矿井井下非均匀照度图像增强方案探讨
一种基于Retinex的矿井非均匀照度图像增强算法
也能为事后分析事故提供 相关 的第一手 图像资料 。 因此煤 矿视 频监 控 系统 已成 为现代 煤矿 安全 生产 监 控系统 的重要组成 部分…。井下 摄像头采集 到的 图像 会 随着 位 置 的不 同 出现 光 照不 同 的情 况 ， 图１ 分 别 为光照 过 暗和点 光 源照射 的情 况 。 由于受 到光 照的影响 ， 导致在获取 图像信息后对 图像分析与决 策 等变 得非 常 困难 ， 因此 在 进 行 图像 分 析 与决 策 前 首 先需 要对 图像 信息 进行 增强 。
⑥
２ ０ １ ４ Ｓ ｃ ｉ ． Ｔ ｅ ｃ ｈ ． Ｅ ｎ ｇ ｒ ｇ ．
一
种基 于 Ｒ ｅ ｔ ｉ ｎ ｅ ｘ 的矿井非均匀 照度 图像增强算法
黄向 东 邓莉洁
（ 西安科 技大学电气 与控制工程学 院， 西安 ７ １ ０ ０ ５ ４）
摘
要
煤 矿井下的安全高效生产离不开清 晰流 畅的监控 图像 ， 由于矿井下粉 尘多、 照度 低或 点光源照射 而形 成特殊 的非均
迭代 过程 ， 主要 是通 过 使 用 数 学定 义 对 各 个参 数 进 行调 整来 实 现 的 。其 实 质是 在 ｌ ｇ域 内将 原 始 图像
方向 ： 计算 机控制 和智能仪器仪表 。
１ ４ ２
科
学
技
术
与
工
程
１ ４卷
减去 图像 的 （ 通过高斯低通滤波器获得 的） 低 频 分 量， 得到 原 图像 在 ｌ ｇ域 中 的反射 系 数 Ｊ 。该 理论 认 为一 幅 图像 ， 可 以用式 （ １ ） 表示 。
匀照度 环境 ， 使得矿井监控 图像整体偏 暗 ， 对 比度低 ， 带有很强的背景噪声 ， 视 觉效果 差。针 对这 一 问 题， 基于 Ｒ ｅ ｔ ｉ ｎ ｅ ｘ算法， 提
一种新的非均匀照度图像增强方法
Ｆ ， ： ， Ｊ ＋ （ ｅ ｒ ｘ ｘ） ＝
在非均 匀照度下拍 摄图像 ， 产生背 景噪声 ， 往往 造成 图像
的对比度和灰度分布不均 ， 影响了图像的质量。如点光源成 像， 或图像 中含 有阴影等 ， 都将影 响到 图像 的对 比度和灰 度 这 分 布不均 匀 ， 消除或减轻 这种失真 能够提 高图像的质量 ， 足 满
人眼的视觉效果 ， 也有利于 图像 的后续检测和纹理分析 。
部 值 方 图均 衡 化 算 法对 变换 后 的 图像 进 行 增 强 关 键 词 ： 平 面 ； 方 图 均衡 化 ； 值 位 直 插
ＤＯ ：０３ ７￣ｉ ｎ１０ —３ １ ０ １ ３０８ 文章编号：０ ２８３ （０ １２ ．２ ４０ 文献标识码 ： 中图分类号 ：Ｐ ５ ；Ｐ ０ ． Ｉ１． ８ ．ｓ． ２８ ３ ． １． ． ７ ｓ ０ ２ ２ ５ １０．３ １２ １）３０ ０—４ Ａ Ｔ ７ １Ｔ ３ １ ６
ｌ Ｒ 作 为输出 ， 中 ，表示卷 积运算 ， ， 是 环绕 高斯 函 ｏ ） ｇ 其 Ｆ 数 ， 析式为 ： 其解
１ 对现有方法的简单分析
现有 的灰 度修正方法主要包括 ： （） １小波方法 小 波与 多尺度 分析 在对 比度增 强上 的应 用取得 了很 大进 展 。文献 ［］ １在多个 尺度上 对 图像 进行 均衡化 ， 细节起 到 了 对 很好 的锐化作 用 。然而 小波方法并 不能很 好地改善 非均匀照
提升小波变换域矿井光照不均匀图像双直方图均衡化增强
提升小波变换域矿井光照不均匀图像双直方图均衡化增强谢海波【期刊名称】《金属矿山》【年(卷),期】2016(000)005【摘要】由于矿井光照不均匀,加之大量粉尘附着于监控摄像头表面,导致获取的视频图像对比度不高且含有大量随机分布的颗粒状噪声.为提高该类图像的对比度,充分发挥矿井视频监控系统的效能,基于提升小波变换(Lifting wavelet transform LWT),提出了一种矿井不均匀光照图像的自适应增强算法.首先采用直方图规定化算法(Histogram specification,HS)对获取的矿井图像进行初步增强;其次对初步增强后的图像进行提升小波变换,由于图像中的随机噪声主要集中分布于高频小波分解系数中,低频小波分解系数基本不存在噪声,故保留低频小波分解系数,对高频小波分解系数提出了一种基于反正弦函数的改进阈值函数去噪模型进行噪声抑制;然后对低频小波分解系数和去噪后的高频小波分解系数进行重构,得到不含噪声的矿井图像;最后采用双直方图均衡化算法(Bi-histogramequalization,BHE)对去噪后的图像进行进一步增强.将所提算法分别与直方图规定化、反锐化掩膜、小波阈值去噪等算法进行性能对比,并采用峰值信噪比(Peak noise to ratio,PSNR)、均方根误差(Root mean square error,RMSE)以及边缘保持指数(Edge protection index,EPI)等指标对试验结果进行评价,结果表明:所提算法对于矿井光照不均匀图像的处理效果相对于其余算法而言效果较优,对于高效处理矿井视频图像有一定的参考价值.【总页数】5页(P153-157)【作者】谢海波【作者单位】包头轻工职业技术学院电子商务学院,内蒙古包头 014035【正文语种】中文【中图分类】TD672【相关文献】1.基于双直方图均衡化的彩色图像增强 [J], 田小平;乔东;吴成茂2.基于数学形态学的双直方图均衡化图像增强算法 [J], 刘燕妮;张贵仓;安静3.基于双直方图均衡化的彩色图像增强 [J], 田小平;乔东;吴成茂;4.基于提升小波和直方图均衡化的MSR Retinex多参数融合方法的真彩色图像增强 [J], 郝凡凡; 吴粉侠5.光照不均匀图像的自适应增强算法 [J], 汤子麟;刘翔;张星因版权原因，仅展示原文概要，查看原文内容请购买。
面向煤矿井下低光照图像的增强方法
面向煤矿井下低光照图像的增强方法孔二伟1， 张亚邦1， 李佳悦2， 王满利2（1. 平顶山天安煤业股份有限公司，河南 平顶山 467000；2. 河南理工大学 物理与电子信息学院，河南 焦作 454000）摘要：煤矿井下照明有限，并且具有大量粉尘、雾气，使得采集到的图像对比度低、光照不均、细节信息弱，并含有大量噪声。
基于传统模型的图像增强方法鲁棒性较差，常会引起图像过度增强和色彩失真；基于深度学习的图像增强方法大多没有考虑增强引起的噪声放大。
针对上述问题，提出了一种面向煤矿井下低光照图像的增强方法。
采用卷积神经网络构建图像增强网络，该网络包括特征提取模块、增强模块和融合模块。
特征提取模块对输入图像进行不同程度的卷积，提取多层次的图像特征，得到多个特征层；增强模块对提取到的特征层通过子网络进行增强，强化不同程度的细节特征；融合模块将增强后的特征层进行融合，输出增强图像。
之后通过结构损失函数、内容损失函数和区域损失函数的约束，提高图像质量并有效抑制图像颜色失真与噪声放大，得到最终的增强图像。
实验结果表明，该方法能够有效提升煤矿井下低光照图像的亮度和对比度，并且具有较强的噪声抑制能力，使图像能更好地恢复原有的细节信息，同时避免出现过曝光或颜色失真。
关键词：煤矿低光照图像；图像增强；图像去噪；深度学习；损失函数中图分类号：TD67 文献标志码：AAn enhancement method for low light images in coal minesKONG Erwei 1, ZHANG Yabang 1, LI Jiayue 2, WANG Manli 2(1. Pingdingshan Tian'an Coal Mining Co., Ltd., Pingdingshan 467000, China ； 2. School of Physics and ElectronicInformation Engineering, Henan Polytechnic University, Jiaozuo 454000, China)Abstract : Underground lighting in coal mines is limited. There is a large amount of dust and mist, resulting in low contrast, uneven lighting, weak detail information, and a large amount of noise in the collected images. The image enhancement methods based on traditional models have poor robustness, often causing excessive image enhancement and color distortion. Most image enhancement methods based on deep learning do not consider the noise amplification caused by enhancement. In order to solve the above problems, an enhancement method for low light images in coal mines is proposed. The image enhancement network is constructed by using convolutional neural networks. The network includes feature extraction modules, enhancement modules, and fusion modules. The feature extraction module convolves the input image to varying degrees, extracts multi-level image features, and obtains multiple feature layers. The enhancement module enhances the extracted feature layers through sub-networks to enhance different levels of detail features. The fusion module fuses the enhanced feature layers and outputs enhanced images. Then, through the constraints of the structure loss function, content loss function and area loss function, the image quality is improved. The image color distortion and noise amplification are effectively suppressed to obtain the final enhanced image. The experimental results show that收稿日期：2022-11-14；修回日期：2023-04-20；责任编辑：盛男。
矿井井下非均匀照度图像增强算法
矿井井下非均匀照度图像增强算法苗作华1，2， 赵成诚1， 朱良建1， 刘代文1， 陈澳光1（1. 武汉科技大学 资源与环境工程学院，湖北 武汉 430081；2. 冶金矿产资源高效利用与造块湖北省重点实验室，湖北 武汉 430081）摘要：矿井井下视频采集过程中由于照明系统分布不均匀、环境中存在大量粉尘和雾气，导致监控画面图像存在局部光线过曝、局部亮度不足、对比度低和边缘信息弱等问题。
针对上述问题，提出了一种矿井井下非均匀照度图像增强算法。
该算法基于Retinex−Net 网络结构改进，具体包括非均匀光照抑制模块（NLSM ）、光照分解模块（LDM ）和图像增强模块（IEM ）3个部分：NLSM 对图像中人工光源局部非均匀光照进行抑制；LDM 将图像分解为光照层和反射层；IEM 对图像光照层增强，经伽马校正，最终得到增强图像。
在NLSM 和LDM 中均采用Resnet 作为网络基础架构，并顺序引入了卷积注意力机制中通道注意力模块和空间注意力模块，以增强对图像光照特征关注度和特征选择的效率。
实验结果表明：① 选取MBLLEN ，RUAS ，zeroDCE ，zeroDCE++，Retinex−Net ，KinD++及非均匀照度图像增强算法对多种场景（井下运输环境场景、单光源巷道场景、多光源巷道场景、矿石场景）图像进行增强处理及定性分析，分析结果指出非均匀照度图像增强算法能够避免人工光源区域的过度增强，未在光源区域产生晕染和模糊现象，不易产生色偏，对比度适中，画面视觉效果更真实。
② 选取信息熵（IE ）、平均梯度（AG ）、标准差（SD ）、自然图像质量评价指标 （NIQE ）、结构相似性（SSIM ）和峰值信噪比（PSNR ）作为评价指标，定量比较图像增强画面质量。
结果表明非均匀照度图像增强算法在多种场景下处于相对领先地位。
③ 消融实验结果表明，非均匀照度图像增强算法在NIQE ，SSIM ，PSNR 这3个评价指标上均获得了最优结果。
基于模糊理论的煤矿井下图像增强算法
ａ ｄ ｊ ｕ ｓ ｔ ｉ ｎ ｇ Ｆ ｕ ｚ ｚ ｙ ｅ ｎ ｈ ａ ｎ ｃ ｅ ｄ ｉ ｍ ａ ｇ ｅ ｃ ｏ ｎ ｔ ｒ ａ ｓ ｔ ． Ｔ ｅ ｓ ｔ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｅ ａ ｌ ｇ ｏ ｉ ｒ ｔ ｈ ｍ ｃ ａ ｎ ｓ ｏ ｌ ｖ ｅ ｔ ｈ ｅ ｃ ｏ ａ ｌ ｍｉ ｎ ｅ ｉ ｍ ａ ｇ ｅ ｐ ｏｂ ｒ ｌ ｅ ｍ ｏ ｆ ｕ ｎ ｅ ｖ ｅ ｎ ｉ ｌ －
ｌ ｕ ｍｉ ｎ ａ ｔ ｉ ｏ ｎ ， ｎｄ ａ ｈ ｓ ａ ｂ ｒ ｏ ａ ｄ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ｐ ａ ｃ ｅ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： ｍｉ ｎ ｅ ； ｉ ｍａ ｇ ｅ ｅ ｎ ｈ ａ ｎ ｃ ｅ ｍｅ ｎ ｔ ； ｆ ｕ ｚ ｚ ｙ ｔ ｈ ｅ ｏ ｒ ｙ
煤矿 开采安全是 国家非 常重视 的问题 ， 通过监控系统可 以 有效 减少矿难的发生 。 目前 ， 视频监控 系统被广泛 的应用在煤 矿 企业 ， 各个 工作场所 都能被 实时监控 ， 同时也能进 行视频 资 料 的备份。煤矿井下都是通 过人工照明 的， 所 以矿井下 的图像
Ｉ Ｓ ＳＮ １ ０ ０ ９－ ３ ０ ４ ４
Ｅ— ｍａ ｉ ｌ ： ｅ ｄ ｕ ｆ ＠ｄ ｎ ｚ ｓ ． ｎ ｅ ｔ ． ａ ｎ
ｈ ｔ ｔ ｐ ： ／ ／ ｗｗ ｗ． ｄ ｎ ｚ ｓ ． ｎ ｅ ｔ ． ｃ ｎ Ｔ ｅ ｈ ＋ ８ ６ — ５ ５ １ － ６ ５ ６ ９ ０ ９ ６ ３ ６ ５ ６ ９ ０ ９ ６ ４
Ｑ Ｉ Ａ Ｏ Ｌ ｕ ， Ｃ Ｈ Ｅ Ｎ Ｊ ｉ ｎ ｇ （ Ｄ ｅ ｐ ａ ｒ ｔ ｍｅ ｎ ｔ ｏ ｆ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ ， Ｈ ｅ ｎ ａ ｎ Ｐ ｏ ｌ ｙ ｔ ｅ ｃ ｈ ｎ ｉ ｃ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ， Ｚ ｈ ｅ ｎ ｇ ｚ ｈ ｏ ｕ ４ ５ ０ ０ ４ ６ ， Ｃ ｈ ｉ ｎ ａ ）
井下图像增强的一种方法
井下图像增强的一种方法
李文峰;姜敏霞;徐克强;陆军
【期刊名称】《现代矿业》
【年(卷),期】2012(000)001
【摘要】针对地下矿山井下光照不均匀,基于S3C6410现场信息记录仪在图像采集传输过程中混入大量的噪声,图像画面模糊不清晰,对比度较小.分析了该系统采集端的噪声来源,基于Donoho提出的小波阈值去噪理论,比较了几种典型的小波阈值去噪方法,获取峰值信噪比的去噪效果,提出了将自适应阈值去噪和直方图修正相结合的图像增强方法.该方法具有良好的去噪性能,并且在去除CCD摄像头读出噪声的同时,改善了图像的质量.
【总页数】4页(P42-44,49)
【作者】李文峰;姜敏霞;徐克强;陆军
【作者单位】西安科技大学通信学院;西安科技大学通信学院;西安终南信息有限公司;石家庄理工职业学院
【正文语种】中文
【相关文献】
1.井下图像增强的一种方法 [J], 李文峰;姜敏霞;徐克强;陆军
2.一种煤矿井下视频图像增强算法 [J], 付燕;李瑶;严斌斌
3.一种非线性煤矿井下图像增强算法 [J], 张聪;
4.一种非线性煤矿井下图像增强算法 [J], 张聪
5.一种煤矿井下低照度图像增强算法 [J], 王洪栋; 郭伟东; 朱美强; 雷萌
因版权原因，仅展示原文概要，查看原文内容请购买。
井下非均匀照度图像增强方案优化
井下非均匀照度图像增强方案优化井下非均匀照度图像增强方案优化文章标题：基于井下非均匀照度图像的增强方案优化摘要：井下非均匀照度图像的增强是一项重要的任务，它可以提高井下环境的可视化程度，从而辅助矿工进行工作。
本文将通过逐步思考的方式，对井下非均匀照度图像增强方案进行优化。
第一步：图像预处理在进行图像增强之前，首先要对图像进行预处理，以减少图像中的噪声和干扰。
这可以通过以下步骤完成：1. 去除图像中的椒盐噪声和高斯噪声，可以使用均值滤波和高斯滤波等滤波器。
2. 进行图像的亮度和对比度调整，以确保图像中的细节能够清晰可见。
第二步：照度均衡在井下环境中，由于光照条件的不均匀性，图像中可能存在明暗不一致的问题。
为了解决这个问题，可以采用照度均衡技术来增强图像的整体亮度。
1. 使用直方图均衡化方法，将图像的亮度范围映射到更广的范围内，以增加图像的对比度。
2. 采用自适应直方图均衡化方法，使得图像的不同区域具有不同的对比度增强能力，从而更好地适应井下环境中不同亮度的区域。
第三步：细节增强为了提高井下图像的细节可见性，可以采用以下方法进行细节增强：1. 使用锐化滤波器对图像进行边缘增强，以突出图像中的细节。
2. 应用图像增强算法，如Retinex算法或梯度直方图重建算法，以增强图像的细节和纹理。
第四步：色彩校正井下环境的光照条件可能导致图像色彩偏差，为了更真实地再现井下场景，可以进行色彩校正。
1. 使用灰度世界假设进行白平衡，以消除图片中的色温偏差。
2. 进行颜色校正来调整图像的整体色彩，使其更符合人眼感知的色彩。
第五步：结果评估最后，需要对增强后的图像进行评估，以确定增强方案的有效性。
1. 使用评估指标，如峰值信噪比（PSNR）、结构相似性指标（SSIM）等来评估增强后图像与原始图像之间的差异。
2. 通过与矿工的反馈进行对比评估，以确定增强后的图像是否能够提高井下环境的可视化程度。
结论：通过逐步思考，本文提出了一种优化的井下非均匀照度图像增强方案。
基于光照不均的井下图像中人脸识别技术研究
基于光照不均的井下图像中人脸识别技术研究作者：李智科来源：《商情》2017年第36期【摘要】在煤矿安全生产基础建设中，煤矿视频监控系统作为井下安全监控系统之一，是煤矿调度指挥中心对井下作业的主要生产环节、设备运营情况及关键生产线情况进行实时监控的最直观、有效的手段。
目前除了对井下作业情况的监控，通过数字图像增强处理技术，视频监控系统还用于对井下光照不均图像的识别、人脸识别，对运动机车定位和煤面图像的检测等。
【关键词】井下监控光照不均人脸识别一、研究背景煤矿巷道内环境复杂，整体背景黑暗，湿度大，粉尘多，导致井下采集图像整体质量较差。
图像的画面往往对比度较低，细节部分无法清晰分辨；由于井下光照主要来源于照明灯，灯光区域与背光区域亮度反差很大，造成图像整体或局部光照不均，严重影响图像的采集质量；采集图像传输过程中受巷道中电气设备、传输线缆、无线设备等因素影响产生电磁干扰，造成图像中的电磁干扰噪声。
本文以井下图像中人脸图像识别为目的，对井下图像处理技术进行探讨。
二、井下图像中人脸的检测与识别目前，国家和政府对煤矿安全生产高度重视，井下人员的人身安全作为安全生产的核心，与之相关的井下人员管理和监控系统已经受到煤炭企业的高度重视。
井下人员定位系统已广泛应用于井下人员管理系统方面，目前多采用射频卡实现对井下人员的跟踪定位和考勤管理，但是考虑到射频卡不是矿工本人的唯一标识，单一通过射频卡不能识别出矿工的姓名和身份，另外基于射频卡识别的人员定位精确度也有待进一步提升，因此本文考虑将人员管理系统与井下视频图像识别技术结合起来，通过人体识别技术来进一步加强井下人员管理。
在井下人员图像中，选择人体哪方面生物特征作为数字图像处理识别的对象是着手工作的首要考虑。
结合井下特殊的环境，矿工经常手持生产工具且手上易有灰尘，又由于监控系统拍摄的井下人员图像光照度低、不够清晰，虹膜识别也不适用，DNA检测技术程序复杂，而人脸目标明显，五官分布在图像中较易捕捉。
矿井井下非均匀照度图像增强实用性探讨
矿井井下非均匀照度图像增强实用性探讨矿井井下非均匀照度图像增强实用性探讨矿井是地下采矿作业的重要场所，而井下的照度非均匀问题常常给矿工的工作带来一定的困扰。
为了提高矿工的工作效率和安全性，对矿井井下非均匀照度图像进行增强处理可以起到积极的作用。
下面将逐步探讨如何实现矿井井下非均匀照度图像增强的实用性。
第一步，了解矿井井下非均匀照度图像的特点。
矿井井下的光照通常受到诸多因素的影响，例如井道的曲折程度、井壁的粗糙程度以及矿石的光反射等。
这些因素造成了井下照度的不均匀性，导致图像细节不清晰，难以识别重要的矿石信息。
因此，需要对这些特点进行深入分析，为后续的图像增强方法选择提供依据。
第二步，选择合适的图像增强方法。
根据矿井井下非均匀照度图像的特点，可以考虑使用适应性直方图均衡化、伽马校正或者多尺度变换等方法来对图像进行增强。
适应性直方图均衡化可以根据图像的局部区域对亮度进行调整，以增强图像的对比度。
伽马校正则可以通过调整图像的亮度曲线来提高图像的亮度和清晰度。
多尺度变换可以提取图像的不同频率信息，从而增强细节和纹理。
根据实际需求和矿井的特点选择合适的方法进行图像增强。
第三步，实施图像增强算法。
将选择的图像增强方法应用到矿井井下非均匀照度图像上，并进行实际操作。
可以使用计算机视觉或者图像处理软件来实现图像增强算法。
在实施过程中，需要根据图像的具体特点进行参数的调整，以达到最佳的增强效果。
同时，需要注意算法的计算复杂度和实时性，以确保图像增强的实用性。
第四步，评估图像增强效果。
对增强后的图像进行评估，可以使用主观评价和客观评价两种方法。
主观评价可以由矿工或者专家进行，根据对图像质量的感受进行评估。
客观评价可以使用图像质量评价指标，例如峰值信噪比（PSNR）和结构相似性指标（SSIM）等来衡量图像的清晰度和保真度。
通过评估图像增强效果，可以对算法进行改进和优化，提高增强的实用性。
综上所述，通过逐步的思考和实践，可以有效实现矿井井下非均匀照度图像的增强。
基于照度调整的矿井非均匀照度视频图像增强算法
基于照度调整的矿井非均匀照度视频图像增强算法智宁;毛善君;李梅【期刊名称】《煤炭学报》【年(卷),期】2017(042)008【摘要】由于煤矿井下空间环境受粉尘等因素的影响,视频监控系统获取的作业环境图像存在照度低、照度不均匀等问题,而且现有的算法在处理煤矿非均匀照度图像时会出现颜色失真或者过增强现象,这不利于对图像的判读和应用.结合煤矿的实际数据,提出了一种新的图像增强算法,克服了现有算法存在的问题:分析井下视频图像特点,采用具有边缘保持特性的多尺度引导滤波获取照度分量;基于Retinex理论,将图像分解为照度分量与反射分量;针对照度不均匀的特性,提出一种新的“S型”曲线函数对其进行调整;分析图像的特性,引入受限对比度自适应直方图对其对比度进行增强;提出新的图像增强模型,利用细节增强系数和照度增强系数实现对图像的综合增强.与其他4种算法的对比试验表明,本文算法在主观评价和客观评价方面都优于上述算法.实验证明,本算法具有有效提升图像整体亮度和对比度,同时避免光源附近亮区域的过增强现象的特点,能够满足矿山实际应用需求.【总页数】8页(P2190-2197)【作者】智宁;毛善君;李梅【作者单位】北京大学地球与空间科学学院,北京100871;北京大学地球与空间科学学院,北京100871;北京大学地球与空间科学学院,北京100871【正文语种】中文【中图分类】TD672【相关文献】1.一种基于Retinex的矿井非均匀照度图像增强算法 [J], 黄向东;邓莉洁2.一种煤矿井下低照度图像增强算法 [J], 王洪栋; 郭伟东; 朱美强; 雷萌3.基于Retinex的自适应非均匀低照度图像增强算法 [J], 曹陇鑫;马宗方;石晶4.一种矿井低照度图像增强算法 [J], 唐守锋;史可;仝光明;史经灿;李华烁5.基于参数模糊变换的非均匀照度图像增强算法 [J], 戴蓉因版权原因，仅展示原文概要，查看原文内容请购买。
基于HSV空间的煤矿不均匀照度图像修复算法研究
基于HSV空间的煤矿不均匀照度图像修复算法研究在科技的长河中，图像处理技术犹如一艘航船，承载着无数研究者的梦想与探索。
特别是在恶劣环境下，如煤矿内部，不均匀照度图像的修复成为了一项挑战。
然而，随着基于HSV色彩空间的图像修复算法的研究深入，这一难题正逐渐被攻克。
首先，我们需要了解什么是HSV色彩空间。
简单来说，它是一种比RGB色彩模式更适合人类视觉感知的色彩系统。
在HSV空间中，H代表色相（Hue），S代表饱和度（Saturation），V代表明度（Value）。
这种色彩模式使得我们能够更加精确地控制图像的颜色和亮度，从而为不均匀照度下的图像修复提供了可能。
接下来，让我们探讨一下不均匀照度对图像的影响。
想象一下，你正在欣赏一幅美丽的风景画，但突然之间，画面的一部分被阴影所笼罩，那部分的细节和色彩都变得模糊不清。
这就是不均匀照度给图像带来的问题。
在煤矿等低光环境中，这个问题尤为突出，因为光线的分布极不均匀，导致图像的某些区域过亮或过暗。
那么，如何解决这个问题呢？这就需要我们的主角——基于HSV空间的煤矿不均匀照度图像修复算法——登场了。
这个算法就像是一位细心的画家，它首先将图像从RGB色彩空间转换到HSV色彩空间，然后对V通道（即明度通道）进行特殊处理。
通过调整V通道的数值，我们可以有效地平衡图像中的光照差异，使得原本因不均匀照度而失真的部分得以修复。
但这位画家并不满足于仅仅修复明度问题，它还会对S通道（饱和度通道）进行微调。
在某些情况下，不均匀的照度不仅影响明度，还会影响色彩的饱和度。
通过适当地增加或减少饱和度，算法能够进一步改善图像的质量，使其更加接近真实场景。
当然，任何技术都不是完美的。
基于HSV空间的煤矿不均匀照度图像修复算法虽然在某些方面表现出色，但它也面临着计算复杂度高、实时性不强等问题。
此外，对于极端情况下的图像修复，该算法可能还需要结合其他技术来达到最佳效果。
尽管如此，这项研究无疑为我们打开了一扇窗，让我们看到了在恶劣环境下获取高质量图像的可能性。
煤矿井下非均匀照度图像去噪研究
煤矿井下非均匀照度图像去噪研究张旭辉;麻兵;杨文娟;董征;李语阳【期刊名称】《工矿自动化》【年(卷),期】2024(50)2【摘要】煤矿综采工作面空间小、照明环境复杂多变,采煤过程中伴随着大量的粉尘、大雾,导致采集的图像出现曝光、细节特征减弱等问题,难以对井下照明区域光照强度过大的图像进行有效的特征提取。
针对上述问题,提出了一种煤矿井下非均匀照度图像去噪算法。
首先,将视频截取为图像,判断图像是否需要进行光照抑制,将需要进行光照抑制的RGB图像拆分通道,并计算每个通道的光照调节因子,实现图像的整体光照调节;然后,将未进行整体光照抑制的图像和经整体光照抑制的图像进行反射分量提取,即将输入的图像转换为HSV空间图像,使用单尺度Retinex(SSR)算法对V通道图像中的光照分量进行单独处理,将V分量中的入射分量去除,保留反射分量,并对反射分量使用直方图均衡算法实现光照均衡化处理;最后,使用基于引导滤波的暗通道先验算法对经过光照处理后的图像进行去雾处理,并使用伽马校正函数重新调节亮度不均的图像。
主观评价结果表明:提出的煤矿井下非均匀照度图像去噪算法有效抑制了因光照导致整体亮度较高的问题,且由于大雾、粉尘等因素导致图像模糊的部分更加清晰,图像的细节特征更加突出。
采用信息熵、均值、标准差、空间频率4种评价指标对提出的算法效果进行客观评价,结果表明,提出的算法在信息熵、均值、标准差、空间频率上较多尺度Retinex(MSR)算法分别平均提升了21.87%,-56.06%,153.43%,294.45%,较基于颜色保持的多尺度视网膜增强(MSRCP)算法分别平均提升了1.18%,-39.56%,33.29%,-4.71%,较带色彩恢复的多尺度视网膜增强(MSRCR)算法分别平均提升了38.06%,-55.27%,462.10%,300.96%,说明提出的算法能更有效地增加图像信息量、抑制光照强度、提升边缘信息及图像清晰度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
矿井井下非均匀照度图像增强方
案探讨
矿井井下非均匀照度图像增强方案探讨
引言：
矿井井下非均匀照度图像在矿井勘探和生产过程中起着重要作用。
然而，由于矿井井下环境的复杂性和光线的不均匀分布，这些图像往往存在照度不足、阴影和光线扩散等问题。
因此，为了提高矿井井下非均匀照度图像的质量，我们需要寻找一种有效的增强方案。
步骤一：图像预处理
首先，对矿井井下非均匀照度图像进行预处理，以减少图像中的噪声和干扰。
可以采用低通滤波技术，如高斯滤波或中值滤波，来平滑图像并去除图像中的噪声。
步骤二：光照估计
由于矿井井下非均匀照度图像存在光照不均匀的问题，因此需要进行光照估计。
可以利用统计方法，如最大值或平均值，来估计图像中的主要光照分布。
此外，还可以通过利用矿井井下环境的特点，如光线来源的方向和位置等，来更准确地估计光照。
步骤三：光照补偿
根据光照估计结果，对矿井井下非均匀照度图像进行光照补偿。
可以利用直方图均衡化算法对图像进行全局增强，使得图像中的亮度分布更均匀。
此外，还可以采用局部对比度增强算法，如自适应直方图均衡化或多尺度增强等，以增强图像细节和纹理。
步骤四：阴影去除
由于矿井井下照度不均匀的原因，图像中常常存在阴影。
为了去除阴影并提高图像的可视性，可以采用去阴影算法。
常见的去阴影算法包括基于颜色空间的算法和基于物体形状的算法。
其中，基于颜色空间的算法利用阴影在颜色空间中的特征，通过调整图像中的颜色分布来去除阴影。
而基于物体形状的算法则通过对图像中的物体形状进行建模和分析，来准确地去除阴影。
步骤五：光线扩散校正
在矿井井下环境中，由于光线的传播和散射，图像中常常存在光线扩散的问题，导致图像细节模糊不清。
为了校正光线扩散，可以采用去模糊算法。
常见的去模糊算法包括盲去模糊算法和非盲去模糊算法。
其中，盲去模糊算法不需要事先估计模糊核，通过迭
代计算模糊核和清晰图像来完成去模糊。
而非盲去模糊算法则通过估计模糊核来完成去模糊。
结论：
通过对矿井井下非均匀照度图像的预处理、光照估计、光照补偿、阴影去除和光线扩散校正等步骤的应用，可以有效地增强矿井井下非均匀照度图像的质量。
这将有助于提高矿井勘探和生产过程中的可视化效果，提高工作效率和安全性。