[发明专利]一种面向电力设备红外图像的混合噪声去除方法

说明书

本发明公开了一种面向电力设备红外图像的混合噪声去除方法，包括步骤：S1)利用TWSC模型对含有混合噪声的电力设备红外图像进行初步去噪，滤除掉高斯噪声；S2)采用SGTD模型对滤除掉高斯噪声的电力设备红外图像进行结构纹理分解，得到结构部分和纹理部分；S3)采用中值滤波对纹理部分的剩余脉冲噪声进行滤除，在保护电力设备红外图像结构信息的同时实现混合噪声的去除；S4)对去噪后的纹理分量和结构分量进行重构，得到去噪后的电力设备红外图像。本发明结合TWSC模型、图像结构纹理分解以及中值滤波算法对含有混合噪声的电力设备红外图像的噪声进行滤除，达到在滤除混合噪声的同时较好地保持了图像的边缘信息与纹理特征。

技术领域

本发明涉及电力设备运行维护技术领域，特别是涉及一种面向电力设备红外图像的混合噪声去除方法。

背景技术

当前状态感知、目标识别等相关技术研究在基于物联网的电力设备运行维护领域受到了更为广泛的关注。其中，红外监测技术作为一种非接触性、高灵敏性、高准确性的设备状态诊断方法，在维护设备安全稳定运行中起着重要作用，其主要通过红外辐射检测设备的温度分布，及时掌握设备的温度变化，进而对设备的发热故障情况做出诊断分析。但电力设备的红外图像在采集、传输过程中，往往会受到噪声影响造成图像失真，破坏图像中的有用信息，因此，图像去噪是图像预处理领域不可或缺的重要步骤。其中，受传感器、传输信道以及环境因素影响而产生的高斯噪声和脉冲噪声是图像中的常见噪声污染，已有的去噪方法如均值滤波、中值滤波等大多仅针对单一噪声的滤除，而红外图像中的噪声往往以混合噪声的形式存在。

高斯噪声与脉冲噪声分别类属于加性噪声和乘性噪声，二者的产生原因以及特性存在区别，传统的滤波算法多针对某一种固定噪声模型而设，对某一种噪声的滤除效果较优，而对混合噪声的去噪效果不佳。

发明内容

本发明的目的是提供一种面向电力设备红外图像的混合噪声去除方法，结合TWSC模型、图像结构纹理分解以及中值滤波算法对含有混合噪声的电力设备红外图像的噪声进行滤除，达到在滤除混合噪声的同时较好地保持了图像的边缘信息与纹理特征。

为实现上述目的，本发明提供了如下方案：

一种面向电力设备红外图像的混合噪声去除方法，包括步骤：

S1)利用TWSC模型对含有混合噪声的电力设备红外图像进行初步去噪，滤除掉高斯噪声；

S2)采用SGTD模型对滤除掉高斯噪声的电力设备红外图像进行结构纹理分解，得到结构部分和纹理部分；

S3)采用中值滤波对纹理部分的剩余脉冲噪声进行滤除，在保护电力设备红外图像结构信息的同时实现混合噪声的去除；

S4)对去噪后的纹理分量和结构分量进行重构，得到去噪后的电力设备红外图像。

可选的，步骤S1)所述TWSC模型在传统的稀疏编码模型的数据保真度术语Y-DC中引入两个权重矩阵W₁、W₂，以自适应地表征不同通道不同电力设备红外图像块中的噪声统计数据；在正则化术语中引入权重矩阵W₃，以更好地利用电力设备红外图像的稀疏先验；TWSC模型表示为：

其中：权重矩阵W₁、W₂、W₃均设置为对角矩阵；W₁矩阵具有三个块，块中相同的对角元素用于描述相对应的电力设备红外图像R通道、G通道、B通道所具有的噪声特性；W₂矩阵中的每一个对角元素用于描述局部电力设备红外图像块的噪声方差，即分别用W₁和W₂矩阵来规范残差矩阵Y-DC的行差异和列差异；矩阵W₃基于系数矩阵C的稀疏先验来设置每个对角元素。