煤礦井下高清圖像快速去霧算法研究

王啟明，李 季

1(遼寧工程技術大學 電氣與控制工程學院 ，遼寧 葫蘆島 125105 2(煤科集團沈陽研究院有限公司 機電安全裝備研究分院，沈陽 110015 3(遼寧工程技術大學 電氣與控制工程學院 ，遼寧 葫蘆島 125105)

1 引 言

隨著煤礦工業(yè)的不斷發(fā)展，煤礦生產的安全保障受到國家的高度重視，國家安全監(jiān)察局相關規(guī)定[1]，均有提及視頻監(jiān)控系統(tǒng).加之產業(yè)技術升級，人像識別、視頻采集和模式識別自動控制等設備在煤礦井下的大面積推廣，圖像采集、識別和利用成為了煤礦生產、運輸和安全保障的重要一部分[2,3].

煤礦掘進、采煤和運輸過程中會產生大量的煤塵；在掘進、采煤、鉆孔、設備冷卻和噴霧降塵的過程中需要大量用水；同時煤礦為了防止瓦斯積聚，防止瓦斯爆炸，通常大量使用軸流風機等通風設備，保證采煤工作巷道內的風速0.25m/s至4m/s[1]，以上這些因素造成很多工作巷道內的揚塵和水霧現(xiàn)象非常嚴重.光線經過水霧折射反射嚴重影響了采集的圖像質量[2,3]，因此研究煤礦井下圖像增強有重要意義.

圖像去霧算法研究一直是計算機視覺領域的研究熱點，目前方法主要分為兩大類[4-6]：第一類屬于傳統(tǒng)圖像增強，通過對降質圖像進行增強，改善對比度等傳統(tǒng)圖像增強算法，突出特征和有價值信息，缺點是會有圖像失真和信息損失，主要方法有直方圖均衡化、拉普拉斯變換、小波變換和視網膜皮層理論(Retinex)等.第二類基于物理模型，通過研究塵霧的散射作用，建立大氣散射模型，反推出無霧圖像，該類算法針對霧天，信息保留較完整，主要有景深度信息去霧法、光偏振去霧法和先驗知識去霧法[4-6].

近幾年的研究趨勢傾向于物理模型算法，尤其在He于2009年中提出暗原色先驗理論去霧方法(簡稱He算法[7])，物理模型類去霧算法獲得了突破性的進展.He[7]利用暗原色分布規(guī)律得到圖像的粗略透射率圖，再利用軟摳圖對粗略透射率圖進行細化，之后依據大氣散射模型反算出原圖像.該方法得到的恢復圖像相較其他算法在清晰度和細節(jié)上有明顯提高，缺點是計算復雜度、空間復雜度較大，處理速度較慢.2011年，He針對該問題引入引導濾波[8,9]替使圖像處理速度獲得了一定提高.

在井下圖像去霧算法開發(fā)過程中，發(fā)現(xiàn)He引導濾波算法在處理小幅圖(480×320)時速度很快，在處理高清圖像(分辨率1280×960，后文簡稱960P)過程中時間明顯延長.本文針對煤礦井下高清圖像，利用插值法[13]配合引導濾波高速獲得粗透射圖，使用canny算子提取原圖邊緣加上使用原圖做加強引導圖，獲得邊緣權重引導圖，再對粗透射率圖作引導濾波細化，在保證去霧速度的同時提高邊緣對比度，設定了大氣值估算方法，設計了一種針對煤礦井下環(huán)境的高分辨率圖像去霧算法.

2 相關原理

2.1 塵霧圖像物理模型

在塵霧環(huán)境下，通常使用Narasimhan[10-12]等提出的大氣散射模型來描述圖像，在計算機視覺中可以表述成下述模型：

I(x)=J(x)t(x)+A(1-t(x))

(1)

其中I(x)為觀測圖像即塵霧圖像，x為二維空間坐標值，J(x)為場景反射強度即無霧圖像，A是大氣光強即背景光值，t(x)是透射率，可以表達為

t(x)=e-βd(x)

(2)

其中β為大氣衰減系數，d(x)為場景到觀測點距離即景深，經過處理變形為下式：

(3)

由公式(3)可知，當透射率t(x)為0時，無霧圖像無法恢復，因此將公式(3)改寫后，最終得到圖像恢復公式如下：

(4)

其中，t0為最小透射率，本文取值是0.05，I(x)是我們采集到的帶霧圖像，J(x)是恢復后的無霧圖像.

2.2 暗原色先驗原理

He提出的暗原色先驗理論[7]是一種經驗性統(tǒng)計規(guī)律，是指在非天空域像素在某個原色通道的值趨近于0，這種規(guī)律被稱為暗原色先驗.其表達式如下：

(5)

Jdark→0

(6)

其中JC表示彩色圖像的每個通道，Ω(x)表示以像素x為中心的一個矩形窗口.根據暗色先驗證原理(5)(6)和塵霧圖像模型(1)，可以推導出塵霧圖像的初步透射率圖如下.假設每一個窗口內透射率t(x)是常數，定義他為t(x)，當大氣光值A值已經給定時，對式(1)變形，并兩邊求兩次最小值運算，得到下式：

(7)

(8)

如上所述，上邊C表示R/G/B三個通道的意思.上式中，J是待求得無霧圖像，根據前述的暗色先驗理論有：

(9)

因此，可推導出：

(10)

帶入得到

(11)

這是透射率 的預估值 ，現(xiàn)實中需要保留一定的霧，所以引入一個在[0,1],之間的因子，修正為

(12)

煤礦井下照明差，存在大量暗色巖石與設備陰影，在不考慮少數照明燈源的情況下，井下沒有天空域存在，適合采用該原理進行.

2.3 引導濾波算法

引導濾波[8,9]是一種需要引導圖的邊緣保持性濾波器，可以用于圖像重建、濾波和保邊操作等.濾波器的輸出圖像q和引導圖I、輸入圖像p有關，其中I和p是給定值，q與I在窗口ωk的存在局部線性關系.引導圖與輸入圖預先設定，引導濾波假設在輸入圖像I與濾波輸出圖q間是線性關系，在以k為中心的窗口中存在以下局部線性關系：

qi=akIi+bk,?i∈ωk

(13)

其中q是輸出圖的像素值，i,k是圖像像素索引，a和b是窗口中心為k點時的線性函數系數.實踐過程中，像素很可能會被多個濾波窗口包含，需要將所有包含該點的線性函數加權平均得到如下:

(14)

其中，ωk是所有以k為中心，包含像素i的窗口.

3 煤礦井下暗原色去霧算法改進

3.1 暗原色通道算法缺陷

在matlab環(huán)境中，使用He引導算法[7]對煤礦井下圖像進行處理過程中，發(fā)現(xiàn)在處理高分辨率圖像(高清圖960P以上)時，運算時間大幅度增加.

經研究發(fā)現(xiàn)He引導濾波算法缺陷的原因在求窗口暗通道值(8)(9)過程中，暗原色窗口迭代，在大圖像上計算量大幅度增長所導致，這個問題嚴重影響了He算法在高清圖像上的實用性.

3.2 插值法快速計算暗通道值

為了提高暗原色圖獲取速度，利用縮放法降低采樣率的辦法提高暗通道圖獲取速度，將原圖縮放至1/16，用公式(10)求取小圖的暗通道圖，再放大至原圖(圖1左)大小并利用雙三次插值[13]獲得大圖暗通道圖，并根據公式(12)獲得粗透射圖(圖1右).

縮放過程中會造成部分透射圖邊緣細節(jié)丟失，需要進一步進行優(yōu)化才能使用.

圖1 井下帶霧圖像和縮放后獲得的粗透射圖

3.3 CANNY算子結合引導濾波優(yōu)化引導圖

所以為了提高邊緣在整個暗原色圖中的權重，不直接使用灰度圖作為引導圖來進行透射率優(yōu)化，利用CANNY算子[14]對原圖像灰度圖求邊緣，達到降低部分噪聲并強化邊緣的作用，獲得邊緣圖后利用引導濾波公式(13)(14)以邊緣圖作為引導圖對原灰度圖進行引導濾波獲得邊緣加強引導圖(圖2左)

3.4 使用邊緣強化導向圖細化透射率圖

使用(13)(14)公式，使用邊緣強化引導圖，細化粗透射圖，針對在縮放過程中損失的邊緣部分進行優(yōu)化，得到邊緣強化透射圖(圖2右).

圖2 邊緣強化引導圖和邊緣強化透射圖

3.5 大氣光估計值

圖3 去霧圖

環(huán)境光值A的估計[2,15]，原方法中是利用圖中霧最濃或者最不透明區(qū)域的像素得出.也有直接采用像素亮度最高值估計的，常規(guī)方法步驟如下：

圖4 流程圖

1)計算并獲得暗原色圖；

2)取暗原色圖中按亮度的大小取前0.05%的像素；

3)在這些位置中尋找最高亮的值 或最小值 或者用這部分像素亮度的平均值作為環(huán)境光值A.

在煤礦環(huán)境中有部分燈光照明存在高亮區(qū)域或者燈光反射造成的小塊高亮區(qū)，環(huán)境光值估算使用常規(guī)方法，需要設置環(huán)境光值的最高限定值，否則會出現(xiàn)偏色，本文中設定的環(huán)境光值A最高設定為220.

3.6 圖像恢復

使用邊緣強化的透射率圖，由塵霧退化模型公式(4)進行圖像恢復，獲得去霧圖(如圖3).本文去霧算法流程如圖4.

4 去霧算法驗證

為了證明本文算法有效性和實時性，使用本文算法、He引導濾波算法、基礎Retinex算法、Tarel[16]算法，進行去霧實驗對比對比，從去霧圖像的質量主觀、客觀指標和時效性，三方面進行測試.

本文提出的算法在筆記本電腦上實現(xiàn)，試驗程序環(huán)境為matlab R2014a，硬件處理器為INTEL CORE I5-5200U 2.20GHz，內存16G，系統(tǒng)為WIN7 64位旗艦版，利用實現(xiàn)本文算法.

4.1 去霧效果的主觀評價

針對煤礦井下有霧圖像進行去霧處理，效果圖如下：從以下各算法去霧結果可以看出，在煤礦井下大多數情況，He引導算法都可以取得良好的視覺效果；Tarel算法的霧在主觀感覺上并沒有完全去除，基礎Retinex算法結果存在很嚴重的偏色現(xiàn)象，本文算法與He引導算法結果相近，在細節(jié)上更加突出.

圖5 各算法去霧效果圖

4.2 去霧效果的客觀量化評價

為了客觀地評價本文算法的性能，采用基于可見邊對比度增強方法[15,17]來比較本文算法、Retinex算法、Tarel[16]原算法的優(yōu)劣.常用評價指標抓標包括新增可見邊之比e，可見邊的規(guī)范化梯度均值γ以及飽和黑色和白色像素的百分比σ，定義如下[15,17]為

(15)

(16)

(17)

其中n0是有霧圖像I可見邊數目，nr是去霧圖像J可見邊數量,Ωr是去霧圖像J中可見邊集合，Pi是去霧圖像J中的可見邊像素點，ri是去霧圖像在Pi處的Sobel梯度比值，ns是飽和黑色或白色像素點數目，dimx和dimy是圖像的寬和高.在去霧效果評價中，e和γ的值越大越好，σ值越小說明去霧效果越好[17],根據公式(15-17)，實驗數據如表1.

從以上數據可以看出，本實驗算法在可見邊數量和平均梯度上，相對于He引導算法有明顯提升.

4.3 運算時間

在表中對比了He引導濾波算法、本文算法、Tarel原算法和Retinex基礎算法，在960P情況下5張圖片的處理時間，Tarel文獻[16]中有大量的優(yōu)化判斷和Windows Mex調用，導致運算時間特別長，Retinex算法是最基礎算法，沒有優(yōu)化所以運行速度最快，圖片嚴重偏色，本文算法在保證圖片質量，提高圖像細節(jié)的情況下，提高了運算效率，運行時間如表2所示.

表1 不同算法去霧指標對比

表2 算法運算時間對比圖(時間單位：秒s)

5 結 論

本文主要是針對He的暗原色先驗原理在大分辨率圖像上出現(xiàn)的運算時間大幅度增加問題，提出了一種用于煤礦井下結合縮放插值、CANNY邊緣強化和引導濾波的高分辨率圖像快速去霧算法.從主觀評價、客觀量化評價和運算時間三方面進行了各種算法的比較實驗，仿真結果證明了本文算法有效改善了He引導算法在高清圖像的運算效率，強化了部分邊緣特征，可以有效的使用在煤礦高清圖像去霧工作上.