CN119445050A 一种光照亮度自适应调整的电力无人机巡检图像增强方法及装置 （国网湖南省电力有限公司电力科学研究院）

号一种光照亮度自适应调整的电力无人机巡本发明提供一种光照亮度自适应调整的电对采集的巡检图像进行超像素分割，得到N个超2对超像素区域进行本征图像分解，得到超像素区域的光谱反射成分；将将图像初步增强结果R和明亮显著性图谱E进行决策融合，得到最终光照亮度增强的取明通道特征M，对明通道特征M进行平均融合得到图谱M,，对图谱M,进行傅里叶变数谱Log(A(M,))生成平均谱P,M,)，最后根据对数谱Log(A(M,))和平均谱r.M,)获得2.根据权利要求1所述的光照亮度自适应调整的电力无人机巡检图像增强方法，其特3.根据权利要求1所述的光照亮度自适应调整的电力无人机巡检图像增强方法，其特y,(n)=r;(n)*s,(n)（3其中，y,(n)表示巡检图像Y中第i个超像素区域的第n个像素，r;(n)表示第i个超像素4.根据权利要求3所述的光照亮度自适应调整的电力无人机巡检图像增强方法，其特v间光谱角的相似度；35.根据权利要求4所述的光照亮度自适应调整的电力无人机巡检图像增强方法，其特6.根据权利要求1所述的光照亮度自适应调整的电力无人机巡检图像增强方法，其特对明通道特征M进行平均融合得到图谱M,为：A(M,)=F(IM,)（9基于对数谱Log(A(M,))生成平均谱P,M,)为：V(M,)=Log(A(M,)xh(M)（10根据对数谱Log(A(M,))和平均谱P,M,)获得去黑暗成分的明亮显著性图谱E为：部kxk均值滤波特征提取器，k表示均值滤波特征提取器的参数，为傅里叶逆变换操7.根据权利要求6所述的光照亮度自适应调整的电力无人机巡检图像增强方法，其特8.根据权利要求1所述的光照亮度自适应调整的电力无人机巡检图像增强方法，其特4Q=EXR'（13）。9.一种光照亮度自适应调整的电力无人机巡检图像增所述的光照亮度自适应调整的电力无人机巡检图5[0005]本发明目的在于提供一种光照亮度自适应调整的电力无将图像初步增强结果R'和明亮显著性图谱Ey,(n)=r;(n)*s,(n)（3其中，y,(n)表示巡检图像Y中第i个超像素区域的第n个像素，r;(n)表6大小为(2r+1)x(2r+I)个像素的局部窗口，r为控制局部窗口大小的参数；表示像素c个超像素区域的光谱反射成分ri。后根据对数谱Log(A(M,))和平均谱r.M,)获得去黑暗成分的明亮显著性图谱E。对明通道特征M进行平均融合得到图谱M,为：对图谱M,进行傅里叶变换生成振幅谱A:M,)为：A(M,)=F(M,)（9基于对数谱Log(A(M,))生成平均谱P,M,)为：V(M,)=Log(A(M,)xh(M,)根据对数谱Log(A(M,))和平均谱r.M,)获得去黑暗成分的明亮显著性图谱E7调饱和度强度变化中的饱和度分量，为巡检图像在HUE色调饱和度强度变化中的强Q=EXR'（13）。8参见图1，本实施例提供了一种光照亮度自适应调整的电力无人机巡检图像增强[0022]其中，熵率超像素分割技术（ERS）请参见现有技术"Entropyratesupsegmentation",LiuM,TuzelO,RamalingamS,etal,ProcofProcessingIEEEConfenseComputerVisionPatternRecognition,2011,2097–2104；主成分分析算法请参见现有技术"Two_stageimagedenoisingbyprincipalcomponentanalysiswithlocalpixelgrouping",ZhangL,DongW,ZhangD,etal,PatternRecognition,y,表示第i个超像素区域。超像素区域的光谱反射成分组合得到图像初步增强Y(n)=R(n)*s(n)（29其中：Y()表示巡检图像的第n个像素，R(n)表示巡检图像中第n个像素的光谱反射成分，S(n)表示巡检图像中第n个像素的亮度成分；y"(n)ye(n)y"(n)分别表示巡检图像Y的第n个像素在红、y,(n)=;(n)*s,(n)（3像素区域的第n个像素的光谱反射成分，s,(n)表示第i个超像素区域的第n个像素的亮度成其中，E(r;(n),s,(n))表示求解r;(n)和s,(n)的目标函数；表示以像素c为中心、得到整个超像素区域y,的光谱反射成分：M-maxy,X,X,X,X,yi（7度强度变化中的强度分量。[0031]为了进一步挖掘图谱M,中具有图像明亮特征的显著性图谱，抑制图像中的黑暗A(M,)=F(M,)（9V(M,)=Log(A(M,)xh(M,)[0034]进一步的，平均谱(M,)能够反应图像中冗余的黑暗区域特征，然后通过公式r-l为傅里叶逆变换操作。Q=EXR'