基于HSI空間梯度法的紅外圖像高溫區(qū)域提取方法分析案例紅外圖像反映的是目標與背景的熱輻射，與可見光的圖像相比，紅外圖像中目標與背景的對比度低，邊緣模糊，從而難以用常規(guī)的邊緣提取方法提取目標有效的輪廓信息。與灰度圖像相比，彩色圖像具有其顏色特性，可以分解為不同的顏色空間，針對RGB顏色空間有一定的局限性，在此基礎上提出了將紅外圖像的轉(zhuǎn)換到HSI空間，經(jīng)驗證比RGB效果理想。因此本文從HSI顏色空間（其中H是色調(diào)，S是飽和度，I是強度）入手，運用一種改進的中值濾波對其進行濾波，在其基礎上對圖像求梯度，即可得到圖像的溫度高的區(qū)域，經(jīng)試驗此方法得到了比較好的效果。1）圖像高溫區(qū)域提取原理以紅外檢測圖像為例，如圖所示，紅外圖像存在邊緣模糊、對比度差、空間域上存在孤立的點和小塊噪聲等特點。中值濾波法可以在保護圖像邊緣細節(jié)信息的前提下有效地降低圖像空間域背景對目標的干擾。而梯度在提取圖像中顏色變化的邊緣方面有較好的效果，對圖像求取梯度變換則可得到該圖像顏色隨溫度變化的分布曲線。因此本文主要采用改進的中值濾波和梯度法提取圖像的高溫區(qū)域。圖1-8絕緣子的紅外圖（1）HSI顏色空間變換本文在提取圖像目標時，先將紅外圖像轉(zhuǎn)換到HSI顏色空間（H色調(diào)，S飽和度，I亮度）進行處理。以紅外圖像中的溫度最高區(qū)域為目標，其反映在HSI空間上為一塊黑色區(qū)域，即顏色最亮的彩色紅外圖像區(qū)域在S空間上表現(xiàn)為黑色，與周圍的顏色變化比較大，有利于后期基于梯度法的目標區(qū)域識別。由于HSI色彩空間和RGB色彩空間只是同一物理量的不同表示法，因而可以通過RGB空間分量獲取HSI空間分量的值，其轉(zhuǎn)換公式為：（式1SEQ公式\*ARABIC\s126）（式127）（式128）式中，H、S、I分別為HSI分量，根據(jù)公式可以將紅外圖像的RGB顏色空間轉(zhuǎn)換到HSI空間。(2)圖像噪聲處理針對紅外圖像高背景，低反差的特點和HSI空間顏色的特征，在對其進行噪聲處理時，首先保證圖像尖銳的邊緣，然后祛除背景噪聲對目標提取的影響。為避免一般的中值濾波可能因排序取中值而破壞結構和空間的領域信息，改善其濾波效果，在該原理基礎上提出了改進型的中值濾波方法：首先，在圖像中取出一個任意正方形矩陣模板并將其矩陣定義為C；其次，取出C矩陣的第一行定義為e，將e和C內(nèi)其它行組成一個新的行矩陣b，并求出b矩陣的中值f；最后，將中值f賦給模板中心元素，未被賦值的元素則取原值。經(jīng)實驗此方法能在消去噪聲的同時保證圖像的邊緣信息，對背景的處理效果較為理想。(3)梯度邊緣提取梯度是一種行之有效的邊緣檢測方法。圖像中不同區(qū)域灰度會發(fā)生變化,特別是邊緣區(qū)域變化明顯,這種變化可以通過灰度梯度表示。梯度的正負反映其邊緣的走勢，相當于方向。因上面得到的圖像有可能背景有很多弱的干擾，其對圖像目標識別沒有影響，但影響整個梯度圖的美觀，所以本文采用簡單的直方圖增強，對預處理后的圖像進行簡單的圖像增強，即可得到背景簡單的灰度圖，從而有利于后期目標的提取。對處理后的灰度圖求梯度，可獲取圖像灰度值的顯著變化的地方即目標的邊緣。圖像梯度可以把圖像看成二維離散函數(shù)，梯度其實就是這個二維離散函數(shù)的求導，在標量場f中的一點處存在一個矢量G，該矢量方向為f在該點處變化率最大的方向，其模也等于這個最大變化率的數(shù)值，則矢量G稱為標量場f的梯度。二維圖像梯度梯度為：對于圖像是離散的:2)高溫區(qū)域提取流程圖本文對紅外圖像處理的流程所示：對紅外圖像進行顏色空間轉(zhuǎn)換，將其從RGB顏色空間轉(zhuǎn)變成HSI顏色空間，對該空間的圖像用改進的中值濾波處理，去除噪聲；針對要提取的目標，對濾波處理后的圖像求梯度，并對不連續(xù)的梯度圖進行簡單的后期處理，即可得到溫度最高區(qū)域的邊緣。通過對紅外圖像溫度最高區(qū)域的提取，可以為紅外圖像目標識別以及進一步的紅外故障診斷提供技術基礎。圖1-9系統(tǒng)流程圖3）實驗驗證本文選用FLIR的A40-M拍攝了大量的模擬故障紅外圖像，其中包含斷股，連接處故障等，并選擇連接處故障為研究對象驗證本文方法。下圖為背景噪聲干擾較大的模擬紅外故障圖及對應的可見光原圖。圖1-SEQ圖\*ARABIC\s110紅外圖像和可見光圖像圖1-11HSI顏色空間圖像根據(jù)公式可將紅外圖像轉(zhuǎn)換到HSI顏色空間，由轉(zhuǎn)換后的HSI顏色空間可知紅外圖像的最亮點在HSI空間分量中的S圖中表現(xiàn)為黑色，且在原圖中顏色越亮，黑色越明顯，該圖背景對提取目標的干擾比其他兩個分量要少，更適合本文后期處理。選S圖為研究對象，并對S圖按照前面的濾波方法進行處理，效果如圖圖1-12去除噪聲的圖像通過對去除噪聲后的圖像進行簡單的背景處理如圖像增強，可得到背景簡單的灰度圖，為了試驗求梯度對此方法的適用性，根據(jù)公式對處理完的圖像求簡單的梯度，發(fā)現(xiàn)效果較為理想，從圖中可以看出梯度的值很明顯的反應了圖像中待分解目標的邊緣信息，下圖為對圖像的某一行求的梯度（絕對值），如圖所示。圖1-13圖像的梯度從圖2-46中可看出待分解的目標區(qū)域邊緣比背景干擾區(qū)域邊緣處的顏色反差明顯，可知其反映的梯度值的絕對值要比干擾區(qū)域的梯度值大很多。通過上面梯度實驗，本文也得到同樣的結論，以此為指導思想，對圖像求梯度，并對梯度值取絕對值，以此獲取圖像變化的邊緣區(qū)域，利用Matlab繪制出三維曲線梯度圖的正面圖和用等高線的平面視角圖（其顏色映射的數(shù)量為2，視角為[0,-90]），可得下圖。圖1-14三維和平面梯度圖從圖中可以看出對處理后的圖像求梯度進行邊緣提取是可行的，三維圖反映了待檢測目標的邊緣信息，由于本文前期的方法可以將圖片的背景處理的比較簡單，易于后期目標的提取，可以看出其周圍的梯度值比其他區(qū)域的梯度值大很多，從下圖可以看出其邊緣梯度值若用兩顏色描繪，其邊緣基本是連續(xù)的，目標的邊緣在圖中可以很方便的求出。將此圖與原圖對比，可知，本文的梯度邊緣法可以將紅外圖像中溫度最高區(qū)域的邊緣提取出來，本方法提取出來的邊緣，即為原圖中溫度最高的區(qū)域的邊緣。經(jīng)對其他拍攝的紅外圖