基于礦山井下視頻監控系統的圖像增強方法研究

陳 燁，鮑 捷，池 慶

(中國礦業大學信電學院，江蘇徐州 221008)

隨著煤炭科學技術的發展，煤礦生產安全監測系統日趨完善，煤礦工業電視視頻監控系統得到了越來越廣泛的應用。然而，由于煤礦井下環境通常比較惡劣、照度低、光線分布不均勻，圖像幾乎沒有色彩，而且煤礦井下粉塵較多，攝像機鏡頭長時間在井下會蒙上一層灰塵，從而導致工業電視圖像質量不高［1］。另外，電視圖像在傳輸的過程中不可避免地遇到一些干擾，進一步影響了圖像傳輸的質量。所以，針對煤礦井下圖像進行增強處理，提高圖像的清晰度，使井下的人員、重要設備及生產過程一目了然，對煤礦的安全生產、搶險救災起到重要的作用［2-4］。

本文提出了一種基于脊波的圖像增強算法，該算法利用脊波變換良好的線性描述特性，并改進離散脊波變換的實現方法，選用自適應方法增強函數對圖像進行增強處理，能有效地描述二維空間上具有直線奇異性的信號和消除噪聲，使圖像的細節更加突出明顯。

1 脊波變換理論

1.1 連續脊波變換

由該小波母函數生成定義在R2:x=x1cosθ+x2sinθ上的Ridgelet函數，其中a，b和θ分別為Ridgelet的尺度、位置和方向參數。它們分別滿足以下條件:a＞0，b∈R，θ∈［0，2π)。由此可知，Ridgelet函數在直線x1cosθ+x2sinθ=c上是常數，而沿該直線垂直的方向上將得到其原型小波函數的波形，并且稱以下變換為f(x)在R2上的連續 Ridgelet變換［5］

1.2 改進的Ridgelet的離散化

針對二維離散數據，分別對3個參數離散化，即θj，i=2π×2-ji，aj=2-j，bj，m=2πm×2-j，則

式中:m1，m2∈［0，1，…，n-1］，j≥J，i=0，…，2j-1-1。

從而有

令離散脊波變換系數為

則有離散重構公式

并且滿足L2模意義下的等式

2 煤礦井下Ridgelet變換的圖像增強算法

2.1 基于單尺度Ridgelet圖像增強

為了增強圖像的線性信息，同時兼顧不放大噪聲和保護原本清晰的邊緣部分不產生失真的條件下，需要在給定的閾值范圍內對Ridgelet系數作修正。設原圖像為I，脊波變換后的系數為r，增強變換后的系數為yr，系數最小閾值和最大閾值分別為Tmin和Tmax，在Tmax之外的系數認為是圖像線性很強的邊緣信息，這部分系數需要保留，小于Tmin的系數包含噪聲，不需要進行放大，因而只需對系數絕對值在［Tmin，Tmax］之間的系數作修正處理。本文使用如下函數來處理Ridgelet系數的值［6］

式中:p表示增強曲線的非線性的程度，實際上也是增強程度;Tmin=cσ，σ是原圖像的噪聲標準差，c是待定參數。為了避免放大噪聲，取c≤3的數，Tmax根據脊波變換的最大系數Mr決定，其中，Tmax=LMr，L＜1。

但是在實際的操作與應用上，式(8)很難事先知道一幅自然圖像的噪聲水平，Tmin的選擇決定了圖像噪聲水平是否被放大，以及增強效果的好壞。本文利用式(9)來自適應得到Ridgelet分解系數的噪聲水平［7］，以rl表示第l方向的Ridgelet系數，令Tmin=2σ計算得出Tmin，且

基于單尺度Ridgelet變換的圖像增強的步驟如下:

1)對原圖像進行分割。由于一幅圖像中的重要特征可能是曲線，將圖像分割成相互重疊的16×16的子塊，在子圖像中用直線逼近曲線。

2)對分割后的每一個子圖像進行Ridgelet變換，得到相應子圖像的Ridgelet系數。

3)對于l方向的系數rl，分別用式(9)計算噪聲標準差σl，并計算Tmin和Tmax。

5)對每一塊處理后的系數yr進行Ridgelet逆變換，得到重構子圖像。

6)圖像拼接。將得到的每個子圖像拼接為完整的重構圖像。

2.2 圖像增強評價標準

目前常用的圖像評價主要有兩種:一種是主觀評價法，它主要是由人眼直接觀察圖像得出圖像的效果，這種方法直觀迅速，但受主觀因素的影響比較大。另一種是客觀評價標準，峰值信噪比(PSNR)是在圖像去噪中是最常見的評價標準，它可以對圖像定量地進行描述，反映出重構圖像和原圖像的差距，但是在實際中常常發現不同的細節圖像雖然PSNR相同，而圖像的視覺效果并不相同。所以本文利用邊緣保護指數、對比度提升指數和平均梯度作為評價標準，這樣更加符合人們的視覺效果。

邊緣保護指數EPI是衡量圖像邊緣和細節突出程度的一個標準［8］，定義為

式中:Io表示原始圖像;Ip表示增強后的圖像，(i，j)∈Z。邊緣保護指數越大，說明圖像的邊緣和細節越清晰。

對比度提升指數CII可以反映圖像增強后的對比度提升效果，增強對比度有利于更好地辨認圖像中的細節信息。CII定義為［9］

式中:Gmax和Gmin分別表示圖像分成一定小塊后每一塊圖像灰度的最大值和最小值;C表示每一小塊圖像的對比度;Co表示原始圖像的均值;Cp表示增強后的圖像的均值。對比度提升指數CII越大，說明圖像增強后對比度提升越大。

平均梯度(Average-grad)可以敏感地反映出圖像對細節反差的表達能力，可用來評價圖像的清晰程度。平均梯度的計算公式為

式中:f(x，y)為圖像函數;M和N分別表示圖像的行數和列數。一般情況下，平均梯度越大，圖像主觀視覺效果越好。

2.3 實驗結果

實驗圖像為煤層圖像和巷道圖像，實驗結果如圖1和圖2所示。

圖1 煤層各算法效果圖

圖2 巷道各算法效果圖

比較不同方法的增強圖像(見圖1)，可以看出原煤層圖像光線不足，而且模糊;直方圖均衡化方法增強后圖像對比度有著明顯提升，但是圖像某些區域出現過度增強現象，導致細節部分丟失，仍舊無法分辨;小波增強后圖像的點奇異性信息更加突出，圖像視覺效果有所改善，但整體增強效果還有待改善;脊波增強后圖像的對比度進一步提高，增加了圖像的清晰度，對于煤層表面的煤炭顆粒細節都能夠很好地突出。

圖2各圖中，可以發現原煤礦巷道照度不足，有些細節無法體現;而直方圖均衡化的增強圖像提升了對比度，使得煤礦井下巷道的光線增強，提高了可視范圍，但對于巷道墻面及頂層的照明燈的相關細節被忽略掉;小波增強后圖像清晰度得到了很好的改善，但是地面、墻面、照明燈等細節信息并沒有很好地突出;脊波增強算法不僅在對比度上有所提高，而且增強了圖像的細節化信息，比如地面的磚塊、巷道墻面的凹凸感、墻面上的管道和掛鉤，增強了圖像的清晰度使得它更加符合人們的視覺。

不同增強方法評價指數比較如表1所示，直方圖增強對比度提升指數相對比較高，過度增強，導致有些細節信息還是無法分辨;小波增強方法在邊緣保護指數，平均梯度上均優于直方圖均衡化，使圖像更加清晰;脊波增強在邊緣保護指數和平均梯度上進一步增大，說明了脊波增強后的圖像更加清晰，邊緣特征、點奇異性信息等更加突出，圖像視覺效果明顯改善。

表1 不同增強方法評價指數比較

3 總結

本文將Ridgelet變換算法應用在煤礦工業電視圖像處理上，實驗結果表明，脊波變換比直方圖均衡化變換的圖像更加適合表示線性特征，適用于增強圖像中脆弱的甚至人眼不可分辨的線性信息，因而Ridgelet變換在圖像增強中有著廣泛的應用前景。然而，在自然圖像中存在更多的曲線紋理特征，本文使用的單尺度脊波變換對曲線特征描述仍具有一定局限性，在此基礎上，實現和應用多尺度的脊波變換(曲波變換)進行圖像處理值得進一步研究。隨著計算機技術的發展，圖像處理技術必將不斷發展，為礦山現代化的建設提供了有效地保障，將圖像處理運用在礦山監控上，將大大提高礦山的生產效率和安全性。

:

［1］蔡利梅，錢建生，趙杰，等.基于模糊理論的煤礦井下圖像增強算法［J］.煤炭科學技術，2009，37(8):94-96.

［2］許春香.圖像增強技術在煤礦視頻監控系統中的應用與研究［D］.鄭州:鄭州大學，2003.

［3］趙艷芹，王振翀，付喜輝.基于煤礦視頻監控系統的圖像增強方法研究［J］.煤礦機械，2012，33(5):63-65.

［4］王聰.一種基于監控系統的圖像清晰度檢測算法［J］.電視技術，2012，36(21):162-164.

［5］CANDES E J，DONOHO D L.Ridgelets:a key to higher-dimensional intermittency［EB/OL］.［2013-03-10］.http://www.docin.com/app/p?id=292875592.

［6］趙振磊，耿則勛，王亞新，等.基于第二代Curvelet變換的自適應圖像增強［J］.計算機工程與應用，2009，45(9):192-195.

［7］CHANG S G，YU Bin，VETTERLI M.Adaptive wavelet thresholding for image denoising and compression［J］.IEEE Trans.Image Processing，2000(9):1532-1546.

［8］謝美華，王正明.圖像分辨率增強的偏微分方程方法［J］.遙感學報，2005，9(6):673-679.

［9］陳志堅，成培，李峰.基于小波變換的多層次圖像增強算法［J］.長沙理工大學學報:自然科學版，2006，3(2):69-72.