prewitt算子、Laplacian of Gaussian算子、Canny方法得到的檢測(cè)結(jié)果。
由算法公式和檢測(cè)的結(jié)果可以看出，Roberts算子簡(jiǎn)單直觀，但邊緣檢測(cè)圖里存在有偽邊緣；Sobel算子、Prewitt算子的檢測(cè)結(jié)果圖能檢測(cè)出更多的邊緣，但也存在有偽邊緣且檢測(cè)出來(lái)的邊緣線(xiàn)比較粗，并放大了噪聲；Laplacian of Gaussian算子利用高斯低通濾波及二階差分運(yùn)算來(lái)進(jìn)行檢測(cè)，不但可以檢測(cè)出較多的邊緣，而且還在很大程度上消除了偽邊緣的存在，定位精度較高，但我們同時(shí)看到其受噪聲的影響比較大；Canny方法對(duì)邊緣的誤檢、漏檢率最小，檢測(cè)出的邊緣較多，檢測(cè)效果較好。
4 結(jié)束語(yǔ)
以高壓電力設(shè)備的紅外圖像為對(duì)象，采用中值濾波在空間域上有效降低了圖像的高頻噪聲，通過(guò)分段線(xiàn)性灰度變換提高了圖像的邊緣對(duì)比度，選用效果最優(yōu)的邊緣檢測(cè)算子進(jìn)行邊緣檢測(cè)，為高壓電力設(shè)備的紅外圖像目標(biāo)識(shí)別以及進(jìn)一步的紅外故障診斷提供了技術(shù)基礎(chǔ)。 |
|
