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。
- 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。