改進同態(tài)濾波的礦井監(jiān)控視頻圖像增強算法

邵小強，楊 濤，衛(wèi)晉陽，汪博林，王國威，張?zhí)脝ⅲ?鑫

（西安科技大學 電氣與控制工程學院，陜西 西安 710054）

0 引 言

目前，煤炭仍是中國能源結(jié)構(gòu)的重要組成部分，因此礦山安全問題一直受到國家和社會的廣泛關(guān)注[1]。隨著“智慧煤礦”、“智慧礦山”的提出，各種智能化技術(shù)應(yīng)用到煤礦安全生產(chǎn)當中[2-3]。其中一項重要技術(shù)為通過目標檢測算法監(jiān)控井下人員、設(shè)備和車輛[4]。但是在環(huán)境復雜的煤礦井下，由于光線不足且監(jiān)控設(shè)備易受到粉塵、霧氣等諸多因素的干擾，致使監(jiān)控設(shè)備在成像后易造成圖像模糊、亮度低、細節(jié)部分區(qū)分不明顯等問題。另外，礦井下的電磁環(huán)境十分復雜，導致礦井監(jiān)控設(shè)備在采集和傳輸圖像的過程中會受到多種類型的噪聲干擾（高斯噪聲、椒鹽噪聲等）[5]，這也導致得到的井下圖像較為模糊。使得目標檢測算法在檢測人員、設(shè)備和車輛時精度較低，因此針對煤礦復雜場景下圖像增強算法的研究具有重要意義[6]。

隨著圖像處理技術(shù)的日益更新，越來越多的方法應(yīng)用到礦井圖像增強方面。薛國華提出采用限制對比度自適應(yīng)直方圖均衡化（CLAHE）算法對井下綜采工作面圖像進行增強的方法，雖然能夠較好地突出圖像細節(jié)，但不能很好的解決圖像中含有大量噪聲的問題[7]。智寧等提出一種基于照度調(diào)整的礦井圖像增強方法，在采用Retinex理論的過程中，加入一種新的“S”型曲線函數(shù)對圖像照度分量進行調(diào)整，雖然能夠較好的均衡照度的影響，但增強后會有光暈現(xiàn)象產(chǎn)生[8]。WANG等提出采用中值濾波對礦井圖像先進行除噪，然后采用改進的自適應(yīng)直方圖均衡化算法完成對礦井圖像的增強，但去噪效果不是很好[9]。趙謙等提出一種BEMD分解的礦下圖像增強算法，將圖像轉(zhuǎn)化到頻域后對圖像高頻分量和低頻分量分別進行處理，然后融合的方式達到增強礦井圖像的目的，但算法復雜且無法滿足實時增強的需要[10]。同態(tài)濾波算法較為簡易，具有較好的去噪效果且能很好的對照度不均勻、分辨率低的低照度圖像進行增強[11-12]，但是常用的同態(tài)濾波具有以下缺點[13]。

1）在圖像增強過程中，同態(tài)濾波算法會削弱圖像中的部分低頻信號，導致圖像中部分暗區(qū)域的細節(jié)丟失，甚至是失真。

2）同態(tài)濾波算法在增強圖像時有較多參數(shù)需要設(shè)定。為得到較好的增強效果，需要經(jīng)過多次調(diào)試，從而確定參數(shù)的數(shù)值，因此實用性較低。

針對同態(tài)濾波上述缺點，在引入田小平等提出的單參數(shù)同態(tài)濾波算法的基礎(chǔ)上，筆者對同態(tài)濾波算法做出改進，在減少需要確定參數(shù)個數(shù)的同時，使同態(tài)濾波算法能更好的增強井下圖像，并在這過程中提出一種飽和度自適應(yīng)增強算法。最后通過主觀評價和客觀評價兩方面驗證所提算法的有效性[14]。

1 同態(tài)濾波算法

1.1 同態(tài)濾波算法流程

同態(tài)濾波算法是基于圖像照射-反射模型所提出的[15]。通常情況下，可以將圖像f（x，y）看成照射強度i（x，y）和反射強度r（x，y）的乘積，因此有

f（x,y）=i（x,y）·r（x，y）

（1）

為了將非線性的信號轉(zhuǎn)化為線性模型，通常采用對數(shù)變換。

Lnf（x,y）=Lni（x,y）+Lnr（x，y）

（2）

然后使用快速傅里葉變換（FFT）[16]將空域下的圖像轉(zhuǎn)換到頻域空間中。

￡[Lnf（x,y）]=￡[Lni（x,y）]+￡[Lnr（x，y）]

（3）

￡[*]表示對“*”部分進行快速傅里葉變換。

令F（u,v）=￡[Lnf（x,y）],I（u,v）=￡[Lni（x,y）]，R（u,v）=￡[Lnr（x,y）]。

此時需要使用一種濾波器H（u，v）對低頻分量進行抑制，對高頻分量進行增強。通常選用高斯高通濾波、巴特沃斯高通濾波或指數(shù)濾波[17-19]。

H（u,v）F（u,v）=H（u,v）I（u,v）+H（u,v）R（u,v）

（4）

濾波后通過快速傅里葉逆變換將圖像轉(zhuǎn)換回空域下。

hf（x,y）=hi（x,y）+hr（x,y）

（5）

h*（x,y）表示對“*”部分相應(yīng)變量進行快速傅里葉逆變換。

再通過指數(shù)變換得到最終處理后的圖像。

g（x,y）=ehi（x,y）·ehr（x,y）

（6）

上述流程如圖1所示。

圖1 同態(tài)濾波算法流程Fig.1 Flow chart of homomorphic filtering algorithm

1.2 改進的同態(tài)濾波

通過上文可知，在同態(tài)濾波算法中起決定作用的是濾波器H（u，v），而濾波器H（u，v）通常取如下形式

（7）

（8）

式中 01，控制濾波器的幅度范圍；c為一個常數(shù)，控制濾波器的形態(tài)；D0為截止頻率；D（u,v）為點（u,v）與濾波中點（u0,v0）的直接距離，可根據(jù)式（8）求解得出。

此時要確定rL，rH，c和D04個參數(shù)，需要多次仿真實驗才能得到較好的增強效果。文中引入一種改進的單參數(shù)同態(tài)高通濾波[13]，濾波器見式（9）。

（9）

式中Hhp（u,v）為同態(tài)高通濾波器；t為高通截止頻率影響因子。

同態(tài)高通濾波器是高通濾波器的變形，未優(yōu)化的濾波器即未加高低頻增益的濾波器，其三維結(jié)構(gòu)如圖2所示。改進濾波器的三維結(jié)構(gòu)如圖3所示。

通過圖2和圖3比較，所提出的濾波算法從中心頻率到高頻的過渡較為平緩，斜率相對較小，使得濾波效果更加均勻。

圖2 高斯型濾波器三維結(jié)構(gòu)Fig.2 3D structure of Gaussian filter

圖3 改進高斯型濾波器三維結(jié)構(gòu)Fig.3 3D structure of improved Gaussian filter

由3.1節(jié)可知，引入算法得到的圖像丟失了部分暗區(qū)域信息，并且圖像對比度較低，細節(jié)部分區(qū)別不明顯。因此再通過同態(tài)低通濾波對輸入的礦井監(jiān)控視頻圖像進行處理，得到圖像輪廓和暗區(qū)域信息。為避免處理過程中產(chǎn)生“振鈴”現(xiàn)象，文中選擇一階的巴特沃斯低通濾波器[20]并對其作出改進。

傳統(tǒng)的巴特沃斯低通濾波函數(shù)為

（10）

參照引入的單參數(shù)同態(tài)高通濾波器對低通濾波的濾波器做出改進，將同態(tài)低通濾波器設(shè)為

（11）

式中Hlp（u,v）為同態(tài)低通濾波器；d0為低通截止頻率影響因子。此時只有一個調(diào)節(jié)參數(shù)d0控制截止頻率，減少參數(shù)過多帶來的不便。

此時未優(yōu)化濾波器的三維結(jié)構(gòu)如圖4所示，改進濾波器的三維結(jié)構(gòu)如圖5所示。

通過圖4和圖5比較，所提出的濾波算法從中心頻率到低頻的過渡較為平緩，斜率相對較小，使得濾波效果更加均勻。

圖4 巴特沃斯濾波器三維結(jié)構(gòu)Fig.4 3D structure of butterworth filter

選取井下隨機一幅監(jiān)控視頻圖像畫面，將傳統(tǒng)一階巴特沃斯同態(tài)低通濾波和所提算法進行比較，參數(shù)設(shè)置見表1。

從圖6中增強圖像（b）～（g）對應(yīng)的灰度可看出，改進的單參數(shù)同態(tài)低通濾波可以更好地提取井下圖像的背景和暗區(qū)域信息（圖6（a）為原圖），且只需調(diào)整參數(shù)d0即可，提高該算法的實用性。

圖5 改進巴特沃斯濾波器三維結(jié)構(gòu)Fig.5 3D structure of improved butterworth filter

表1 同態(tài)濾波器參數(shù)設(shè)定

圖6 煤礦井下監(jiān)控視頻圖像增強圖像及其灰度Fig.6 Monitoring video image enhancement and grayscale in coal mine

2 礦井監(jiān)控視頻圖像增強實現(xiàn)步驟

2.1 基于改進同態(tài)濾波的圖像融合

使用引入的單參數(shù)同態(tài)高通濾波和上文提出的同態(tài)低通濾波對井下圖像分別進行處理，得到圖像Ih和Il。圖像Ih為采用單參數(shù)同態(tài)高通濾波所得，包含原始圖像大部分信息，但得到圖像偏亮且丟失了部分暗區(qū)域信息。圖像Il為采用上文提出的同態(tài)低通濾波算法所得，包含原始圖像背景及暗區(qū)域信息。使用公式（12）將Ih和Il2幅圖像進行加權(quán)融合，得到圖像Is

Is=a·Ih+（1-a）·（Il/b）

（12）

式中a（0

2.2 融合圖像的亮度及飽和度增強自適應(yīng)參數(shù)調(diào)整

加權(quán)融合后得到的圖像Is雖然濾除大部分噪聲，且對礦井圖像進行增強，但圖像對比度較低，細節(jié)區(qū)分不明顯。因此將融合后的圖像Is轉(zhuǎn)換到HSV空間下[21]，該方法可以在減少后續(xù)算法處理時間的同時，保證圖像原有色彩結(jié)構(gòu)不發(fā)生較大變化。在保持圖像色彩結(jié)構(gòu)（H分量）不變的情況下，對亮度分量V使用CLAHE算法[22]進行校正，CLAHE還可以抑制噪聲對圖像的影響。

圖像亮度變化后會引起飽和度發(fā)生變化，且為了進一步提高對于上文所提算法處理后礦井監(jiān)控視頻圖像的對比度，豐富圖像細節(jié)信息，有必要對飽和度分量S進行增強[23]。因此筆者提出一種非線性自適應(yīng)飽和度增強算法，見式（13）。

（13）

式中Sout為校正后的S分量；Sin為校正前的S分量；Vmax，Vmin和Vmean分別為圖像在亮度通道下像素的最大、最小和平均值。

此時

Sout=k·Sin

（14）

由于Vmax，Vmin和Vmean都代表圖像像素點的亮度值，故取值范圍為[0：255]。因此k>1，則飽和度分量S會隨著圖像各像素點亮度值的不同而自適應(yīng)增強。

2.3 礦井監(jiān)控視頻圖像增強處理結(jié)構(gòu)設(shè)計

礦井監(jiān)控視頻圖像增強算法原理如圖7所示。

圖7 礦井監(jiān)控視頻圖像增強算法原理Fig.7 Principle diagram of mine surveillance video images enhancement algorithm

文中設(shè)計的礦井監(jiān)控視頻圖像增強處理算法可分為以下幾個層次。

1）使用單參數(shù)同態(tài)高通濾波得到圖像Ih，使用改進同態(tài)低通濾波得到圖像Il，然后使用式（12）完成礦井監(jiān)控視頻圖像的融合。

2）將融合后的圖像Is轉(zhuǎn)換至HSV空間下，對亮度分量V采用CLAHE校正，利用校正后的亮度分量V使用式（13）完成對飽和度分量S的自適應(yīng)增強。

3）將HSV空間下的圖像轉(zhuǎn)換到RGB空間下，即完成對礦井監(jiān)控視頻圖像的增強。

3 礦井圖像增強效果驗證

3.1 參數(shù)對實驗結(jié)果的影響

根據(jù)上文可知，式（9）中參數(shù)t（高通截止頻率影響因子）、式（11）中參數(shù)d0（低通截止頻率影響因子）、式（12）中參數(shù)a（融合權(quán)重）和參數(shù)b（低頻信息權(quán)重）的設(shè)定對實驗結(jié)果都有重要的影響。

通過分析式（9）可以得知，參數(shù)t通過抑制低頻分量，增強高頻分量達到增強礦井圖像的目的。文中根據(jù)實驗建議t的取值范圍為（0，1）。通過分析易知當t→1時，式（9）變?yōu)橄率健?/p>

（15）

此時D（u,v）t?1，相當于直接輸出原圖像。一般而言，隨著t的減小，濾波效果越明顯。圖8展示不同的t對圖像增強效果的影響。從圖8可以看出，t=0.001時，對井下圖像的濾波效果達到最佳。

10月份，上海市石化行業(yè)無論是產(chǎn)值還是利潤均呈下降走勢。臨近歲末，預(yù)計上海市石化行業(yè)經(jīng)濟運行仍處于收縮態(tài)勢，需求總體呈下降趨勢，化工市場難有好的表現(xiàn)，上海市石化行業(yè)完成全年預(yù)期目標面臨嚴峻挑戰(zhàn)。唯有直面下行壓力，采取措施積極應(yīng)對諸多不確定因素，加大調(diào)結(jié)構(gòu)、促增長、保穩(wěn)定的力度，促進經(jīng)濟平穩(wěn)運行，在今年最后兩個月，全力沖刺，方能確保全年任務(wù)完成。

圖8 參數(shù)t對圖像增強效果的影響Fig.8 Effect of parameter t on the image enhancement

參數(shù)d0通過抑制高頻分量，提升圖像亮度，以便更好地提取圖像暗區(qū)域信息。文中根據(jù)實驗建議d0的取值范圍為（0，20]。圖9展示不同的d0對圖像增強效果的影響。從圖9可以看出，d0=15時，獲得的圖像質(zhì)量最佳。

在確定融合權(quán)重a時，選擇以Ih的圖像信息為主，以圖像Il為輔，達到補充圖像背景及暗區(qū)域信息的目的，所以一般情況下0.5

圖9 參數(shù)d0對圖像增強效果的影響Fig.9 Effect of parameter d0 on the image enhancement

圖10 參數(shù)a和b對圖像增強效果的影響Fig.10 Effect of parameters a and b on image enhancement

從圖10可看出，針對當前場景，a=0.7,b=2效果最好。

3.2 實驗仿真條件及結(jié)果

實驗環(huán)境為：Intel（R）Core（TM）i5-6300HQ CPU@2.30 GHz，內(nèi)存為8.00 GB，操作系統(tǒng)為Windows 10家庭中文版，采用 MATLAB 2017a進行仿真實驗。為驗證文中算法的有效性，選取煤礦井下的3個不同場景，然后在這3個場景的監(jiān)控視頻中隨機選取一幀圖像作為原圖（圖像中包括粉塵、霧氣、低照度等）進行增強，并從主觀評價和客觀評價兩方面對其進行驗證。作為對比，文中選擇帶色彩恢復的多尺度Retinex算法（MSRCR算法），單參數(shù)同態(tài)濾波算法，上文提出的加權(quán)融合同態(tài)濾波算法作為對比。其中MSRCR算法[24]、單參數(shù)同態(tài)濾波算法[14]都采用原文中推薦的參數(shù)。文中算法的參數(shù)設(shè)置為t=0.001,d0=15,a=0.7,b=2。

3.3 主觀評價

主觀方面主要是通過人的視覺為評判標準，為更好地驗證文中所提算法的有效性，驗證過程中加入灰度直方圖作為評判圖像對比度高低的判斷標準[25]。如果一幅圖像的灰度級分布是均勻且廣泛的，則可說明它的對比度高。

圖11（a）為3幅不同場景下的礦井原始視頻圖像。由于井下昏暗，且監(jiān)控設(shè)備在成像時受到粉塵、霧氣等因素的干擾，導致圖像模糊，對比度低。從圖12（a）相應(yīng)的灰度圖可看到，此時圖像灰度集中分布在0～150之間。圖11（b）為MSRCR算法處理的圖像，它雖然修復圖像色彩信息，但整體提升圖像亮度，降低圖像對比度，破壞圖像原有的色彩信息，且由圖12（b）也可看出此時像素主要分布在大于50的區(qū)域。圖11（c）為單參數(shù)同態(tài)濾波算法處理的圖像，它雖然抑制圖像中的噪聲，但造成圖像部分暗區(qū)域細節(jié)信息丟失，灰度圖分布也不均勻。圖11（d）為加權(quán)融合同態(tài)濾波算法處理的圖像，圖11（c）和圖11（d）主觀上差異很小，因此接下來將從客觀質(zhì)量上進行評價。圖11（e）為文中算法處理的圖像，它能夠在原有圖像具有的色彩信息基礎(chǔ)上，更多地展現(xiàn)圖像細節(jié)，提高圖像對比度與整體視覺效果。且由圖12（e）相應(yīng)的灰度圖也可看出，此時灰度在0～255均有分布，且在50～150之間分布居多。

圖11 3種不同場景下的算法對比Fig.11 Comparison of values by different algorithms

3.4 客觀評價

客觀評價采用標準差、均值、峰值信噪比（PSNR）以及信息熵作為評價上文所提算法有效性的判斷依據(jù)。均值用于表征圖像的亮度（圖像越亮，該數(shù)值越大）；標準差用于表征圖像的對比度（圖像對比度越高，該數(shù)值越大）；信息熵表征圖片所具有的信息量（圖像含有的信息越豐富，該數(shù)值越大）；峰值信噪比表征圖像的保真性（圖像失真越小，該數(shù)值越大）。表2為3個場景下的算法質(zhì)量評價對比。由表2可知，MSRCR算法和單參數(shù)同態(tài)濾波算法雖然提高了圖像的亮度，但造成圖像對比度下降，且丟失圖像部分信息。加權(quán)融合同態(tài)濾波算法雖然補充圖像中的暗區(qū)域信息，提高圖像的保真性，但圖像對比度和含有的信息量大幅度降低。而文中研究的改進同態(tài)濾波算法既提升圖像的亮度與對比度，且提高圖像中含有的信息量，并且保真性較好。

圖12 3種不同場景下的算法灰度Fig.12 Gray scale of algorithm in three different scenarios

表2 算法質(zhì)量評價對比

通過客觀驗證的數(shù)據(jù)表明，所提算法可以有效改善由于煤礦井下監(jiān)控設(shè)備在成像時受到粉塵、霧氣、低照度等影響而造成的井下圖像照度分布不均勻、圖像模糊、細節(jié)部分差異不明顯等問題。且文中算法處理一幅圖像僅需時間1.1 s左右，后續(xù)將對算法繼續(xù)優(yōu)化，達到實時處理的目的。

4 結(jié) 論

1）在使用引入的同態(tài)高通濾波的同時，采用提出的同態(tài)低通濾波對礦井監(jiān)控設(shè)備得到的井下圖像進行處理，然后進行加權(quán)融合的方法可以有效改善由于同態(tài)濾波算法在對圖像增強過程中壓縮圖像動態(tài)范圍而導致丟失部分圖像暗區(qū)域的細節(jié)信息，甚至造成圖像失真這一缺點。

2）在使用改進同態(tài)濾波對礦井監(jiān)控視頻圖像增強的過程中提出一種非線性自適應(yīng)飽和度增強算法，使得飽和度分量可以根據(jù)圖像亮度的變化而自適應(yīng)增強。

3）經(jīng)仿真驗證，所提出的基于改進同態(tài)濾波的礦井監(jiān)控視頻圖像增強算法，能夠在保證圖像不失真且不破壞圖像原有色彩結(jié)構(gòu)的基礎(chǔ)上，較好地提升圖像亮度、對比度與圖像所含有的信息量。