基于紅外攝像儀的接觸網(wǎng)載流安全狀態(tài)檢測(cè)圖像處理

劉家軍，羅軍，張偉，劉小川，楊瀚鵬

（1.西安理工大學(xué)水利水電學(xué)院，陜西西安 710048；2.西安鐵路局供電段，陜西西安 710054）

基于紅外攝像儀的接觸網(wǎng)載流安全狀態(tài)檢測(cè)圖像處理

劉家軍1，羅軍2，張偉1，劉小川2，楊瀚鵬1

（1.西安理工大學(xué)水利水電學(xué)院，陜西西安 710048；2.西安鐵路局供電段，陜西西安 710054）

利用車載紅外成像儀能高效便捷的對(duì)接觸網(wǎng)進(jìn)行載流安全檢測(cè)，但由于外界環(huán)境和車速的影響導(dǎo)致獲取的紅外圖像存在灰暗模糊的問題。為獲取高質(zhì)量的圖像，提出了一種基于小波變換和模糊對(duì)比度的圖像增強(qiáng)算法，據(jù)此提高圖像的清晰度和信息量；同時(shí)，利用RGB顏色空間對(duì)原始圖像進(jìn)行分割，通過圖像融合完成對(duì)紅外圖像溫度最高區(qū)域的位置標(biāo)定，從而滿足了人眼視覺直觀感應(yīng)和計(jì)算機(jī)的分析要求，為快速準(zhǔn)確地判斷接觸網(wǎng)載流安全狀態(tài)和發(fā)現(xiàn)可能存在的隱患點(diǎn)提供一種有效的手段。

接觸網(wǎng)；載流狀態(tài)；紅外圖像；圖像處理

接觸網(wǎng)作為電氣化鐵路的唯一供電線路，其沒有備用，且承擔(dān)了重要作用。因此，日常維護(hù)和檢修是保障安全良好運(yùn)行的有效手段。其中利用車載紅外熱像儀對(duì)接觸網(wǎng)載流安全狀態(tài)進(jìn)行檢測(cè)是一種高效便捷的檢測(cè)手段。

由于環(huán)境和車速影響，經(jīng)紅外儀獲得的初始圖像質(zhì)量不高。

1 接觸網(wǎng)載流安全狀態(tài)檢測(cè)原理與存在的問題

1.1 基于紅外圖像處理的檢測(cè)原理

基于紅外圖像處理的接觸網(wǎng)載流安全狀態(tài)檢測(cè)是通過紅外檢測(cè)系統(tǒng)，由圖像采集與信息傳輸終端和監(jiān)測(cè)與控制終端2部分組成。通過二者的相互配合完成整個(gè)檢測(cè)和安排維修任務(wù)的功能。

1.2 紅外檢測(cè)存在的問題

根據(jù)相關(guān)理論，并結(jié)合實(shí)際應(yīng)用，紅外圖像的特點(diǎn)可以總結(jié)為以下幾個(gè)方面：

1）由于物體熱平衡、傳輸距離遠(yuǎn)以及大氣衰減等因素的影響，導(dǎo)致紅外熱圖像具有極強(qiáng)的空間相關(guān)性、較低的對(duì)比度和模糊的視覺效果。

2）與可見光的CCD陣列相比，系統(tǒng)對(duì)紅外輻射的探測(cè)能力和空間分辨率偏低，這造成紅外圖像的清晰度較差。

3）周圍環(huán)境的干擾和熱成像系統(tǒng)自身的缺陷，使得紅外圖像中摻雜著很多噪聲，如熱噪聲、散粒噪聲、光電子噪聲等。因此，紅外圖像的信噪比要明顯低于普通圖像。

4）紅外探測(cè)器中各單元響應(yīng)特性的不一致，造成了紅外圖像很大程度的非均勻性，表現(xiàn)為圖像中攜帶的恒定圖案噪聲、串?dāng)_和畸變等。

總的來說，大部分紅外圖像中，目標(biāo)圖像與背景的對(duì)比度低，邊緣較模糊，噪聲較大。

2 紅外圖像的增強(qiáng)

針對(duì)紅外圖像對(duì)比度差、視覺效果模糊的缺點(diǎn)，本文提出了一種基于小波變換與模糊對(duì)比度的圖像增強(qiáng)算法。首先，采用正交小波變換對(duì)紅外圖像進(jìn)行處理，將空域圖像轉(zhuǎn)換到頻域，得到小波各層的分解系數(shù)；其次，運(yùn)用同態(tài)濾波法對(duì)低頻子帶小波系數(shù)進(jìn)行處理，同時(shí)運(yùn)用低通濾波法對(duì)高頻子帶小波系數(shù)進(jìn)行處理；再次，經(jīng)正交小波逆變換重構(gòu)得到初步增強(qiáng)后的紅外圖像；最后，運(yùn)用模糊對(duì)比度算法，得到最終的增強(qiáng)圖像。

2.1 紅外圖像的小波分解與重構(gòu)

基于小波變換的紅外圖像處理，主要是通過小波變換對(duì)紅外圖像進(jìn)行分解，而后對(duì)產(chǎn)生的低頻與高頻分量系數(shù)分別進(jìn)行處理，經(jīng)過小波重構(gòu)后，使圖像滿足特定要求[1]。若二維圖像信號(hào)f（x，y）在分辨率2j下，經(jīng)二維小波分解，可將圖像分解為Ajf（x，y）、D1jf（x，y）、D2jf（x，y）及D3jf（x，y）4個(gè)子圖，即：

式中：φ和ψ為相應(yīng)的尺度函數(shù)和小波函數(shù)；Ajf（x，y）為對(duì)于原圖像的近似，也稱為低頻部分；Dλjf（x，y）（λ=1，2，3）代表近似誤差，即圖像的高頻部分；D1jf（x，y）為水平邊緣信息；D2jf（x，y）為垂直邊緣信息；D3jf（x，y）為對(duì)角線方向的高頻信息[2]。

經(jīng)過小波變換，原圖像將被分解成4個(gè)子圖像，每個(gè)子圖像分別代表前一層圖像的平滑逼近信息分量以及水平、垂直和對(duì)角線信息分量。圖1給出了二維圖像的二層小波分解過程，其小波重構(gòu)按相反過程進(jìn)行。其中，LL1、HL1、LH1及HH1分別為原圖像經(jīng)小波變換后的平滑逼近信息以及水平、垂直和對(duì)角線信息構(gòu)成的子圖像；LL2、HL2、LH2及HH2為L(zhǎng)L1子圖像再次經(jīng)過小波變換形成的4個(gè)子圖像[3-5]。

2.2 低通濾波

信號(hào)或圖像的能量大部分集中在頻譜的低頻段和中頻段，而在較高的頻段，目標(biāo)信息常常被噪聲淹沒。故通過濾除高頻成分的濾波器就可以減弱噪聲對(duì)圖像可視部分的影響。

在圖像的增強(qiáng)過程中構(gòu)造出低通濾波器，讓低頻分量順利通過，并有效地阻止高頻分量，這樣就可以有效濾除該領(lǐng)域內(nèi)的部分噪聲[6]。

根據(jù)卷積定理，低通濾波器的數(shù)學(xué)表達(dá)式為：

式中：F（u，v）為含噪聲的原始圖像的傅里葉變換；H（u，v）為傳遞函數(shù)；G（u，v）為經(jīng)過低通濾波的輸出圖像的傅里葉變換。

在常用低通濾波器中指數(shù)低通濾波器濾波后較其他類型所得圖像最為清晰，噪聲量少。指數(shù)低通濾波器：

式中：n為指數(shù)函數(shù)衰減率。

2.3 同態(tài)濾波

圖像的同態(tài)濾波作用是調(diào)整圖像的灰度范圍，消除圖像照明不均勻的問題，增強(qiáng)暗區(qū)的圖像細(xì)節(jié)，同時(shí)又不損失亮區(qū)的圖像細(xì)節(jié)。

通常，景物圖像f（x，y）可以由照明函數(shù)fi（x，y）與反射函數(shù)fr（x，y）的乘積表示：

式中：fi（x，y）為對(duì)景物照明的描述，而與景物內(nèi)容無關(guān)；fr（x，y）包含了景物細(xì)節(jié)信息，而與照明度無關(guān)。

因?yàn)檎斩确至吭诳臻g中是緩慢變化的，而反射分量在不同物體的交界處變化較劇烈，所以對(duì)圖像求對(duì)數(shù)后，其傅里葉變換的低頻部分主要對(duì)應(yīng)照度分量，而高頻主要對(duì)應(yīng)反射分量。由于2個(gè)函數(shù)的傅里葉變換是不可分的，不能直接對(duì)式（4）中fi（x，y）及fr（x，y）的頻域部分進(jìn)行操作，可以采用對(duì)數(shù)運(yùn)算將乘性分量變?yōu)榧有苑至?，然后進(jìn)一步處理[7-9]，即

對(duì)式（5）取傅里葉變換得到

如果用傳遞函數(shù)H（x，y）的濾波器來處理對(duì)數(shù)圖像頻譜式F（x，y），則：

處理后，將G（u，v）進(jìn)行傅里葉反變換，則有

最后，對(duì)S（x，y）進(jìn)行指數(shù)運(yùn)算就可得到增強(qiáng)后的圖像g（x，y）。

2.4 基于模糊對(duì)比度的圖像清晰化算法

在基于模糊對(duì)比度的增強(qiáng)算法中，在它的模糊域內(nèi)，定義一種新的隸屬度函數(shù)，對(duì)其正常的逆變換過程稍作改變，具體的算法[10]如下。

1）新定義的模糊域隸屬度函數(shù)為

式中：xmax，xmin分別為圖像的最大灰度值和最小灰度值；α為調(diào)整參數(shù)，一般取[0，0.5]。

根據(jù)選取的隸屬度函數(shù)，完成圖像由空域到模糊域的映射。在[0，1]的取值范圍內(nèi)，隸屬度的值越大，表示其對(duì)模糊集的隸屬程度越深。本文采用tan函數(shù)，將最初對(duì)模糊集的線性隸屬度進(jìn)行了進(jìn)一步的提高。由于tan函數(shù)擴(kuò)大了最初屬于[0，1]取值區(qū)間內(nèi)的隸屬度值，因此需要參數(shù)α的調(diào)節(jié)。通過2次隸屬度的拉伸，隸屬度的值在[0，1]區(qū)間內(nèi)更加集中，線性度也有所改善，而且處理之后的圖像還能夠保留低灰度值的邊緣信息，克服了原始圖像低灰度值易被忽略的缺陷[11-14]。

2）在特征平面上，計(jì)算圖像最初的模糊對(duì)比度函數(shù)C，然后利用變換函數(shù)Fc對(duì)C進(jìn)行增強(qiáng)處理?；趫D像對(duì)比度隨著景深系數(shù)的增大呈指數(shù)下降的特征，所以在定義對(duì)比度的變換函數(shù)Fc時(shí)還考慮了景深[12]。本文應(yīng)用到的對(duì)比度的變換函數(shù)為：

式中：Cu（xij）為點(diǎn)（i，j）在其模糊域局部的對(duì)比度；Fc為增強(qiáng)后的對(duì)比度；v為待定指數(shù)系數(shù)；深度值d根據(jù)交互式景深的估計(jì)算法獲得，然后再歸一化到d區(qū)間內(nèi)，各點(diǎn)的深度值可以通過式（11）求得：

式中：γ為比例系數(shù)，且γ∈（0，1）；當(dāng)d=dmin時(shí)，γ=0；d= dmax時(shí)，γ=1。

3）通過Fc計(jì)算調(diào)整后的像素灰度隸屬度μ′ij和灰度值x′ij為

2.5 算法實(shí)現(xiàn)步驟

1）正交小波分解。在Matlab處理軟件中，調(diào)用正交小波變換函數(shù)對(duì)圖像f（x，y）進(jìn)行正交小波變換，分別提取原紅外圖像的低頻及高頻子帶分量。

2）對(duì)低頻子帶分量進(jìn)行同態(tài)濾波處理。選取H（u，v）高通濾波函數(shù)作為同態(tài)濾波的傳遞函數(shù)，其表達(dá)式如下：

式中：HH為高頻增益；HL為低頻增益；D（u，v）=[（u－u0）2+（v－v0）2]1/2，表示頻率（u，v）到濾波器中心（u0，v0）的距離；D0為（u0，v0）=（0，0）時(shí)D（u，v）的值，表示截止頻率。這里需要指出的是，該高通濾波函數(shù)是以（u0，v0）為中心圓對(duì)稱的。

一般情況下，選取H（u，v）下降至最大值1/2時(shí)的D（u，v）作為截止頻率D0，而文中選?。℉max－Hmin）+Hmin時(shí)對(duì)應(yīng)的D（u，v）作為截止頻率D0，其中，Hmax為H（u，v）的最大值；Hmin為H（u，v）的最小值。D0的值只與圖像本身有關(guān)，而與HH、HL的選取無關(guān)。通過實(shí)驗(yàn)，最終選取HH=2db，HL=5db，D0=100 Hz。濾波函數(shù)特征曲線如圖2所示。

圖2 同態(tài)濾波函數(shù)Fig.2 Homomorphic filter function

3）對(duì)高頻分量進(jìn)行低通濾波。采用指數(shù)低通濾波器對(duì)高頻子帶小波系數(shù)進(jìn)行處理。通過實(shí)驗(yàn)，最終選取D0=50 Hz，n=1.5。

4）小波重構(gòu)。針對(duì)同態(tài)濾波及低通濾波處理過的低頻分量和高頻分量，進(jìn)行正交小波逆變換，重構(gòu)得到增強(qiáng)的圖像。

靜態(tài)變頻電源依靠電力電子器件開關(guān)形成變頻變壓輸出，由輸出濾波器保證輸出波形質(zhì)量，其電源輸出端阻抗比較大，非線性負(fù)載形成的諧波可能與濾波器以及逆變器形成諧振，所以一般認(rèn)為除非特殊設(shè)計(jì)，靜態(tài)變頻電源不宜帶大功率非線性負(fù)載。而機(jī)組電源在這方面沒有太多顧忌，對(duì)非線性負(fù)載的承受能力就要高得多。

5）圖像模糊增強(qiáng)。圖像的模糊增強(qiáng)的基本思路是通過隸屬度函數(shù)實(shí)現(xiàn)圖像從空域到模糊域的映射，得到模糊特征平面。在這個(gè)模糊特征平面上，通過放大像素鄰域中各像素點(diǎn)之間的差異，再將其變回到空域，得到增強(qiáng)圖像。具體算法描述如下：①將小波重構(gòu)后的圖像從空域映射到模糊域，得到模糊特征平面；②在模糊特征平面上，進(jìn)行模糊對(duì)比度增強(qiáng)變換；③計(jì)算步驟②增強(qiáng)后圖像的像素隸屬度及其灰度值，將圖像從模糊域變回空域，完成增強(qiáng)處理；④輸出增強(qiáng)后的圖像。

該算法的執(zhí)行流程如圖3所示。

圖3 圖像增強(qiáng)算法整體流程圖Fig.3 Overall flow chart of image enhancement algorithm

2.6 增強(qiáng)效果分析

用本文的方法對(duì)一張較模糊的輸電線路的紅外圖像進(jìn)行處理，并對(duì)前后圖像的效果進(jìn)行對(duì)比。對(duì)比圖如圖4所示。

圖4 圖像處理前后對(duì)比圖Fig.4 Comparison of an image before and after processing

原始灰度圖像噪聲較多，畫面偏白，模糊不清晰，而且背景對(duì)比不是很明顯；經(jīng)過小波分解，高低頻處理及小波重構(gòu)后，圖片清晰度和對(duì)比度增加，但由噪聲引起的畫質(zhì)粗糙程度仍然較高，而且桿塔和線路顏色過亮，不利于后期標(biāo)定；經(jīng)過模糊對(duì)比度處理后，畫面更加清晰，粗糙程度明顯降低，而且桿塔和線路既與背景分離，又不至于過亮影響后期標(biāo)定。實(shí)驗(yàn)結(jié)果分析表明，該方法可以增加紅外圖像細(xì)節(jié)，提高圖像對(duì)比度和清晰度，能夠有效達(dá)到紅外圖像增強(qiáng)的目的。

為了客觀地評(píng)價(jià)圖像的增強(qiáng)效果，采用信息熵和模糊性指數(shù)2個(gè)評(píng)價(jià)指標(biāo)，對(duì)其進(jìn)行客觀的定量分析[15]。

1）信息熵。所謂信息熵，就是平均信息量，對(duì)于圖像灰度集X的任一灰度xi，假若xi出現(xiàn)的概率為P（xi），則圖像灰度集X的熵為

式中：P（xi）為灰度值為xi的像素?cái)?shù)N（xi）與圖像總像素?cái)?shù)N之比，即P（xi）=N（xi）/N。

圖像熵的大小反映其包含信息量的多少，熵值越大，表明圖像攜帶的信息量就越大，從而效果也越好。

2）模糊性指數(shù)。其定義為

式中：Q（i，j）=sin[0.5π（1－f（i，j）/fmax）]，f（i，j）為圖像中（i，j）位置處的灰度值；fmax為圖像最大灰度值。由模糊性指數(shù)的定義可知，圖像的清晰度會(huì)隨著模糊性指數(shù)的減小而增大。

表1給出了經(jīng)過算法增強(qiáng)前后圖像的對(duì)比度、信息熵和模糊性指數(shù)。

表1 增強(qiáng)前后評(píng)價(jià)指標(biāo)對(duì)比Tab.1 Evaluation indexes before and after strengthening

由表1的數(shù)據(jù)可以看出，與原始圖像相比，本文算法得到的圖像模糊性指數(shù)明顯減小，信息熵則相對(duì)增大；而與小波重構(gòu)后的圖像相比，信息熵略有減少，主要因?yàn)楸疚乃惴ㄔ趯?duì)圖像進(jìn)行模糊增強(qiáng)時(shí)，對(duì)于部分灰度級(jí)的信息進(jìn)行了抑制處理。但從總的處理效果上看，本文算法處理的圖像較原始圖像無論是信息熵還是模糊性指數(shù)都取得了較好的效果，能夠達(dá)到圖像增強(qiáng)的目的。

3 紅外圖像的分割與融合

3.1 顏色空間的選擇

RGB空間主要是由紅（Red）、綠（Green）、藍(lán)（Blue）三基色來表示，其他顏色則是由這3組分量按照一定的比例關(guān)系組成。RGB模型可用笛卡爾坐標(biāo)系統(tǒng)來表示，如圖5所示。3個(gè)軸分別為R、G、B，這個(gè)三維空間的任意一點(diǎn)都是由這3組分量的亮度值合成，亮度值限定在[0，1]，在RGB顏色空間下，這3組分量是高度相關(guān)的，只要亮度有所改變，3組分量都會(huì)發(fā)生相應(yīng)變化。而且，由于RGB顏色空間很不均勻，因此2種顏色間的色差不能直接地表示為該顏色空間中2點(diǎn)間的距離[16]。

圖5 RGB顏色模型Fig.5 RGB color model

3.2 RGB標(biāo)志檢測(cè)算法

根據(jù)RGB彩色模型的特點(diǎn)，其色彩提取方法最為關(guān)鍵的也最為難以嚴(yán)格界定的地方是R/G/B 3種顏色的判別規(guī)則。根據(jù)RGB顏色空間模型的組成，以模型原點(diǎn)為起點(diǎn)，合成包括坐標(biāo)軸及4條對(duì)角線所對(duì)應(yīng)的顏色區(qū)間，如圖6所示。

圖6 RGB模型部分顏色區(qū)間Fig.6 A part of the color range of RGB model

R、G、B 3個(gè)顏色分量相關(guān)性較高，容易受到光照影響，RGB 3種色彩分量的差值基本分布在一定的值域內(nèi)，而且采用3種分量的差值還能有效減弱光照對(duì)圖像的影響。本文采用的就是這種RGB色彩分量差法。該方法的判別規(guī)則是當(dāng)滿足R/G/B中的紅色分量和綠色分量同時(shí)不小于藍(lán)色分量，且差值在一定區(qū)間內(nèi)時(shí)，即判別某像素點(diǎn)為某種顏色，并通過設(shè)置判別閾值，來控制判別條件的顏色。根據(jù)多次實(shí)驗(yàn)，將閾值設(shè)置為：0＜R-B＜120且10＜G-B＜100，并將區(qū)間外的部分設(shè)置為黑色，主要程序?yàn)椋?/p>

分割后的圖像如圖7所示。

3.3 圖像的疊加

將分割后的圖像背景變?yōu)榘咨?，由于存在噪聲的影響白色背景?huì)出現(xiàn)較密集的黑點(diǎn)，如圖8所示。

應(yīng)用Matlab的圖像融合函數(shù)將增強(qiáng)后的圖像與其融合，得到最終的圖像，如圖9所示。

圖7 分割后的圖像Fig.7 The image after segmentation

圖8 白色背景的分割圖像Fig.8 Image segmentation against white background

圖9 疊加后的圖像Fig.9 The image after superposition

與增強(qiáng)后的灰度圖像相比，融合后的圖像背景顏色更深，這是由于圖像的分割是基于原始圖像完成的，雖然模糊因素與極大部分的噪聲被黑色背景所屏蔽，但背景白色化之后，噪聲所產(chǎn)生的黑色噪點(diǎn)就明顯顯示出來，并對(duì)圖像融合的背景顏色產(chǎn)生影響。融合后的深色背景，更加增強(qiáng)了圖像的直觀性。與原始圖像相比，融合后的圖像增加了圖像細(xì)節(jié)，提高圖像清晰度，完整地表達(dá)了接觸網(wǎng)的信息，并通過顏色信息標(biāo)定出接觸網(wǎng)溫度最高的區(qū)域，為調(diào)度人員對(duì)接觸網(wǎng)隱患的判斷提供了重要依據(jù)。

4 結(jié)語

本文主要介紹了一種模糊圖像顏色標(biāo)定的方法，首先提出了一種基于小波變換與模糊對(duì)比度的圖像增強(qiáng)算法，對(duì)該算法各個(gè)環(huán)節(jié)所涉及到的理論及具體實(shí)現(xiàn)步驟進(jìn)行了詳細(xì)說明，并對(duì)增強(qiáng)的圖像進(jìn)行了定性分析和定量分析；其次通過顏色閾值的設(shè)定對(duì)原始彩色圖像進(jìn)行了分割；最后將增強(qiáng)圖像與分割圖像進(jìn)行融合，完成了圖像標(biāo)定。該方法不僅提高了圖像的清晰度，保持了圖像自身特性，還對(duì)溫度最高區(qū)域進(jìn)行了顏色標(biāo)定，從而使相關(guān)人員通過紅外圖像能快速準(zhǔn)確地判斷接觸網(wǎng)載流安全狀態(tài)以及找出故障點(diǎn)。

[1]樓偉群.紅外熱像技術(shù)在鐵路供電系統(tǒng)的應(yīng)用[J].中國(guó)鐵路，2014（10）:70-72.LOU Weiqun.Application of infrared thermography in railway power supply system[J].Chinese Rail Ways，2014（10）:70-72（in Chinese）.

[2]常宏韜，孟慶虎.基于小波變換的一種紅外圖像增強(qiáng)算法[J].河南科技大學(xué)學(xué)報(bào)，2015，36（1）:48-51.CHANG Hongtao，MENG Jinghu.Infrared image enhancement algorithm based on wavelet transform[J].Henan University of Science and Technology，2015，36（1）:48-51（in Chinese）.

[3]陳小明，顏景龍，李玉玨，等.基于信息冗余的小波紅外圖像去噪算法[J].激光與紅外，2013，43（3）:265-271.CHEN Xiaoming，YAN Jinglong，LIYujue，etal.Redundant wavelet denoising algorithm information for infrared images[J].Laser and Infrared，2013，43（3）:265-271（in Chinese）.

[4]李穎杰，楊華，王寶榮，等.一種改進(jìn)的紅外圖像增強(qiáng)算法[J].紅外，2009，30（7）:45-48.LI Yingjie，YANG Hua，WANG Baorong，et al.An improved infrared image enhancement algorithm[J].Infrared，2009，30（7）:45-48（in Chinese）.

[5]馮貞，馬齊爽.基于小波分析的紅外圖像非線性增強(qiáng)算法[J].激光與紅外，2010，40（3）:315-318.FENG Zhen，MA Qishuang.Infrared image enhancement based on wavelet analysis of nonlinear algorithm[J].Laser and Infrared，2010，40（3）:315-318（in Chinese）.

[6]BAI X，ZHOU F，XUE B，et al.Infrared image enhan-cement through contrast enhancement by using multiscale new top-hat transform[J].Infrared Physics and Technology，2011，54（2）:61-69.

[7]JIN-HWAN KIM，WON-DONG JANG，JAE-YOUNG SIM，et al.Optimized contrast enhancement for real-time image and video dehazing[J].Journal of Visual Communication&Image Representation，2013，24（3）:410-425.

[8]鄭東梅，石俊生，宋曉輝，等.基于小波的同態(tài)濾波算法在ICT圖像增強(qiáng)中的應(yīng)用[J].長(zhǎng)春理工大學(xué)學(xué)報(bào)，2007，30（3）:44-46.ZHENG Dongmei，SHI Junsheng，SONG Xiaohui，et al.Application of wavelet homomorphic filtering algorithm based on ICT image enhancement[J].Changchun University of Technology，2007，30（3）:44-46（in Chinese）.

[9]宋慶峰，呂緒良，隋明序，等.一種基于小波變換的圖像增強(qiáng)方法[J].光電技術(shù)應(yīng)用，2014，29（6）:39-42.SONG Qingfeng，Lü Xuliang，SUI Mingxu，et al.An image enhancement method based on wavelet transform[J].Optical Technology，2014，29（6）:39-42（in Chinese）.

[10]FU Zhizhong，YANG Yanjing，SHU Chang，et al.Improved single image dehazing using dark channel prior[J].Journal of Systems Engineering and Electronics，2015，（5）:1070-1079.

[11]THAKUR A，MISHRA D.Fuzzy contrast mapping for image enhancement[M].Signal Processing and Integrated Networks（SPIN）:IEEE，2015：549-552.

[12]CHEN Tianhua，ZHOU Aide，LI Huixi，et al.Vision enhancement technology of drivers based on image fusion[J].Transactions of Nanjing University of Aeronautics and Astronautics，2015，32（5）:495-501.

[13]JAFAR I F，DARABKH K A，AL-SUKKAR G M，et al.A rule-based fuzzy inference system for adaptive image contrast enhancement[J].The Computer Journal，2012，55（9）:1041-1057.

[14]DESHMUKH P.Fuzzy based contrast enhancement[M].Electrical， Electronics， Signals， Communication and Optimization（EESCO）:IEEE，2015：1-4.

[15]呂緒良，文劉強(qiáng)，榮先輝，等.基于小波變換的紅外圖像模糊與同態(tài)增強(qiáng)[J].解放軍理工大學(xué)學(xué)報(bào)，2013，14（2）:158-162.Lü Xuliang，WEN Liuqiang，RONG Xianhui，et al.Enhancement based on wavelet transform infrared image blur with the same state[J].PLA University of Technology，2013，14（2）:158-162（in Chinese）.

[16]王天翔，張捍東，岑豫皖，等.基于在線處理系統(tǒng)的圖像分析方法研究[J].信息系統(tǒng)工程，2015（8）:126-128.WANG Tianxiang，ZHANG Handong，CEN Yuwan，et al.Based on image analysis processing system online[J].Information Systems Engineering，2015（8）:126-128（in Chinese）.

（編輯 李沈）

The Image Processing of the Catenary Current-Carrying Security Status Detection Based on the Infrared Thermal Imager

LIU Jiajun1，LUO Jun2，ZHANG Wei1，LIU Xiaochuan2，YANG Hanpeng1
（1.Institute of Water Resources and Hydro-Electric Engineering，Xi’an University of Technology，Xi’an 710048，Shaanxi，China；2.Supply Power Department of Xi’an Railway Bureau，Xi’an 710054，Shaanxi，China）

The vehicular infrared imager is an efficient and convenient tool to test current-carrying safety of catenary.However，images obtained may be obscure and gray under the influence of the environment and the speed of the vehicle.To improve the quality of the image，the paper proposes an image enhancement technique based on wavelet transform and fuzzy contrast algorithm，which enhances the clarity of the image and enriches the information conveyed through the image.The original image is also segmented using RGB color space，and the area with the highest temperature of the infrared image is labeled through image fusion，so as to meet the requirement of human visual sensing and computer analysis.This method can serve as an effective means to accurately assess the catenary current-carrying safety status and to examine hidden danger.

catenary；current-carrying status；infrared image；image processing

2016-01-12。

劉家軍（1967—），男，教授，博士生導(dǎo)師，主要研究領(lǐng)域?yàn)殡娏ο到y(tǒng)自動(dòng)化；

羅 軍（1970—），男，工程師，主要從事牽引供電系統(tǒng)運(yùn)營(yíng)與生產(chǎn)工作；

張 偉（1990—），男，碩士研究生，主要研究方向?yàn)殡娏ο到y(tǒng)的測(cè)量、保護(hù)與控制；

劉小川（1985—），男，工程師，主要從事牽引供電運(yùn)營(yíng)檢修工作；

楊瀚鵬（1993—），男，碩士研究生，主要研究方向?yàn)殡娏ο到y(tǒng)的測(cè)量、保護(hù)與控制。

2015年西安市科技計(jì)劃項(xiàng)目（CXY1509（17））。

Project Supported by the Science and Technology Innovation Support Program of Xi’an Government in 2015（CXY1509（17））.

1674-3814（2016）11-0055-07

U226.5

A