一种煤矿井下监控视频图像预处理方法

徐辉，　贺耀宜

(1.中煤科工集团常州研究院有限公司， 江苏 常州　213015；

2.天地(常州)自动化股份有限公司， 江苏 常州　213015)



一种煤矿井下监控视频图像预处理方法

徐辉1，2，贺耀宜1，2

(1.中煤科工集团常州研究院有限公司， 江苏 常州213015；

2.天地(常州)自动化股份有限公司， 江苏 常州213015)

摘要：针对煤矿井下照度低、粉尘大、强光干扰多而导致监控视频图像模糊、容易出现目标检测失误等问题，提出了一种煤矿井下监控视频图像预处理方法。引入直方图均衡化算法将灰度值从集中在某段灰度级区域的非均匀分布状态变换为均匀分布状态，扩展像素灰度值的动态范围；采用多特征判断法即通过灰度阈值、差分阈值、尺寸阈值3个方面判断检测到的目标是否为光斑。实验结果表明，该方法能有效增强图像对比度，改善图像质量，识别并滤除光斑，从而提高目标检测的有效性。

关键词：井下监控视频； 图像预处理； 图像增强； 光斑滤除； 直方图均衡化； 多特征判断

0引言

工业电视监控系统为煤矿的安全生产、调度指挥提供了直观、方便、可靠的手段，在煤矿井下得到广泛应用。但受到煤矿井下环境照度低、光照变化剧烈、粉尘大、湿度大等各种条件限制，监控视频图像往往存在较大的噪声与干扰，在进行目标检测时容易出现虚假检测与错误跟踪[1-2]。因此，有必要对图像进行预处理。针对煤矿井下工业电视监控视频的特点，本文提出了一种用于图像增强和光斑滤除的图像预处理方法，以达到改善图像质量、增强图像对比度、过滤干扰、提高目标检测有效性的目的。

1煤矿井下监控视频图像预处理

1.1图像增强

煤矿井下光线昏暗，采集的监控视频图像清晰度低，且图像中人员、车辆、带式输送机等有效目标具有与背景相似的表观信息，造成目标和背景不易区分。煤矿井下环境中摄像头采集的图像大多为黑白图像或黑白、彩色图像自动切换，为了便于处理，将监控视频图像统一变换为灰度图像，采用灰度变换的方法实现图像增强。

图像的灰度变换是指根据某种目标条件按一定变换关系逐点改变原图像中每一个像素灰度值的方法[3]，可分为线性变换和非线性变换。煤矿井下监控视频图像对比度低、灰度范围窄、目标图像的灰度值与背景灰度值接近，因此采用非线性灰度变换压缩像素少的部分，扩展像素多的部分。直方图均衡化[4-5]是非线性灰度变换的一个重要应用，其基本思想是将原始图的直方图变换为均匀分布的形式，增加像素灰度值的动态范围，从而达到增强图像整体对比度的效果。

直方图均衡化算法步骤：

(1) 给出原始图像所有灰度级Sk，k=0，1，…，L-1(L为灰度级总数)。

(2) 统计原始图像各灰度级的像素数nk。

(3) 根据原始图像计算灰度直方图。

(1)

式中：P(Sk)为灰度级Sk像素出现的频率；n为图像总像素数。

(4) 计算原始图像的累积直方图：

(2)

(5) 利用灰度变换函数并四舍五入计算变换后的灰度级：

(3)

(6) 确定灰度变换关系：Sk→Uk。

(8) 计算变换后灰度直方图。

(4)

式中P(Uk)为灰度级Uk像素出现的频率。

1.2光斑滤除

煤矿井下工作人员主要依靠头顶矿灯或手电筒照明，矿灯、手电筒等照明设备照射地面或其他物体时形成强光光斑。光斑本身不属于背景，但跟随人员不断移动，在进行人员目标检测时，光斑往往与人员目标混杂在一起被检测并提取出来，如果不加处理，就会同真正目标一起被认为是需要进行分析判断的有效目标，从而使目标检测失效，造成误判。

通过对煤矿井下监控视频中的强光光斑进行分析，发现由工作人员头顶矿灯或手电筒照射地面或其他物体形成的光斑具有灰度值高、与背景灰度值差别大、与真正目标尺寸差异大的特点，因此本文采用多特征判断法，即通过灰度阈值、差分阈值、尺寸阈值3个特征阈值进行判断，从而识别并滤除光斑。

(1) 灰度阈值判断法。根据光斑具有灰度值高的特点，设定一个灰度阈值(一般设定为较大的值，如对于256灰度级图像，可设灰度阈值为200)，原始图像中像素点的灰度值大于该灰度阈值则认为是光斑像素点，修改该像素点的灰度值为0并予以滤除。

(2) 差分阈值判断法。根据光斑灰度值与背景灰度值差别大的特点，设定一个差分阈值，通过背景差分法[6]计算原始图像与背景图像的灰度值差值，得到的差分图像即为前景，若前景目标像素点灰度值大于该差分阈值，则认为是光斑像素点，修改前景目标像素点的灰度值为0并予以滤除。

(3) 尺寸阈值判断法。根据光斑尺寸大小与真正目标有差别的特点，设定一个尺寸阈值(包括最小宽度、最大宽度和最小高度、最大高度)，若差分图像中检测到的前景目标尺寸超出该尺寸阈值，则认为是光斑伪目标，予以滤除。

2实验结果及分析

现场采集煤矿井下监控视频图像进行实验，使用OpenCV在VC++环境下编程实现图像预处理。

直方图均衡化处理结果如图1所示。原始图像灰度值主要集中在中部灰度级区域，图像边缘模糊，不能很好地区分人员目标。经过直方图均衡化处理后，灰度级从非均匀分布变换为均匀分布，明显扩大了像素灰度值的动态范围，显著增强了图像中的边缘信息，提高了图像整体对比度，使人员目标容易与背景区分。

光斑滤除结果如图2所示。原始图像中由于手电筒照射地面形成光斑，光斑被当作目标检测出来。经过光斑滤除处理后，光斑伪目标被滤除，提取到真正的人员目标。

3结语

针对煤矿井下监控视频图像的预处理，采用直方图均衡化算法将图像灰度值从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，以增强图像中的有用信息，改善图像的视觉效果，扩大图像中不同物体特征之间的差别；通过多特征判断法即从灰度阈值、差分阈值、尺寸阈值3个方面进行判断，从而识别并滤除光斑。实验结果验证了本文方法的有效性。

(a)原始图像及其直方图

(b) 经直方图均衡化处理的图像及其直方图

图2光斑滤除结果

参考文献：

[1]万卫兵,霍宏,赵宇明.智能视频监控中目标检测与识别[M].上海:上海交通大学出版社,2010.

[2]单勇.复杂条件下视频运动目标检测和跟踪[D].长沙:国防科学技术大学,2006.

[3]夏海波.基于Visual C++的图像增强和轮廓提取研究[J].工矿自动化,2011,37(3):44-47.

[4]尚长春,马宏伟,陈妍冰.井下可变光照条件下的图像预处理方法[J].工矿自动化,2014,40(3):79-82.

[5]王小兵,姚雪晴,邱银国,等.一种新型煤矿视频监控图像滤波算法[J].工矿自动化,2014,40(11):76-80.

[6]MCHUGH J M,KONRAD J,SALIGRAMA V,etal.Foreground-adaptive background subtraction[J].IEEE Signal Processing Letters,2009,16(5):390-393.

徐辉，贺耀宜.一种煤矿井下监控视频图像预处理方法[J].工矿自动化，2016,42(1)：32-34.

网络出版地址：http://www.cnki.net/kcms/detail/32.1627.TP.20151231.1556.010.html

An image preprocessing method for underground monitoring video

XU Hui1,2,HE Yaoyi1,2

(1.CCTEG Changzhou Research Institute, Changzhou 213015, China;

2.Tiandi (Changzhou) Automation Co., Ltd., Changzhou 213015, China)

Abstract:For unclear underground monitoring video image and error target detection caused by low intensity of illumination, a lot of dust and strong light interference, an image preprocessing method for underground monitoring video was proposed. Histogram equalization algorithm is introduced to transform gray value from non-uniform distribution state to uniform distribution state and extend dynamic range of pixel gray value. Multi-features judgment method based on gray threshold, difference threshold and size threshold is used to identify spot. The experimental results show that the method can effectively enhance image contrast, improve image quality, and identify and filter spot, so as to improve effectiveness of target detection.

Key words:underground monitoring video; image preprocessing; image enhancement; spot filtering; histogram equalization; multi-features judgment

中图分类号：TD672

文献标志码：A网络出版时间：2015-12-31 15:56

文章编号：1671-251X(2016)01-0032-03DOI:10.13272/j.issn.1671-251x.2016.01.010