葉允英

(寧德職業(yè)技術(shù)學(xué)院 信息技術(shù)與工程系，福建 寧德 355000)

0 引言

數(shù)字圖像處理在40多年的時(shí)間里迅速發(fā)展成一門(mén)有強(qiáng)大生命力的獨(dú)立學(xué)科.圖像增強(qiáng)技術(shù)已逐步應(yīng)用于人類(lèi)生活和社會(huì)生產(chǎn)的各個(gè)方面.人們運(yùn)用數(shù)字圖像增強(qiáng)技術(shù)處理和分析遙感圖像，用以有效地進(jìn)行礦藏的勘探、調(diào)查，農(nóng)業(yè)和城市的土地規(guī)劃，作物估產(chǎn)，氣象預(yù)報(bào)，以及災(zāi)害和軍事目標(biāo)的監(jiān)視等.福建省礦產(chǎn)資源豐富,但大多分布在地勢(shì)險(xiǎn)峻的高山上,開(kāi)采難度較大,礦井生產(chǎn)事故頻頻發(fā)生，為提高礦山安全生產(chǎn)的可控性和監(jiān)管水平,各地區(qū)都啟動(dòng)了礦山安全監(jiān)控系統(tǒng),即在礦井下的各作業(yè)點(diǎn)安裝視頻監(jiān)控系統(tǒng)，與地面監(jiān)控室相連，使得井上監(jiān)控與井下作業(yè)保持同步，從而實(shí)現(xiàn)礦井生產(chǎn)安全監(jiān)管，降低事故的發(fā)生率；但是，礦井內(nèi)部潮濕，即使有燈光，霧氣和揚(yáng)塵也影響監(jiān)控?cái)z像機(jī)采集畫(huà)面的清晰性，加之礦井下面數(shù)據(jù)傳輸能力有限，影響圖像傳輸質(zhì)量，因此傳到地面監(jiān)控室的圖像無(wú)法為安全生產(chǎn)提供準(zhǔn)確的判斷依據(jù).面對(duì)亟需解決的現(xiàn)實(shí)問(wèn)題，本文中提出一種圖像增強(qiáng)算法，還原礦井下的工作環(huán)境，為礦井生產(chǎn)安全提供技術(shù)支持.

1 礦井視頻監(jiān)控系統(tǒng)

礦井視頻監(jiān)控的數(shù)字化過(guò)程中，應(yīng)該重視信息流的轉(zhuǎn)換，從之前的模擬狀態(tài)向數(shù)字狀態(tài)轉(zhuǎn)換，具體涉及視頻轉(zhuǎn)換、音頻轉(zhuǎn)換和控制轉(zhuǎn)換等多種模式.從本質(zhì)上來(lái)講，信息流的轉(zhuǎn)換基于數(shù)據(jù)信息的采集、處理和傳輸?shù)?，打破了傳統(tǒng)的閉路電視系統(tǒng)結(jié)構(gòu)形式.結(jié)合實(shí)際情況來(lái)講，信息流逐漸實(shí)現(xiàn)了數(shù)字化發(fā)展，再加上編碼壓縮處理及協(xié)議的開(kāi)放，這些都使得智能網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)能夠與安防系統(tǒng)實(shí)現(xiàn)有效鏈接，結(jié)合操作平臺(tái)的運(yùn)用，完成管理任務(wù)和控制目標(biāo)[1].以礦井視頻監(jiān)控系統(tǒng)為例，其組成如圖1.

視頻可以表述為多個(gè)靜態(tài)圖像表現(xiàn)出來(lái)的連續(xù)播放效果，由此可見(jiàn)，改善數(shù)字視頻圖像效果可以參考和借鑒圖像改善方法.在具體的實(shí)踐過(guò)程中，通常會(huì)選擇圖像增強(qiáng)技術(shù)作為改善圖像質(zhì)量的專(zhuān)業(yè)技術(shù),其核心原理在于，突出圖像中的有效信息，排除無(wú)關(guān)緊要的冗余信息.就當(dāng)前而言，圖像增強(qiáng)算法涉及多個(gè)層面，主要有頻率域、空間域、代數(shù)運(yùn)算及彩色增強(qiáng).

2 粗糙集理論

粗糙集是一種從經(jīng)典集合論擴(kuò)展而來(lái)的理論，由波蘭科學(xué)家Z·Pawlak創(chuàng)立，其數(shù)學(xué)處理能力強(qiáng)，常常被用于處理不確定、不精確、不完整的數(shù)據(jù)集，在很多領(lǐng)域中它的可用性都被證實(shí)了.其中，在模型中的冗余去除和隱藏內(nèi)容的再現(xiàn)上，粗糙集理論有很好的應(yīng)用效果，從而應(yīng)用于提取特征值和生成規(guī)則[2].因此，可將該理論應(yīng)用于圖像增強(qiáng)技術(shù)上，基于粗糙集理論對(duì)圖像增強(qiáng)算法進(jìn)行改進(jìn)，從而真正實(shí)現(xiàn)圖像的增強(qiáng).

在粗糙集理論的實(shí)踐應(yīng)用過(guò)程中，需要把不能得到確認(rèn)的個(gè)體歸屬為邊界線區(qū)域之中，同時(shí)以該區(qū)域?yàn)榛A(chǔ)定義上近似集和下近似集之間的差值.需要明確的是，粗糙集理論選擇數(shù)學(xué)公式來(lái)完成邊界線區(qū)域的描述，用數(shù)據(jù)完成對(duì)信息的表達(dá)，因此描述存在顯著的客觀性特征.粗糙集理論通常存在顯著優(yōu)勢(shì)，即無(wú)需其他信息的支持就能實(shí)現(xiàn)數(shù)據(jù)的處理[3].為了數(shù)學(xué)處理的方便，在下面的定義中用分類(lèi)且等價(jià)關(guān)系來(lái)描述.

在具體的研究過(guò)程中，需結(jié)合有限元素論域U的使用進(jìn)行表述，其中：X具體代表U上的某個(gè)子集,X?U;R能夠?qū)上的定價(jià)關(guān)系進(jìn)行描述，[x]R則理解為U上R相應(yīng)的-等價(jià)類(lèi)；R-(X)、R-(X)代表X?U的下近似實(shí)際值和上近似實(shí)際值，

R-(X)=∪[x]R={x|x∈[x]R,[x]R?X}

(1)

R-(X)=∪[x]R={x|x∈[x]R,[x]R∩X≠φ}

(2)

上、下近似實(shí)際值之間的差被稱(chēng)作X的R-邊界線集，并稱(chēng)BNR(X)是X?U的邊界，即

BNR(X)=R-(X)-R-(X)

(3)

結(jié)論顯示，邊界線區(qū)域能夠?qū)赨上等價(jià)關(guān)系R相應(yīng)子集的近似精度進(jìn)行準(zhǔn)確的評(píng)估，為了提升這一近似精度，引入不精確性的數(shù)值度量.

設(shè)X?U∧X≠φ，則稱(chēng)

aR(X)=card(R-(X))/card(R-(X))

(4)

為X相關(guān)的近似精度，card(S)具體代表S相關(guān)的基數(shù).

在粗糙集理論的應(yīng)用過(guò)程中，其知識(shí)表達(dá)系統(tǒng)通常選擇決策表T=(U,C∪D,V,f)進(jìn)行描述，U具體代表相關(guān)的論域，C∪D具體代表?xiàng)l件屬性及決策屬性產(chǎn)生的數(shù)據(jù)集，V具體代表屬性集C∪D相應(yīng)的值域，f具體代表相關(guān)的信息函數(shù)，即

?a∈C∪D,x∈U,f(x,a)∈VaVai={高1,中1,低1}

(5)

對(duì)于粗糙集理論來(lái)講，屬性約簡(jiǎn)是其不可或缺的重要構(gòu)成要素，在保障分類(lèi)精度的基礎(chǔ)上，完成冗余條件屬性的清理，保留有效的條件屬性，生成約簡(jiǎn)屬性集[4].以決策表T=(U,C∪D,V,f)為例，假設(shè)其中的任意個(gè)體符合y≠x,fx|C=fy|C→fx|D=fy|D，則稱(chēng)fx表現(xiàn)出一定的一致性，否則稱(chēng)fx具有不相容性.

3 粗糙集理論增強(qiáng)算法

3.1 基于不可分辨關(guān)系的子圖劃分

選擇目標(biāo)二維圖像U并對(duì)其灰度級(jí)進(jìn)行界定，表述為L(zhǎng)，其組成要素包括M×N的相關(guān)像素.結(jié)合相關(guān)的粗糙集理論進(jìn)行分析可知，視頻中包含圖像的相關(guān)近似空間應(yīng)該表述為知識(shí)庫(kù)K=(U,R)，假設(shè)像素x代表U中包含的目標(biāo)對(duì)象，這種情況下，需要對(duì)圖像自身的清晰度進(jìn)行改善，增強(qiáng)圖像效果，以此為基礎(chǔ)改變像素的灰度值[5].條件屬性集假設(shè)定為C={c1,c2},此時(shí)的像素灰度值屬性設(shè)定為c1，c1=(c11,c12)，c11代表當(dāng)前像素是初值點(diǎn)，c12代表像素的極值點(diǎn)，其灰度值范圍設(shè)定為0～P，其中1代表灰度值，處于(P+1)～255區(qū)間；相關(guān)的噪聲屬性設(shè)定為c2，c2=(c21,c22),c21主要對(duì)像素為2×2 s的子塊灰度平均值進(jìn)行表述，c22具體表述的是子塊差值相關(guān)絕對(duì)值不低于Q.

3.1.1 根據(jù)c1劃分子圖

Rc1(x)={(i,j)|:x(i,j)>P}

(6)

3.1.2 根據(jù)c2劃分子圖

以等價(jià)關(guān)系Rc2為例，其定義可以表述為: 首先選擇子塊si,j，然后與相鄰子塊相關(guān)的平均灰度值m(s)相減，獲取的絕對(duì)值整數(shù)值顯示，其與閾值P1相比較大.此外，si,j相鄰子塊表述為si±1,j±1，噪聲像素相應(yīng)的集合表述為Rc2(s) ，宏塊的構(gòu)成要素包括子塊si,j和子塊si±1,j±1，則公式表示為：

(7)

3.2 增強(qiáng)算法

基于二維圖像U的子圖分類(lèi)結(jié)果增強(qiáng)了H1和H2的相關(guān)對(duì)比度，把這一流程表述為針對(duì)對(duì)比度的變換處理,即T∶T(U)=U′.在具體的操作過(guò)程中，需要突出圖像的明暗對(duì)比效果，因此需要界定“較亮”子圖H1及相反的“較暗”子圖H2，對(duì)其實(shí)施直方圖的變換處理.具體的增強(qiáng)變換流程表述為:

3.3 增強(qiáng)算法在礦井圖像中的應(yīng)用

目前，礦山數(shù)字監(jiān)控系統(tǒng)沒(méi)有使用圖像增強(qiáng)器，為了提高視頻的清晰度，可以用粗糙集方法處理視頻中的幀圖像.視頻由多個(gè)圖像構(gòu)成，表現(xiàn)出一定的數(shù)量?jī)?yōu)勢(shì)，由于視頻圖像之間存在一定的連貫性，因此產(chǎn)生的噪聲較為相似.礦井中視頻服務(wù)器包含了圖像處理和壓縮編碼兩個(gè)單元，為了增強(qiáng)視頻效果，需要添加圖像增強(qiáng)處理單元進(jìn)行輔助[6].圖2描述了經(jīng)過(guò)改造后的礦井視頻監(jiān)控系統(tǒng)，結(jié)合采集的數(shù)據(jù)實(shí)現(xiàn)圖像的轉(zhuǎn)換，再借助函數(shù)完成數(shù)據(jù)的計(jì)算,生成所需的視頻數(shù)據(jù)[7].

4 測(cè)試

在具體的研究過(guò)程中，需要對(duì)算法的有效性進(jìn)行測(cè)試與評(píng)估，主要基于Visual C++編程來(lái)完成，需要對(duì)之前的視頻圖像進(jìn)行重新的分析與處理[8].采用均值、標(biāo)準(zhǔn)差作為 測(cè)試指標(biāo)對(duì)礦井圖像增強(qiáng)算法進(jìn)行測(cè)試，其中均值是衡量圖像亮度的指標(biāo)，均值越高說(shuō)明圖像亮度越高；標(biāo)準(zhǔn)差反映了圖像像素值與均值的離散程度，標(biāo)準(zhǔn)差越大說(shuō)明圖像的質(zhì)量越好.采用Retinex算法和本文中提出的圖像增強(qiáng)算法所得的測(cè)試結(jié)果與原圖采用的直方圖均衡化算法對(duì)比見(jiàn)表1.

表1 三種方法處理結(jié)果的評(píng)價(jià)指標(biāo)對(duì)比

對(duì)于采集到的礦井視頻圖像，通常選擇相對(duì)較為模糊的圖片作為對(duì)應(yīng)的測(cè)試模板，而本算法可以自適應(yīng)地改善圖像整體亮度、標(biāo)準(zhǔn)差等指標(biāo)，更具有優(yōu)勢(shì)，在充分實(shí)現(xiàn)對(duì)亮區(qū)壓制和暗區(qū)增強(qiáng)的同時(shí)，避免噪聲放大，削弱光暈現(xiàn)象，增強(qiáng)細(xì)節(jié)信息.采用本算法后，圖像亮度及對(duì)比度得到有效提升，并保留了部分細(xì)節(jié)信息，圖像失真度小且層次分明.采用兩種算法增強(qiáng)圖像效果的比對(duì)情況如圖3.

5 結(jié)語(yǔ)

本文將粗糙集理論應(yīng)用到礦井圖像的處理中，提出了基于粗糙集理論的礦井圖像增強(qiáng)算法，能增強(qiáng)圖像的清晰度，提高畫(huà)面的質(zhì)量，為礦井安全管理帶來(lái)便利，還可為事故處理中的搜救工作提供幫助.此方法可應(yīng)用于國(guó)內(nèi)其他大、中型煤礦中，為我國(guó)的煤礦安全生產(chǎn)提供技術(shù)支持.由于礦井下環(huán)境不穩(wěn)定，導(dǎo)致視頻圖像變化比較大，因此需要進(jìn)一步去完善圖像增強(qiáng)算法.