基于TopHat加權(quán)引導(dǎo)濾波的Retinex礦井圖像增強(qiáng)算法

洪炎， 朱丹萍， 龔平順

（安徽理工大學(xué) 電氣與信息工程學(xué)院，安徽 淮南 232001）

0 引言

隨著智慧礦山的發(fā)展，利用圖像對礦井安全進(jìn)行監(jiān)控得到了廣泛應(yīng)用[1]。然而受煤礦井下光源分布不均、整體光線弱等影響，監(jiān)控圖像呈亮度低、不清晰等特點(diǎn)，給后續(xù)的圖像分析帶來較大困難[2]。因此，增強(qiáng)礦井圖像的亮度和清晰度對煤礦安全具有重要意義。

目前，針對礦井低照度圖像增強(qiáng)大多采用Retinex算法，其中多尺度Retinex（Multi-Scale Retinex，MSR）算法對礦井圖像亮度增強(qiáng)有較好的效果，但容易造成圖像產(chǎn)生光暈和色彩失真等問題。張立亞等[3]提出了一種融合雙邊濾波和MSR算法的井下圖像增強(qiáng)方法，能有效減少光暈?zāi)：默F(xiàn)象，但圖像邊緣不夠清晰。Hu Haokun等[4]提出了基于形態(tài)學(xué)Retinex算子的低照度圖像增強(qiáng)算法，能有效提高圖像清晰度，但算法較為復(fù)雜，需設(shè)置參數(shù)多。智寧等[5]采用引導(dǎo)濾波提取光照分量來對Retinex算法進(jìn)行改進(jìn)，但對光暈處理效果不佳。李曉宇等[6]通過引入快速引導(dǎo)濾波改進(jìn)Retinex算法，實(shí)現(xiàn)了礦井圖像的亮度增強(qiáng)，但對圖像暗部細(xì)節(jié)增強(qiáng)不明顯。Mu Qi等[7]在引導(dǎo)濾波的基礎(chǔ)上提出了一種加權(quán)引導(dǎo)濾波（Weighted Guided Filtering，WGIF）算法，通過引入權(quán)重因子改進(jìn)引導(dǎo)濾波的權(quán)重，降低了光暈的影響，然而WGIF算法中基于圖像局部方差的權(quán)重估計(jì)[8]對于低照度圖像的邊緣增強(qiáng)效果并不明顯。

針對上述算法存在的不足，本文提出了一種基于TopHat加權(quán)引導(dǎo)濾波（TopHat Weighted Guided Filtering，THWGIF）的Retinex算 法（以 下 簡 稱THWGIF-Retinex算法），并用于礦井圖像增強(qiáng)。該算法通過引入TopHat變換改進(jìn)WGIF的權(quán)重因子，實(shí)現(xiàn)光照分量提取，可提升圖像邊緣的清晰度，避免產(chǎn)生光暈現(xiàn)象；……