买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网上海市电力公司申请的专利基于无人机红外图像去噪的绝缘子图像增强方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121169740B 。

龙图腾网通过国家知识产权局官网在2026-02-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511707130.3，技术领域涉及：G06T5/70；该发明授权基于无人机红外图像去噪的绝缘子图像增强方法是由施慧;王衍达;施宇谦;徐晔;张浩;韩赫;李怀宇;俞志刚;姚望;王晓毅;李瀚堂设计研发完成，并于2025-11-20向国家知识产权局提交的专利申请。

本基于无人机红外图像去噪的绝缘子图像增强方法在说明书摘要公布了：本发明涉及图像处理技术领域，特别涉及基于无人机红外图像去噪的绝缘子图像增强方法。对无人机采集的原始红外图像进行预处理，并利用小波变换对预处理后的图像进行多尺度分解，获得高频细节系数和低频近似系数；采用自适应阈值处理高频细节系数，同时对低频近似系数实施维纳滤波，并通过小波重构与引导滤波处理后，获得去噪图像；基于去噪图像，采用边缘检测算子进行初步边缘提取，结合非极大值抑制与双阈值处理获得边缘信息，并采用形态学边缘重构技术连接边缘缺口；通过基于局部温度分布的自适应对比度增强与图像融合处理，生成特征增强后的最终图像。实施本发明可以实现对无人机采集的绝缘子红外图像的高效去噪与精准特征增强。

本发明授权基于无人机红外图像去噪的绝缘子图像增强方法在权利要求书中公布了：1.基于无人机红外图像去噪的绝缘子图像增强方法，其特征在于，所述方法包括： 对无人机采集的原始红外图像进行预处理，并利用小波变换对预处理后的图像进行多尺度分解，获得高频细节系数和低频近似系数； 采用自适应阈值处理所述高频细节系数，同时对所述低频近似系数实施维纳滤波，并通过小波重构与引导滤波处理后，获得去噪图像； 基于所述去噪图像，采用边缘检测算子进行初步边缘提取，结合非极大值抑制与双阈值处理获得边缘信息，并采用形态学边缘重构技术连接边缘缺口； 通过基于局部温度分布的自适应对比度增强与图像融合处理，生成特征增强后的最终图像； 对无人机采集的原始红外图像进行预处理，包括： 获取无人机搭载的红外热像仪采集的原始红外图像数据； 将所述原始红外图像的尺寸标准化调整为640×480的固定分辨率，同时采用双线性插值算法保持图像比例； 将尺寸调整后的图像从RGB色彩空间转换至HSV色彩空间，并提取所述HSV色彩空间中的V分量作为亮度分量； 利用小波变换对预处理后的图像进行多尺度分解，获得高频细节系数和低频近似系数，包括： 选择Daubechies db4小波基函数作为变换基，并对预处理后的亮度分量图像执行三层二维离散小波变换； 在第一层分解中，将输入图像分解为一个低频近似子带LL1和三个高频细节子带，其中，所述三个高频细节子带包括水平方向LH1、垂直方向HL1和对角方向HH1； 在第二层分解中，对LL1子带继续进行分解，得到低频近似子带LL2和对应的三个高频细节子带LH2、HL2、HH2； 在第三层分解中，对LL2子带进行分解，得到最终的低频近似子带LL3和三个高频细节子带LH3、HL3、HH3； 将LL3定义为低频近似系数CLL3，将LH1、HL1、HH1、LH2、HL2、HH2、LH3、HL3、HH3共同定义为所述高频细节系数； 采用自适应阈值处理所述高频细节系数，同时对所述低频近似系数实施维纳滤波，包括： 对于各层高频细节系数子带，分别计算标准差σ，基于贝叶斯估计原理确定自适应阈值T，其中，，M和N分别为所述高频细节系数子带的尺寸； 对水平方向LH和垂直方向HL的高频细节系数应用第一软阈值函数进行处理，保留所述高频细节系数绝对值大于所述自适应阈值T的系数； 对对角方向HH的高频细节系数应用第二软阈值函数进行处理，其中，所述第二软阈值函数的阈值调整为0.7T； 对于低频近似系数CLL3，计算对应局部邻域内的均值和方差，基于所述均值和方差构建维纳滤波器； 应用所述维纳滤波器对所述低频近似系数CLL3进行滤波处理，获得去噪后的低频近似系数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网上海市电力公司，其通讯地址为：200122 上海市浦东新区源深路1122号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。