礦井復(fù)雜環(huán)境視頻監(jiān)控圖像增強(qiáng)算法研究

王誠聰，劉亞靜

(華北理工大學(xué) 礦業(yè)工程學(xué)院，河北 唐山 063210)

安全生產(chǎn)是煤礦企業(yè)發(fā)展的關(guān)鍵，為確保煤礦企業(yè)高效且快速的發(fā)展，井下視頻監(jiān)控為煤礦安全生產(chǎn)提供有力的保障，設(shè)立井下視頻監(jiān)控可將存在的安全隱患防范于未然，從而推進(jìn)智慧礦山的建設(shè)與發(fā)展[1]。然而井下生產(chǎn)環(huán)境很明顯的特點(diǎn)就是光線差、亮度低、粉塵多，以及燈光照明不均勻，這些因素對(duì)礦井安全監(jiān)控視頻圖像的視覺質(zhì)量有很大的影響，導(dǎo)致不能拍攝出較高識(shí)別率的井下圖像，且對(duì)視頻圖像監(jiān)控判別是否存在違規(guī)行為造成了一定的限制作用，如果由于光照以及粉塵的原因?qū)е卤O(jiān)控視頻沒有及時(shí)發(fā)現(xiàn)問題并解決問題[2]，將會(huì)造成巨大的人員傷亡和經(jīng)濟(jì)損失，影響礦井的生產(chǎn)與發(fā)展，因此對(duì)視頻監(jiān)控圖像增強(qiáng)處理是實(shí)現(xiàn)智能化礦山安全生產(chǎn)的前提條件[3]。

到目前為止，井下圖像增強(qiáng)處理中[4]，傳統(tǒng)的算法主要有Retinex算法，直方圖均衡化算法，同態(tài)濾波算法等。Retinex算法是以色彩一致性為基礎(chǔ)的，對(duì)于低頻圖像可以有效的對(duì)圖像自適應(yīng)增強(qiáng)，但是對(duì)于亮度差異特別大的圖像[5]，會(huì)導(dǎo)致亮度大的區(qū)域出現(xiàn)光暈效應(yīng)且圖像整體出現(xiàn)過增強(qiáng)現(xiàn)象；直方圖均衡化算法，高效且易于實(shí)現(xiàn)，被廣泛應(yīng)用，但是通過均衡化處理后對(duì)比度過分增強(qiáng)，容易使某些細(xì)節(jié)消失[6]；同態(tài)濾波通過處理圖像的反射分量來達(dá)到增強(qiáng)圖像的目的，對(duì)光照不均勻的圖像補(bǔ)償效果明顯，但是對(duì)于選取濾波器的參數(shù)以及算法的實(shí)現(xiàn)上有一定的難度，不易實(shí)現(xiàn)[7，8]。通過對(duì)傳統(tǒng)算法的分析，在對(duì)礦井圖像處理的過程中大致存在以下兩點(diǎn)問題：①由于礦井圖像的特殊性，存在很明顯的明暗不均現(xiàn)象，高亮度區(qū)域若沒有極大程度的抑制，導(dǎo)致圖像整體出現(xiàn)過增強(qiáng)現(xiàn)象，且會(huì)存在色彩失真的現(xiàn)象；②礦井圖像由于粉塵以及光照不均勻的原因?qū)е聢D像模糊，檢測(cè)障礙等問題，致使圖像的清晰度以及信息量有一定的損失，而大多數(shù)論文沒有針對(duì)上述兩個(gè)問題同時(shí)進(jìn)行解決。本文提出一種基于二維伽馬函數(shù)調(diào)整圖像光照分量的算法。依據(jù)引導(dǎo)濾波算法提取光照分量，而后通過二維伽馬函數(shù)對(duì)圖像的光照分量進(jìn)行調(diào)整，并對(duì)圖像整體對(duì)比度進(jìn)行自適應(yīng)調(diào)整，以達(dá)到圖像增強(qiáng)的目的。

1 數(shù)據(jù)來源及算法介紹

1.1 引導(dǎo)濾波提取光照分量

引導(dǎo)濾波(Guided Filtering)是一種用于圖像重建并保持邊緣的濾波技術(shù)，準(zhǔn)確的提取照度分量對(duì)于圖像的增強(qiáng)有重要的作用。通過引導(dǎo)圖I對(duì)初始圖像P進(jìn)行濾波處理，從而有效的保持邊緣，實(shí)現(xiàn)邊緣平滑，減少梯度變形[9]。

假設(shè)該引導(dǎo)濾波函數(shù)在輸入與輸出二維圖像滿足線性關(guān)系，即：

qi=akIi+bk，?i∈ωk

(1)

式中，q是輸出圖像像素的值，I是輸入引導(dǎo)圖像像素的值，i，k是像素索引，a，b是當(dāng)濾波窗口ω中心位置為k時(shí)線性函數(shù)的系數(shù)。當(dāng)輸入的引導(dǎo)圖像I有梯度時(shí)，輸出的圖像q也有類似的梯度，即q=aI。

為求出線性函數(shù)的系數(shù)a，b，即通過線性擬合的函數(shù)使輸出值q與待濾波圖像p存在的差距最小，即求下式的最優(yōu)解：

通過最小二乘法，局部線性系數(shù)可以通過下式來表示：

在計(jì)算輸出圖像的像素值時(shí)，每個(gè)像素點(diǎn)可能會(huì)包含在不同的濾波窗口內(nèi)，因此a，b會(huì)隨著窗口的變化而變化，如若要求某一點(diǎn)的輸出值，只需將包含該像素點(diǎn)的函數(shù)值線性平均即可，計(jì)算公式如下：

為估計(jì)光照分量，因此通過計(jì)算圖像的亮通道圖像，即每個(gè)像素位置上在三通道中的最大值。

式中，L(x，y)代表原始圖像像素點(diǎn)在三個(gè)通道的最大值；Ic(x，y)表示原始圖像[10]。

為獲取圖像不同尺度上的信息，通過多尺度引導(dǎo)濾波來估計(jì)光照分量即：

K(x，y)，ri，eps)

(7)

式中，F(xiàn)(x，y)表示光照分量，G(L，K，r，eps)代表對(duì)圖像進(jìn)行引導(dǎo)濾波計(jì)算，即式(5)中的q，K代表引導(dǎo)圖像，在本文算法中引導(dǎo)圖像為原圖像，ri表示濾波窗口的不同尺寸。

為計(jì)算不同尺度上的圖像包含的信息，因此選用不同的濾波器尺寸，設(shè)置如下：

式中，「*? 表示取整操作，h，w分別代表圖像的長和寬。尺寸越大更好的反映圖像的細(xì)節(jié)信息，而尺寸越小反映圖像的整體結(jié)構(gòu)[11]。

井下生產(chǎn)環(huán)境粉塵現(xiàn)象嚴(yán)重，且陰暗潮濕，需要借助燈光來對(duì)井下環(huán)境提供照明，而由于粉塵和燈光的原因，會(huì)出現(xiàn)光暈效應(yīng)和邊界模糊的現(xiàn)象，當(dāng)使用引導(dǎo)濾波后，在處理礦井內(nèi)細(xì)節(jié)部分，相對(duì)于其它算法可以最大限度的保持原圖像的邊緣特征，從而使提取效果越好。

1.2 二維伽馬函數(shù)光照校正

井下通常運(yùn)用礦燈來實(shí)現(xiàn)照明，然而在使用礦燈照明的過程中很容易存在照明不均勻的弊端，導(dǎo)致暗部圖像不清晰，而亮部圖像曝光過度，影響圖像的視覺效果，基于此，通過調(diào)整圖像的光照分量來實(shí)現(xiàn)提高光照低區(qū)域的亮度，減少光照高區(qū)域的亮度[12]。

在提取光照分量后，依據(jù)光照分量對(duì)光照不均勻的圖像校正處理，通過光照的亮度值，構(gòu)造局部gamma校正函數(shù)，從而實(shí)現(xiàn)圖像的調(diào)整[13]。因此，本文選用二維伽馬校正函數(shù)，通過光照分量的亮度值來自適應(yīng)調(diào)整亮度分量的亮度值的參數(shù)，從而實(shí)現(xiàn)圖像整體的調(diào)整。二維伽馬函數(shù)的表達(dá)式為：

式中，F(xiàn)(x，y)表示計(jì)算出的光照分量；m為光照分量的均值；v(x，y)為原圖像的亮度分量，V(x，y)為校正后的亮度分量。

假設(shè)某礦井圖像的光照分量均值為80，且該圖像各像素點(diǎn)的值均在0～255之間，本文在區(qū)間內(nèi)平均選取光照分量為0、64、128、192、255的值作為研究對(duì)象[14]，來觀察圖像校正后的變化情況，圖像的亮度值經(jīng)過二維伽馬函數(shù)變換輸出的結(jié)果如圖1所示。

圖1 二維伽馬函數(shù)變換輸出結(jié)果

當(dāng)圖像的某一像素點(diǎn)(x，y)的光照分量值小于該圖像的均值，二維伽馬函數(shù)會(huì)自適應(yīng)的調(diào)整該像素的亮度值。在光照均值為80的圖像中，假設(shè)該圖像(x，y)處的光照分量值為50屬于低照度區(qū)，輸入圖像在該點(diǎn)處的亮度值為128，經(jīng)過二維伽馬函數(shù)校正處理后的亮度值為150，在低光照強(qiáng)度的區(qū)域，表現(xiàn)為提高圖像的亮度值，尤其是在亮度值低的區(qū)域，提高的幅值越大。相反，當(dāng)圖像的某一像素點(diǎn)(x，y)的光照分量值大于該圖像的均值，該函數(shù)會(huì)減小原圖像在該點(diǎn)處的亮度值。如該圖像(x，y)處的光照分量值為110屬于高照度區(qū)，輸入圖像在該點(diǎn)處的亮度值同樣為128，經(jīng)過二維伽馬函數(shù)校正處理后的亮度值為104，尤其是相對(duì)于亮度值高的區(qū)域，降低的幅值越大[15]。通過上述數(shù)據(jù)，本文提出的算法可以依據(jù)全圖亮度值自動(dòng)校正圖中亮度不均勻的區(qū)域，從而提高圖像的整體質(zhì)量水平。

1.3 基于受限自適應(yīng)直方圖均衡化的對(duì)比度增強(qiáng)

由于煤礦井下圖像色調(diào)簡(jiǎn)單，若圖像的對(duì)比度低則更不易區(qū)分井下地物的細(xì)節(jié)，在影響圖片效果的因素中，對(duì)比度占有很大一部分比重[16]。基于此選用基于限制對(duì)比度直方圖均衡化自適應(yīng)算法 (Contrast Limited Adaptive Histogram Equalization，CLAHE)。由于井下粉塵多，影響井下圖像的質(zhì)量，造成視覺上對(duì)物體細(xì)節(jié)上的判斷，因此可以通過CLAHE有效的抑制噪聲放大并增強(qiáng)圖像的對(duì)比度，從而獲得圖像中所表達(dá)的信息[17]。

在圖像中圖像的像素點(diǎn)概率分布直方圖與對(duì)比度有直接關(guān)系，為限制對(duì)比度，因此通過CDF(累計(jì)分布直方圖)將一定閾值內(nèi)的像素值平均分配到直方圖內(nèi)其他區(qū)域[18]，從而達(dá)到限制斜率的目的。

2 算法實(shí)現(xiàn)

由于礦井環(huán)境的陰暗潮濕且光照強(qiáng)度不足或不均勻，都會(huì)導(dǎo)致視頻圖像在視覺上不足以讓監(jiān)控人員觀察到井下工作人員是否存在違規(guī)行為[19]。井下視頻圖像主要針對(duì)亮度分量進(jìn)行處理，選用一種較為直觀的顏色模型HSV，對(duì)亮度分量進(jìn)行計(jì)算，因此在輸入視頻圖像后，將RGB轉(zhuǎn)為HSV，并將亮度V通過引導(dǎo)濾波提取光照分量，用二維伽馬函數(shù)對(duì)其進(jìn)行調(diào)整，再將色調(diào)以及飽和度與處理后的亮度進(jìn)行合成，并轉(zhuǎn)換為RGB形式，并通過CLAHE對(duì)圖像進(jìn)行自適應(yīng)調(diào)整，輸出圖像，算法流程如圖2所示。

圖2 算法流程

3 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文算法對(duì)礦井圖像的適用性，運(yùn)用MATLAB平臺(tái)對(duì)圖像進(jìn)行處理，并搜集具有代表性的圖像，如在巷道內(nèi)光照不均勻圖像以及作業(yè)期間具有嚴(yán)重粉塵影響的圖像，如圖3—圖5所示。選用retinex算法和二維伽馬函數(shù)算法，來驗(yàn)證本文算法的性能。圖3—圖5中，(a)為原圖，(b)為伽馬函數(shù)校正，(c)為retinex增強(qiáng)算法，(d)為本文算法。

圖3 場(chǎng)景一圖像處理結(jié)果

圖4 場(chǎng)景二圖像處理結(jié)果

圖5 場(chǎng)景三圖像處理結(jié)果

針對(duì)處理的結(jié)果，本文從主觀以及客觀的角度對(duì)3中不同的方法進(jìn)行評(píng)價(jià)及驗(yàn)證。由圖3—圖5可以看出，針對(duì)gamma函數(shù)對(duì)3幅圖的圖像增強(qiáng)，可以看出，伽馬函數(shù)校正雖然可以有效地減弱光照過強(qiáng)導(dǎo)致的光暈，并且對(duì)光照弱的地方進(jìn)行增強(qiáng)，如圖3中的燈光處和圖4中管道縫隙間處，但是對(duì)于人的衣服以及安全帽的增強(qiáng)卻不是很明顯，對(duì)于圖5的增強(qiáng)效果不是很明顯；而retinex增強(qiáng)算法在圖3和圖4中雖然在燈光處極大的抑制了燈光的亮度，但是出現(xiàn)整體泛白現(xiàn)象，對(duì)比度極低，在視覺效果上極差，然而對(duì)于有粉塵的環(huán)境如圖5，處理效果較好，但是亮度低；而本文提出的算法對(duì)3種不同場(chǎng)景的圖像增強(qiáng)都取得了較好的校正效果，不僅使光照過強(qiáng)的區(qū)域有較好的減弱，在燈光區(qū)域周圍幾乎沒有光暈現(xiàn)象，圖像效果清晰，而且提高了光照過低區(qū)域的亮度及對(duì)比度，使細(xì)節(jié)處更加明顯，針對(duì)有粉塵區(qū)域的圖像具有很好的去粉塵效果，且對(duì)圖片的色彩有很好的保持作用。

從客觀角度，本文選取信息熵，平均梯度，標(biāo)準(zhǔn)差來評(píng)價(jià)算法結(jié)果[13]。

信息熵表示度量圖像的豐富度，信息熵越大說明豐富度越大，圖像的效果越好，由于井下視頻亮度低，為更好的評(píng)估圖像的信息熵，因此選取灰度值大于50的為評(píng)判值域。

其中，xi為像素值為i的像素。

平均梯度，反映圖像細(xì)節(jié)對(duì)比的表達(dá)能力，它是圖像清晰度的重要表征，平均梯度越大表示圖像越清晰。

標(biāo)準(zhǔn)差是反映圖像整體的對(duì)比度特征。

為進(jìn)一步對(duì)比三種算法的效果，本文對(duì)不同圖像的信息熵，平均梯度以及標(biāo)準(zhǔn)差進(jìn)行計(jì)算見表1，由表1可知，經(jīng)過處理后圖像的整體質(zhì)量效果普遍提升。信息熵，在不同的場(chǎng)景下本文算法都是最高值，說明圖中所包含的信息量為最大值；對(duì)于平均梯度來說，尤其是場(chǎng)景二，清晰度有明顯的增加；對(duì)于標(biāo)準(zhǔn)差來說，通過本文算法處理的圖像對(duì)比度為最高，更好的保持了色彩的信息，通過上述三種定量標(biāo)準(zhǔn)來看，本文算法針對(duì)礦井下不同場(chǎng)景的圖像的校正處理取得了較好的效果。

表1 不同算法結(jié)果對(duì)比表

4 結(jié) 語

在井下視頻監(jiān)控圖像采集過程中，由于井下經(jīng)常受到不均勻的光照以及粉塵等因素，導(dǎo)致井下視頻監(jiān)控圖像不易識(shí)別，嚴(yán)重影響了視頻監(jiān)控人員的工作效率。針對(duì)煤礦井下圖像光照分布不均勻，使得圖像整體偏暗，且有光照的區(qū)域亮度過強(qiáng)，對(duì)比度極低，以及由于粉塵的因素噪聲太大這些問題，本文提出了一種針對(duì)礦井下惡劣的環(huán)境視頻監(jiān)控圖像的自適應(yīng)校正算法，可以同時(shí)將光照不均勻以及粉塵導(dǎo)致的圖像問題解決，將引導(dǎo)濾波與二維伽馬函數(shù)相結(jié)合，運(yùn)用CLAHE調(diào)節(jié)圖像對(duì)比度，來提高圖像的整體質(zhì)量。并且選取伽馬校正算法、retinex算法處理結(jié)果作為對(duì)照，實(shí)驗(yàn)結(jié)果顯示可以有效的同時(shí)消除或減弱因光照不均勻和粉塵因素對(duì)圖像的影響，得到視覺效果更好的圖像，實(shí)用性更強(qiáng)，清晰度和對(duì)比度更高，圖像所帶的信息量更多，并且在主觀及客觀的方面都有明顯的優(yōu)越性。