基于HSV空间改进融合Retinex算法的井下图像增强方法

煤矿的安全监控技术一直是煤矿开采过程中重要的一部分,煤矿井下视频监控是保证煤矿安全的重要手段,而监控图像的质量直接决定监控的有效性,目前受煤矿井下粉尘和低照度等条件的影响,煤矿视频图像的增强效果有待提升。针对这一问题,提出一种在HSV空间变换的条件下,利用改进双边滤波算法与多尺度Retinex算法融合的方法。首先针对多尺度Retinex算法中存在的容易出现光晕、边缘模糊等问题,利用改进的双边滤波理论与多尺度Retinex算法融合的方法进行增强,增加了修正函数的双边滤波作为多尺度Retinex算法中的中心环绕函数;同时将图像由RGB空间转换到HSV空间中,保持色调分量不变,通过融合Retinex算法对亮度分量进行增强,并对饱和度分量进行校正;最后将图像由HSV空间转换会RGB空间,完成图像增强。通过实验验证,提出的改进的融合Retinex算法相较于多尺度Retinex (Multi-Scale Retinex,MSR)算法、带色彩恢复因子的多尺度Retinex(Muti-Scale Retinex with Color Restoration,MSRCR)算法,在色彩和边缘模糊处理等方面...     

基于模糊理论的煤矿井下图像增强算法

煤矿井下照度低且光照不均匀,成像质量较差,图像的可分辨性能较差,增加了监控识别难度。针对井下图像,提出基于模糊理论的增强算法,构造一个线性模糊化函数;与传统的模糊增强算法增强对比度相反,实现了高亮区的抑制,低亮区的增强;进一步调整了模糊增强后的图像对比度,避免对比度的降低。试验表明该算法在一定程度上消除了煤矿井下图像光照不均匀的现象。     

基于HSV空间融合Retinex算法的全天候运动目标检测

提出了一种在矿山复杂情况下基于HSV色彩空间融合Retinex算法的全天候运动目标检测方法。该方法将运动目标检测转换为运动目标上特定标志物的检测,通过颜色空间转换提取目标原始灰度图像,由灰度分布直方图判断是否进行低照度图像恢复,并在场景中选取特定的标志物,将原图像进行HSV颜色空间变换,选择对应ROI区域,通过阈值获取二值化图像,进行平滑处理后使用Canny算子提取轮廓信息,从而提取标志物的特征参数。应用实例证实,通过该方法能精准获得标志物特征参数,进而解决复杂环境下机械设备间连接件脱落问题,具有一定的实际工程应用价值。     

基于深度神经网络的煤矿井下低光照图像增强算法

由于煤矿井下空间环境的复杂性与恶劣的光照条件,视觉设备获取的图像容易存在对比度不足、纹理细节差等问题,严重影响了视觉设备的工作可靠性,限制了进一步的基于图像的智能视觉应用。为提高矿井下低照度图像的对比度,同时强化其纹理细节,提出一种基于深度神经网络的矿井下低光照图像增强模型,该模型包含有3个子网络,分别为分解网络、光照调整网络和反射重构网络。分解网络将煤矿井下图像分解为光照分量和反射分量;光照调整网络利用深度可分离卷积结构有效减少了模型的参数,强化了网络特征提取能力,此外,引入了MobileNet网络结构,进一步使光照调整网络轻量化,同时保持其特征提取精度,有效实现光照分量对比度调整;反射重构网络引入了残差网络结构,提升了网络特征学习性能与反射分量纹理细节恢复能力;最后,将处理过后的光照分量和反射分量基于Retinex理论融合,获得增强图像,实现矿井下图像的对比度提高与细节的增强,克服了现有增强算法中所存在的增强图像细节丢失、边缘模糊、对比度和清晰度不足等问题。数值试验表明,提出的模型能够在提高矿井下图像对比度的同时有效强化图像的纹理细节,并且具有良好的稳定性和鲁棒性,能够很好地满足煤...     

基于HSV颜色空间的矿物识别研究*

矿物识别是工艺矿物学的研究基础,针对矿物颜色作为镜下矿物鉴定主要依据的特点,为提高矿物识别效率,降低人工识别成本,提出了一种HSV颜色空间的阈值分割方法。利用双边滤波对采集的矿物显微图像进行预处理,消除噪声干扰,针对不同矿物颜色亮度的差异,在HSV颜色空间下分离H、S、V三通道的颜色分量图提取颜色阈值,并通过阈值分割操作获得目标矿物区域。对磁铁矿和黄铜矿共存的显微图像进行识别,并与传统的大津法和基于HSV颜色空间的阈值分割方法对比。结果表明,基于HSV颜色空间的矿物识别方法能够准确的识别区分开磁铁矿和黄铜矿,分割结果与人工标注的矿物位置基本符合,准确率达95%以上,且提高了识别速度,是机器视觉代替人眼视觉在矿物识别方面的一次探索。     

基于自适应MSRCP算法的煤矿井下图像增强方法

煤矿井下视频监控技术是保障矿井安全生产的重要手段,而图像的质量直接关系到监控的有效性.多尺度Retinex算法被广泛应用在矿井图像增强上,为了达到最佳效果,往往需要手动调整高斯尺度、增益和偏移等参数.为了解决这一问题,提出一种基于自适应MSRCP算法的煤矿井下图像增强方法,使用粒子群优化算法(PSO)对带有颜色保护的多...     

基于照度调整的矿井非均匀照度视频图像增强算法

由于煤矿井下空间环境受粉尘等因素的影响,视频监控系统获取的作业环境图像存在照度低、照度不均匀等问题,而且现有的算法在处理煤矿非均匀照度图像时会出现颜色失真或者过增强现象,这不利于对图像的判读和应用。结合煤矿的实际数据,提出了一种新的图像增强算法,克服了现有算法存在的问题:分析井下视频图像特点,采用具有边缘保持特性的多尺度引导滤波获取照度分量;基于Retinex理论,将图像分解为照度分量与反射分量;针对照度不均匀的特性,提出一种新的"S型"曲线函数对其进行调整;分析图像的特性,引入受限对比度自适应直方图对其对比度进行增强;提出新的图像增强模型,利用细节增强系数和照度增强系数实现对图像的综合增强。与其他4种算法的对比试验表明,本文算法在主观评价和客观评价方面都优于上述算法。实验证明,本算法具有有效提升图像整体亮度和对比度,同时避免光源附近亮区域的过增强现象的特点,能够满足矿山实际应用需求。     

基于BDND的脊波域井下视频图像改进中值滤波算法

井下视频图像总体上色调偏暗,目标信息对比度不高,且由于井下存在大量粉尘,导致图像中存在高密度的随机噪声,增加了图像判读与分析的困难。为此,首先对井下视频图像进行多尺度脊波分解,对分解得到的低频系数和高频系数分别进行系数重构,得到井下视频图像的背景图像和细节图像;其次,根据背景图像灰度直方图的分布特征,采用高斯分布函数进行规定化处理;然后,在分析中值滤波（Median filtering,MF）特征的基础上,采用边界判别噪声检测方法（Boundary discrimination noise detection,BDND）对其进行改进,提出了一种基于BDND的改进中值滤波算法并用于处理细节图像,该算法根据细节图像局部区域灰度值的分布特征,设定2个自适应阈值t₁和t₂,将经过2次噪声检测后处于［t₁,t₂］区间内的灰度值对应的像素点标记为非噪声点,对其余像素点分别进行中值滤波;最后,对于直方图规定化处理后的背景图像和滤波后的细节图像进行叠加。采用C++语言对所提算法进行编程试验,结果表明,该算法对于不同模糊程度的井下视频图像均有较好的滤波效果,其性能相对于中值滤波、加权中值滤波、开关中值滤波等同类算法而言有了一定程度的提升。     

基于改进CV模型的煤矿井下早期火灾图像分割

煤矿井下早期火灾图像中火焰区域、火焰余辉及非火焰高灰度干扰区域三者的灰度值十分接近,利用传统的Chan-Vese(CV)模型很难将火焰区域精确地提取出来。针对这一问题,提出了一种改进的CV模型以实现煤矿井下早期火灾图像的精确分割。在计算目标和背景区域拟合中心时,引入自适应权值进行加权平均,充分考虑了像素点灰度值与拟合中心的差异,并据此确定该点对拟合中心的贡献度,更加精确地计算目标和背景区域的拟合中心;为了加速模型的演化,引入曲线内外区域像素的中值绝对差,替换模型中的内外区域能量系数,提高模型分割效率。最终达到快速提取早期火灾图像中火焰区域的目的。大量实验结果表明,与现有的Otsu算法、CV模型、引入能量权重的CV模型、引入梯度信息的CV模型以及两种类似提出模型的CV模型相比,利用改进CV模型对煤矿井下早期火灾图像,能取得更好的分割效果,并且满足实时性要求。     

基于灰度差分的改进K-means算法在煤矿图像分割的应用

煤矿图像由于其特殊环境造成的非均匀低光照特点,给图像分割带来了困难.针对非均匀低光照的煤矿图像分割问题,提出一种基于灰度差分的改进 KＧmeans图像聚类分割算法.首先计算图像的灰度差分统计特征,包括对比度、熵和平均值,用灰度差分统计特征描述煤矿图像的纹理特征,建立特征向量;然后建立基于纹理特征向量的样本与聚类中心的距离函数,通过 KＧmeans算法的准则函数构建优化问题;最后根据优化问题的聚类结果实现煤矿图像的目标分割.两组煤矿图像分割试验结果的评价指标平均提升了１２％,结合分割视觉效果,说明了改进方法能够实现煤矿图像的有效分割,可得到较好的分割效果.     

基于暗原色先验的煤矿井下退化图像复原算法

针对煤矿井下因水雾和煤尘散射作用引起的图像退化问题,结合煤矿井下无线多媒体节点采集的图像特点,提出一种正则化拉普拉斯矩阵的暗原色先验去雾尘模型。根据暗原色先验理论对来自煤矿井下无雾图像数据库进行统计,建立了煤矿井下图像成像的物理模型,利用该模型估算介质传播函数和井下光线照度,再由去雾尘模型复原得到清晰化的图像。试验结果表明,该算法有效恢复了场景的对比度,明显提高了图像的视见度。     

基于无线传感器网络的改进RSSI井下定位算法的矿井人员定位系统设计

为了确保矿井人员的人身安全,提高井下定位系统的精确度,设计一种基于无线传感器网络的改进RSSI井下定位算法的矿井人员定位系统。根据井下环境特点搭建了系统框架,并详细介绍了系统的传感器节点结构及硬件设计,针对矿井环境特点,修正测距模型,在RSSI算法中引入加权因子求平均的算法定位未知节点,并通过泰勒级数展开求导的方法对坐标进行修正,最后采用加权质心算法求未知节点的坐标。仿真实验表明,改进后定位算法定位的精度较为精确,具有一定的应用价值。     

基于改进虚拟势场的煤矿井下WMSN覆盖增强算法

针对煤矿井下无线多媒体传感器网络（Wireless Multimedia Sensor Network,WMSN）覆盖问题,提出了一种基于改进虚拟势场的覆盖增强算法。在分析方向可调感知模型、煤矿巷道带状结构特点及照度特点的基础上,提出了煤矿井下WMSN“有效覆盖”问题。针对有效覆盖问题,引入虚拟目标引力提升重点区域有效覆盖效果。针对传统虚拟势场算法可能出现因局部极小导致覆盖增强效果下降的问题,在分析方向可调感知模型感知区域相交特性的基础上,改进了斥力函数,引入了相邻节点的共同覆盖率引导节点调整感知方向,从而实现区域的有效覆盖。仿真实验表明：对比已有的区域覆盖增强算法,采用所提出的基于改进虚拟势场的覆盖增强算法可有效消除感知重叠区和盲区,实现了井下巷道的高效区域覆盖。     

基于改进加权引导滤波的煤矿井下图像除雾算法研究

针对暗通道先验理论在煤矿井下尘雾图像处理中出现的图像失真、颜色偏暗、细节丢失等问题，提出了一种基于亮暗通道先验理论的煤矿井下图像除雾算法。首先，融合暗、亮双通道先验知识，重构局部大气光；其次，分析双边滤波的滤波特性，建立基于局部像素差值的改进加权引导滤波算法；最后，利用暗通道大气光和原始图像的像素差值自适应调节图像的整体亮度。试验结果表明，改进加权引导滤波算法能够有效除去煤矿井下图像中的尘雾影响，与基于引导滤波的He算法和Retinex-MSR算法相比，本算法拥有较高的平均梯度和标准方差，复原后的图像清晰度更高，单张图像处理时间均低于1 s,比Retinex-MSR算法运行时间缩短了近1/2。     

基于CLARANS的一种改进的空间实体约束聚类算法

本文引用新的方法对CLARANS算法进行改进,提出了一种处理空间实体约束的空间聚类算法SPOC,该算法在CLARANS算法的基础上,利用空间关系中的方向关系来选取新的中心对象,同时利用回溯的、非几何的方法求解障碍空间中2个空间对象间的障碍距离。实验表明这是一种非常有效的求解障碍距离的方法。     

基于图像投影二值化的配准改进算法

关于现有经典的模板匹配算法的缺点,减少原有的投影法在匹配计算时的运算量,改进了基于投影相关法,给出一种基于投影二值化的快速配准算法。该算法对搜索图像和模板图像进行投影得到一维投影序列,并对投影序列做差分运算得到一维差分序列,然后将一维差分序列进行二值化,这明显减少了后续匹配的计算量。该算法还先设定起始阈值,通过在计算误差的过程中改变误差累加值,当累加值大于现存阈值时就放弃匹配计算,从而降低冗余的计算量。实验测试结果表明,改进后的算法与其他图像配准算法比较在计算量上明显减少,是一种有效的算法。     

基于自适应小波变换的煤矿降质图像模糊增强算法

为解决矿井下复杂光照条件导致视频监控系统中的图像降质问题,提出基于自适应小波变换的煤矿降质图像模糊增强算法。首先,通过多尺度小波分解将矿井降质图像分解为低频子图和不同尺度的高频子图,采用贝叶斯估计的小波收缩阈值方法,自适应调整不同尺度下高频子图的小波阈值;其次,设计了引入自适应权值因子和自适应增强系数的自适应小波阈值函数,在保持了阈值函数连续性的同时也能够避免产生固定偏差,从而实现了对不同尺度下高频子图的收缩阈值滤波和非线性增强;接着,采用双边滤波算法估计并去除低频子图中的照度分量,并对处理后的低频子图和各尺度高频子图进行小波重构,获取增强后的小波重构图像;最后,采用改进的隶属度函数和模糊增强算子对小波重构图像的亮度分量进行调整,得到最终增强图像。采用主观视觉和客观评价指标对降质图像增强实验进行分析验证,实验结果表明:所述算法具有最优的图像增强效果,能够有效抑制图像噪声、增强图像细节特征、降低图像失真、改善降质图像视觉效果,且克服了传统图像增强算法在矿井复杂光照条件下的局限性,具有较强的鲁棒性。其综合性能指标较CLAHE,SSR,MSR,BF-DCP,DGR,MSWT及PGCHE七种算...     

基于改进Prewitt算子的矿井视频图像小波阈值去噪

由于矿井成像环境的复杂性,导致所获取的图像较为模糊且存在一定程度的噪声,有必要采用适当的方法滤除其中的噪声并提高图像的清晰度。为此,提出了一种结合边缘检测的小波域矿井视频图像去噪算法。首先对噪声图像采用均值滤波算法进行预处理;然后对分别从检测模板、自适应阈值设定方法对经典的Prewitt算子进行适当改进,并采用改进的Prewitt算子提取预处理后图像的边缘轮廓信息,从而获得边缘图像和非边缘图像;最后对于非边缘图像,采用一种基于自适应阈值的改进小波阈值函数模型进行去噪处理,该模型充分结合了小波硬、软阈值去噪模型的优势,能够随着小波分解层数的变化自适应调整阈值大小。为了验证该算法的有效性,采用2幅实地获取的山东兖州某煤矿井下视频监控图像进行试验,并与小波硬、软阈值函数模型及2类已有的改进型小波阈值函数模型进行去噪效果对比。结果表明,该算法的去噪效果优于其余几类函数模型,且算法耗时略占优势,对于提高矿井视频监控图像的质量具有一定的参考价值。     

基于DWT与改进中值滤波的矿井视频监控图像去噪

井下光照不均、煤尘浓度大以及视频图像获取设备电路电压不稳定等各类因素的存在,导致矿井视频监控系统获取的图像存在大量噪声,影响了对矿井各类生产信息的准确判读。为此,将离散小波变换(Discrete wavelet transform,DWT)与改进中值滤波算法相结合,提出了一种矿井视频监控图像高效去噪算法。首先,对获取的矿井视频图像进行自适应噪声检测,根据检测结果,对图像采用改进中值滤波算法处理;然后对滤波后的图像进行3层离散小波变换,鉴于图像的噪声信息绝大部分集中分布于高频分解系数中,故对低频分解系数不作处理;最后对高频分解系数采用一种改进软阈值去噪函数模型进行去噪,将去噪后的高频分解系数与原始低频分解系数进行重构,得到去噪后清晰度较高的图像。采用实地获取的山西潞安某煤矿井下视频图像进行试验,并与小波软阈值去噪、中值滤波等算法进行去噪效果对比分析,此外,对各算法的试验结果分别采用信噪比(Signal noise ratio,SNR)以及算法运行时间进行评价,结果表明:新算法对于矿井视频监控图像的去噪效果优于其余2类算法,且算法运算时间也具有一定的优势。