【《基于HSI空间梯度法的红外图像高温区域提取方法分析案例》2400字（论文）】

基于HSI空间梯度法的红外图像高温区域提取方法分析案例红外图像反映的是目标与背景的热辐射，与可见光的图像相比，红外图像中目标与背景的对比度低，边缘模糊，从而难以用常规的边缘提取方法提取目标有效的轮廓信息。与灰度图像相比，彩色图像具有其颜色特性，可以分解为不同的颜色空间，针对RGB颜色空间有一定的局限性，在此基础上提出了将红外图像的转换到HSI空间，经验证比RGB效果理想。因此本文从HSI颜色空间（其中H是色调，S是饱和度，I是强度）入手，运用一种改进的中值滤波对其进行滤波，在其基础上对图像求梯度，即可得到图像的温度高的区域，经试验此方法得到了比较好的效果。1）图像高温区域提取原理以红外检测图像为例，如图所示，红外图像存在边缘模糊、对比度差、空间域上存在孤立的点和小块噪声等特点。中值滤波法可以在保护图像边缘细节信息的前提下有效地降低图像空间域背景对目标的干扰。而梯度在提取图像中颜色变化的边缘方面有较好的效果，对图像求取梯度变换则可得到该图像颜色随温度变化的分布曲线。因此本文主要采用改进的中值滤波和梯度法提取图像的高温区域。图1-8绝缘子的红外图（1）HSI颜色空间变换本文在提取图像目标时，先将红外图像转换到HSI颜色空间（H色调，S饱和度，I亮度）进行处理。以红外图像中的温度最高区域为目标，其反映在HSI空间上为一块黑色区域，即颜色最亮的彩色红外图像区域在S空间上表现为黑色，与周围的颜色变化比较大，有利于后期基于梯度法的目标区域识别。由于HSI色彩空间和RGB色彩空间只是同一物理量的不同表示法，因而可以通过RGB空间分量获取HSI空间分量的值，其转换公式为：（式1SEQ公式\*ARABIC\s126）（式127）（式128）式中，H、S、I分别为HSI分量，根据公式可以将红外图像的RGB颜色空间转换到HSI空间。(2)图像噪声处理针对红外图像高背景，低反差的特点和HSI空间颜色的特征，在对其进行噪声处理时，首先保证图像尖锐的边缘，然后祛除背景噪声对目标提取的影响。为避免一般的中值滤波可能因排序取中值而破坏结构和空间的领域信息，改善其滤波效果，在该原理基础上提出了改进型的中值滤波方法：首先，在图像中取出一个任意正方形矩阵模板并将其矩阵定义为C；其次，取出C矩阵的第一行定义为e，将e和C内其它行组成一个新的行矩阵b，并求出b矩阵的中值f；最后，将中值f赋给模板中心元素，未被赋值的元素则取原值。经实验此方法能在消去噪声的同时保证图像的边缘信息，对背景的处理效果较为理想。(3)梯度边缘提取梯度是一种行之有效的边缘检测方法。图像中不同区域灰度会发生变化,特别是边缘区域变化明显,这种变化可以通过灰度梯度表示。梯度的正负反映其边缘的走势，相当于方向。因上面得到的图像有可能背景有很多弱的干扰，其对图像目标识别没有影响，但影响整个梯度图的美观，所以本文采用简单的直方图增强，对预处理后的图像进行简单的图像增强，即可得到背景简单的灰度图，从而有利于后期目标的提取。对处理后的灰度图求梯度，可获取图像灰度值的显著变化的地方即目标的边缘。图像梯度可以把图像看成二维离散函数，梯度其实就是这个二维离散函数的求导，在标量场f中的一点处存在一个矢量G，该矢量方向为f在该点处变化率最大的方向，其模也等于这个最大变化率的数值，则矢量G称为标量场f的梯度。二维图像梯度梯度为：对于图像是离散的:2)高温区域提取流程图本文对红外图像处理的流程所示：对红外图像进行颜色空间转换，将其从RGB颜色空间转变成HSI颜色空间，对该空间的图像用改进的中值滤波处理，去除噪声；针对要提取的目标，对滤波处理后的图像求梯度，并对不连续的梯度图进行简单的后期处理，即可得到温度最高区域的边缘。通过对红外图像温度最高区域的提取，可以为红外图像目标识别以及进一步的红外故障诊断提供技术基础。图1-9系统流程图3）实验验证本文选用FLIR的A40-M拍摄了大量的模拟故障红外图像，其中包含断股，连接处故障等，并选择连接处故障为研究对象验证本文方法。下图为背景噪声干扰较大的模拟红外故障图及对应的可见光原图。图1-SEQ图\*ARABIC\s110红外图像和可见光图像图1-11HSI颜色空间图像根据公式可将红外图像转换到HSI颜色空间，由转换后的HSI颜色空间可知红外图像的最亮点在HSI空间分量中的S图中表现为黑色，且在原图中颜色越亮，黑色越明显，该图背景对提取目标的干扰比其他两个分量要少，更适合本文后期处理。选S图为研究对象，并对S图按照前面的滤波方法进行处理，效果如图图1-12去除噪声的图像通过对去除噪声后的图像进行简单的背景处理如图像增强，可得到背景简单的灰度图，为了试验求梯度对此方法的适用性，根据公式对处理完的图像求简单的梯度，发现效果较为理想，从图中可以看出梯度的值很明显的反应了图像中待分解目标的边缘信息，下图为对图像的某一行求的梯度（绝对值），如图所示。图1-13图像的梯度从图2-46中可看出待分解的目标区域边缘比背景干扰区域边缘处的颜色反差明显，可知其反映的梯度值的绝对值要比干扰区域的梯度值大很多。通过上面梯度实验，本文也得到同样的结论，以此为指导思想，对图像求梯度，并对梯度值取绝对值，以此获取图像变化的边缘区域，利用Matlab绘制出三维曲线梯度图的正面图和用等高线的平面视角图（其颜色映射的数量为2，视角为[0,-90]），可得下图。图1-14三维和平面梯度图从图中可以看出对处理后的图像求梯度进行边缘提取是可行的，三维图反映了待检测目标的边缘信息，由于本文前期的方法可以将图片的背景处理的比较简单，易于后期目标的提取，可以看出其周围的梯度值比其他区域的梯度值大很多，从下图可以看出其边缘梯度值若用两颜色描绘，其边缘基本是连续的，目标的边缘在图中可以很方便的求出。将此图与原图对比，可知，本文的梯度边缘法可以将红外图像中温度最高区域的边缘提取出来，本方法提取出来的边缘，即为原图中温度最高的区域的边缘。经对其他拍摄的红外图