基于小波域高斯混合模型的绝缘子红外图像去噪方法研究

论文摘要

在电力系统中,红外热成像技术已广泛应用于高压绝缘子设备的在线监测。然而红外绝缘子图像普遍噪声较大。因此,采用适当的方法减少红外图像中的噪声成为一项重要的图像预处理步骤。小波域图像去噪算法的关键在于合适的小波系数统计模型的选择。研究表明图像小波变换的系数服从Alpha稳定分布,但是该分布没有封闭的概率密度函数表达式,且其特征函数的间断给理论分析和实际的应用带来了不便。为解决以上问题,本文在Alpha稳定分布理论研究的基础上,应用高斯混合模型去拟合对称Alpha稳定分布,对红外图像在正交小波域的高频系数建模,并应用贝叶斯理论进行最大后验概率估计。结果表明,本文算法能有效的抑制红外图像噪声,并大大简化了算法的复杂度。

论文目录

• 中文摘要
• 英文摘要
• 第一章 引言
• 1.1 论文背景与意义
• 1.2 论文研究内容
• 1.3 论文结构
• 第二章 Alpha稳定分布基本理论
• 2.1 稳定分布的概念
• 2.2 对称Alpha稳定分布
• 2.3 α稳定分布的概率密度函数
• 2.4 Alpha稳定分布模型在信号处理中的应用
• 2.5 对称Alpha稳定分布的近似
• 2.6 本章小结
• 第三章 基于高斯混合分布的小波系数统计建模
• 3.1 小波变换的基本思想
• 3.1.1 连续小波变化
• 3.1.2 离散小波变换
• 3.1.3 二维小波变换
• 3.1.4 图像小波系数特性分析
• 3.2 小波域高斯混合分布的建模
• 3.3 基于高斯混合模型的EM算法
• 3.4 仿真结果与分析
• 3.5 本章小结
• 第四章 绝缘子红外图像去噪
• 4.1 图像去噪模型分析
• 4.2 图像小波系数估计
• 4.2.1 贝叶斯估计理论
• 4.2.2 最大后验概率（MAP）算法
• 4.3 算法的具体流程
• 4.4 仿真结果与分析
• 4.5 本章小结
• 第五章 总结和展望
• 参考文献
• 致谢
• 在学期间发表的学术论文