王　捷

(大同煤礦集團 馬脊梁礦，山西　大同　037000)

?

一種礦井監(jiān)控視頻圖像增強處理方法研究

王捷

(大同煤礦集團 馬脊梁礦，山西大同037000)

由于井下粉塵多，照度低，且光照不均勻，礦井監(jiān)控圖像往往噪點多，對比度低，容易產(chǎn)生霧化現(xiàn)象。針對上述問題，提出一種基于偏微分方程和引導(dǎo)濾波算法的圖像增強方法。該方法通過構(gòu)造偏微分方程對監(jiān)控圖像進行去噪；然后，利用引導(dǎo)濾波算法對去噪圖像進行明暗增強處理。以山西省同煤集團馬脊梁礦井監(jiān)控圖像為研究對象進行實驗，結(jié)果表明，該方法能有效地去除監(jiān)控圖像的噪聲和霧化現(xiàn)象，提升圖像的整體質(zhì)量，利于后期的安全監(jiān)測。

礦井監(jiān)控；偏微分方程；引導(dǎo)濾波算法

近年來，煤礦事故頻發(fā)，造成生命和財產(chǎn)的重大損失。相比加強事后處理能力，防患于未然顯得更為重要，保證安全生產(chǎn)、提高預(yù)警能力，成為煤礦管理工作的重中之重[1]. 隨著計算機技術(shù)的發(fā)展，科技預(yù)警得到了很大的關(guān)注，其核心思想為：通過井下作業(yè)環(huán)境的圖像和視頻資料分析，實時監(jiān)控和評估設(shè)備、環(huán)境的安全等級，并作出相應(yīng)的處理?？萍碱A(yù)警中較為常用的技術(shù)手段便是本文研究對象—礦井監(jiān)控視頻圖像。

礦井監(jiān)控視頻圖像對井下設(shè)備運轉(zhuǎn)和生產(chǎn)過程進行實時監(jiān)測，同時，為事故的后期分析提供資料，保證了井下作業(yè)的順利進行，對生產(chǎn)管理和安全至關(guān)重要[2]. 然而，由于目前監(jiān)控技術(shù)的限制和井下環(huán)境的特殊性，獲取的圖像數(shù)據(jù)往往含有較多噪聲，且對比度低，霧化現(xiàn)象較為嚴(yán)重，給觀測帶來極大的不便，所以，在進行圖像的分析之前，降噪和增強處理極為重要[3]. 目前，常用的增強方法受噪聲和照度影響較大，魯棒性較差，對于礦井監(jiān)控圖像適用性不佳，這也是本文研究的出發(fā)點。過程處理流程圖見圖1.

圖1　過程處理流程圖

1　基于偏微分方程的去噪處理

由于井下光線和粉塵的影像，攝像頭采集到的圖像往往含有較多隨機噪聲，給后期的安全監(jiān)測帶來障礙，因此，去噪成為礦井圖像處理的首要任務(wù)。目前常用的圖像去噪方法在去除噪聲的同時易造成圖像結(jié)構(gòu)的平滑模糊，不利于目標(biāo)觀測，而偏微分方程(partial differential equation，PDE)具有很好的各項異性擴散特性，可以在去除噪聲的同時，較好地保護圖像的邊緣和目標(biāo)信息。本文首先對礦井圖像中存在的噪聲類型進行預(yù)估，然后針對噪聲特點構(gòu)造偏微分方程進行去噪處理。

1.1噪聲類型估計

大同煤礦集團某礦井監(jiān)控圖像見圖2，圖3. 圖2為井下作業(yè)設(shè)備監(jiān)控圖，圖3為礦井工人穿越巷道的監(jiān)控圖。由圖2a)，圖3a)可知：由于照度低，且光照不均勻，圖像中存在明暗不均的散斑噪聲；受粉塵和污染的影響，整個圖像霧化現(xiàn)象較嚴(yán)重，圖像中存在較多的高斯噪聲；攝像頭和監(jiān)控等機械設(shè)備在采集圖像的過程中，帶來了大量隨機噪聲。其中，圖像中散斑噪聲和高斯噪聲均為加性噪聲，降噪過程中可控性較好，而隨機噪聲的可變性較大，本文通過反演擬合，對兩幅監(jiān)控圖像進行噪聲分析并繪制曲線圖，見圖4.

圖2　井下作業(yè)設(shè)備監(jiān)控圖處理結(jié)果

圖3　工人穿越巷道監(jiān)控圖處理結(jié)果

圖4　噪聲分析曲線示意圖

1.2偏微分方程構(gòu)造

通過分析可知，監(jiān)控圖像中存在多種噪聲，給后期安全監(jiān)測帶來很大的挑戰(zhàn)，偏微分去噪是一種具有良好各向異性擴散性質(zhì)的降噪方法，相比于中值濾波等降噪算法，具有很好的邊緣保護作用，有利于降噪后圖像的進一步處理。偏微分降噪的核心在于擴散項的構(gòu)建，通過分析監(jiān)控圖像中各種噪聲的形態(tài)和特征，利用高斯函數(shù)卷積運算構(gòu)造梯度模值項，并結(jié)合散度算子實現(xiàn)圖像各像素點的異性擴散。該模型對于各種類型的噪聲都有較好的平滑作用，且在圖像的目標(biāo)邊緣處實現(xiàn)好的保留效果。

(1)

式中：f為原始監(jiān)控圖像；u為去噪后圖像；▽為求取圖像梯度；div為對圖像作散度運算；λ為歸一化因子；G為高斯函數(shù)；*為卷積；E為能量泛函。式(1)中，前一項為擴散項，對圖像進行去噪處理，后一項為保真項，控制圖像擴散程度。本文根據(jù)礦井圖像的特點，構(gòu)造擴散函數(shù)為以下形式：

(2)

式中：g(x)為擴散函數(shù)；K為邊緣閾值系數(shù)，本文取K=5，通過求解式(2)中能量泛函的最小值，實現(xiàn)監(jiān)控圖像的去噪處理，并能較為有效地保護圖像的邊緣和細節(jié)。

2　基于引導(dǎo)濾波算法的增強處理

通過偏微分方程降噪處理濾除了粉塵和設(shè)備帶來的隨機噪聲，但由于井下光照環(huán)境所限，照度低，且光照不均勻，降噪后的圖像存在很多暗區(qū)域且霧化現(xiàn)象嚴(yán)重，這些區(qū)域隱藏了圖像目標(biāo)的許多細節(jié)信息，不利于后續(xù)觀測，所以，需要對圖像進行增強處理。一般的圖像增強處理算法對圖像的明暗關(guān)系缺少有力的判別，容易產(chǎn)生飽和增強現(xiàn)象，不能較好地恢復(fù)圖像的彩色信息，本文根據(jù)2013年提出的引導(dǎo)濾波算法對降噪后的監(jiān)控圖像進行增強處理，以突出圖像中暗區(qū)域的細節(jié)信息，并盡可能保留圖像的顏色信息。

引導(dǎo)濾波算法在提出之初被廣泛用于圖像降噪處理中，取得了很大的進展。其算法核心在于利用引導(dǎo)圖像的特征對原圖像的濾波過程進行合理的控制，在原圖像的梯度保留上具有很大的優(yōu)越性，一般的引導(dǎo)濾波模型建立在線性關(guān)系的假設(shè)基礎(chǔ)上，即，認(rèn)為引導(dǎo)圖像和濾波后圖像具有以下線性關(guān)系：

(3)

其中，i和k為像素索引，q為濾波后的輸出圖像，I為輸入圖像，可以為待濾波圖像或任意可作為引導(dǎo)的圖像，若對上式求導(dǎo)數(shù)可得：▽q=a▽I，可以看出引導(dǎo)圖像的梯度變化決定了濾波圖像的梯度，實際應(yīng)用中，可以通過選取合適的引導(dǎo)圖像實現(xiàn)濾波圖像邊緣的保留。

為對上述線性模型進行擬合，構(gòu)造式見式(4)所示的目標(biāo)能量函數(shù)E，并通過目標(biāo)函數(shù)最小化得到最終濾波圖像的最優(yōu)取值。

(4)

能量函數(shù)中有兩個平方項，第一項控制濾波后圖像偏離原始圖像的程度，第二項調(diào)節(jié)濾波器的濾波效果，其中參數(shù)a和b為目標(biāo)函數(shù)的控制參數(shù)，決定了濾波器的整體性能，本文中參數(shù)的擬合過程如式(5)和式(6)所示。

(5)

(6)

本文中引導(dǎo)圖像選為原始圖像，即令I(lǐng)=p，通過迭代求取式(4)的最小值，得到濾波圖像q，然后，構(gòu)造式(7)所示的增強方程獲得最終增強圖像H.

(7)

3　算法處理流程

本文對礦井監(jiān)控設(shè)備頭采集的圖像進行降噪和增強處理，以去除圖像中存在的噪聲和霧化現(xiàn)象，提升圖像的整體質(zhì)量，為后續(xù)的安全監(jiān)控提供良好的數(shù)據(jù)源，整體處理過程步驟如下：

Step1：分析監(jiān)控圖像的噪聲種類，并繪制噪聲分析曲線。

Step2：結(jié)合圖像噪聲特點，利用構(gòu)造式(1)所示的偏微分方程對圖像進行降噪處理，以濾除各種噪聲給圖像觀測帶來的干擾，并盡可能保留圖像中目標(biāo)信息的完整。

Step3：利用引導(dǎo)濾波算法構(gòu)造增強模型，通過式(3)和式(7)對降噪后圖像進行增強處理，改善圖像霧化現(xiàn)象，提高圖像暗區(qū)域的可視性，增強圖像的細節(jié)信息，得到質(zhì)量較高的監(jiān)控圖像。

4　實驗與分析

為驗證本文方法的有效性，以大同煤礦集團某礦井監(jiān)控圖像為研究對象，通過matlab平臺進行實驗，通過對圖2，圖3的觀察看出，兩幅圖像都存在較多噪聲，且圖像照度低，暗區(qū)域細節(jié)信息不顯著，給后期的安全監(jiān)測帶來很多障礙，圖2a)和圖3a)為原始監(jiān)控圖像，圖2b)和圖3b)為偏微分降噪結(jié)果，圖2c)和圖3c)為引導(dǎo)濾波增強后結(jié)果。

由圖2b)和圖3b)可以看出，偏微分降噪處理較好地濾除了監(jiān)控圖像中的噪點，且圖像中目標(biāo)區(qū)域(圖2中機械設(shè)備，圖3中工人和軌道)的邊緣得到了較好的保留，驗證了本文降噪方法的優(yōu)越性；分析圖2c)和圖3c)可知，本文增強方法有效地改善了圖像的霧化現(xiàn)象，且強化了圖像暗區(qū)域的細節(jié)信息，如圖2中工人操作的設(shè)備上的電纜，圖3中巷道狀況和工人的身體細節(jié)都得到了很好的體現(xiàn)，這對于后期的安全監(jiān)測有很大作用。

5　結(jié)束語

由于粉塵多、照度低等因素影響，礦井監(jiān)控圖像噪點多、對比度低，給后期監(jiān)測帶來不便，本文提出一種針對礦井監(jiān)控圖像的增強方法。該方法主要優(yōu)點為：1) 構(gòu)造了適合于監(jiān)控圖像噪聲特點的偏微分方程，實現(xiàn)了較好的降噪處理。2) 引導(dǎo)濾波增強處理很好地改善了圖像的對比度和霧化現(xiàn)象，細節(jié)表現(xiàn)能力較好，實驗數(shù)據(jù)的處理結(jié)果也很好地驗證了該方法的有效性。本文方法在礦井監(jiān)測和安全預(yù)警方面有較大的實用價值。

[1]呂科東.基于煤礦機電設(shè)備健康預(yù)測的技術(shù)研究[J].同煤科技,2014(1):21-23.

[2]王小兵,姚雪晴,邱銀國,等.一種新型煤礦視頻監(jiān)控圖像濾波算法[J].工礦自動化,2014,40(11):76-80.

[3]張謝華,張申,方帥,等.煤礦智能視頻監(jiān)控中霧塵圖像的清晰化研究[J].煤炭學(xué)報,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年畢業(yè)于太原理工大學(xué)，助理工程師，主要從事機電管理工作

(E-mail)1197430107@qq.com

TD76

A

1672-0652(2016)05-0036-03