基于直方图均衡算法的低照度巡检图像增强方法

庞小龙，贺志华，王 玄，王海默，崔春晖

（1.国网宁夏电力有限公司检修公司，宁夏银川 750001；2.南京悠阔电气科技有限公司，江苏南京 211100）

0 引言

输电线路图像在线监测具有可靠性高、实时性好的优势，正在被广泛运用到架空输电线路领域。巡检的图像采用红外线成像技术，由于其具有抗干扰性、隐蔽性、调节性等优势，被广泛应用于军民生活生产的各个领域[1]。但是巡检图像也常受到设备和环境的影响，有时成像清晰度差，因此提出对红外线图像的边缘滤波均衡化处理和直方图均衡化的算法。此种实验设计增加了图像在低照度情况下的对比程度，解决了图像发灰的映衬，突出了红外巡检图像的成像效果。

1 传统的HE 矩阵增强算法

传统的矩阵算法是德国人提出，其主要应用在大规模的优化牛顿类型的方法中，对于二维图像，HE 矩阵可以很好表述图像的主要元素信息，在图像处理优化中有很大作用[2]。经典的HE 矩阵算法在视觉效果上虽然有了很多改进，但是因为其权值的固定适宜性不灵活，因此其局部图像存在过度增强的问题。同时对于存在噪声的低照度的图像，使用此种方法也会丢失很多细节，输出图像时背景的噪声也不会被抑制，导致清晰度下降。此种算法耗时较长，不能提高对比度，当目标图像被增强时，也使无用的背景图像进行了增强，这对于输出巡检图像的识别就不是很明显[3-4]。

2 直方图均衡化图像低频信号的增强算法

巡检的整体视觉图像都是集中在低频信号上的，改进的均衡化算法，就是制定一个临界值，通过这个临界值（阈值）来克制背景图像的增强，进而来提高整体巡检图像的明暗对比度，使图像边缘的轮廓更为突出，增强视觉效果[5]。设定巡检图像的灰度级数为L，其概率函数为F（k）。

其中，k 为灰度等级，k=0，1，…，255，Nk为灰度的等级，是k的像素数量，N 为巡检图像中总的像素数量。在均衡算法中，相应概率的密度函数见式（2）。

在式（2）中，设定F（k）≥x 时，均衡算法中概率的密度函数主要是依据临界值x 设定的，当F（k）一直不变时，则临界值始终是x。根据上述算法，当低频信号经过均衡处理以后，输出的图像结果为式（3）。

其中，Px（k）为经处理增强以后的第k 个等级的灰度图像，floor（）为向下取整函数。

3 实验研究和分析

将直方图均衡化算法与HE 矩阵算法进行比对，选取巡检的图片作为初始图片，在2 GB 的内存机器上分别进行运算。然后把两种算法处理过的目标图片进行验证比较，如图1 所示。

通过比较，可看出直方图均衡算法得出的图像对比度增强，细节的清晰度明显得到提高，目标图像的边缘更为清晰。运算所得图片增强效果的比较，采用数据量化的方式比较直观。目标图片的结果值采用标准偏差、熵值法、模糊性指数的运算来进行比对，得出直方图均衡算法与HE传统算法的区别。通过计算，得出两种算法的比较数值（表1）。

图1 成像比较

表1 不同算法的检测比较结果

通过上述公式测算，可以看出均衡算法在增强图像上和传统算法比较后，熵值和模糊性指数都符合图像信息输出的增强效果要求，只有标准的偏差值稍低一些。这是由于传统算法本身就具有过渡增强的特征，但是在低照度情况下细节的信息数量对于图像的清晰度尤为重要，因此这种算法在有干扰的情况下不会丢失很多信息，图像也就更为稳定。

4 结论

针对低照度情况下增强巡检图像的视觉效果，本文提出直方图均衡化的算法。通过将输入的图像进行低频信号与高频信号的分类，首先确定适宜的阈值来提高低频信号的增强效果，从而实现对其信号的完善；其次将高频信号进行强、中、弱的边缘系数的分类，从而分别制定不同的增强设计，通过提高局部图像的对比度来实现对细节信息的保留和强化，进而提高背景图像与目标图像区别，提高巡检图像的识别度。

参加文献

［1］万智萍.结合视觉特性与灰度拉伸的直方图均衡化红外图像增强算法［J］.计算机工程与设计，2016，37（3）：714-719.

［2］段军，高翔.基于统计滤波的自适应双阈值改进canny 算子边缘检测算法［J］.激光杂志，2015，36（1）：10-13.

［3］顾明，郑林涛，刘中华.结合暗原色优先和Gamma 校正的红外交通图像增强算法［J］.交通运输工程学报，2016，16（6）：149-158.

［4］汪忱，张宝辉，王虹.基于视觉显著区域的红外图像增强算法研究［J］.红外技术，2017，39（9）：834-839.

［5］曹关，程亚玲，盛惠兴.改进的直方图均衡化和NSCT 变换的红外图像增强［J］.应用科技，2016，43（2）：24-27.