基于粗糙集理論的礦井圖像增強算法

葉允英

(寧德職業技術學院 信息技術與工程系，福建 寧德 355000)

0 引言

數字圖像處理在40多年的時間里迅速發展成一門有強大生命力的獨立學科.圖像增強技術已逐步應用于人類生活和社會生產的各個方面.人們運用數字圖像增強技術處理和分析遙感圖像，用以有效地進行礦藏的勘探、調查，農業和城市的土地規劃，作物估產，氣象預報，以及災害和軍事目標的監視等.福建省礦產資源豐富,但大多分布在地勢險峻的高山上,開采難度較大,礦井生產事故頻頻發生，為提高礦山安全生產的可控性和監管水平,各地區都啟動了礦山安全監控系統,即在礦井下的各作業點安裝視頻監控系統，與地面監控室相連，使得井上監控與井下作業保持同步，從而實現礦井生產安全監管，降低事故的發生率；但是，礦井內部潮濕，即使有燈光，霧氣和揚塵也影響監控攝像機采集畫面的清晰性，加之礦井下面數據傳輸能力有限，影響圖像傳輸質量，因此傳到地面監控室的圖像無法為安全生產提供準確的判斷依據.面對亟需解決的現實問題，本文中提出一種圖像增強算法，還原礦井下的工作環境，為礦井生產安全提供技術支持.

1 礦井視頻監控系統

礦井視頻監控的數字化過程中，應該重視信息流的轉換，從之前的模擬狀態向數字狀態轉換，具體涉及視頻轉換、音頻轉換和控制轉換等多種模式.從本質上來講，信息流的轉換基于數據信息的采集、處理和傳輸等，打破了傳統的閉路電視系統結構形式.結合實際情況來講，信息流逐漸實現了數字化發展，再加上編碼壓縮處理及協議的開放，這些都使得智能網絡視頻監控系統能夠與安防系統實現有效鏈接，結合操作平臺的運用，完成管理任務和控制目標[1].以礦井視頻監控系統為例，其組成如圖1.

視頻可以表述為多個靜態圖像表現出來的連續播放效果，由此可見，改善數字視頻圖像效果可以參考和借鑒圖像改善方法.在具體的實踐過程中，通常會選擇圖像增強技術作為改善圖像質量的專業技術,其核心原理在于，突出圖像中的有效信息，排除無關緊要的冗余信息.就當前而言，圖像增強算法涉及多個層面，主要有頻率域、空間域、代數運算及彩色增強.

2 粗糙集理論

粗糙集是一種從經典集合論擴展而來的理論，由波蘭科學家Z·Pawlak創立，其數學處理能力強，常常被用于處理不確定、不精確、不完整的數據集，在很多領域中它的可用性都被證實了.其中，在模型中的冗余去除和隱藏內容的再現上，粗糙集理論有很好的應用效果，從而應用于提取特征值和生成規則[2].因此，可將該理論應用于圖像增強技術上，基于粗糙集理論對圖像增強算法進行改進，從而真正實現圖像的增強.

在粗糙集理論的實踐應用過程中，需要把不能得到確認的個體歸屬為邊界線區域之中，同時以該區域為基礎定義上近似集和下近似集之間的差值.需要明確的是，粗糙集理論選擇數學公式來完成邊界線區域的描述，用數據完成對信息的表達，因此描述存在顯著的客觀性特征.粗糙集理論通常存在顯著優勢，即無需其他信息的支持就能實現數據的處理[3].為了數學處理的方便，在下面的定義中用分類且等價關系來描述.

在具體的研究過程中，需結合有限元素論域U的使用進行表述，其中：X具體代表U上的某個子集,X?U;R能夠對U上的定價關系進行描述，[x]R則理解為U上R相應的-等價類；R-(X)、R-(X)代表X?U的下近似實際值和上近似實際值，

R-(X)=∪[x]R={x|x∈[x]R,[x]R?X}

(1)

R-(X)=∪[x]R={x|x∈[x]R,[x]R∩X≠φ}

(2)

上、下近似實際值之間的差被稱作X的R-邊界線集，并稱BNR(X)是X?U的邊界，即

BNR(X)=R-(X)-R-(X)

(3)

結論顯示，邊界線區域能夠對基于U上等價關系R相應子集的近似精度進行準確的評估，為了提升這一近似精度，引入不精確性的數值度量.

設X?U∧X≠φ，則稱

aR(X)=card(R-(X))/card(R-(X))

(4)

為X相關的近似精度，card(S)具體代表S相關的基數.

在粗糙集理論的應用過程中，其知識表達系統通常選擇決策表T=(U,C∪D,V,f)進行描述，U具體代表相關的論域，C∪D具體代表條件屬性及決策屬性產生的數據集，V具體代表屬性集C∪D相應的值域，f具體代表相關的信息函數，即

?a∈C∪D,x∈U,f(x,a)∈VaVai={高1,中1,低1}

(5)

對于粗糙集理論來講，屬性約簡是其不可或缺的重要構成要素，在保障分類精度的基礎上，完成冗余條件屬性的清理，保留有效的條件屬性，生成約簡屬性集[4].以決策表T=(U,C∪D,V,f)為例，假設其中的任意個體符合y≠x,fx|C=fy|C→fx|D=fy|D，則稱fx表現出一定的一致性，否則稱fx具有不相容性.

3 粗糙集理論增強算法

3.1 基于不可分辨關系的子圖劃分

選擇目標二維圖像U并對其灰度級進行界定，表述為L，其組成要素包括M×N的相關像素.結合相關的粗糙集理論進行分析可知，視頻中包含圖像的相關近似空間應該表述為知識庫K=(U,R)，假設像素x代表U中包含的目標對象，這種情況下，需要對圖像自身的清晰度進行改善，增強圖像效果，以此為基礎改變像素的灰度值[5].條件屬性集假設定為C={c1,c2},此時的像素灰度值屬性設定為c1，c1=(c11,c12)，c11代表當前像素是初值點，c12代表像素的極值點，其灰度值范圍設定為0～P，其中1代表灰度值，處于(P+1)～255區間；相關的噪聲屬性設定為c2，c2=(c21,c22),c21主要對像素為2×2 s的子塊灰度平均值進行表述，c22具體表述的是子塊差值相關絕對值不低于Q.

3.1.1 根據c1劃分子圖

Rc1(x)={(i,j)|:x(i,j)>P}

(6)

3.1.2 根據c2劃分子圖

以等價關系Rc2為例，其定義可以表述為: 首先選擇子塊si,j，然后與相鄰子塊相關的平均灰度值m(s)相減，獲取的絕對值整數值顯示，其與閾值P1相比較大.此外，si,j相鄰子塊表述為si±1,j±1，噪聲像素相應的集合表述為Rc2(s) ，宏塊的構成要素包括子塊si,j和子塊si±1,j±1，則公式表示為：

(7)

3.2 增強算法

基于二維圖像U的子圖分類結果增強了H1和H2的相關對比度，把這一流程表述為針對對比度的變換處理,即T∶T(U)=U′.在具體的操作過程中，需要突出圖像的明暗對比效果，因此需要界定“較亮”子圖H1及相反的“較暗”子圖H2，對其實施直方圖的變換處理.具體的增強變換流程表述為:

3.3 增強算法在礦井圖像中的應用

目前，礦山數字監控系統沒有使用圖像增強器，為了提高視頻的清晰度，可以用粗糙集方法處理視頻中的幀圖像.視頻由多個圖像構成，表現出一定的數量優勢，由于視頻圖像之間存在一定的連貫性，因此產生的噪聲較為相似.礦井中視頻服務器包含了圖像處理和壓縮編碼兩個單元，為了增強視頻效果，需要添加圖像增強處理單元進行輔助[6].圖2描述了經過改造后的礦井視頻監控系統，結合采集的數據實現圖像的轉換，再借助函數完成數據的計算,生成所需的視頻數據[7].

4 測試

在具體的研究過程中，需要對算法的有效性進行測試與評估，主要基于Visual C++編程來完成，需要對之前的視頻圖像進行重新的分析與處理[8].采用均值、標準差作為 測試指標對礦井圖像增強算法進行測試，其中均值是衡量圖像亮度的指標，均值越高說明圖像亮度越高；標準差反映了圖像像素值與均值的離散程度，標準差越大說明圖像的質量越好.采用Retinex算法和本文中提出的圖像增強算法所得的測試結果與原圖采用的直方圖均衡化算法對比見表1.

表1 三種方法處理結果的評價指標對比

對于采集到的礦井視頻圖像，通常選擇相對較為模糊的圖片作為對應的測試模板，而本算法可以自適應地改善圖像整體亮度、標準差等指標，更具有優勢，在充分實現對亮區壓制和暗區增強的同時，避免噪聲放大，削弱光暈現象，增強細節信息.采用本算法后，圖像亮度及對比度得到有效提升，并保留了部分細節信息，圖像失真度小且層次分明.采用兩種算法增強圖像效果的比對情況如圖3.

5 結語

本文將粗糙集理論應用到礦井圖像的處理中，提出了基于粗糙集理論的礦井圖像增強算法，能增強圖像的清晰度，提高畫面的質量，為礦井安全管理帶來便利，還可為事故處理中的搜救工作提供幫助.此方法可應用于國內其他大、中型煤礦中，為我國的煤礦安全生產提供技術支持.由于礦井下環境不穩定，導致視頻圖像變化比較大，因此需要進一步去完善圖像增強算法.