麻雀搜索優(yōu)化的NSCT域引導(dǎo)濾波礦井下圖像增強

摘要：為解決礦井下圖像信息量不足的問題，本文提出了一種基于麻雀搜索算法優(yōu)化的NSCT域引導(dǎo)濾波礦井圖像增強方法。首先，利用非下采樣Contourlet變換（NSCT）將礦井下圖像分解為低頻和高頻子圖像。然后，對低頻子圖像采用引導(dǎo)濾波增強，對高頻子圖像進(jìn)行閾值去噪處理。最后，進(jìn)行NSCT反變換，得到增強后的圖像。然而，引導(dǎo)濾波中的盒濾波半徑和正則化因子兩個參數(shù)會影響圖像增強效果，因此使用麻雀搜索算法進(jìn)行參數(shù)優(yōu)化。實驗結(jié)果表明，與SSR、引導(dǎo)濾波、HE方法相比，所提出的算法生成的圖像具有更高的對比度和信息熵。

關(guān)鍵詞： 麻雀搜索算法; NSCT; 引導(dǎo)濾波; 閾值去噪; 礦井下圖像增強

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2024）24-0017-02

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）

0 引言

礦井工作目前大量應(yīng)用視頻監(jiān)控，以避免人為操作等因素造成的經(jīng)濟損失。為更好監(jiān)控礦井下的實時信息，礦井下圖像增強是不可或缺的[1]。

目前，常見的礦井下圖像增強方法包括空域法和頻域法，空域法的代表算法直方圖均衡化[2]可以有效解決礦井下圖像所出現(xiàn)的不足，但是易出現(xiàn)顏色失真?；陬l域法的典型算法小波變換[3]增強的圖像存在邊緣粗糙問題，因此NSCT[4]這種多分辨、多方向、平移不變的超完備的變換便應(yīng)運而生。但是基于NSCT的增強方法在對光照不均圖像進(jìn)行增強時，其視覺效果無法達(dá)到令人滿意的程度[5]。

針對上述方法的不足，提出一種麻雀算法優(yōu)化的NSCT域引導(dǎo)濾波礦井下圖像增強算法。首先，通過NSCT變換得到低頻、高頻子圖像。然后，對高頻子圖像進(jìn)行閾值去噪，凸顯圖像細(xì)節(jié)；對低頻子圖像用SSA尋優(yōu)的引導(dǎo)濾波進(jìn)行增強，增強圖像對比度。最后，對去噪后的高頻子圖像和增強后的低頻子圖像進(jìn)行NSCT反變換，得到最終增強的礦井下圖像。

1 NSCT變換

NSCT變換首先通過非下采樣金字塔（Non-Subsampled Pyramid， NSP）分解濾波器進(jìn)行多尺度分解。然后通過非下采樣方向濾波器組（Non-Subsampled Filter Banks， NSDFB）對高頻子圖像進(jìn)行多方向分解。NSCT變換分解結(jié)構(gòu)示意圖如圖1所示。

對圖2（a）進(jìn)行NSCT變換，得到1個低頻子圖像和2個高頻子圖像。

2 引導(dǎo)濾波增強

引導(dǎo)濾波有兩個輸入，即引導(dǎo)圖I與原始圖P，經(jīng)濾波后有輸出Q，濾波窗口為ωk。引導(dǎo)圖與輸出圖在梯度變化上可構(gòu)成局部線性模型，表達(dá)式為：

[Qi=akIi+bk，?i∈ωk] （1）

式中，ak、bk代表的是ωk對應(yīng)的線性系數(shù)；i代表的是對像素的索引。如果引導(dǎo)圖是原圖，那么：

[Qi=Pi-ni] （2）

式中，ni為噪聲。

為了計算出上述模型的系數(shù)，能夠?qū)⑵滢D(zhuǎn)變?yōu)榍蠼庾顑?yōu)解的問題，濾波窗口的損失函數(shù)為：

[Eak，bk=i∈ωkakIi+bk-Pi2+εak2] （3） 式中，[ε]表示的是避免ak過大的正則因子。

由式（3）可計算出ak，bk，并通過式（1）計算Qi。

3 閾值去噪

3.1閾值方法

硬閾值方法可以有效解決軟閾值造成的圖像邊緣模糊問題。因此，選用硬閾值對礦井下圖像進(jìn)行去噪，其公式如公式（4）所示。

[Cj'k=Cjk |Cjk|>T0 otherwise] （4）

式中：[Cjk]與[Cj'k]為處理前后高頻的系數(shù)，T為閾值。

3.2 噪聲估計

利用小波變換得到變換域的小波系數(shù)，其表達(dá)式如公式（5）所示。

[σ21=Median[hjk/0.6745]] （5）

式中，Median表示對序列取中值操作。

3.3閾值選取

全局閾值無法考慮變換域局部特征及級數(shù)間的差異，因此，選用分層閾值，其表達(dá)式如公式（（6）所示。

[Tk=σ12lnN×2（k-K）/2，k=0，1，…K] （6）

式中：K為是實施變換時的尺度數(shù)，k為尺度的等級。

4 麻雀搜索優(yōu)化礦井下圖像算法步驟

由于引導(dǎo)濾波中的參數(shù)盒濾波半徑與正則化因子對礦井下圖像的增強效果有影響，為了增強算法的自適應(yīng)性并使圖像增強效果達(dá)到最優(yōu)，選用了麻雀搜索算法（Sparrow Search Algorithm，SSA）[6]對這些參數(shù)進(jìn)行優(yōu)化。優(yōu)化所需的適應(yīng)度函數(shù)為式（7）中定義的信息熵（Entropy）與式（8）中定義的對比度（Contrast）的乘積，如公式（9）所示。

式中：M、N分別為圖像的寬度、高度，（i，j）、E（i，j）分別為圖像中像素所在的位置及其灰度值；D（i）是灰度值為i的像素數(shù)N（i）與圖像總像素數(shù)N之比，即[D（i）=N（i）/N]。

結(jié)合NSCT算法，利用麻雀搜索算法（SSA）對引導(dǎo)濾波參數(shù)進(jìn)行優(yōu)化，從而完成礦井下圖像的增強。整體算法框架如圖3所示。

具體步驟如下：

1）通過NSCT變換將礦井下圖像分為低頻子圖像和高頻子圖像，對高頻子圖像進(jìn)行閾值去噪。

2）初始化SSA算法參數(shù)，設(shè)定盒濾波半徑搜索范圍為[2，30]，正則化因子搜索范圍為[0.01，0.1]。

3）設(shè)置盒濾波半徑與正則化因子的初始值，利用這些參數(shù)對低頻子圖像進(jìn)行引導(dǎo)濾波增強，并用公式（9）計算適應(yīng)度。

4）更新麻雀生產(chǎn)者位置、捕食者位置及警戒者位置。

5）當(dāng)?shù)螖?shù)達(dá)到50次時，全局最優(yōu)解即為所搜尋的最佳增強參數(shù)值。輸出相應(yīng)的最優(yōu)參數(shù)值賦給引導(dǎo)濾波，對礦井下圖像的低頻子圖像進(jìn)行增強。

6）將增強后的低頻子圖像與去噪后的高頻子圖像進(jìn)行NSCT反變換，得到最終的增強礦井下圖像。

5 實驗結(jié)果

為驗證所提算法對礦井下圖像的增強效果，將所提算法與SSR、引導(dǎo)濾波及HE進(jìn)行對比，結(jié)果如圖4所示。

由圖4可知，所提算法克服了SSR處理的礦井下圖像出現(xiàn)“泛白”的問題，避免了引導(dǎo)濾波處理的礦井下圖像出現(xiàn)顏色失真的問題，同時未出現(xiàn)HE處理的礦井下圖像的“過增強”現(xiàn)象。圖4（a）中的3幅圖經(jīng)過SSA尋優(yōu)后，盒濾波半徑與正則化因子的最終值如表1所示。

由表1可知，SSA算法能夠為每幅圖像找到對應(yīng)的引導(dǎo)濾波最優(yōu)參數(shù)，從而使增強后的圖像效果最佳。

6 結(jié)論

本文針對礦井下圖像信息量低的問題，提出了一種基于麻雀搜索優(yōu)化的NSCT域引導(dǎo)濾波礦井下圖像增強算法。所提算法通過SSA尋找引導(dǎo)濾波參數(shù)的最優(yōu)值，從而更好地增強圖像對比度；通過閾值去噪使圖像細(xì)節(jié)更加凸顯。與SSR、引導(dǎo)濾波和HE三種對比算法相比，所提算法未出現(xiàn)圖像“泛白”、圖像顏色失真及圖像過增強的問題，從而證明了該算法的可行性。

參考文獻(xiàn)：

[1] 王誠聰，劉亞靜.礦井復(fù)雜環(huán)境視頻監(jiān)控圖像增強算法研究[J].煤炭工程，2021，53（4）：147-151.

[2] 許銳，陳初俠，喬濤，等.基于MATLAB GUI的空域圖像增強系統(tǒng)設(shè)計[J].電腦知識與技術(shù)，2022，18（4）：77-79.

[3] 賀歡，吐爾洪江·阿布都克力木，何笑.一種基于小波變換的圖像去霧方法[J].電腦知識與技術(shù)，2020，16（23）：176-177，180.

[4] 吳一全，殷駿，戴一冕.基于人工蜂群優(yōu)化的NSCT域圖像模糊集增強方法[J].華南理工大學(xué)學(xué)報（自然科學(xué)版），2015，43（1）：59-65.

[5] 吳一全，史駿鵬.基于多尺度Retinex的非下采樣Contourlet域圖像增強[J].光學(xué)學(xué)報，2015，35（3）：87-96.

[6] YUAN J H，ZHAO Z W，LIU Y P，et al.DMPPT control of photovoltaic microgrid based on improved sparrow search algorithm[J].IEEE Access，2021，9：16623-16629.

【通聯(lián)編輯：唐一東】