基于改進直方圖均衡的SF6泄漏區域增強算法

盧 泉，黃粒峰，胡夢竹

基于改進直方圖均衡的SF6泄漏區域增強算法

盧 泉1，黃粒峰1，胡夢竹2

（1. 廣西大學 電氣工程學院，廣西 南寧 530004；2. 廣西電網有限責任公司 電力科學研究院，廣西 南寧 530004）

SF6氣體紅外成像易受環境噪聲影響，呈低對比度與低信噪比特性。導致現有算法無法自適應增強SF6泄漏區域和抑制高斯噪聲。針對上述問題，提出一種基于改進HE的SF6泄漏區域增強算法。該算法首先采用單尺度Retinex處理原始SF6圖像獲得反射圖像，然后利用引導濾波將反射圖像分解為細節層和基本層，最后采用改進的直方圖均衡化來自適應處理基本層，并將增強后的圖像進行融合來獲得最終的圖像。實驗結果表明：本文算法不僅能夠自適應增強泄漏區域的對比度，而且具有良好邊緣保持特性和抑制高斯噪聲的性能。其增強效果優于現有的SF6紅外圖像增強算法。有效改善了SF6紅外圖像低對比度和低信噪比特性。

單尺度Retinex；引導濾波；SF6紅外圖像；直方圖均衡化

0 引言

以六氟化硫（SF6，sulfur hexafluoride）作為滅弧和絕緣介質的高壓電氣設備具有重量輕、體積小、容量大、適應環境能力強和運行可靠性高等優點，自20世紀80年代后，SF6氣體被廣泛應用于高壓和超高壓領域的電氣設備如六氟化硫全封閉組合電器（gas insulated switchgear, GIS），SF6斷路器等[1-2]。但是，GIS中的SF6氣體泄漏的現象時有發生，泄漏的SF6氣體會帶來嚴重的不良后果[3]。因此，尋求一種安全、高效、及時的SF6泄漏檢測方案是極其重要且具有十分深遠的意義。

由于SF6和空氣對紅外輻射的吸收能力在10～11mm波段的差異較大，通過紅外探測技術可以觀察到可見光下看不到的SF6泄漏[4]。美國FLIR公司利用SF6的紅外特性研發了GF306氣體檢漏儀，GF306紅外熱像儀能夠實時捕捉SF6泄漏視頻圖像，該方法通過直接觀察SF6泄漏視頻圖像來判別SF6設備的泄漏點，其相比于傳統檢測方法，具有無需停電、危險性小等優點[5]。因此，手持紅外氣體檢漏儀對SF6泄漏進行檢測逐漸成為一種主要的電力巡檢方式。但SF6電氣設備在變電站中廣泛分布，SF6泄漏環境復雜多變，因此，手持紅外氣體檢漏儀來判別SF6設備的泄漏點不可避免地存在漏檢以及誤檢的問題，造成設備的安全隱患，并且不能及時發現突發性的泄漏。基于此，文獻[6]提出一種基于紅外視頻的SF6泄漏在線檢測算法，該算法采用直方圖均衡化算法（histogram equalization, HE）增強SF6圖像的對比度，雖有效改善泄漏區域的對比度，但也提高了背景的整體對比度，使得泄漏區域的檢測難度成倍增加。針對以上缺陷，文獻[7]提出一種基于改進限制對比度的自適應直方圖均衡（contrast limited adaptive histogram equalization, CLAHE）的SF6紅外圖像局部增強方法，該算法采用雙邊濾波將SF6圖像分解為基礎圖像和細節圖像，然后采用CLAHE算法處理基礎圖像，以此提高泄漏區域的對比度，但需要手動調節加權參數才能獲得有效的增強效果，并不適用于SF6泄漏在線檢測。此外，雙邊濾波在圖像色差較大時容易產生偽影。

針對以上算法的不足，本文提出基于改進HE的SF6泄漏區域增強算法，并采用引導濾波和單尺度Retinex（single-scale-Retinex，SSR）增強泄漏區域的邊緣并抑制圖像的高斯噪聲，最后，對室內和室外的SF6圖像進行實驗測試，并對實驗結果進行對比和分析。

1 基于改進HE的SF6泄漏區域增強算法

本文利用SSR與引導濾波將SF6紅外圖像進行分解，提升SF6圖像的視覺效果。本文算法首先利用SSR算法對原始SF6圖像的灰度分布進行調整，突顯暗背景中的圖像邊緣，然后利用引導濾波將反射圖像R分解為細節層與基本層，最后采用改進的直方圖均衡化來自適應處理基本層，調節泄漏區域的對比度，并采用絕大值取大算法[8]將增強后的圖像進行融合，獲得增強后的圖像。算法的工作流程圖如圖1所示。

圖1 本文算法流程

1.1 Retinex原理

E. H. Land提出基于人眼視覺特性的Retinex理論[9]，該理論認為，一幅圖像(,)可用式(1)表示：

式中：(,)為反射分量；(,)為照射分量。反射分量(,)反映景物本身的性質，與環境的亮度無關，含有大量的高頻信息。照射分量(,)反映景物所在環境的亮度，與景物本身無關，含有緩慢變化的低頻信息。Retinex理論的示意圖如圖2所示。

Retinex理論的本質是先估計出一幅圖像中的照射分量并去除，最終獲得反映景物本質的反射分量。所以，Retinex算法的核心在于如何有效、準確地估計照射分量。

圖2 Retinex理論示意圖

Jobson等人基于Retinex理論提出單尺度Retinex（single-scale Retinex, SSR）圖像增強算法[10]。SSR算法采用高斯環繞函數與原圖像進行卷積，從而獲得照射分量。SSR算法的數學模型如式(2)所示：

式中：(,)為高斯環繞函數，其表達式如式(3)所示，“*”為卷積運算。

綜上可知，SSR算法可以實現邊緣和細節的增強。

1.2 引導濾波

為了細化圖像去霧算法中的透射圖，何凱明等人提出了一種類似于雙邊濾波的引導濾波算法[11]。它不僅具有雙邊濾波的邊緣保持特性，而且還具有去除高斯噪聲的能力。同時，還克服了雙邊濾波在圖像色差較大時產生偽影的缺點。引導濾波是一個線性模型，如式(4)所示：

式(4)中：是輸出圖像；為引導圖像，當局部窗口為時，a、b為線性函數的系數。對式(4)求導得到式(5)：

從式(5)可以看出，當的梯度變化時，輸出圖像也有相應的梯度變化，所以引導濾波算法在對紅外圖像去除高斯噪聲的同時，也可保留圖像的邊緣信息。式(5)的系數可以通過線性回歸求出，可令擬合函數的真實值與輸出值的差值最小，即求式(6)的最小值。

式(6)中：是待處理圖像；是用于限制求解的過大的參數，通過最小二乘法可得：

式(8)中：q是最終的像素值，窗口包含所有像素，,是其中心位置。當引導圖像等于輸入圖像時，此時有：

式(9)中，當＝0時，有a＝1，b＝0，q＝I＝p，即輸出圖像和輸入圖像相同。

當＞0且圖像局部方差較大時，有2?Ta≈1，b≈0，此時輸出圖像近似等于輸入圖像，保持了與輸入圖像相同的邊緣信息。

當＞0且圖像局部方差較小時，有2?Ta≈0，b≈，此時圖像的灰度值可近似為的平均值，則該區域被平滑了。這就是引導濾波算法的保邊平滑特性。

綜上可知，引導濾波算法不僅具有邊緣保持特性，而且還具有去除高斯噪聲的能力。

1.3 改進的直方圖均衡化

HE通過非線性映射處理輸入圖像，使得圖像的像素值在每個灰度級上都是均勻分布的。從而得到動態范圍較廣和對比度較高的圖像。HE的基本原理是：假設原始輸入圖像和輸出圖像的灰度分別為和，p()為原始圖像的概率密度函數，()為灰度區間[1,－1]內嚴格單調遞增的映射函數，則HE的數學變換關系如式(10)所示：

式(10)中：＝－1為白色，＝0為黑色。令映射函數()為的累積分布函數（cumulative distribution function，CDF），由于()為嚴格單調遞增函數，則有：

則輸出圖像的概率密度函數p()的表達式為：

由式(12)可知，p()為均勻概率密度函數，即輸出圖像的灰度值是均勻分布的。式(10)適用于連續函數的計算。而實際應用中，離散圖像的直方圖均衡化過程為：

式(13)中：是圖像中像素的總數；n是灰度為r的像素個數。則由式(13)可以得到：

HE算法對所有像素值都采用相同變換，并未考慮圖像的局部特征。這導致經過HE算法處理后的圖像將丟失有用的邊緣的細節信息。因此，直方圖均衡化并不適合用于SF6紅外圖像的增強處理。為此，本文提出改進的直方圖均衡化對SF6圖像進行局部增強處理。本文利用圖像的局部特征來設計處理算法，不同的局部采用相適的對比度增強方法，即增強圖像的每個像素值都通過一個映射函數得到，而映射函數由局部窗口的直方圖均衡化獲得。則局部對比度增強的表達式為：

式(16)中：2為窗口的鄰域灰度方差；2為整幅圖像的噪聲方差。

綜上所示，改進的直方圖均衡化算法具體實現過程如下：

1）計算原始SF6圖像所有灰度級的像素數n。

2）求解原始SF6圖像的累積直方圖。

3）采用式(3)～(16)計算值。

4）采用式(3)～(15)計算窗口的對比度，實現直方圖均衡化。

5）采用n/重新計算直方圖。

2 SF6紅外圖像局部增強實驗分析

為了驗證所提算法對泄漏區域的增強效果，采用本文算法對不同場景下的SF6紅外圖像進行實驗。所有實驗均在酷睿I5，Windows10系統、內存為8G的測試平臺上進行，編譯環境：OpenCV3.3.4＋VS2017，為了驗證所提算法的有效性，將本文算法與HE算法[12]和文獻[7]的基于改進限制對比度的自適應直方圖均衡化（CLAHE）進行比較，并從客觀和主觀兩個方面進行分析。

2.1 主觀評價

實驗分別對室內和室外的SF6紅外圖像進行測試，實驗圖像由型號為FLIR GF306的紅外成像儀在白天對變電站GIS設備的SF6泄漏進行檢測時采集而得。算法對SF6泄漏區域的增強結果及其相應的直方圖如圖3和圖4所示，采用矩形方框對SF6泄漏區域進行標注。從圖3(a)及其直方圖的分布可知，圖3(a)中SF6泄漏區域的對比度低，邊緣不清晰。圖3(f)的直方圖分布均勻，這說明HE算法能夠有效增強泄漏區域的對比度并拓展圖像的動態范圍，但圖像整體的對比度被過度放大且泄漏區域的局部細節并不清晰。圖3(g)的直方圖主峰位于圖像的中右部，這表明文獻[7]的增強效果是要優于HE算法，圖3(h)直方圖的峰值處于圖像的右部，SF6泄漏區域的對比度得到了提高，從圖3(d)也可以看出，SF6泄漏區域的邊緣突出，其輪廓明顯。

圖4(e)灰度級大多分布于直方圖的左中部，這與圖4(a)的圖像整體較暗相互印證。圖4(f)與圖3(f)的直方圖分布類似，從圖4(b)的增強效果也可以看出，HE算法使得圖像的整體亮度過高，泄漏區域增強效果并不明顯，圖4(g)的峰值較高，這表明文獻[7]的算法有效增強泄漏區域的對比度。采用本文算法增強SF6圖像，圖4(h)的直方圖峰值集中于右部，結合圖4(d)的增強效果可得，本文算法有效增強泄漏區域的對比度，泄漏區域的紋理細節和邊緣更加清晰，邊緣的保留效果是優于文獻[7]的。

(a) SF6圖像a(b) HE算法(c) 文獻[7](d) 本文算法 (a) SF6 image a(b) HE algorithm(c) Literature [7](d) Proposed (e) 圖(a)的直方圖(f) 圖(b)的直方圖(g) 圖(c)的直方圖(h) 圖(d)的直方圖 (e) Histogram of Figure(a)(f) Histogram of Figure(b)(g) Histogram of Figure(c)(h) Histogram of Figure(d)

(a) SF6圖像b(b) HE算法(c) 文獻[7](d) 本文算法 (a) SF6 image b(b) HE algorithm(c) Literature [7](d) Proposed (e)圖(a)的直方圖(f)圖(b)的直方圖(g) 圖(c)的直方圖(h) 圖(d)的直方圖 (e) Histogram of Figure (a)(f) Histogram of Figure (b)(g) Histogram of Figure (c)(h) Histogram of Figure (d)

2.2 客觀評價

本文采用標準差（standard deviation, SD）、信息熵（information entropy, IE）和峰值信噪比（peak signal-to-noise ratio, PSNR）作為客觀評價標準，來驗證SF6圖像的增強效果。

①圖像標準差指的是圖像均值與其灰度值的差異，該值越大，則表示圖像的對比度越高，相反，標準差越小，圖像對比度越低。標準差的表達式為：

式(17)中：表示圖像的灰度平均值。

②圖像信息熵反映直方圖灰度級的分布情況，能夠表征圖像的細節信息，其定義為：

式(18)中：為圖像的灰度級總數；p表示圖像中灰度出現的概率。

③峰值信噪比是衡量圖像去噪效果最為常用的指標，其定義為：

式(20)中：MSE為均方差，其定義為：

式中：￠(,)為原圖像(,)經過濾波后得到的圖像。

本文通過對上述算法所得的圖像求其信息熵、標準差、峰值信噪比和實時處理時間。比較結果如表1所示。由表1可知，HE算法的標準差最大、峰值信噪比最小，這說明HE算法雖能提高圖像的整體對比度，但存在過增強的現象。文獻[7]算法的信息熵和標準差有所增加，峰值信噪比相比于HE算法有所提高，這說明文獻[7]抑制噪聲的效果比HE算法要好。本文算法的信息熵和峰值信噪比最大，SF6紅外圖像的局部對比度得到了提高，泄漏區域的邊緣和紋理細節更加豐富。抑制高斯噪聲的效果比文獻[7]要好。HE算法的實時處理速度最快，本文算法的處理速度適中，但總體來說，實時處理速度相差并不大，完全能夠滿足實時運行的應用需求。

表1 不同算法的客觀評價指標

3 結論

本文基于非銳化掩模圖像的基本思想提出基于改進HE的SF6泄漏區域增強算法。本文算法首先利用SSR算法對原始SF6圖像的灰度分布進行調整，突顯暗背景中的圖像邊緣，然后利用引導濾波將反射圖像R分解為細節層與基本層，最后采用改進的HE來自適應處理基本層，調節泄漏區域的對比度，并采用絕大值取大算法將增強后的圖像進行融合，實驗結果和分析表明：本文算法不僅能夠提高泄漏區域的對比度，而且具有良好邊緣保持特性。能夠有效改善SF6紅外圖像低對比度和低信噪比特性。同時也為后續SF6泄漏檢測的研究工作提供一個新的思路，使得后續的研究工作能夠順利進行。

[1] ZHANG X, XIAO H, HU X, et al. Effects of reduced electric field on sulfur hexafluoride removal for a double dielectric barrier discharge reactor[J]., 2018, 46(3): 563-570.

[2] 郭瑛, 周會高. 高壓開關行業熱點分析[J]. 電氣時代, 2019, 1(6): 20-24. GUO Ying, ZHOU Huigao. Hot spot analysis of high-voltage switch industry[J]., 2019, 1(6): 20-24.

[3] LIU C, GU W, SHI L, et al. A method to construct early-warning and emergency response system for sulfur hexafluoride leakage in substations[J]., 2020(8): 47082-47091.

[4] 季怡萍, 鄧先欽, 徐鵬, 等. SF6氣體泄漏紅外成像檢測的技術分析和應用探討[J]. 紅外技術, 2022, 44(2): 198-204. JI Yiping, DENG Xianqin, XU Peng, et al. Analysis of SF6 leakage detection using infrared imaging[J]., 2022, 44(2): 198-204.

[5] 王俊波, 徐鑫, 劉志陸, 等. 電氣設備SF6氣體泄漏的紅外檢測技術[J]. 無損檢測, 2017, 39(8): 43-46. WANG Junbo, XU Xin, LIU Zhilu. Infrared detection technology of SF6 gas leakage of electrical equipment [J]., 2017, 39(8): 43-46.

[6] 李軍衛, 張英, 趙樂, 等. 基于紅外視頻圖像處理的瓷柱式SF6斷路器泄漏區域檢測研究[J]. 高壓電器, 2018, 54(12): 50-55.

LI Junwei, ZHANG Ying, ZHAO Le, et al. Detection of leakage area of porcelain column SF6 circuit breaker based on infrared video image processing [J]., 2018, 54(12): 50-55.

[7] 劉陳瑤, 胡夢竹, 張龍飛. 基于改進CLAHE的SF6紅外圖像增強[J]. 光學技術, 2021, 47(1): 107-112. LIU Chenyao, HU Mengzhu, ZHANG Longfei. Infrared image enhancement of SF6 based on improved CLAHE[J]., 2021, 47(1): 107-112.

[8] 張志恒. 基于圖像自適應分解及多方向特征的多聚焦圖像融合算法研究[D]. 西安: 西安電子科技大學, 2021.

ZHANG Zhiheng. Research on Multi-focus Images Fusion Algorithm Based on Image Adaptivc Decomposition and Multi-directional Features[D]. Xi’an: XIDIAN University, 2021.

[9] Land E H, McCann J J. Lightness and retinex theory[J]., 1971, 61(1): 1-11.

[10] Jobson D J, Rahman Z, Woodell G A. Properties and performance of a center/surround retinex[J]., 1997, 6(3): 451-462.

[11] HE Kaiming, SUN Jian, TANG Xiaoou. Guided image filtering[J]., 2013, 35(6): 1397-1409.

[12] 喬鬧生. 一種改進的直方圖均衡化[J]. 光學技術, 2008, 34(S1): 141-142.

QIAO Naosheng. An improved histogram equalization[J]., 2008, 34(S1): 141-142.

SF6 Leakage Region Enhancement Algorithm Based on Improved HE

LU Quan1，HUANG Lifeng1，HU Mengzhu2

(1.,,530004,; 2.,,530004,)

Infrared imaging of SF6 gas is easily affected by environmental noise and exhibits low contrast and signal-to-noise ratio. As a result, existing algorithms cannot adaptively enhance the SF6 leakage area or suppress Gaussian noise. Therefore, this study proposes an improved HE-based SF6 leakage-area enhancement algorithm. The algorithm first uses SSR to process the original SF6 image to obtain the reflection image R, and then uses guided filtering to decompose the reflection image R into detail and base layers. Finally, an improved histogram equalization is used to adaptively process the base layer, and the enhanced images are fused to obtain the final image. The experiment results demonstrate that the proposed algorithm can not only adaptively enhance the contrast of the leaked area but also has good edge preservation and Gaussian noise suppression performance. Its enhancement effect is superior to that of the existing SF6 infrared image enhancement algorithm. This effectively improves the low-contrast and low signal-to-noise ratio characteristics of the SF6 infrared images.

single-scale-retinex, guide filtering, SF6 infrared image, histogram equalization

TP391

A

1001-8891(2024)04-0437-06

2022-03-16；

2022-04-20.

盧泉（1982-），男，博士，副教授，主要研究方向：智能電力技術。E-mail: luquan@gxu.edu.cn。

國家自然科學基金資助項目（61863002）。