智 寧，毛善君，李 梅

(北京大學(xué) 地球與空間科學(xué)學(xué)院,北京 100871)

基于照度調(diào)整的礦井非均勻照度視頻圖像增強(qiáng)算法

智 寧，毛善君，李 梅

(北京大學(xué) 地球與空間科學(xué)學(xué)院,北京 100871)

由于煤礦井下空間環(huán)境受粉塵等因素的影響，視頻監(jiān)控系統(tǒng)獲取的作業(yè)環(huán)境圖像存在照度低、照度不均勻等問題，而且現(xiàn)有的算法在處理煤礦非均勻照度圖像時(shí)會(huì)出現(xiàn)顏色失真或者過增強(qiáng)現(xiàn)象，這不利于對(duì)圖像的判讀和應(yīng)用。結(jié)合煤礦的實(shí)際數(shù)據(jù)，提出了一種新的圖像增強(qiáng)算法，克服了現(xiàn)有算法存在的問題：分析井下視頻圖像特點(diǎn)，采用具有邊緣保持特性的多尺度引導(dǎo)濾波獲取照度分量;基于Retinex理論，將圖像分解為照度分量與反射分量;針對(duì)照度不均勻的特性，提出一種新的“S型”曲線函數(shù)對(duì)其進(jìn)行調(diào)整;分析圖像的特性，引入受限對(duì)比度自適應(yīng)直方圖對(duì)其對(duì)比度進(jìn)行增強(qiáng);提出新的圖像增強(qiáng)模型，利用細(xì)節(jié)增強(qiáng)系數(shù)和照度增強(qiáng)系數(shù)實(shí)現(xiàn)對(duì)圖像的綜合增強(qiáng)。與其他4種算法的對(duì)比試驗(yàn)表明，本文算法在主觀評(píng)價(jià)和客觀評(píng)價(jià)方面都優(yōu)于上述算法。實(shí)驗(yàn)證明，本算法具有有效提升圖像整體亮度和對(duì)比度，同時(shí)避免光源附近亮區(qū)域的過增強(qiáng)現(xiàn)象的特點(diǎn)，能夠滿足礦山實(shí)際應(yīng)用需求。

非均勻照度;多尺度引導(dǎo)濾波;亮度調(diào)整;細(xì)節(jié)增強(qiáng)參數(shù);照度增強(qiáng)系數(shù)

煤礦視頻監(jiān)控是煤礦安全生產(chǎn)監(jiān)控系統(tǒng)的重要組成部分，為保障煤礦企業(yè)的生產(chǎn)提供了強(qiáng)有力的支持與保障。隨“工業(yè)4.0”在煤礦行業(yè)的推進(jìn)，“高科技煤礦”信息化建設(shè)[1-2]逐漸成為煤礦從業(yè)人員的共識(shí)，視頻圖像處理作為“智慧煤礦”數(shù)據(jù)采集和分析的基礎(chǔ)，將扮演著越來越重要的作用。

由于煤礦井下環(huán)境受粉塵因素的影響以及采用人工光源照明等原因，使得監(jiān)控視頻獲取的圖像表現(xiàn)出顯著的非均勻性，即存在明顯的低照度區(qū)域和高照度區(qū)域。除光源照射區(qū)域附近的圖像較清晰外，其余區(qū)域亮度和對(duì)比度都比較低。在圖像處理中，通常稱此類圖像為非均勻照度圖像(Non-Uniform Illumination Image)。直方圖均衡化算法[3],Retinex算法[4-5]、廣義反銳化掩膜算法[5]，均可用于非均勻照度圖像的增強(qiáng)。與此同時(shí)，有許多學(xué)者針對(duì)煤礦領(lǐng)域井下圖像增強(qiáng)問題進(jìn)行了科學(xué)研究與探索[7-10]。

上述算法均能有效實(shí)現(xiàn)煤礦井下非均勻照度圖像的增強(qiáng)。然而存在如下問題：① 對(duì)燈光等亮區(qū)域的抑制不住，造成增強(qiáng)后亮區(qū)域的范圍擴(kuò)大，即產(chǎn)生過增強(qiáng)現(xiàn)象;② 由于照度的不均衡，使得增強(qiáng)后的圖像容易出現(xiàn)色彩失真的現(xiàn)象。針對(duì)存在的問題，本文基于Retinex算法，提出通過調(diào)整照度分量而非去除照度分量的方法，來實(shí)現(xiàn)圖像的增強(qiáng)。

1 Retinex算法及分析

Retinex為建立在科學(xué)實(shí)驗(yàn)和科學(xué)分析基礎(chǔ)上的一種圖像增強(qiáng)方法，由Edwin.H.LAND于1963年提出。近幾年來，Retinex算法已經(jīng)從單尺度Retinex算法 (Single Scale Retinex,SSR)發(fā)展到多尺度加權(quán)平均的Retinex算法[11](Multi-Scale Retinex,MSR)，再發(fā)展成帶色彩恢復(fù)的多尺度Retinex算法[12](Multi-Scale Retinex with Color Restoration,MSRCR)。

Retinex理論認(rèn)為圖像由照度分量和圖像分量兩部分組成，通過從原始圖像中剔除光照的影響，來獲得物體的反射信息從而實(shí)現(xiàn)增強(qiáng)。Retinex理論的圖像模型為

式中，I(x,y)表示原圖像;L(x,y)和R(x,y)分別表示圖像的照度分量和反射分量。

照度分量L(x,y)反應(yīng)了入射到物體上的光源能量總和，它表示了圖像中變化緩慢的低頻信息，滿足L(x,y)∈[0,]。反射分量R(x,y)是物體的反射系數(shù)，它包含了圖像的高頻的細(xì)節(jié)部分，滿足R(x,y)∈[0,1]。對(duì)式(1)兩端取對(duì)數(shù)，并調(diào)整位置可得：

式(2)中照度分量L(x,y)反映圖像的低頻信息，通過對(duì)原圖進(jìn)行低通濾波來獲取。常用濾波方法包括頻域的低通濾波，空域的高斯濾波等。由于高斯濾波不具有邊緣保持特性，雙邊濾波、引導(dǎo)濾波逐漸被用于圖像照度分量的估計(jì)并取得較好的效果。

單尺度Retinex算法可以表示為

logR(x,y)=logI(x,y)-log LPF(I(x,y))

式中，LPF(·)表示低通濾波。

濾波器的尺度會(huì)對(duì)圖像的照度分量的估計(jì)產(chǎn)生影響，因此MSR算法采用多個(gè)尺度的濾波器對(duì)圖像的低頻信息進(jìn)行估計(jì)，使得照度分量能夠更好反映原始圖像的光照信息。MSR算法可以表示為

式中，N表示選取的尺度個(gè)數(shù);S(n)表示對(duì)應(yīng)選取的尺度大小;Wn表示相應(yīng)尺度的占比系數(shù)。

2 基于照度調(diào)整的礦井非均勻井下圖像增強(qiáng)算法

針對(duì)傳統(tǒng)Retinex在處理非均勻照度圖像時(shí)存在的過增強(qiáng)以及色彩失真等問題，本文提出基于照度調(diào)整的煤礦井下非均勻照度圖像增強(qiáng)算法，其流程如圖1所示：① 獲取亮通道圖像，并使用多尺度引導(dǎo)濾波對(duì)其進(jìn)行處理，獲取圖像的照度分量;② 基于Retinex理論，在對(duì)數(shù)域中提取反射分量;③ 對(duì)照度分量進(jìn)行均衡化調(diào)整;④ 對(duì)照度分量進(jìn)行對(duì)比度增強(qiáng);⑤ 在對(duì)數(shù)域中，融合調(diào)整后照度分量和反射分量，得到增強(qiáng)圖像。

2.1 引導(dǎo)濾波算法

引導(dǎo)濾波(Guided Filtering)[13]由HE等在2010年提出。引導(dǎo)濾波器的核心是假定引導(dǎo)圖像與濾波輸出圖像存在局部線性關(guān)系，即在以像素k為中心的窗口ωk中存在如下線性關(guān)系:

圖1 基于照度調(diào)整的煤礦井下非均勻圖像增強(qiáng)算法流程Fig.1 Flowchart of illumination adjustment based underground mine non-uniform image enhancement algorithm

式中，Ii為引導(dǎo)圖像的像素值;qi為輸出圖像的像素值;ωk為半徑為r的濾波窗口;(ak,bk)為濾波窗口ωk的線性系數(shù)。

式中，ε為一個(gè)防止ak過大的正則化系數(shù);通過最小化代價(jià)函數(shù)E(ak,bk)獲得線性系數(shù)(ak,bk)，即

式中

從濾波效果來看，引導(dǎo)濾波利用像素鄰域內(nèi)的局部均值和方差來估計(jì)局部亮度，可以根據(jù)圖像內(nèi)容自適應(yīng)輸出權(quán)重。引導(dǎo)濾波器的一個(gè)重要系數(shù)即濾波窗口半徑r，在用于照度分量的估計(jì)時(shí)，濾波窗口半徑反映了不同尺度下圖像平緩變化的低頻信息。

2.2 煤礦井下非均勻圖像增強(qiáng)算法

2.2.1基于引導(dǎo)濾波的照度估計(jì)

計(jì)算圖像的亮通道圖像，用于照度分量的估計(jì)。即取每個(gè)像素位置上3通道中的最大值。

式中，Ic(x,y)表示原始圖像;L(x,y)表示原始圖像在(x,y)上3通道的最大值。

由2.1節(jié)可知，引導(dǎo)濾波具有邊緣和角點(diǎn)保持的特性。為獲取圖像不同尺度上的信息，選用多尺度引導(dǎo)濾波來估計(jì)照度分量，即

式中，F(xiàn)(x,y)表示照度分量，通過對(duì)亮通道圖像進(jìn)行帶有雙系數(shù)的引導(dǎo)濾波來獲得;⊕G(K,r)表示在L(x,y)上使用引導(dǎo)濾波;K表示引導(dǎo)圖像;r表示濾波尺寸。

在本文的算法中，引導(dǎo)圖像K取原圖像L(x,y)。濾波器的尺寸的設(shè)置如下：

其中，「*?表示取整操作;h和w表示相應(yīng)圖像的高度和寬度。通過小尺度濾波器獲取的照度分量反映了圖像的廣義結(jié)構(gòu)，而濾波器的尺寸越大，表明照度分量中包含了更多的細(xì)節(jié)信息。

2.2.2獲取反射分量

圖像的反射分量可以通過如下方式獲?。?/p>

式中，Ic(x,y)表示顏色通道c的像素值;Rc(x,y)表示相應(yīng)的反射分量;F(x,y)為照度分量。

為計(jì)算方便，通常在對(duì)數(shù)域中完成。

由于煤礦煤礦井下非均勻照度圖像中經(jīng)常存在較大區(qū)域像素值較低，容易造成獲取的反射分量存在分塊效應(yīng)，如圖2(c)所示。為了消除方塊效應(yīng)，使得最終圖像更加平滑，定義如下目標(biāo)函數(shù)：

圖2 反射圖及消除方塊效應(yīng)的反射圖Fig.2 Original reflection component and the deblocked reflection component

式(17)中的第1項(xiàng)是數(shù)據(jù)項(xiàng)，刻畫消除方塊效應(yīng)后的反射分量與原反射分量的接近度;第2項(xiàng)為正則項(xiàng)，用于光滑細(xì)小范圍內(nèi)的方塊效應(yīng)。β為正則項(xiàng)系數(shù)，用于控制光滑程度，經(jīng)過實(shí)驗(yàn)發(fā)現(xiàn)，將其設(shè)置為10將取得比較好的效果。式(17)中可以通過快速傅里葉變換進(jìn)行快速求解，具體解法可以參照文獻(xiàn)[14]。由圖2(d)可知，反射圖中的方塊效應(yīng)得到有效的消除。

2.2.3使用S型曲線函數(shù)對(duì)照度進(jìn)行均衡化調(diào)整

由于礦井圖像中同時(shí)存在亮區(qū)域與暗區(qū)域，有必要對(duì)圖像的照度分量進(jìn)行均衡，從而提升低亮度區(qū)域像素值、抑制高亮度區(qū)域的像素值。為此，本文提出一種新的S型曲線函數(shù)對(duì)照度分量進(jìn)行亮度調(diào)整，其表達(dá)式為

本文中稱式(18)中a是照度調(diào)整系數(shù)，取值范圍為[0.1,2.0]。該表達(dá)式的函數(shù)圖像如圖3所示。由圖4可知，對(duì)于a=1的情形，x∈[0,0.5)時(shí)，曲線是凸函數(shù)，將提升像素值;x∈[0.5,1]時(shí)，曲線是凹函數(shù)，將抑制像素值。由于煤礦井下圖像的整體偏暗，需要對(duì)圖像的大部分偏暗區(qū)域進(jìn)行照度提升，同時(shí)抑制高值區(qū)域，因此建議將a值設(shè)定為0.5。

圖3 細(xì)節(jié)增強(qiáng)系數(shù)對(duì)圖像增強(qiáng)效果的影響Fig.3 Effect of detail enhancement coefficient

圖4 S型曲線函數(shù)Fig.4 S-shaped curves function

2.2.4基于受限自適應(yīng)直方圖均衡化的對(duì)比度增強(qiáng)

考慮圖像的視覺效果不僅與圖像的亮度分布相關(guān)，還和圖像的對(duì)比度有關(guān)。考慮受限自適應(yīng)直方圖均衡化算法[15](Contrast Limited Adaptive Histogram Equalization,CLAHE)能夠在增強(qiáng)圖像對(duì)比度的同時(shí)抑制噪聲，從而更好的突出圖像細(xì)節(jié),本文將采用CLAHE算法對(duì)圖像進(jìn)行處理。

CLAHE能夠在對(duì)圖像進(jìn)行局部直方圖均衡化的同時(shí)考慮方塊周圍其他分塊區(qū)域的影響，使得處理后的圖像不僅具有局部直方圖均衡化后調(diào)整不同區(qū)域灰度分布差異的優(yōu)點(diǎn)，還具有全局直方圖均衡化后分布比較均勻的效果。CLAHE可以表示為

式中，hw為分塊窗口內(nèi)的歸一化直方圖;hb為分塊窗口外的歸一化直方圖，并且0≤β<1。

可以通過對(duì)β調(diào)節(jié)局部直方圖的方法來模擬周圍環(huán)境對(duì)相關(guān)區(qū)域的影響。CLAHE算法[16]的具體步驟為

(1)從調(diào)整后的照度圖Ls中任取一點(diǎn)，根據(jù)矩形窗口大小確定其相關(guān)區(qū)域，并利用式(19)計(jì)算窗口內(nèi)像素灰度直方值;

(2)對(duì)相關(guān)區(qū)域的進(jìn)行直方圖均衡化操作;

(3)移動(dòng)窗口到下一個(gè)鄰近的像素，重復(fù)以上過程直到整幅圖像處理完畢。并用LA表示最終輸出的對(duì)比度增強(qiáng)后的照度圖。

2.2.5基于照度分量和反射分量的圖像融合

照度信息對(duì)于色彩的保持非常重要的。急劇變化的照度信息不利于圖像細(xì)節(jié)的展示。為了在保持色彩恒常性的同時(shí)增強(qiáng)圖像細(xì)節(jié)，將Rc(x,y)和LA(x,y)融合并得到最終的圖像。

這一步也是在對(duì)數(shù)域中完成的。

由于煤礦井下非均勻照度圖像整體偏暗，造成圖像的梯度整體偏低，為進(jìn)一步提升增強(qiáng)圖像的對(duì)比度，本文簡(jiǎn)單的在式(21)中引入一個(gè)細(xì)節(jié)增強(qiáng)系數(shù)γ，用來增強(qiáng)圖像的細(xì)節(jié)，即

由式(22)可以看出，γ是在對(duì)數(shù)域中對(duì)圖像的反射分量進(jìn)行處理，從而使得融合后的圖像更加符合人眼特性。事實(shí)上，γ能夠有效的對(duì)圖形進(jìn)行細(xì)節(jié)增強(qiáng)，這將在實(shí)驗(yàn)部分進(jìn)行介紹。

3 實(shí)驗(yàn)結(jié)果

3.1 參數(shù)對(duì)實(shí)驗(yàn)結(jié)果的影響

在本文實(shí)驗(yàn)中，式(18)中的照度調(diào)整系數(shù)a和式(22)中的細(xì)節(jié)增強(qiáng)系數(shù)γ對(duì)實(shí)驗(yàn)結(jié)果都有著重要的影響。

細(xì)節(jié)增強(qiáng)系數(shù)γ通過在對(duì)數(shù)域中對(duì)圖像的反射分量進(jìn)行增益來實(shí)現(xiàn)圖像細(xì)節(jié)的增強(qiáng)。本文根據(jù)實(shí)驗(yàn)建議γ的取值范圍為[1.0,3.5]。一般而言，隨γ的增加，圖像的細(xì)節(jié)增強(qiáng)更加明顯。圖4展示了不同的γ對(duì)圖像細(xì)節(jié)增強(qiáng)的影響，其中照度調(diào)整系數(shù)固定為0.2。

煤礦井下非均勻圖片具有整體亮度較低但存在局部高亮度區(qū)域的特點(diǎn)，因此采用式(18)對(duì)其進(jìn)行調(diào)整。照度調(diào)整系數(shù)具有兩個(gè)作用，即增強(qiáng)整體亮度及抑制局部高亮度區(qū)域。本文通過多次實(shí)驗(yàn)，建議亮度調(diào)整系數(shù)a的取值范圍為[0.1,2.0]。通過分析易知，隨a的減少，式(18)對(duì)低亮度區(qū)域的提升越強(qiáng)，而對(duì)高亮度區(qū)域抑制的范圍越小。圖5展示了不同亮度調(diào)整系數(shù)a對(duì)圖像增強(qiáng)的影響，其中細(xì)節(jié)增強(qiáng)系數(shù)γ設(shè)為1.5。由圖5可知，隨a的增加，圖像的整體亮度有所降低。

圖5 照度增強(qiáng)系數(shù)對(duì)圖像增強(qiáng)效果的影響Fig.5 Effect of illumination enhancement coefficient

3.2 單幅煤礦非均勻照度圖像的處理

本文基于Matlab平臺(tái)實(shí)現(xiàn)了本文所提出的算法，為合理評(píng)價(jià)本文所提算法，選取有代表性的受限自適應(yīng)直方圖均衡化算法(CLAHE)[15]，帶彩色恢復(fù)的多尺度Retinex算法(MSRCR)，以及文獻(xiàn)[17]提出的非均勻照度圖像自然色彩恢復(fù)算法(Efficient Naturalness Restoration Algorithm,ENRA)，文獻(xiàn)[18]提出的基于自然色彩保持特性的增強(qiáng)算法(Naturalness Preserved Enhancement Algorithm，NPEA)進(jìn)行實(shí)驗(yàn)對(duì)比。其中，CLAHE算法可以直接調(diào)用Matlab中的函數(shù)，MSRCR算法來自于文獻(xiàn)[19]提供的Matlab代碼，ENRA算法和NPEA算法都來自于文獻(xiàn)[17-18]提供的源代碼，其參數(shù)設(shè)置都按照筆者相關(guān)論文推薦的參數(shù)。

圖6(a)為利用魚眼鏡頭拍攝的煤礦井下圖像。由圖6可以看出，圖像整體的亮度和對(duì)比度都比較低，同時(shí)存在較小的區(qū)域亮度值比較高。通過各算法的處理，圖像的亮度和對(duì)比度都有了明顯的增強(qiáng)。CLAHE算法處理的結(jié)果存在過增強(qiáng)的現(xiàn)象，表現(xiàn)在圖6(a)中白色墻壁經(jīng)增強(qiáng)后呈現(xiàn)出顏色過黑。而MSRCR算法處理的圖像整體對(duì)比度比較低，同時(shí)令人感覺圖像表面蒙著一層粉塵。ENRA算法和NPEA算法和本文算法都能夠在增強(qiáng)圖像亮度和對(duì)比度，同時(shí)保持色彩的自然性，相比較而言文算法處理的結(jié)果亮度更高，細(xì)節(jié)也更加明顯，表現(xiàn)出本文算法的優(yōu)越性。圖7(a)為利用防爆相機(jī)拍攝于煤礦井下主巷的圖片，圖中整體亮度和對(duì)比度都比較低，同時(shí)燈光部分亮度較高。經(jīng)MSRCR算法處理的圖像色彩泛白，出現(xiàn)了顏色失真。相比較于本文算法，CLAHE算法、ENRA算法對(duì)圖像的亮度增強(qiáng)不足，CLAHE算法處理過的圖像整體亮度不足，而ENRA算法處理過的圖像在圖像的下方增強(qiáng)不足。NPEA算法處理的圖像存在輕微的顏色泛白，同時(shí)清晰度不如本文提出的算法。由上述分析可知，本文算法能夠有效的提升圖像的整體亮度和對(duì)比度并對(duì)高亮度區(qū)域進(jìn)行抑制，從而展現(xiàn)了本文算法的有效性。圖8展現(xiàn)了本文算法對(duì)煤礦井下其他不同場(chǎng)景拍攝的非均勻照度圖像的增強(qiáng)效果。

圖6 算法比較Fig.6 Comparison results of algorithms

本文選取局部標(biāo)準(zhǔn)差平均值(Average Local Standard Deviation，ALSD)，信息熵(Entropy)，以及平均梯度(Average Gradient,AG)[20]來客觀評(píng)價(jià)算法結(jié)果。

ALSD首先將圖像進(jìn)行分塊(本文中分塊尺寸為25×25)，取分塊圖像的標(biāo)準(zhǔn)差平均值作為圖像對(duì)比度評(píng)價(jià)指標(biāo)。

圖7 算法比較Fig.7 Comparison results of algorithms

信息熵用于度量圖像信息的豐富程度，信息熵越大表明信息越豐富，其定義為

平均梯度，反映圖像細(xì)節(jié)對(duì)比的表達(dá)能力，它是圖像清晰度的重要表征。

表1分別表示局部標(biāo)準(zhǔn)差平均值、信息熵和平均梯度的評(píng)價(jià)結(jié)果。其中編號(hào)1～6分別表示圖6～8中的6幅圖像。由表1可知，CLAHE,MSRCR,ENRA,NEPR以及本文算法都能夠有效對(duì)圖像進(jìn)行增強(qiáng)，增強(qiáng)后的圖像在圖像對(duì)比度、圖像信息熵、圖像清晰度方面都較原圖像高。除編號(hào)為5的圖片外，本文算法對(duì)其他所有圖像的增強(qiáng)效果在圖像對(duì)比度、圖像信息熵、圖像清晰度方面都優(yōu)于其他處理算法，展現(xiàn)了本文算法的優(yōu)越性。

表1不同算法處理的結(jié)果評(píng)價(jià)
Table1Comparisonofprocessedresultsbydifferentmethods

參數(shù)原圖CLAHEMSRMSRCRENRANEPR本文17431984134316961689229126472839237016541756292329754338局部方差平均值3876230813671610267226693444414832977292033143078293542045266030842695283340953445391361712246019931975249326343355122665339740653261678623621134768773143414271926信息熵332610115625711035114613954433102610461012112291713595794129811211122183615701604644871961958677674190016587317337367547317852581715706709776731784平均梯度3608711678679767713779461470474574271869774055636827087067507067246665718746738740713773

4 結(jié) 論

(1)考慮圖像的照度分量分布的非均勻性，在Retinex算法基礎(chǔ)上，提出通過調(diào)整圖像的照度分量來實(shí)現(xiàn)圖像的增強(qiáng)的思路。

(2)提出一種新的S型曲線函數(shù)來對(duì)照度分量進(jìn)行均衡化調(diào)整，從而實(shí)現(xiàn)對(duì)低亮度進(jìn)行增強(qiáng)而對(duì)高亮度進(jìn)行抑制的目的，防止增強(qiáng)圖像出現(xiàn)過增強(qiáng)現(xiàn)象。

(3)提出一種新的圖像增強(qiáng)模型，該模型可以通過調(diào)整照度調(diào)整系數(shù)a和細(xì)節(jié)增強(qiáng)系數(shù)γ來對(duì)圖像進(jìn)行增強(qiáng)。

(4)實(shí)驗(yàn)結(jié)果表明，相比已有其他的增強(qiáng)算法，本文算法能夠有效提升圖像的整體亮度和對(duì)比度，同時(shí)避免過顏色失真和增強(qiáng)現(xiàn)象的產(chǎn)生，顯示了本文算法的優(yōu)越性。

[1] 毛善君.“高科技煤礦”信息化建設(shè)的戰(zhàn)略思考及關(guān)鍵技術(shù)[J].煤炭學(xué)報(bào),2014,39(8):1572-1583. MAO Shanjun.“Strategic thinking and key technology of informatization construction of high-tech coal mine[J].Journal of China Coal Society,2014,39(8):1572-1583.

[2] WANG Jinhua.Development and prospect on fully mechanized mining in Chinese coal mines[J].International Journal of Coal Science & Technology,2014,1(3):153-260.

[3] KHAN Mohammad Farhan,KHAN E,ABBASI Z A.Image contrast enhancement using normalized histogram equalization[J].Optik-International Journal for Light and Electron Optics,2015,126(24):4868-4875.

[4] COOPER,TED J,BAQAI F A.Analysis and extensions of the Frankle-Mc Cann Retinex algorithm[J].Journal of Electronic Imaging,2004,13:85-92.

[5] YIN Jingcao,LI H,DU J,et al.Low illumination image Retinex enhancement algorithm based on guided filtering[A].Cloud Computing and Intelligence Systems(CCIS),2014 IEEE 3rd International Conference on[C].2014.

[6] DENG Guang.A generalized unsharp masking algorithm[J].IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society,2011,20(5):1249-1261.

[7] 黃向東,鄧?yán)驖?一種基于Retinex的礦井非均勻照度圖像增強(qiáng)算法[J].科學(xué)技術(shù)與工程,2014,14(5):141-144. HUANG Xiangdong,DENG Lijie.Algorithm of mine non-uniform illumination image enhancement based on Retinex[J].Science Technology and Engineering,2014,14(5):141-144.

[8] 程德強(qiáng),鄭珍,姜海龍.一種煤礦井下圖像增強(qiáng)算法[J].工礦自動(dòng)化,2015,41(12):31-34. CHENG Deqiang,ZHENG Zhen,JIANG Hailong.An image enhancement algorithm for coal mine underground[J].Industry and Mine Automation,2015,41(12):31-34.

[9] 徐輝,賀耀宜.一種煤礦井下監(jiān)控視頻圖像預(yù)處理方法[J].工礦自動(dòng)化,2016,42(1):32-34. XU Hui,HE Yaoyi.An image preprocessing method for underground monitoring video[J].Industry and Mine Automation,2016,42(1):32-34.

[10] 王焱,關(guān)南楠,劉海濤.改進(jìn)的多尺度Retinex井下圖像增強(qiáng)算法[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào):自然科學(xué)版,2016,35(4):440-443. WANG Yan,GUAN Nannan,LIU Haitao.An improved multi- scale Retinex algorithm for mine image enhancement[J].Journal of Liaoning Technical University(Natural Science),2016,35(4):440-443.

[11] RAHMAN Z U,JOBSON D J,WOODELL G A.Multi-scale retinex for color image enhancement[A].International Conference on IMAGE Processing IEEE[C].1996:1003-1006.

[12] JIANG B,WOODELL G A,JOBSON D J.Novel multi-scale retinex with color restoration on graphics processing unit[J].Journal of Real-Time Image Processing,2014,10(2):239-253.

[13] HE K,SUN J,TANG X.Guided image filtering[J].IEEE Transactions on Pattern Analysis & Machine Intelligence,2010,35(6):1397-1409.

[14] LI Y,GUO F,TAN R T,et al.A contrast enhancement framework with JPEG artifacts suppression[M].Computer Vision-ECCV,Springer International Publishing,2014:174-188.

[15] ZUIDERVELD K.Contrast limited adaptive histogram equalization[A].Academic Press Professional[C].1994:474-485.

[16] 王紅,何小海,楊曉敏.基于模糊理論和CLAHE的霧天圖像自適應(yīng)清晰化算法[J].微電子學(xué)與計(jì)算機(jī),2012,29(1):32-34. WANG Hong,HE Xiaohai,YANG Xiaomin.An adaptive foggy image enhancement algorithm based on fuzzy theory and CLAHE[J].Microelectronics & Computer,2012,29(1):32-34.

[17] SHIN Y,JEONG S,LEE S.Efficient naturalness restoration for non-uniform illumination images[J].IET Image Processing,2015,9(8):662-671.

[18] WANG S,ZHENG J,HU H M,et al.Naturalness preserved enhancement algorithm for non-uniform illumination images[J].IEEE Transactions on Image Processing a Publication of the IEEE Signal Processing Society,2013,22(9):3538-3548.

[19] 王小明,黃昶,李全彬,等.改進(jìn)的多尺度Retinex圖像增強(qiáng)算法[J].計(jì)算機(jī)應(yīng)用,2010,30(8):2091-2093. WANG Xiaoming,HUANG Chang,LI Quanbin,et al.Improved multi-scale retinex image enhancement algorithm[J].Journal of Computer Applications,2010,30(8):2091-2093.

[20] 劉志成,王殿偉,劉穎,等.基于二維伽馬函數(shù)的光照不均勻圖像自適應(yīng)校正算法[J].北京理工大學(xué)學(xué)報(bào),2016,36(2):191-196. LIU Zhicheng,WANG Dianwei,LIU Ying,et al.Adaptive adjustment algorithm for non-uniform illumination images based on 2d Gamma function[J].Transactions of Beijing Institute of Technology,2016,36(2):191-196.

Enhancementalgorithmbasedonilluminationadjustmentfornon-uniformilluminancevideoimagesincoalmine

ZHI Ning，MAO Shanjun，LI Mei

(SchoolofEarthandSpaceSciences,PekingUniversity,Beijing100871,China)

Due to the environment of coal mine space is affected by grime,the images obtained by video surveillance have low illumination,non-uniform illuminance problems,and the existing algorithms cause color distortion or excessive enhancement in dealing with non-uniform illumination mine image,which is not conducive to the interpretation and application of images.With the actual images data,this paper proposed a new non-uniform image enhancement algorithm based on illumination adjustment combining with Guided Filtering and “S Curve” function，which may overcome the problems of the existing algorithms.By analyzing the characteristics of the video images,a multi-scale guide filtering,which can preserve the edges and corners,is adopted to get the illumination component.Then based on Retinex theory,the image is decomposed into an illuminance component and a reflection component.Regarding the non-uniform illumination,a new S-shape curve function is proposed to adjust the illuminance component.Considering the image has a relative low contrast,the contrast limited adaptive histogram is further used to enhance the contrast.Finally,a new image enhancement method is proposed with the detail enhancement coefficient and the illumination enhancement coefficient achieve a better enhancement performance of non-uniform images.Compared with the other four algorithms,this paper shows that the proposed algorithm is superior to the above algorithms both in subjective evaluation and objective evaluation.Finally,this algorithm can effectively enhance the overall image brightness and contrast,while avoiding excessive enhancement phenomenon of the bright region generated near the light,showing the superiority of the algorithm.

non-uniform illumination;multiscale guided filter;illumination adjustment;detail enhancement coefficient;the illumination enhancement coefficient

10.13225/j.cnki.jccs.2017.0048

TD672

:A

:0253-9993(2017)08-2190-08

國家重點(diǎn)研發(fā)計(jì)劃資助項(xiàng)目(2016YFC0801800)

智 寧(1990—)，男，山西運(yùn)城人，博士研究生。E-mail:zhining@pku.edu.cn。

：毛善君(1964—)，男，四川成都人，教授，博士生導(dǎo)師。E-mail:sjmao@pku.edu.cn.

智寧，毛善君，李梅.基于照度調(diào)整的礦井非均勻照度視頻圖像增強(qiáng)算法[J].煤炭學(xué)報(bào),2017,42(8):2190-2197.

ZHI Ning，MAO Shanjun，LI Mei.Enhancement algorithm based on illumination adjustment for non-uniform illuminance video images in coal mine[J].Journal of China Coal Society,2017,42(8):2190-2197.doi:10.13225/j.cnki.jccs.2017.0048