基于矿山井下视频监控系统的图像增强方法研究

陈 烨，鲍 捷，池 庆

(中国矿业大学信电学院，江苏徐州 221008)

随着煤炭科学技术的发展，煤矿生产安全监测系统日趋完善，煤矿工业电视视频监控系统得到了越来越广泛的应用。然而，由于煤矿井下环境通常比较恶劣、照度低、光线分布不均匀，图像几乎没有色彩，而且煤矿井下粉尘较多，摄像机镜头长时间在井下会蒙上一层灰尘，从而导致工业电视图像质量不高［1］。另外，电视图像在传输的过程中不可避免地遇到一些干扰，进一步影响了图像传输的质量。所以，针对煤矿井下图像进行增强处理，提高图像的清晰度，使井下的人员、重要设备及生产过程一目了然，对煤矿的安全生产、抢险救灾起到重要的作用［2-4］。

本文提出了一种基于脊波的图像增强算法，该算法利用脊波变换良好的线性描述特性，并改进离散脊波变换的实现方法，选用自适应方法增强函数对图像进行增强处理，能有效地描述二维空间上具有直线奇异性的信号和消除噪声，使图像的细节更加突出明显。

1 脊波变换理论

1.1 连续脊波变换

由该小波母函数生成定义在R2:x=x1cosθ+x2sinθ上的Ridgelet函数，其中a，b和θ分别为Ridgelet的尺度、位置和方向参数。它们分别满足以下条件:a＞0，b∈R，θ∈［0，2π)。由此可知，Ridgelet函数在直线x1cosθ+x2sinθ=c上是常数，而沿该直线垂直的方向上将得到其原型小波函数的波形，并且称以下变换为f(x)在R2上的连续 Ridgelet变换［5］

1.2 改进的Ridgelet的离散化

针对二维离散数据，分别对3个参数离散化，即θj，i=2π×2-ji，aj=2-j，bj，m=2πm×2-j，则

式中:m1，m2∈［0，1，…，n-1］，j≥J，i=0，…，2j-1-1。

从而有

令离散脊波变换系数为

则有离散重构公式

并且满足L2模意义下的等式

2 煤矿井下Ridgelet变换的图像增强算法

2.1 基于单尺度Ridgelet图像增强

为了增强图像的线性信息，同时兼顾不放大噪声和保护原本清晰的边缘部分不产生失真的条件下，需要在给定的阈值范围内对Ridgelet系数作修正。设原图像为I，脊波变换后的系数为r，增强变换后的系数为yr，系数最小阈值和最大阈值分别为Tmin和Tmax，在Tmax之外的系数认为是图像线性很强的边缘信息，这部分系数需要保留，小于Tmin的系数包含噪声，不需要进行放大，因而只需对系数绝对值在［Tmin，Tmax］之间的系数作修正处理。本文使用如下函数来处理Ridgelet系数的值［6］

式中:p表示增强曲线的非线性的程度，实际上也是增强程度;Tmin=cσ，σ是原图像的噪声标准差，c是待定参数。为了避免放大噪声，取c≤3的数，Tmax根据脊波变换的最大系数Mr决定，其中，Tmax=LMr，L＜1。

但是在实际的操作与应用上，式(8)很难事先知道一幅自然图像的噪声水平，Tmin的选择决定了图像噪声水平是否被放大，以及增强效果的好坏。本文利用式(9)来自适应得到Ridgelet分解系数的噪声水平［7］，以rl表示第l方向的Ridgelet系数，令Tmin=2σ计算得出Tmin，且

基于单尺度Ridgelet变换的图像增强的步骤如下:

1)对原图像进行分割。由于一幅图像中的重要特征可能是曲线，将图像分割成相互重叠的16×16的子块，在子图像中用直线逼近曲线。

2)对分割后的每一个子图像进行Ridgelet变换，得到相应子图像的Ridgelet系数。

3)对于l方向的系数rl，分别用式(9)计算噪声标准差σl，并计算Tmin和Tmax。

5)对每一块处理后的系数yr进行Ridgelet逆变换，得到重构子图像。

6)图像拼接。将得到的每个子图像拼接为完整的重构图像。

2.2 图像增强评价标准

目前常用的图像评价主要有两种:一种是主观评价法，它主要是由人眼直接观察图像得出图像的效果，这种方法直观迅速，但受主观因素的影响比较大。另一种是客观评价标准，峰值信噪比(PSNR)是在图像去噪中是最常见的评价标准，它可以对图像定量地进行描述，反映出重构图像和原图像的差距，但是在实际中常常发现不同的细节图像虽然PSNR相同，而图像的视觉效果并不相同。所以本文利用边缘保护指数、对比度提升指数和平均梯度作为评价标准，这样更加符合人们的视觉效果。

边缘保护指数EPI是衡量图像边缘和细节突出程度的一个标准［8］，定义为

式中:Io表示原始图像;Ip表示增强后的图像，(i，j)∈Z。边缘保护指数越大，说明图像的边缘和细节越清晰。

对比度提升指数CII可以反映图像增强后的对比度提升效果，增强对比度有利于更好地辨认图像中的细节信息。CII定义为［9］

式中:Gmax和Gmin分别表示图像分成一定小块后每一块图像灰度的最大值和最小值;C表示每一小块图像的对比度;Co表示原始图像的均值;Cp表示增强后的图像的均值。对比度提升指数CII越大，说明图像增强后对比度提升越大。

平均梯度(Average-grad)可以敏感地反映出图像对细节反差的表达能力，可用来评价图像的清晰程度。平均梯度的计算公式为

式中:f(x，y)为图像函数;M和N分别表示图像的行数和列数。一般情况下，平均梯度越大，图像主观视觉效果越好。

2.3 实验结果

实验图像为煤层图像和巷道图像，实验结果如图1和图2所示。

图1 煤层各算法效果图

图2 巷道各算法效果图

比较不同方法的增强图像(见图1)，可以看出原煤层图像光线不足，而且模糊;直方图均衡化方法增强后图像对比度有着明显提升，但是图像某些区域出现过度增强现象，导致细节部分丢失，仍旧无法分辨;小波增强后图像的点奇异性信息更加突出，图像视觉效果有所改善，但整体增强效果还有待改善;脊波增强后图像的对比度进一步提高，增加了图像的清晰度，对于煤层表面的煤炭颗粒细节都能够很好地突出。

图2各图中，可以发现原煤矿巷道照度不足，有些细节无法体现;而直方图均衡化的增强图像提升了对比度，使得煤矿井下巷道的光线增强，提高了可视范围，但对于巷道墙面及顶层的照明灯的相关细节被忽略掉;小波增强后图像清晰度得到了很好的改善，但是地面、墙面、照明灯等细节信息并没有很好地突出;脊波增强算法不仅在对比度上有所提高，而且增强了图像的细节化信息，比如地面的砖块、巷道墙面的凹凸感、墙面上的管道和挂钩，增强了图像的清晰度使得它更加符合人们的视觉。

不同增强方法评价指数比较如表1所示，直方图增强对比度提升指数相对比较高，过度增强，导致有些细节信息还是无法分辨;小波增强方法在边缘保护指数，平均梯度上均优于直方图均衡化，使图像更加清晰;脊波增强在边缘保护指数和平均梯度上进一步增大，说明了脊波增强后的图像更加清晰，边缘特征、点奇异性信息等更加突出，图像视觉效果明显改善。

表1 不同增强方法评价指数比较

3 总结

本文将Ridgelet变换算法应用在煤矿工业电视图像处理上，实验结果表明，脊波变换比直方图均衡化变换的图像更加适合表示线性特征，适用于增强图像中脆弱的甚至人眼不可分辨的线性信息，因而Ridgelet变换在图像增强中有着广泛的应用前景。然而，在自然图像中存在更多的曲线纹理特征，本文使用的单尺度脊波变换对曲线特征描述仍具有一定局限性，在此基础上，实现和应用多尺度的脊波变换(曲波变换)进行图像处理值得进一步研究。随着计算机技术的发展，图像处理技术必将不断发展，为矿山现代化的建设提供了有效地保障，将图像处理运用在矿山监控上，将大大提高矿山的生产效率和安全性。

:

［1］蔡利梅，钱建生，赵杰，等.基于模糊理论的煤矿井下图像增强算法［J］.煤炭科学技术，2009，37(8):94-96.

［2］许春香.图像增强技术在煤矿视频监控系统中的应用与研究［D］.郑州:郑州大学，2003.

［3］赵艳芹，王振翀，付喜辉.基于煤矿视频监控系统的图像增强方法研究［J］.煤矿机械，2012，33(5):63-65.

［4］王聪.一种基于监控系统的图像清晰度检测算法［J］.电视技术，2012，36(21):162-164.

［5］CANDES E J，DONOHO D L.Ridgelets:a key to higher-dimensional intermittency［EB/OL］.［2013-03-10］.http://www.docin.com/app/p?id=292875592.

［6］赵振磊，耿则勋，王亚新，等.基于第二代Curvelet变换的自适应图像增强［J］.计算机工程与应用，2009，45(9):192-195.

［7］CHANG S G，YU Bin，VETTERLI M.Adaptive wavelet thresholding for image denoising and compression［J］.IEEE Trans.Image Processing，2000(9):1532-1546.

［8］谢美华，王正明.图像分辨率增强的偏微分方程方法［J］.遥感学报，2005，9(6):673-679.

［9］陈志坚，成培，李峰.基于小波变换的多层次图像增强算法［J］.长沙理工大学学报:自然科学版，2006，3(2):69-72.