基于邊界約束的煤礦井下塵霧圖像去霧算法

曹虎晨， 姚善化， 王仲根

（安徽理工大學 電氣與信息工程學院，安徽 淮南 232001）

0 引言

采煤機在采煤過程中會有大量的塵霧產生，這些彌漫在空氣中的塵霧不僅會影響煤礦工人的身體健康，還會造成井下事故的發生。通常在煤塵中注水[1]或在采煤機處噴灑大量的水霧[2]，以達到降塵的目的，但水霧嚴重影響采集到的圖像質量，不利于后續對目標的識別和跟蹤等處理。因此，研究煤礦井下圖像去霧具有重要意義。

應用較廣泛的圖像去霧算法可分為基于圖像增強、基于卷積神經網絡（Convolutional Neural Networks,CNN）、基于物理模型3類[3]。基于圖像增強的去霧算法有Retinex算法、同態濾波等。文獻[4]在HSV空間下用改進的雙邊濾波算法融合多尺度Retinex算法，在色彩和邊緣模糊處理等方面有所提升，但是去霧效果不好，易出現過曝光。文獻[5]先通過同態濾波提高圖像清晰度，再采用直方圖均衡化突出邊緣信息，提高了圖像特征點選取的準確率，該方法通過增強圖像對比度等來突出邊緣細節，算法簡單，但是去霧效果差，易出現過曝光等問題。基于CNN的去霧算法用CNN建立一個端到端的網絡，再利用數據集來訓練這個網絡，從而得到無霧圖像。文獻[6]提出基于深度融合網絡的去霧算法，該算法構建了較大規模的去霧數據集，解決了圖像過增強現象。但該方法去霧效果差，且煤礦井下去霧數據集很少，難以訓練出一個好的去霧模型。基于物理模型的去霧算法依據大氣散射模型對塵霧進行處理。文獻[7]通過觀察大量戶外有霧與無霧圖像的差異，提出了基于暗原色先驗的圖像去霧算法（以下簡稱He算法）。……