洪 彥，余燕娟

（漳州職業(yè)技術學院 電子工程系， 福建 漳州363000）

近年來，隨著網(wǎng)絡及計算機的日益普及，圖像等多種形式的多媒體文件極大豐富了人們的生活，圖像的應用與處理技術也不斷提程式［1］.在礦山作業(yè)過程中，數(shù)字化、自動化、信息化已成為關鍵技術，其中視頻監(jiān)控在礦山采集生產(chǎn)檢測、瓦斯監(jiān)測、井下人員定位跟蹤等方面得到了廣泛的應用［2］，對于提高礦井安全的生產(chǎn)水平發(fā)揮了重要的作用.由于井下的環(huán)境復雜，對于獲取的視頻圖像相當一部分產(chǎn)生噪音，無法辨認，這極大影響了相關人員對井下信息進行準確的判讀，從而影響了礦山的采集工作［3-5］.煤礦圖像處理過程中應用到大量的數(shù)學模型算法［6］，例如形態(tài)學、模糊理論、神經(jīng)元和微積分等等，這些算法在圖像采集領域均有了一定的成果.但是，不同的算法在模擬過程中均有優(yōu)劣，單純的圖像降噪無法形成一個完整的圖像信息.

目前，國內(nèi)對于小波閾值的研究成果較為廣泛，經(jīng)過學者的改進取得了較好的去噪成效［7］，但是模型計算消耗時間較長，模型中的相關調節(jié)系數(shù)無法實現(xiàn)自適應取值等問題.因此，提出了一種小波閾值去噪算法，該算法將改進的Prewitt 算子和基于自適應閾值的改進小波閾值去噪模型相結合，具體表現(xiàn)為通過分析小波分解系數(shù)的取值范圍，改進Prewitt 算子的自適應閾值，進行融合計算，從而實現(xiàn)重現(xiàn)圖像邊緣信息的功能，最終實現(xiàn)圖像去噪和信息增強的較好融合.

1 改進Prewitt 算子

1.1 Prewiit 算子基本原理

Prewitt 算子是由兩個卷積核形成的，圖像中部位置亮度較暗，無法識別，在相鄰區(qū)域灰度過渡位置進行邊緣點放置測試點［8］，處理時將圖像中的不同點進行卷積計算，一般情況下每個核水平和垂直卷積值相應，均為最大，這兩個卷積的最大值即為該點的輸出位置［9］.

Prewitt 算子屬于一階微分算子，用于邊緣檢測，根據(jù)圖像四周的灰度差達到在圖像邊緣進行極限檢測的目的，然后對邊緣的不合理部分進行篩除，實現(xiàn)平滑噪聲的效果.其原理較為復雜，主要在空間圖像中由兩個方向版塊之間的卷積來完成，這兩個方向模板第一個用于水平邊緣的分析，第二個用于垂直邊緣的計算，其算法原理見圖1.

圖1 經(jīng)典Prewitt 算子邊緣檢測模板

1.2 改進Prewitt 算子

基于礦井圖像輪廓邊緣除了呈現(xiàn)水平和垂直之外，還會呈現(xiàn)多向分布情況［10］.在實踐過程中發(fā)現(xiàn)單獨使用圖1 中的模板無法實現(xiàn)邊緣輪廓的降噪和分析，為了解決這一問題，在圖1 的基礎之上設計另外六個新模板，見圖2.

圖2 多方向邊緣檢測模板

Prewitt 算子的主要步驟如下：

（1）為了使圖像的定位精度提升，使角點信息較為完整.選取八個不同方向，對模板進行排列組合，像素 移 動 和 重 疊［11］.

（2）模板函數(shù)與相應的圖像像素進行差分.

（3）將上述差分值進行加法運算.

（4）將計算結果中的卷積最大值和最小值定義為圖像模板中心點像素，該像素為新的灰度值.

（5）求取閾值的中間值，如果新的像素點灰度值大于THR，則該像素為圖像中心點，其他點為圖像邊緣點，圖像邊緣點的精度對于人的視覺效果起到關鍵性作用.在圖像的編碼過程中，邊緣檢測就是通過視覺效果來體現(xiàn).

將圖1 計算得出區(qū)域視頻圖像基于Prewitt 算子進行邊緣提取，運算過程如下：

分別采用公式（1）、（2）和（3）對圖1 和圖2 中的八個模板進行監(jiān)測，獲取集合公式：

將圖1 和圖2 中運行的8 個方向因子，加以邊緣分析后，輸出最終的計算公式：

一幅礦井視頻圖像中任意大小為3×3 區(qū)域可抽象表示成如圖3 所示的形式.

圖3 礦井視頻圖像3×3 區(qū)域抽象表示

通過式（1）～（5） 進行模擬計算，計算出圖像存在的可疑邊緣輪廓點，通過類比法進行判別，獲取邊緣輪廓.在閾值設定過程中，將類點逐項對比分析，舍棄取值區(qū)間內(nèi)的偏離度較大的值，剩余點命名為邊緣輪廓點.在Prewitt 算子檢測精度過程中，設置兩個合適的閾值，提出自適應設定法，通過圖3 的步驟進行篩選，如下：

①尋找圖像中部分像素點的最大值：

②檢測剩余像素點的計算值：

式中，集合W 為多個像素點的集合，average 函數(shù)主要是求集合的平均值.

2 自適應改進小波閾值函數(shù)模型

小波閾值去噪算法因為原理及實現(xiàn)簡單，應用性能良好,近年來受到了國內(nèi)外學者的廣泛關注，在去噪效果上小波軟硬閾值函數(shù)具有一定優(yōu)勢，但是實際計算過程中仍然出現(xiàn)較多不合理的地方.例如，函數(shù)模型中，小于閾值的核心系數(shù)直接取值為0，剩余部分的核心閾值取值確不進行修改，在圖像修復中存在標準不統(tǒng)一的問題［12-13］.其次，小波閾值函數(shù)模型在模擬過程中相對于大值具有一定的折損，雖然改善了硬函數(shù)的信號增強效果，提高了顯示精度，但是容易造成噪點偏多［14］.

綜合分析以上存在的問題，提出一個更加貼合實際情況的模型，這類模型是閾值函數(shù)模型，是在傳統(tǒng)的閾值模型的基礎上進行修正形成，其表達式如下：

式中，Wj，k代表小波波動系數(shù)幅度；S 為修正參數(shù)因子，S=［0.3.1.1］；T 代表波動閾值.

該修正閾值模型較大提高了函數(shù)效率，修正參數(shù)因子S 依據(jù)大量統(tǒng)計試驗獲取，在取值過程中采用隨機算法，通過小波系數(shù)根據(jù)噪聲強度來進行自適應條件［15］.

第二種閾值函數(shù)模型引入對數(shù)函數(shù)， 進行微積分和非線性運算提高函數(shù)運算過程中的噪聲控制效果，表達式如下：

式（10）中，m 為調節(jié)系數(shù)； sign(·) 為符號函數(shù).

這一模型算法的降噪效果在邊緣計算和中心點的重建方面較小波函數(shù)和閾值函數(shù)均有所改善，計算精 度 提 高 了 很 多［16］.

3 實驗仿真

3.1 算法步驟

（1）采用均值濾波算法對礦井進行初步解譯和處理，獲取礦井初始化圖像.

（2）根據(jù)改性的Prewitt 算子對邊緣進行檢測，剔除不合理圖像數(shù)據(jù)，得到邊緣與非邊緣圖像數(shù)據(jù).

（3）依據(jù)小波閾值函數(shù)模型進一步進行降噪分析，獲取基本圖像.

（4）降噪后的基本圖像再次與邊緣圖像進行融合，產(chǎn)生礦井的高清視頻處理圖像.

3.2 結果與分析

利用兩幅實地獲取的山東兗州煤礦井下視頻監(jiān)控圖像進行試驗，一幅為綜采圖，一幅為局部照明圖.運用MATLAB 軟件對提出的算法進行編程實現(xiàn)，同時和小波硬閾值函數(shù)模型、小波軟閾值函數(shù)模型以及均值濾波算法進行去噪效果對比.測驗結果如圖4、圖5 所示.

圖4 綜采圖去噪效果對比

圖5 局部照明圖去噪效果分析對比

由上圖可知，模型一和模型二圖像比較偏暗，模糊去噪效果比較差.模型三日光燈和電線等輪廓能辨別出來，去噪效果有所改善，但是整體圖像較為模糊.圖4(e) 和圖5(e) 可以看出盡管途中電線，日光燈等圖像仍存在一定程度的模糊，但是圖像基本不存在噪音，不妨礙對他們識別的準確性.

為了對圖1,2 的進一步測試，分別加入了方差分別為5，10，15 的高斯噪聲形成模糊圖像，引入峰值信噪比（PSNR 值越大則說明算法的去噪效果越好）.

表1 兩幅礦井視頻圖像去噪結果的PSNR 值

由上表可以看出，基于改進Prewitt 算法的閾值模型輸出的PSNR 明顯高于其他三類模型，說明該算法在圖像去噪和清晰度上具有一定優(yōu)勢.

此外，對不同模糊程度的礦井圖像去噪過程的耗時進行統(tǒng)計，本研究算法的耗時低于其他三類模型，因此該算法在耗時方面也占據(jù)了優(yōu)勢，見表2.

表2 去噪模型（算法）的平均耗時

4 結論

通過改進Prewitt 算子和小波閾值函數(shù)模型，提出一種結合邊緣檢測的小波閾值去噪算法，試驗結果表明，該算法使得礦井圖像更為清晰，耗時更占優(yōu)勢.此算法對于礦井視頻監(jiān)控具有一定的參考價值.