一种矿井监控视频图像增强处理方法研究

王　捷

(大同煤矿集团 马脊梁矿，山西　大同　037000)



一种矿井监控视频图像增强处理方法研究

王捷

(大同煤矿集团 马脊梁矿，山西大同037000)

由于井下粉尘多，照度低，且光照不均匀，矿井监控图像往往噪点多，对比度低，容易产生雾化现象。针对上述问题，提出一种基于偏微分方程和引导滤波算法的图像增强方法。该方法通过构造偏微分方程对监控图像进行去噪；然后，利用引导滤波算法对去噪图像进行明暗增强处理。以山西省同煤集团马脊梁矿井监控图像为研究对象进行实验，结果表明，该方法能有效地去除监控图像的噪声和雾化现象，提升图像的整体质量，利于后期的安全监测。

矿井监控；偏微分方程；引导滤波算法

近年来，煤矿事故频发，造成生命和财产的重大损失。相比加强事后处理能力，防患于未然显得更为重要，保证安全生产、提高预警能力，成为煤矿管理工作的重中之重[1]. 随着计算机技术的发展，科技预警得到了很大的关注，其核心思想为：通过井下作业环境的图像和视频资料分析，实时监控和评估设备、环境的安全等级，并作出相应的处理。科技预警中较为常用的技术手段便是本文研究对象—矿井监控视频图像。

矿井监控视频图像对井下设备运转和生产过程进行实时监测，同时，为事故的后期分析提供资料，保证了井下作业的顺利进行，对生产管理和安全至关重要[2]. 然而，由于目前监控技术的限制和井下环境的特殊性，获取的图像数据往往含有较多噪声，且对比度低，雾化现象较为严重，给观测带来极大的不便，所以，在进行图像的分析之前，降噪和增强处理极为重要[3]. 目前，常用的增强方法受噪声和照度影响较大，鲁棒性较差，对于矿井监控图像适用性不佳，这也是本文研究的出发点。过程处理流程图见图1.

图1　过程处理流程图

1　基于偏微分方程的去噪处理

由于井下光线和粉尘的影像，摄像头采集到的图像往往含有较多随机噪声，给后期的安全监测带来障碍，因此，去噪成为矿井图像处理的首要任务。目前常用的图像去噪方法在去除噪声的同时易造成图像结构的平滑模糊，不利于目标观测，而偏微分方程(partial differential equation，PDE)具有很好的各项异性扩散特性，可以在去除噪声的同时，较好地保护图像的边缘和目标信息。本文首先对矿井图像中存在的噪声类型进行预估，然后针对噪声特点构造偏微分方程进行去噪处理。

1.1噪声类型估计

大同煤矿集团某矿井监控图像见图2，图3. 图2为井下作业设备监控图，图3为矿井工人穿越巷道的监控图。由图2a)，图3a)可知：由于照度低，且光照不均匀，图像中存在明暗不均的散斑噪声；受粉尘和污染的影响，整个图像雾化现象较严重，图像中存在较多的高斯噪声；摄像头和监控等机械设备在采集图像的过程中，带来了大量随机噪声。其中，图像中散斑噪声和高斯噪声均为加性噪声，降噪过程中可控性较好，而随机噪声的可变性较大，本文通过反演拟合，对两幅监控图像进行噪声分析并绘制曲线图，见图4.

图2　井下作业设备监控图处理结果

图3　工人穿越巷道监控图处理结果

图4　噪声分析曲线示意图

1.2偏微分方程构造

通过分析可知，监控图像中存在多种噪声，给后期安全监测带来很大的挑战，偏微分去噪是一种具有良好各向异性扩散性质的降噪方法，相比于中值滤波等降噪算法，具有很好的边缘保护作用，有利于降噪后图像的进一步处理。偏微分降噪的核心在于扩散项的构建，通过分析监控图像中各种噪声的形态和特征，利用高斯函数卷积运算构造梯度模值项，并结合散度算子实现图像各像素点的异性扩散。该模型对于各种类型的噪声都有较好的平滑作用，且在图像的目标边缘处实现好的保留效果。

(1)

式中：f为原始监控图像；u为去噪后图像；▽为求取图像梯度；div为对图像作散度运算；λ为归一化因子；G为高斯函数；*为卷积；E为能量泛函。式(1)中，前一项为扩散项，对图像进行去噪处理，后一项为保真项，控制图像扩散程度。本文根据矿井图像的特点，构造扩散函数为以下形式：

(2)

式中：g(x)为扩散函数；K为边缘阈值系数，本文取K=5，通过求解式(2)中能量泛函的最小值，实现监控图像的去噪处理，并能较为有效地保护图像的边缘和细节。

2　基于引导滤波算法的增强处理

通过偏微分方程降噪处理滤除了粉尘和设备带来的随机噪声，但由于井下光照环境所限，照度低，且光照不均匀，降噪后的图像存在很多暗区域且雾化现象严重，这些区域隐藏了图像目标的许多细节信息，不利于后续观测，所以，需要对图像进行增强处理。一般的图像增强处理算法对图像的明暗关系缺少有力的判别，容易产生饱和增强现象，不能较好地恢复图像的彩色信息，本文根据2013年提出的引导滤波算法对降噪后的监控图像进行增强处理，以突出图像中暗区域的细节信息，并尽可能保留图像的颜色信息。

引导滤波算法在提出之初被广泛用于图像降噪处理中，取得了很大的进展。其算法核心在于利用引导图像的特征对原图像的滤波过程进行合理的控制，在原图像的梯度保留上具有很大的优越性，一般的引导滤波模型建立在线性关系的假设基础上，即，认为引导图像和滤波后图像具有以下线性关系：

(3)

其中，i和k为像素索引，q为滤波后的输出图像，I为输入图像，可以为待滤波图像或任意可作为引导的图像，若对上式求导数可得：▽q=a▽I，可以看出引导图像的梯度变化决定了滤波图像的梯度，实际应用中，可以通过选取合适的引导图像实现滤波图像边缘的保留。

为对上述线性模型进行拟合，构造式见式(4)所示的目标能量函数E，并通过目标函数最小化得到最终滤波图像的最优取值。

(4)

能量函数中有两个平方项，第一项控制滤波后图像偏离原始图像的程度，第二项调节滤波器的滤波效果，其中参数a和b为目标函数的控制参数，决定了滤波器的整体性能，本文中参数的拟合过程如式(5)和式(6)所示。

(5)

(6)

本文中引导图像选为原始图像，即令I=p，通过迭代求取式(4)的最小值，得到滤波图像q，然后，构造式(7)所示的增强方程获得最终增强图像H.

(7)

3　算法处理流程

本文对矿井监控设备头采集的图像进行降噪和增强处理，以去除图像中存在的噪声和雾化现象，提升图像的整体质量，为后续的安全监控提供良好的数据源，整体处理过程步骤如下：

Step1：分析监控图像的噪声种类，并绘制噪声分析曲线。

Step2：结合图像噪声特点，利用构造式(1)所示的偏微分方程对图像进行降噪处理，以滤除各种噪声给图像观测带来的干扰，并尽可能保留图像中目标信息的完整。

Step3：利用引导滤波算法构造增强模型，通过式(3)和式(7)对降噪后图像进行增强处理，改善图像雾化现象，提高图像暗区域的可视性，增强图像的细节信息，得到质量较高的监控图像。

4　实验与分析

为验证本文方法的有效性，以大同煤矿集团某矿井监控图像为研究对象，通过matlab平台进行实验，通过对图2，图3的观察看出，两幅图像都存在较多噪声，且图像照度低，暗区域细节信息不显著，给后期的安全监测带来很多障碍，图2a)和图3a)为原始监控图像，图2b)和图3b)为偏微分降噪结果，图2c)和图3c)为引导滤波增强后结果。

由图2b)和图3b)可以看出，偏微分降噪处理较好地滤除了监控图像中的噪点，且图像中目标区域(图2中机械设备，图3中工人和轨道)的边缘得到了较好的保留，验证了本文降噪方法的优越性；分析图2c)和图3c)可知，本文增强方法有效地改善了图像的雾化现象，且强化了图像暗区域的细节信息，如图2中工人操作的设备上的电缆，图3中巷道状况和工人的身体细节都得到了很好的体现，这对于后期的安全监测有很大作用。

5　结束语

由于粉尘多、照度低等因素影响，矿井监控图像噪点多、对比度低，给后期监测带来不便，本文提出一种针对矿井监控图像的增强方法。该方法主要优点为：1) 构造了适合于监控图像噪声特点的偏微分方程，实现了较好的降噪处理。2) 引导滤波增强处理很好地改善了图像的对比度和雾化现象，细节表现能力较好，实验数据的处理结果也很好地验证了该方法的有效性。本文方法在矿井监测和安全预警方面有较大的实用价值。

[1]吕科东.基于煤矿机电设备健康预测的技术研究[J].同煤科技,2014(1):21-23.

[2]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.

[3]张谢华,张申,方帅,等.煤矿智能视频监控中雾尘图像的清晰化研究[J].煤炭学报,2014,39(1):198-204.

Research on Enhancement Processing Method for Mine Monitoring Video Image

WANG Jie

Mine monitoring images often have lots of noise, low contrast ratio and more atomization phenomenon due to more dust, low illumination level and non uniform illumination under the coal mine. For these problems, an image enhancement method of partial differential equation and guide filtering algorithm is presented. The method de noises the monitor image by constructing a partial differential equation and then makes light and dark enhancement processing for the image using the guide filtering algorithm. Regarding Majiliang mine monitoring images of Shanxi Datong coal mine group as the research object, it shows that the method can effectively remove noise and atomization phenomenon of the image and improve the overall quality of the image which is conducive to later safety monitoring.

Mine monitoring; Partial differential equation; Guide filtering algorithm

2016-04-05

王捷(1983—)，男，山西大同人，2014年毕业于太原理工大学，助理工程师，主要从事机电管理工作

(E-mail)1197430107@qq.com

TD76

A

1672-0652(2016)05-0036-03