梁燕華，蘆君珂，田訓(xùn)鵬

（黑龍江科技大學(xué)電氣與控制工程學(xué)院，黑龍江 哈爾濱 150022）

0 引言

煤炭是我國的主要能源，約占一次能源的60%[1]，近幾年我國煤炭產(chǎn)量約達(dá)全球總產(chǎn)量的二分之一。根據(jù)煤礦井下安全事故的研究統(tǒng)計(jì)，大部分煤礦存在監(jiān)管工作不到位、防護(hù)意識(shí)不足等問題，因此，當(dāng)?shù)V災(zāi)真實(shí)發(fā)生時(shí)不能及時(shí)應(yīng)對，并開展緊急營救工作。在智慧礦山技術(shù)飛速發(fā)展的當(dāng)下，煤礦井下引入了智能監(jiān)控系統(tǒng)，使得監(jiān)管部門的繁重工作得到減輕，并且有效提升了工作質(zhì)量[2]。雖然監(jiān)控設(shè)備不能替代人工在礦井工作中的重要性，但其具有全天候?qū)ΦV井進(jìn)行監(jiān)控的優(yōu)勢。視頻監(jiān)控系統(tǒng)作為礦山安全的重要組成部分，對于工礦領(lǐng)域的安全工作至關(guān)重要。高清數(shù)字化設(shè)備的普及，進(jìn)一步促進(jìn)了煤礦井下視頻監(jiān)控領(lǐng)域的發(fā)展。礦井視頻監(jiān)控有利于更好地了解井下人員分布和設(shè)備運(yùn)行的狀況，是煤礦實(shí)現(xiàn)高效安全生產(chǎn)的重要一環(huán)[3]。煤礦井下的工作性質(zhì)和工作條件復(fù)雜，大多數(shù)區(qū)域沒有均勻的光照，只能依靠礦燈照明，導(dǎo)致監(jiān)控設(shè)備收集的圖像大多出現(xiàn)了過曝光的問題，并且會(huì)在煤礦井下各類生產(chǎn)設(shè)備運(yùn)行過程中導(dǎo)致空氣中懸浮粉塵、水汽等雜質(zhì)，這些因素都嚴(yán)重影響了視頻監(jiān)控設(shè)備在煤礦井下采集圖像的質(zhì)量[4]。圖像質(zhì)量的高低直接影響到后續(xù)對井下設(shè)備工作情況的分析與決策，因此，對復(fù)雜環(huán)境下收集的圖像質(zhì)量進(jìn)行增強(qiáng)具有十分重要的實(shí)際意義。

由于傳統(tǒng)的暗通道先驗(yàn)算法具有簡單有效、修復(fù)速度快的優(yōu)點(diǎn)，在井下圖像去霧方面應(yīng)用廣泛。由于煤礦井下光照不均，該算法會(huì)導(dǎo)致透射率分布估計(jì)不準(zhǔn)確，使圖像出現(xiàn)嚴(yán)重失真的問題，因此，在暗通道先驗(yàn)算法的基礎(chǔ)上，提出了改進(jìn)透射率分布估計(jì)的去霧算法對暗通道先驗(yàn)算法的透射率進(jìn)行進(jìn)一步優(yōu)化，通過融合暗通道可信度權(quán)值因子和最優(yōu)暗通道去霧圖像對透射率分布進(jìn)行修正。實(shí)驗(yàn)結(jié)果表明，改進(jìn)透射率分布估計(jì)的去霧算法在環(huán)境較暗處去霧效果好，適應(yīng)煤礦井下特殊環(huán)境需求，較好地保留了圖像的細(xì)節(jié)信息。

1 綜采工作面環(huán)境分析

綜采工作面指的是煤礦井下綜合機(jī)械化設(shè)備的回采工作面。工作面的采煤設(shè)備是滾筒式采煤機(jī)，工作面的運(yùn)輸設(shè)備是可彎曲的刮板輸送機(jī)，工作面頂板的支護(hù)使用的是液壓支架，順槽采用的是帶式輸送機(jī)。煤礦綜采工作面環(huán)境復(fù)雜，主要存在以下三個(gè)方面的問題。

1）粉塵影響。滾筒式采煤機(jī)割煤是煤礦井下綜采工作面粉塵產(chǎn)生的主要源頭。由于采煤機(jī)的滾筒上安裝了多個(gè)截齒，導(dǎo)致了每一個(gè)截齒在碰撞到煤體時(shí)會(huì)發(fā)生破碎，大碎塊煤體掉落后，粉化核釋放崩出形成粉塵。采煤工作面粉塵產(chǎn)生的另一個(gè)源頭是采煤機(jī)割煤后煤塊掉落，碎煤塊掉落會(huì)與底板發(fā)生再次碰撞，產(chǎn)生大量粉塵，同時(shí)也會(huì)使底板本身殘留的粉塵再次飛揚(yáng)在空氣中[5]。

2）水汽影響。在煤礦井下綜采工作面粉塵防治技術(shù)的應(yīng)用中，噴霧降塵可以最大程度地降低粉塵產(chǎn)生量，所以該項(xiàng)技術(shù)成為現(xiàn)階段煤礦綜采工作面中常用的降塵手段。同時(shí)，煤礦井下還會(huì)采用煤層注水技術(shù)進(jìn)行粉塵防治。這些防治手段使綜采工作面的空氣中存在大量的水汽。

3）光照影響。綜采工作面裝備中包括照明設(shè)備，但是由于照明設(shè)備分布不均勻，導(dǎo)致井下綜采工作面的光照分布不均勻，因此，視頻監(jiān)控系統(tǒng)采集的圖像存在低照度或者過曝光的情況。

在破煤、裝煤、運(yùn)煤等生產(chǎn)流程中，整個(gè)綜采工作面的環(huán)境變得十分復(fù)雜，嚴(yán)重影響視頻監(jiān)控系統(tǒng)的圖像采集質(zhì)量。井下綜采工作面設(shè)備如圖1 所示。

圖1 地下模擬礦井綜采工作面Fig.1 Fully mechanized mining face in underground simulation mine

為了方便檢測煤礦井下環(huán)境，保障施工安全，可利用圖像去霧的方法，目前主要有兩類方法應(yīng)用比較廣泛。第一類去霧算法是基于圖像增強(qiáng)技術(shù)，如小波變換法、直方圖均衡化算法、Retinex 算法等。范偉強(qiáng)等[6]采用多尺度的小波分析方法對煤礦濃煙影像進(jìn)行了分析，利用貝葉斯方法對各個(gè)尺度上的高頻子圖的小波閾值進(jìn)行了調(diào)節(jié)，然后利用小波重建的方法對各個(gè)尺度上的高頻子圖進(jìn)行了各個(gè)尺度上的小波重建，獲得一個(gè)強(qiáng)化的影像，通過調(diào)節(jié)影像的光度，獲得一個(gè)沒有濃煙的影像。郭瑞等[7]采用一種改良的單尺度Retinex 算法，對礦山中有霧的圖像進(jìn)行了增強(qiáng)去霧，實(shí)現(xiàn)了亮度增強(qiáng)與飽和度自適應(yīng)線性延伸。周旺[8]提出了一種基于均值濾波分頻的直方圖均衡法對圖像的高頻區(qū)域、低頻區(qū)域分別進(jìn)行直方圖均衡化處理和均值濾波處理，最后將低頻和高頻兩個(gè)區(qū)域進(jìn)行重構(gòu)，該方法在解決均勻區(qū)域高增強(qiáng)問題方面效果顯著，并且減少了噪聲影響，但是會(huì)導(dǎo)致圖像部分細(xì)節(jié)丟失。第二類是基于物理模型的圖像去霧方法，通過對有霧環(huán)境下圖像質(zhì)量下降機(jī)制的研究，構(gòu)建有霧環(huán)境下的圖像散射建模，并充分發(fā)揮其對有霧環(huán)境的影響，實(shí)現(xiàn)有霧環(huán)境下的圖像恢復(fù)。邱根瑩[9]提出了暗通道先驗(yàn)算法，該算法通過觀察統(tǒng)計(jì)大量有霧測試圖像估算出粗略透射率以及大氣光的亮度等，通過大氣散射模型進(jìn)行復(fù)原得到無霧的清晰圖像。智寧等[10]將暗道的先驗(yàn)性和自適應(yīng)的雙邊濾波器相結(jié)合，給出了一種新的算法，該算法在暗通道先驗(yàn)理論的基礎(chǔ)上實(shí)現(xiàn)了效果更加明顯的圖像增強(qiáng)，但會(huì)出現(xiàn)由于井下光源分布不均勻?qū)е聢D像亮度過暗以及細(xì)節(jié)丟失等問題。

對于井下復(fù)雜環(huán)境導(dǎo)致圖像質(zhì)量不佳的問題，解決途徑是降低綜采工作面生產(chǎn)設(shè)備所產(chǎn)生的霧氣對數(shù)字視頻監(jiān)控收集的圖像所造成的影響。改進(jìn)透射率分布估計(jì)的去霧算法改進(jìn)了暗通道先驗(yàn)去霧技術(shù)，對透射率分布進(jìn)行了優(yōu)化處理，更好地解決了井下圖像的過曝光問題，使處理后的圖像保留更多的圖像細(xì)節(jié)。

2 暗通道先驗(yàn)去霧算法

在計(jì)算機(jī)視覺領(lǐng)域，大氣散射模型廣泛應(yīng)用于圖像去霧。MCCARTNEY 等[11]在對霧的生成原理進(jìn)行研究之后，提出了成像設(shè)備接收的光線一部分來自于反射光經(jīng)懸浮顆粒，光線散射衰減之后到達(dá)成像設(shè)備，而另一部分光線則直接進(jìn)入成像設(shè)備。NARASIMHAN等[12-13]在此理論的基礎(chǔ)上建立了大氣散射模型（圖2）。大氣散射物理模型由兩部分組成，第一部分是直接衰減項(xiàng)（Direct Attenuation），也稱為直接傳播，第二部分是大氣光照（Airlight）[14]。表示公式見式（1）。

圖2 大氣散射模型示意圖Fig.2 Schematic diagram of atmospheric scattering model

式中：I（x）為霧狀影像；J（x）為清晰影像；x為像素點(diǎn)在影像中的位置[15]；A為大氣光值；t（x）為介質(zhì)傳輸圖，在大氣均勻的情況下為式（2）。

式中：β為大氣散射系數(shù)；d（x）為場景與成像設(shè)備之間的距離，即場景深度。由式（2）可知，t（x）隨場景深度的增大而減小。

大氣散射光會(huì)導(dǎo)致圖像對比度下降，以及顏色失真等問題，去霧的目的則是通過單個(gè)圖像來準(zhǔn)確估計(jì)大氣光值A(chǔ)和介質(zhì)傳輸圖t（x），從而復(fù)原無霧圖像J（x）。

暗通道原理認(rèn)為無霧圖像在眾多淺色區(qū)域或明亮區(qū)域，R、G、B 三個(gè)顏色通道中最少會(huì)有一個(gè)顏色通道的亮度趨向于零，即式（3）。

式中：Jdark（x）為暗通道圖像；Ω（x）為以x為中心的小圖像塊；c為圖像的顏色通道[16]。根據(jù)暗通道先驗(yàn)理論得出式（4）。

式（4）的含義是：在三個(gè)通道窗口的位置上，以一個(gè)象素點(diǎn)x為圓心，取三個(gè)信道窗的極小值，并將這三個(gè)信道窗的極小值作為一個(gè)像素點(diǎn)x的黑暗信道的數(shù)值[17]，如圖3 所示。

圖3 暗通道原理Fig.3 Dark channel principle

假設(shè)大氣光值A(chǔ)已知，局部區(qū)域 Ω（x）內(nèi)透射率保持不變，記作t（x），對式（1）兩邊同時(shí)除以Ac,c∈{R,G,B} 為某一顏色通道，兩邊同時(shí)做變換，根據(jù)式（3），得到式（5）。

根據(jù)式（4），利用已知的t（x）、A和I（x）計(jì)算J（x），見式（6）。

圖4 為暗通道先驗(yàn)算法執(zhí)行流程。傳統(tǒng)的暗通道先驗(yàn)算法在白天光照均勻時(shí)效果較好，由于煤礦井下光源分布不均勻，導(dǎo)致傳統(tǒng)的暗通道先驗(yàn)去霧算法透射率分布估計(jì)不準(zhǔn)，使圖像出現(xiàn)色彩失真[18]、去霧效果差和過曝光等問題，因此，在暗通道先驗(yàn)算法的基礎(chǔ)上提出了一種改進(jìn)透射率分布的井下去霧算法，對透射率分布估計(jì)進(jìn)行進(jìn)一步優(yōu)化。

圖4 暗通道先驗(yàn)算法模型框架Fig.4 Model framework of dark channel apriori algorithm

3 改進(jìn)透射率分布估計(jì)算法

3.1 暗態(tài)點(diǎn)光源模型

為了對有霧環(huán)境下的井下圖像大氣光分布A（x,y）進(jìn)行估計(jì)，使用了暗態(tài)點(diǎn)光源[19]模型。暗態(tài)點(diǎn)光源模型是先對有霧圖像I（x,y）進(jìn)行最小值濾波，得到暗通道圖像Id（x,y）,再利用伽馬變換對其進(jìn)行灰度矯正，伽馬變換對于圖像明暗對比的增強(qiáng)有顯著效果，該過程處理公式見式（7）。

式中：γ為伽馬變換中的伽馬值；α為灰度縮放系數(shù)，對圖像灰度進(jìn)行整體拉伸，取值通常為1；Vp（x,y）為暗態(tài)點(diǎn)光源模型。對其進(jìn)行高斯濾波后可以得到最終點(diǎn)光源模型。

有霧圖像的亮度分布Ib（x,y）見式（8）。

傳統(tǒng)的引導(dǎo)濾波會(huì)導(dǎo)致圖像的邊緣信息出現(xiàn)丟失，因此使用了聯(lián)合雙邊濾波[20]替代傳統(tǒng)引導(dǎo)濾波，既可以對目標(biāo)圖像進(jìn)行引導(dǎo)濾波，又可以獲得較好的邊緣保持效果。將Vp（x,y）作為目標(biāo)圖像，Ib（x,y）作為引導(dǎo)圖像，利用聯(lián)合雙邊濾波對井下有霧圖像的大氣光分布A（x,y）進(jìn)行估計(jì)。此時(shí)的大氣光分布主要保留點(diǎn)光源和光線覆蓋范圍以內(nèi)的信息，將其用于后續(xù)去霧處理可以改善圖像過暗以及失真問題。

3.2 改進(jìn)透射率分布

由于煤礦井下大環(huán)境是比較黑暗的，而且光線也非常不均勻，因此，在對影像的透射系數(shù)分布進(jìn)行計(jì)算時(shí)，存在著對其進(jìn)行t′（x,y）的估算值比較小的問題。為了解決這個(gè)問題，增加了暗通道可信度權(quán)值因子 ω以及最優(yōu)暗通道圖像來提高圖像的透射率分布精度。

3.2.1 暗通道可信度權(quán)值因子獲取

在HSV 彩色空間中，對井下有霧圖像I（x,y）進(jìn)行通道分割，得到飽和度圖像S（x,y）與亮度圖像V（x,y）影像，并對其進(jìn)行最大值濾波Smax（x,y）與最小值濾波Vmin(x,y)處理，由于圖像邊緣信息損失嚴(yán)重，使用聯(lián)合雙邊濾波對其細(xì)化得到。流程如圖5 所示。

圖5 暗通道可信度權(quán)值因子獲取流程圖Fig.5 Flow chart of obtaining dark channel credibility weight factors

再對暗通道可信度權(quán)值因子 ω進(jìn)行求取，計(jì)算見式（9）和式（10）。

式中：ω1為飽和度系數(shù)；ω2為亮度系數(shù)；k1和k2為縮放系數(shù)。

3.2.2 最優(yōu)暗通道去霧圖像獲取

構(gòu)建扇形模型，如圖6 所示，假定高斯平均衰減函數(shù)用于估計(jì)暗影區(qū)的極大值和極小值，利用幾何平均不等式對其進(jìn)行連續(xù)近似，從而得到最優(yōu)暗通道去霧圖像，記為J′（x,y）。

圖6 扇形模型示意圖Fig.6 Schematic diagram of sector model

為了防止逼近過程中產(chǎn)生溢出現(xiàn)象，使用相對劇烈的衰減 ρ1處理上邊界 min（Icmax（x,y）），相對平緩的ρ2處理下邊界 min（Icmin（x,y）），得到邊界估值見式（11）。

使用不等式形式進(jìn)行逼近，得到最優(yōu)暗通道去霧圖像J′（x,y），見式（12）。

3.2.3 改進(jìn)透射率分布獲取

結(jié)合井下大氣光分布A（x,y），以暗通道可信度權(quán)值因子 ω和最優(yōu)暗通道去霧圖像J′（x,y）為修改參數(shù)，對透射率分布公式進(jìn)行了修改，得出式（13）。

式中，ψ為霧層保留參數(shù)，用以保留有霧圖像中的少量霧氣，保證了圖像的真實(shí)性，在井下環(huán)境較暗的圖像處理中，一般取0.65。

在獲得井下大氣光分布A（x,y）和優(yōu)化透射率t′（x,y）后，對式（6）進(jìn)行改進(jìn)得到式（14）。

4 算法流程設(shè)計(jì)

井下視頻監(jiān)控系統(tǒng)通過井下監(jiān)控設(shè)備采集到實(shí)時(shí)的圖像畫面，由于視頻監(jiān)控中的圖像畫面存在大量霧氣和水汽以及圖像亮度較暗的問題，導(dǎo)致圖像質(zhì)量較差。為了解決這些問題，在暗通道先驗(yàn)理論的基礎(chǔ)上，提出了改進(jìn)透射率分布估計(jì)的井下去霧算法，該算法包括三個(gè)主要的模塊，分別是井下環(huán)境光線分布估計(jì)、透射率分布估計(jì)和顏色校正。算法實(shí)現(xiàn)過程如圖7 所示，具體過程如下所述。

圖7 算法流程圖Fig.7 Flow chart of algorithm

4.1 井下環(huán)境光分布估計(jì)

在計(jì)算煤礦井下環(huán)境光照分布估計(jì)值時(shí)，采用最小濾波器與伽馬變換相結(jié)合的方法，建立出暗態(tài)點(diǎn)光源模型，以該模型作為目標(biāo)圖像，使用亮度分布作為引導(dǎo)函數(shù)，再經(jīng)聯(lián)合雙邊濾波估計(jì)井下有霧圖像的環(huán)境光分布。

4.2 透射率分布估計(jì)

將HSV 通道分出亮度通道和飽和度通道，分別進(jìn)行最大值濾波和最小值濾波處理，通過聯(lián)合雙邊濾波器進(jìn)行精細(xì)處理，獲得最優(yōu)暗通道去霧圖像。建立一個(gè)扇形模型，并利用高斯均函數(shù)作為邊界限制，得到最佳暗通道去霧圖像。結(jié)合井下環(huán)境光分布，利用修正參數(shù)對透射率分布進(jìn)行改進(jìn)，再對有霧圖像進(jìn)行還原后獲取無霧圖像。

4.3 色彩校正

利用含霧圖像G 通道的最大灰度值求出景深圖像，與圖像R 通道和B 通道的最大灰度值相減，得到景深差分圖像，利用修正參數(shù)，對R 通道和B 通道進(jìn)行色偏修正，將修正后的R 通道、G 通道、B 通道進(jìn)行融合，獲得顏色修正后的圖像。

5 工作過程模擬仿真與分析

為了驗(yàn)證改進(jìn)透射率分布估計(jì)的去霧算法的有效性，對煤礦井下大量的有霧圖像進(jìn)行了測試（由于篇幅有限，僅選擇3 張井下圖像進(jìn)行測試），同時(shí)與Retinex 去霧算法、暗通道先驗(yàn)算法進(jìn)行比較。仿真結(jié)果如圖8 所示。

圖8 仿真結(jié)果Fig.8 Results of simulation

由圖8 可知，Retinex 去霧算法在整體亮度方面有所提升，但是圖片清晰度不高，存在細(xì)節(jié)丟失問題，暗通道先驗(yàn)算法雖然達(dá)到了一定的去霧效果，但是在有點(diǎn)光源的圖像中存在嚴(yán)重過曝光的問題。改進(jìn)透射率分布估計(jì)的去霧算法在有點(diǎn)光源的圖像中沒有出現(xiàn)嚴(yán)重過曝光的現(xiàn)象，整體顏色沒有出現(xiàn)失真，很好地保留了圖像的細(xì)節(jié)，對有霧圖像的處理優(yōu)于其他算法，圖像優(yōu)化效果整體更好。

為了驗(yàn)證改進(jìn)透射率分布估計(jì)去霧算法的優(yōu)越性，采用了峰值信噪比[21]、均值、標(biāo)準(zhǔn)差、平均梯度四種指標(biāo)對各類算法的去霧效果進(jìn)行客觀評(píng)價(jià)，結(jié)果見表1。其中，峰值信噪比表示去霧圖像的失真性，數(shù)值越大，代表圖像失真越?。恍畔㈧乇硎緢D像含有的信息量，信息熵越大，表示圖像細(xì)節(jié)越豐富；標(biāo)準(zhǔn)差表示圖像對比度的高低，標(biāo)準(zhǔn)差值越大，圖像的細(xì)節(jié)越豐富[22]；平均梯度數(shù)值用來表示圖像的清晰度水平，平均梯度數(shù)值越大，圖像的清晰度越高。

表1 算法質(zhì)量對比Table 1 Comparison of algorithm quality

由表1 可知，基于峰值信噪比、均值、標(biāo)準(zhǔn)差、平均梯度的參數(shù)對比，雖然Retinex 算法和對數(shù)增強(qiáng)算法處理后的圖像亮度明顯增高，但是亮度過高導(dǎo)致了圖像細(xì)節(jié)大量丟失，清晰度的提升也不夠明顯，而峰值信噪比和標(biāo)準(zhǔn)差的升高說明改進(jìn)透射率分布估計(jì)的去霧算法顯著提高了圖像清晰度，并有效解決了圖像的過曝光以及失真問題，更好地保留了圖像的層次和細(xì)節(jié)。

6 結(jié)語

針對煤礦井下霧氣水汽較大和光源分布不均的特殊環(huán)境，提出了一種基于暗通道先驗(yàn)算法的改進(jìn)透射率分布估計(jì)井下圖像去霧算法，解決了傳統(tǒng)暗通道先驗(yàn)算法在光源分布不均的場景下存在的圖像光源區(qū)域紋理損壞嚴(yán)重的問題，引入暗態(tài)點(diǎn)光源模型對井下有霧圖像的大氣光分布進(jìn)行估計(jì)，在此基礎(chǔ)上，采用暗通道可信度權(quán)值因子和最優(yōu)暗通道去霧圖像來改善圖像的透射率分布。實(shí)驗(yàn)結(jié)果表明：改進(jìn)透射率分布估計(jì)的井下圖像去霧算法在煤礦井下塵霧嚴(yán)重，光源分布不均的特殊環(huán)境中表現(xiàn)出良好的去霧效果，有效減少了圖像細(xì)節(jié)的丟失，去霧效果明顯，同時(shí)對場景亮度做到了一定的保留，與Retinex 算法和暗通道先驗(yàn)算法相比，本文算法在峰值信噪比、信息熵和平均梯度等方面有較大幅度提高，使得復(fù)原后的無霧圖像具有更加豐富的細(xì)節(jié)信息，去霧效果更好。