[发明专利]一种电力设备红外图像非盲超分辨率方法

权利要求书

1.一种电力设备红外图像非盲超分辨率方法，其特征在于，包括步骤：

S1)基于电力设备红外图像，根据图像降质模型对压缩感知基本模型进行改进，构建出压缩感知超分辨率模型；具体的，

图像降质模型为：

式中：Y为低分辨率图像；X为高分辨率图像；k为模糊核；为卷积运算；↓为下采样过程；N为噪声；

改进得到压缩感知超分辨率模型的目标函数为：

式中：Φ_l,Φ_r为行列采样矩阵，根据三次插值下采样原理生成，共同作用完成对二维信号的下采样；Ψ为稀疏变换矩阵，Ψ^T为Ψ的转置；X_s＝Ψ^TX，X_s为二维稀疏信号；η为惩罚系数；

S2)以压缩感知超分辨率模型为基础，结合图像反卷积先验信息，引入图像边缘分布先验约束，构建出压缩感知非盲超分辨率模型，对电力设备红外图像进行重建；具体的，

采用任意分布对电力设备红外图像的边缘进行拟合，均记作其中0＜α≤2；若0＜α＜1则为超拉普拉斯分布，α＝1为拉普拉斯分布，α＝2为高斯分布；根据贝叶斯定理，清晰图像后验概率写作p(X|Y)＝p(Y|X)p(X)，故X的最大后验概率解为：

式中：第一项为数据保真项，通过L₂范数约束实现；第二项可变形为其中f_i为各阶导数滤波器，下标i的取值为i＝{x,y,xx,yy,xy}；

此时即可构建出压缩感知非盲超分辨率模型为：

式中：λ为边缘分布先验约束强度系数；

S3)采用双先验二次估计的方式对重建的电力设备红外图像中显著边缘区域加以提取，根据生成的标签图像区分边缘区域和平滑区域，采用不同λ取值对正则项强度加以调整，获得重建结果。

2.根据权利要求1所述的电力设备红外图像非盲超分辨率方法，其特征在于，步骤S3)中所述采用不同λ取值对正则项强度加以调整，具体包括：

S31)令式(4)中边缘分布先验参数α取值为2，求解式(4)得到初步重建图像X₁；

S32)采用滤波器组{f_x,f_y,f_xx,f_yy,f_xy}对初步重建图像X₁做滤波处理，得到各方向边缘图像；

S33)对各方向边缘图像做阈值收缩，收缩方式为：

式中：为收缩阈值；σ为比例系数；收缩结果记作X_i＝{X_x,X_y,X_xx,X_yy,X_xy}；

S34)求解整合各方向显著边缘为最终图像显著边缘结果▽X；

S35)将▽X中小于的元素置0，其余元素置为1，生成二值化图像；

S36)对二值化图像做数学形态学处理，先后做开、闭运算各一次，去除二值化图像噪声，得到最终标签图像X_lab，在求得X_lab后对λ数值进行自适应控制，方式为：

将λ_(m,n)代入式(4)，对式(4)进行求解，则完成图像超分辨率重建。