基于圖像去霧技術(shù)的變電站圖像清晰化方法

陸世豪 祝 云 廖 華 奉鈺力 鐘文明

基于圖像去霧技術(shù)的變電站圖像清晰化方法

陸世豪1祝 云2廖 華1奉鈺力1鐘文明1

（1. 中國(guó)南方電網(wǎng)有限責(zé)任公司超高壓輸電公司南寧監(jiān)控中心，南寧 530028；2. 廣西電力系統(tǒng)最優(yōu)化與節(jié)能技術(shù)重點(diǎn)實(shí)驗(yàn)室（廣西大學(xué)），南寧 530004）

隨著變電站從有人值守向無(wú)人值守轉(zhuǎn)變，運(yùn)行人員逐漸利用攝像頭、機(jī)器人對(duì)設(shè)備進(jìn)行監(jiān)控。但是，霧天能見(jiàn)度低，從變電站采集的圖像存在不清晰的問(wèn)題，導(dǎo)致無(wú)法有效開(kāi)展遠(yuǎn)程監(jiān)控等工作，增加電網(wǎng)運(yùn)行安全風(fēng)險(xiǎn)。鑒于此，本文針對(duì)變電站霧天圖像進(jìn)行研究，根據(jù)所采集圖像的背景色彩、光照條件等特點(diǎn)，提出一種基于改進(jìn)自動(dòng)色階算法的變電站霧天圖像去霧算法，該算法在自動(dòng)色階去霧算法基礎(chǔ)上進(jìn)行改進(jìn)，采用自動(dòng)尋優(yōu)gamma校正，使去霧后的圖像更符合人眼視覺(jué)感受。最后，選取幾種常用去霧算法進(jìn)行對(duì)比分析，通過(guò)主觀評(píng)價(jià)和客觀評(píng)價(jià)，表明使用該算法處理霧天圖像在細(xì)節(jié)、亮度、保真度、運(yùn)行速度等方面更具優(yōu)勢(shì)，符合現(xiàn)場(chǎng)應(yīng)用要求，有效解決了霧天變電站采集圖像清晰度差的問(wèn)題。

變電站；霧天圖像；自動(dòng)色階算法；自動(dòng)gamma校正；去霧

0 引言

隨著新型電力系統(tǒng)建設(shè)及調(diào)控一體化建設(shè)的推進(jìn)[1]，在集中監(jiān)控模式下，變電站從“有人值守”向“無(wú)人值守”轉(zhuǎn)變，變電站運(yùn)行人員可利用攝像頭監(jiān)控變電站設(shè)備，開(kāi)展智能巡視、智能操作工 作[2-4]。南方地區(qū)濕氣重，經(jīng)常會(huì)出現(xiàn)大霧天氣或者在陰雨天整天伴隨雨霧的情況，這種情況下所拍攝的圖像存在不同程度的模糊、噪聲、對(duì)比度低、紋理丟失等退化問(wèn)題，使設(shè)備巡視、操作受到影響，降低工作效率，影響電網(wǎng)安全穩(wěn)定運(yùn)行。因此，為提高變電站霧天工作的安全性和可靠性，亟須對(duì)變電站霧天圖像進(jìn)行去霧處理。

隨著圖像處理技術(shù)的高速發(fā)展，基于數(shù)字圖像處理的有霧圖像增強(qiáng)方法因其成本低、可移植性強(qiáng)、無(wú)需消耗大量算力等優(yōu)點(diǎn)備受青睞[5]。其中，文獻(xiàn)[6]提出一種基于先驗(yàn)知識(shí)物理模型的去霧方法，在大多數(shù)霧天場(chǎng)景中都取得了一定效果。文獻(xiàn)[7]利用限制對(duì)比度的自適應(yīng)直方圖均衡化（contrast limited adaptive histogram equalization, CLAHE）原理，通過(guò)直方圖均衡增強(qiáng)全局可視性，進(jìn)而放大場(chǎng)景局部細(xì)節(jié)，實(shí)現(xiàn)圖像去霧，該算法主要目的在于恢復(fù)霧天圖像的局部細(xì)節(jié)。RIZZI A等[8]在Retinex算法的理論基礎(chǔ)上提出自動(dòng)色彩增強(qiáng)（automatic color enhancement, ACE）去霧算法，通過(guò)計(jì)算圖像目標(biāo)像素點(diǎn)和周?chē)袼攸c(diǎn)的明暗程度進(jìn)行圖像的對(duì)比度校正，以達(dá)到人類(lèi)視網(wǎng)膜的色彩和亮度均衡的效果，但是該算法計(jì)算復(fù)雜度高，影響了其實(shí)時(shí)性。

上述方法解決傳統(tǒng)景物霧天圖像不清晰的問(wèn)題具有一定效果，但與傳統(tǒng)景物霧天圖像只有遠(yuǎn)景不同，變電站霧天圖像為日常設(shè)備巡視及智能操作圖像，其中設(shè)備外觀巡視、刀開(kāi)關(guān)分合指示操作圖像多為遠(yuǎn)景圖像，表計(jì)讀數(shù)巡視、開(kāi)關(guān)分合位指示操作圖像等為近景圖像，這些圖像畫(huà)面多以灰、黃、黑、白等色彩為主，并且設(shè)備巡視、智能操作圖像需要及時(shí)顯示給運(yùn)行人員。因此，現(xiàn)有去霧算法無(wú)法滿(mǎn)足變電站實(shí)際應(yīng)用需求，需要探索一種針對(duì)變電站實(shí)際應(yīng)用的霧天圖像快速去霧算法。本文重點(diǎn)以變電站霧天圖像作為研究對(duì)象，在傳統(tǒng)自動(dòng)色階去霧算法的基礎(chǔ)上加以改進(jìn)，結(jié)合自動(dòng)尋優(yōu)的gamma校正，在快速去霧的同時(shí)又能保證處理后的圖像質(zhì)量。

1 自動(dòng)色階去霧算法

自動(dòng)色階算法（automatic color-grading algo- rithm）在航空拍攝的農(nóng)田圖像去霧方面有不錯(cuò)的表現(xiàn)[9]。高空農(nóng)田圖像如圖1所示，可看出高空農(nóng)田圖像背景主要由灰黑色、淺黃、淺綠等色彩構(gòu)成，與變電站圖像色調(diào)相近，因此可嘗試將該算法應(yīng)用于變電站霧天圖像去霧中。其基本原理[10]為：首先做單通道圖像直方圖統(tǒng)計(jì)，求出0.5%首尾的閾值，分別記為min和max，然后根據(jù)閾值去除圖像中一定比例的最高和最低像素值，最后建立圖像像素值線性映射關(guān)系，將其余的圖像像素值進(jìn)行線性映射。具體運(yùn)算為

式中：u為閾值；為像素值。

2 改進(jìn)自動(dòng)色階變電站霧天圖像去霧算法

2.1 雙邊濾波處理

由于霧天圖像存在大量噪聲，影響圖像質(zhì)量，因此在圖像做去霧處理前需先做去噪處理，以提高圖像質(zhì)量，增大信噪比。

濾波是常用的圖像去噪方法，可在去除噪聲的同時(shí)使圖像更加平滑。但是，傳統(tǒng)的均值濾波、高斯濾波等只考慮空域，這會(huì)造成圖像邊緣模糊。而雙邊濾波處理（bilateral filter）通過(guò)結(jié)合空域和值域，利用鄰域內(nèi)像素點(diǎn)的空間鄰近度和像素值相似度來(lái)構(gòu)建高斯權(quán)重濾波器，可在保證濾波效果的同時(shí)保持圖像邊緣[11]。其原理如式（2）、式（3）所示[12]。

2.2 自動(dòng)尋優(yōu)gamma校正算法

由于霧天大多出現(xiàn)在清晨，并且有些設(shè)備背景顏色偏深，導(dǎo)致自動(dòng)色階去霧后圖像在視覺(jué)效果上偏昏暗，不利于機(jī)器或運(yùn)行人員辨識(shí)。gamma校正通過(guò)對(duì)圖像灰度值進(jìn)行非線性操作，使圖像輸入與輸出灰度值呈指數(shù)關(guān)系，以解決圖像去霧算法存在的去霧過(guò)度導(dǎo)致圖像顏色失真，或者去霧不足等問(wèn)題。gamma校正公式為

由于預(yù)設(shè)gamma值一般取經(jīng)驗(yàn)值，需要人為設(shè)置，不能適應(yīng)所有光照條件，為解決自動(dòng)色階去霧后圖像出現(xiàn)的光強(qiáng)視覺(jué)效果不佳問(wèn)題，本文對(duì)gamma校正進(jìn)行改進(jìn)，提出具有自動(dòng)尋優(yōu)功能的gamma校正。

式中，為圖像灰度圖均值。

圖2 自動(dòng)校正流程

2.3 改進(jìn)自動(dòng)色階去霧算法框架

本文根據(jù)變電站圖像色彩實(shí)際，尋找適合變電站去霧的自動(dòng)色階去霧算法，并解決自動(dòng)色階去霧算法不能適應(yīng)所有光照情況而出現(xiàn)去霧后圖像視覺(jué)效果不佳的問(wèn)題，算法流程如下：

1）為確保能夠保存圖像邊緣信息，原始圖像通過(guò)雙邊濾波得到去噪圖像。

2）去噪圖像通過(guò)自動(dòng)色階去霧算法進(jìn)行去霧處理得到中間去霧圖像。

3）中間去霧圖像受拍攝光強(qiáng)影響，視覺(jué)效果并不佳，通過(guò)本文提出的具有自動(dòng)尋優(yōu)功能的gamma校正實(shí)現(xiàn)圖像校正，輸出結(jié)果。

改進(jìn)算法框架如圖3所示。

3 實(shí)驗(yàn)與圖像去霧效果評(píng)價(jià)

現(xiàn)有的圖像增強(qiáng)去霧算法均具備一定的去霧能力，但是在特定場(chǎng)景下每種算法的去霧效果有所差別。為能證明本文所提算法在變電站霧天圖像去霧方面的優(yōu)勢(shì)，選取暗通道去霧算法[6]、CLAHE[7]、ACE去霧算法[8]及自動(dòng)色階去霧算法[10]4種常用去霧算法進(jìn)行對(duì)比。為保證評(píng)價(jià)合理性、算法適用的全面性，本文采用主觀和客觀兩種評(píng)價(jià)方式，選取變電站主要戶(hù)外巡視設(shè)備表計(jì)、開(kāi)關(guān)霧天圖像作為實(shí)驗(yàn)對(duì)象。

本文的測(cè)試環(huán)境為：CPU為Intel Core i7— 8550U，具有四個(gè)處理核心，主頻為1.8GHz，使用Python語(yǔ)言。

3.1 主觀評(píng)價(jià)

對(duì)表計(jì)、開(kāi)關(guān)霧天圖像進(jìn)行去霧測(cè)試，各算法對(duì)變電站表計(jì)、開(kāi)關(guān)圖像去霧效果如圖4、圖5所示。

圖4 各算法對(duì)變電站表計(jì)圖像去霧效果

圖5 各算法對(duì)變電站開(kāi)關(guān)圖像去霧效果

由圖4和圖5兩個(gè)場(chǎng)景不難看出，表計(jì)圖像屬于近景圖像，圖像畫(huà)面有表計(jì)、水泥柱及金具，色調(diào)由淺黃、灰、白等淺色調(diào)組成，色彩均勻；而開(kāi)關(guān)圖像屬于遠(yuǎn)景圖像，圖像畫(huà)面有開(kāi)關(guān)箱、絕緣柱及天空，色調(diào)由灰、白、棕等色調(diào)組成，顏色深淺不一。

在兩個(gè)場(chǎng)景中，暗通道算法去霧后圖像均出現(xiàn)不同程度的失真情況，尤其是近景表計(jì)的白色表盤(pán)和遠(yuǎn)景圖像的天空，出現(xiàn)失真和色彩偏移情況。CLAHE去霧圖像出現(xiàn)輕微失真，圖像整體偏亮，對(duì)于近景表計(jì)金屬銹蝕深色部分細(xì)節(jié)恢復(fù)不佳。ACE去霧算法及自動(dòng)色階去霧算法有明顯的去霧效果，色彩對(duì)比度提高，細(xì)節(jié)相對(duì)清晰，但受拍攝光照影響，整體偏暗，導(dǎo)致遠(yuǎn)景圖像中開(kāi)關(guān)箱體內(nèi)分合閘指示色彩不易分辨。本文算法去霧圖像色彩對(duì)比度增強(qiáng)十分明顯，邊緣清晰，圖像整體明暗度更符合人眼視覺(jué)感受，更接近無(wú)霧情況下的巡視圖像，且沒(méi)有出現(xiàn)圖像失真情況，尤其對(duì)于照度較低的遠(yuǎn)景圖像中開(kāi)關(guān)箱體內(nèi)分合閘指示色彩的顯示有較好效果，這對(duì)巡視和智能操作十分重要。

3.2 客觀評(píng)價(jià)

由于不同觀察者視覺(jué)感受不同，進(jìn)行主觀評(píng)價(jià)會(huì)產(chǎn)生差異，為避免個(gè)人主觀因素對(duì)圖像評(píng)價(jià)帶來(lái)的影響，本文選取4種常規(guī)的圖像評(píng)價(jià)指標(biāo)對(duì)算法去霧效果進(jìn)行評(píng)價(jià)。具體為：信息熵（entropy）、峰值信噪比（peak signal to noise ratio, PSNR）、方均根誤差（root mean square error, RMSE）及結(jié)構(gòu)相似性（structural similarity, SSIM）[16-20]。四個(gè)圖像客觀評(píng)價(jià)標(biāo)準(zhǔn)里，信息熵主要是表示單張圖像信息量大小，對(duì)于去霧圖像而言，信息熵值越大，圖像保留的細(xì)節(jié)越完整，去霧效果越好。峰值信噪比用于衡量處理后圖像的失真、劣化程度，峰值信噪比越大，去霧后圖像失真、劣化程度越小。方均根誤差同樣反映處理后圖像的失真程度，方均根誤差越小，去霧后圖像失真程度越小。結(jié)構(gòu)相似性主要用于度量去霧后圖像結(jié)構(gòu)信息的保留程度。

在實(shí)際應(yīng)用中，變電站設(shè)備操作、巡視圖像需要及時(shí)反饋展示給遠(yuǎn)方運(yùn)行人員，因此圖像去霧耗時(shí)也是影響算法適用性的重要因素，本文也將其作為評(píng)價(jià)指標(biāo)考慮在內(nèi)。變電站表計(jì)、開(kāi)關(guān)圖像評(píng)價(jià)結(jié)果見(jiàn)表1和表2。

表1 變電站表計(jì)圖像評(píng)價(jià)結(jié)果

表2 變電站開(kāi)關(guān)圖像評(píng)價(jià)結(jié)果

由表1和表2可知：從信息熵來(lái)看，本文算法和CLAHE算法在變電站霧天近、遠(yuǎn)景圖像信息恢復(fù)方面效果最佳，結(jié)合圖4和圖5可以看到，本文算法和CLAHE算法去霧圖像可保留完整細(xì)節(jié)；從衡量圖像失真程度的峰值信噪比、方均根誤差來(lái)看，RMSE 數(shù)值越小，PSNR 越大，則處理后圖像失真越小，表中數(shù)值表明暗通道算法、CLAHE算法圖像失真相對(duì)其他算法嚴(yán)重，暗通道算法失真程度重于CLAHE算法，圖4和圖5同樣驗(yàn)證了這一情況；從結(jié)構(gòu)相似性來(lái)看，本文算法數(shù)值最高，表明本文算法去霧圖像能保留更多的結(jié)構(gòu)和深度信息。針對(duì)自動(dòng)色階算法和本文算法，綜合主、客觀評(píng)價(jià)結(jié)果來(lái)看，本文算法在圖像色彩、細(xì)節(jié)處理、明亮度感受及客觀評(píng)價(jià)指標(biāo)方面較自動(dòng)色階算法有較大提升。

圖像處理耗時(shí)也是實(shí)際應(yīng)用的重要考量指標(biāo)。暗通道算法和CLAHE算法耗時(shí)較少，但圖像處理效果一般；ACE算法計(jì)算效率最低，耗時(shí)最長(zhǎng)，顯然無(wú)法達(dá)到變電站霧天圖像處理實(shí)際應(yīng)用的要求；本文算法在自動(dòng)色階算法基礎(chǔ)上改進(jìn)，因此運(yùn)算耗時(shí)稍高于自動(dòng)色階算法，但綜合主客觀評(píng)價(jià)結(jié)果來(lái)看，改進(jìn)后算法的處理性能得到較大提升，且算法耗時(shí)在實(shí)際應(yīng)用可接受的范圍內(nèi)。

綜上所述，經(jīng)過(guò)本文算法處理的變電站霧天巡視圖像在圖像亮度、細(xì)節(jié)、視覺(jué)感受、保真度等方面都有較好的效果，從圖像處理速度來(lái)看，該算法符合變電站現(xiàn)場(chǎng)應(yīng)用要求。

4 結(jié)論

本文針對(duì)霧天變電站巡視、操作圖像不清晰的問(wèn)題進(jìn)行研究，提出了一種基于改進(jìn)自動(dòng)色階算法的變電站霧天圖像去霧方法，并通過(guò)與其他算法的對(duì)比證明了本文改進(jìn)算法的有效性和適用性。本文所做工作及結(jié)論如下：

1）從變電站重要巡視場(chǎng)景顏色及實(shí)際應(yīng)用出發(fā)，選擇對(duì)與變電站圖像背景色彩相近的高空農(nóng)田圖像去霧表現(xiàn)效果好的自動(dòng)色階算法進(jìn)行改進(jìn)。

2）針對(duì)自動(dòng)色階算法去霧后圖像在視覺(jué)效果上呈現(xiàn)昏暗，不利于運(yùn)行人員辨識(shí)的問(wèn)題，對(duì)自動(dòng)色階算法進(jìn)行改進(jìn)。改進(jìn)算法處理的圖像在人眼視覺(jué)感受、圖像保真度等方面都有較好的效果。

3）本文所改進(jìn)的變電站霧天圖像去霧算法魯棒性強(qiáng)，無(wú)需提前訓(xùn)練，適用性廣，可移植性好，運(yùn)算速度快，符合實(shí)際應(yīng)用需求。

[1] 吳珊, 邊曉燕, 張菁嫻, 等. 面向新型電力系統(tǒng)靈活性提升的國(guó)內(nèi)外輔助服務(wù)市場(chǎng)研究綜述[J]. 電工技術(shù)學(xué)報(bào), 2023, 38(6): 1662-1677.

[2] 王劉旺, 周自強(qiáng), 林龍, 等. 人工智能在變電站運(yùn)維管理中的應(yīng)用綜述[J]. 高電壓技術(shù), 2020, 46(1): 1-13.

[3] 陸世豪, 祝云, 周振茂. 基于多頭注意力循環(huán)卷積神經(jīng)網(wǎng)絡(luò)的電力設(shè)備缺陷文本分類(lèi)方法[J]. 廣東電力, 2021, 34(6): 30-38.

[4] 姚軍, 張志宏, 陳少哺, 等. 基于數(shù)據(jù)源改造的二次系統(tǒng)智能巡視技術(shù)[J]. 電氣技術(shù), 2022, 23(8): 84-90.

[5] LU Bo, BAI Bingchuan, ZHAO Xuefeng. Vision-based structural displacement measurement under ambient- light changes via deep learning and digital image processing[J]. Measurement, 2023, 208: 112480.

[6] HE Kaiming, SUN Jian, TANG Xiaoou. Single image haze removal using dark channel prior[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 33(12): 2341-2353.

[7] KHALID R, REHMAN S, RIAZ F, et al. Enhanced dynamic quadrant histogram equalization plateau limit for image contrast enhancement[C]//Proceedings of the 5th International Conference on Digital Information and Communication Technology and Its Applications (DICTAP), Beirut, Lebanon, 2015: 86-91.

[8] RIZZI A, GATTA C, MARINI D. A new algorithm for unsupervised global and local color correction[J]. Pattern Recognition Letters, 2003, 24(11): 1663-1677.

[9] ANIKEEVA I A. Method and algorithm of automatic color rendition quality assessment of digital aerial and space photos[J]. Geodesy and Cartography, 2018, 937(7): 45-56.

[10] 楊婷, 高武奇, 王鵬, 等. 自動(dòng)色階與雙向特征融合的水下目標(biāo)檢測(cè)算法[J]. 激光與光電子學(xué)進(jìn)展, 2023, 60(6): 132-143.

[11] 錢(qián)小燕. 單一圖像多濾波聯(lián)合快速去霧算法[J]. 科學(xué)技術(shù)與工程, 2015, 15(6): 236-240.

[12] 溫立民, 巨永鋒, 王會(huì)峰, 等. 基于雙邊濾波暗原色透射率細(xì)化的圖像去霧算法[J]. 測(cè)控技術(shù), 2020, 39(4): 62-65.

[13] NABAHAT M, MODARRES K F, JAFARI N N. Optimization of bilateral filter parameters using a whale optimization algorithm[J]. Research in Mathe- matics, 2022, 9(1): 2140863.

[14] 儲(chǔ)清翠, 王華彬, 陶亮. 圖像的局部自適應(yīng)Gamma校正[J]. 計(jì)算機(jī)工程與應(yīng)用, 2015, 51(7): 189-193, 208.

[15] 趙磊, 陳玎, 朱道立. 求解大規(guī)模SCAD回歸問(wèn)題的隨機(jī)坐標(biāo)下降算法研究[J]. 上海管理科學(xué), 2019, 41(5): 97-103.

[16] 張登銀, 鞠銘燁, 錢(qián)雯. 圖像去霧算法研究現(xiàn)狀與展望[J]. 南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版), 2020, 40(5): 101-111.

[17] 余順園. 信息損耗約束下多尺度透射層融合圖像去霧[J]. 自動(dòng)化與儀器儀表, 2021(9): 38-44.

[18] 陳健, 李詩(shī)云, 林麗, 等. 模糊失真圖像無(wú)參考質(zhì)量評(píng)價(jià)綜述[J]. 自動(dòng)化學(xué)報(bào), 2022, 48(3): 689-711.

[19] 謝慶, 楊天馳, 裴少通, 等. 基于多尺度協(xié)作模型的電氣設(shè)備紅外圖像超分辨率故障辨識(shí)方法[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(21): 4608-4616.

[20] 梁新福, 羅日成, 黨世軒, 等. 基于數(shù)字圖像處理的電力線異物識(shí)別方法研究[J]. 電氣技術(shù), 2022, 23(2): 73-78.

Substation image clearness method based on image defogging technology

LU Shihao1ZHU Yun2LIAO Hua1FENG Yuli1ZHONG Wenming1

(1. Nanning Monitoring Center, EHV Transmission Company, China Southern Power Grid, Nanning 530028;2. Guangxi Key Laboratory of Power System Optimization and Energy Technology (Guangxi University), Nanning 530004)

As the substation changes from manned to unattended, operators use cameras and robots to monitor the equipment. However, the image collected from the substation under foggy conditions has low visibility and unclear problems, which leads to the failure of remote monitoring and operation, and increases the security risk of power grid operation. In this regard, this paper studies the foggy images of substations. According to the characteristics of the background color and lighting conditions of the collected images, a fog removal algorithm for the foggy images of substations based on the improved automatic color-grading algorithm is proposed. This algorithm is improved on the basis of the automatic color-grading scale fog removal algorithm, and adopts automatic optimization gamma correction, so that the images after fog removal are more consistent with the human visual perception. Finally, several commonly used defogging algorithms are selected for comparative analysis. Through subjective and objective evaluation, it is shown that the algorithm has better results in image details, brightness, fidelity, operation speed and other aspects compared with the contrast algorithms, which meets the requirements of field application, effectively solves the problem of poor image clarity in substation.

substation; foggy image; automatic color-grading algorithm; automatic gamma correction; image haze removal

2023-03-13

2023-05-08

陸世豪（1995—），男，碩士，工程師，主要研究方向?yàn)橛?jì)算機(jī)視覺(jué)技術(shù)、自然語(yǔ)言處理技術(shù)在電力系統(tǒng)中的應(yīng)用。