矿井井下非均匀照度图像增强算法

矿井井下视频采集过程中由于照明系统分布不均匀、环境中存在大量粉尘和雾气,导致监控画面图像存在局部光线过曝、局部亮度不足、对比度低和边缘信息弱等问题。针对上述问题,提出了一种矿井井下非均匀照度图像增强算法。该算法基于Retinex-Net网络结构改进,具体包括非均匀光照抑制模块（NLSM）、光照分解模块（LDM）和图像增强模块（IEM）3个部分：NLSM对图像中人工光源局部非均匀光照进行抑制;LDM将图像分解为光照层和反射层;IEM对图像光照层增强,经伽马校正,最终得到增强图像。在NLSM和LDM中均采用Resnet作为网络基础架构,并顺序引入了卷积注意力机制中通道注意力模块和空间注意力模块,以增强对图像光照特征关注度和特征选择的效率。实验结果表明：(1)选取MBLLEN,RUAS,zeroDCE,zeroDCE++,Retinex-Net,KinD++及非均匀照度图像增强算法对多种场景（井下运输环境场景、单光源巷道场景、多光源巷道场景、矿石场景）图像进行增强处理及定性分析,分析结果指出非均匀照度图像增强算法能够避免人工光源区域的过度增强,未在光源区域产生晕染和模糊现象,不易产生色偏,对...     

一种煤矿井下低照度图像增强算法

针对多尺度Retinex算法在处理煤矿井下低照度图像时存在细节增强不足和耗时等问题,提出了一种基于光照校正的快速多尺度Retinex算法对煤矿井下低照度图像进行增强。该算法通过计算高斯模糊后图像的每个像素点的亮度值,将图像划分为暗调区域和高光区域,并对不同区域进行光照校正,从而降低高光区域的亮度,保证不过分曝光,同时提升较暗区域的亮度,凸显更多细节信息;利用三次快速均值滤波代替高斯滤波来估计光照强度,减少算法耗时。实验结果表明,该算法能有效提高图像的亮度和对比度,增强图像中暗调区域和高光区域的细节,具有较快的处理速度。     

煤矿井下综采工作面瓦斯抽采技术研究

由于煤层结构复杂、赋存规律不规则以及开采条件恶劣,煤矿生产的安全问题日益凸出。本文主要介绍了煤矿井下综采工作面瓦斯来源及涌出机理,并研究了瓦斯抽采技术,为煤矿瓦斯灾害防治提供了一定的理论依据。     

煤矿井下视频雾浓度检测及实时去雾方法

煤矿井下工作面在生产状态下由于喷雾除尘操作引起雾气浓度动态变化,导致视频图像画面模糊不清,严重影响煤矿井下可视化远程干预性采煤控制及操作。针对上述问题,提出了一种煤矿井下工作面视频雾浓度检测及实时去雾方法。首先利用颜色衰减先验计算含雾视频图像亮度值和饱和度值差异,实现雾浓度检测,进一步识别含雾图像和无雾图像。其次,使用颜色衰减先验和场景变化概率模型对视频时间连续代价函数进行矫正,减小视频相邻帧之间的透射率误差,减轻去雾后视频图像画面的闪烁影响。最后,分别利用煤矿井下工作面视频雾浓度检测及实时去雾方法和Kim方法对煤矿井下场景有雾视频进行处理。实验结果表明：(1)雾浓度检测方法可以准确地计算出图像场景中的雾浓度分布,提取到的雾浓度最大连通区域占总图像像素的38.693%,大于雾浓度阈值20%,为含雾图像。根据含雾图像识别结果自动忽略无雾图像,有选择性地对有雾图像进行去雾处理。(2)采用煤矿井下工作面视频雾浓度检测及实时去雾方法对煤矿井下工作面的不同区域（支架区域和煤壁区域）及不同雾浓度（中等雾浓度和较高雾浓度）的生产视频进行去雾处理,去雾后视频图像对比度明显增强,视觉效果也更加明亮清晰。...     

井下可变光照条件下的图像预处理方法

介绍了2种基于直方图的图像预处理算法和Gamma校正算法,通过实例比较,证实直方图规定化的总体效果优于直方图均衡化;提出了一种只对图像光照分量进行处理的方法,该方法增强了图像的对比度,且相对于基于全图的图像预处理方法来说保留了更多的细节信息;分别对图像的光照分量进行直方图规定化和Gamma校正处理,处理结果表明,对图像的光照分量层进行直方图规定化处理得到的效果最佳。     

井下可变光照条件下的图像预处理方法

介绍了2种基于直方图的图像预处理算法和Gamma校正算法,通过实例比较,证实直方图规定化的总体效果优于直方图均衡化;提出了一种只对图像光照分量进行处理的方法,该方法增强了图像的对比度,且相对于基于全图的图像预处理方法来说保留了更多的细节信息;分别对图像的光照分量进行直方图规定化和Gamma校正处理,处理结果表明,对图像的光照分量层进行直方图规定化处理得到的效果最佳。     

基于深度学习的煤矿井下低光照人脸检测方法

煤矿井下光线昏暗、人工光源干扰等造成监控系统采集到的人脸图像对比度低、人脸特征模糊,传统人脸检测算法应用于煤矿井下时会出现误检、漏检。针对上述问题,提出了一种基于深度学习的煤矿井下低光照人脸检测方法。采用基于无监督学习的生成对抗网络（GAN）对煤矿井下低光照图像进行对比度增强,使用自调整注意力引导的U-Net作为生成器,利用双判别器对全局和局部信息进行引导,并使用自特征保留损失函数来指导训练过程和维护图像中人脸的纹理结构,强化人脸特征,避免出现曝光、人脸细节信息丢失等现象,得到较为清晰的人脸图像;利用RetinaFace人脸检测框架对增强后的人脸特征进行检测,其采用特征金字塔结构和单阶段检测模式对人脸图像进行检测,在基本不增加计算量的同时,提高对小尺度人脸检测的能力。在公开低光照人脸数据集DARK FACE和自建煤矿井下人脸数据集上的实验结果表明,该方法提高了图像对比度,清晰地恢复了图像中的人脸特征,在准确率、召回率、平均精度方面均表现较好,有效提高了煤矿井下人脸检测精度。     

基于DSP红外图像非均匀校正设计

由于红外焦平面探测器各点的响应度不一致,需要对红外图像进行非均匀校正。目前许多红外成像设备非均匀校正均通过后台PC机完成,需要专门设计与PC机的接口,提高了成本,而且不利于脱机运行。系统使用红外图像处理板自身的DSP完成非均匀校正系数的计算,设计简洁,操作方便,取得了理想的效果。文中分析了两点校正的原理,介绍了实现方法,对其中涉及的关键技术进行了详细描述。     

基于双分支条件生成对抗网络的非均匀图像去雾

雾天拍摄的图片存在颜色失真、细节模糊等问题,会对图片的质量造成一定影响。许多基于深度学习的方法虽然在去除合成的均匀雾霾图片上具有很好的效果,但在最新的NTIRE挑战赛中引入的真实非均匀去雾数据集上效果较差。主要原因是非均匀雾霾的分布较复杂,纹理细节在去雾过程中很容易丢失,并且该数据集的样本数量有限,容易产生过拟合。因此提出了一种双分支生成器的条件生成对抗网络（DB-CGAN）。其中,一条分支以U-net为基础架构,通过“加强-整合-减去”的策略在解码器中加入增强模块,从而增强解码器中特征的恢复,并使用密集特征融合为非相邻层级建立足够的连接。另一分支使用多层残差的结构来加快网络的训练,并串联大量的通道注意力模块,以最大限度地提取更多的高频细节特征。最后,使用一个简单有效的融合子网来融合两个分支。在实验中,所提模型在评价指标峰值信噪比（PSNR）和结构相似性（SSIM）上明显优于先前的暗通道先验（DCP）、一体化去雾网络（AODNet）、门控上下文聚合网络（GCANet）、多尺度增强去雾网络（MSBDN）去雾模型。实验结果表明,所提出的网络能够在非均匀去雾数据集上具有更好的性能。     

基于DSP的红外图像非均匀性校正技术的研究

分析了导致红外成像系统非均匀性的机理,介绍了红外焦平面阵列非均匀性校正的基本方法。采用两点校正和积分时间校正相结合的方法,利用TMS320VC5509A DSP完成了对红外图像的非均匀性实时校正。实验结果表明,本系统具有实时性好,实用性强的特点,能够满足红外焦平面成像系统的要求。     

非均匀光照下马氏瓶刻度图像的自动识别研究

马氏瓶刻度的自动识别会直接影响到潜水面蒸发量的观测与计算效率[1]。针对室内物理实验光照不均匀情况下的马氏瓶刻度图像的识别,首先使用改进的Bernsen算法对图像进行二值化处理;然后求得二值化图像的垂直投影曲线,利用Loess(locally weighted scatterplot smoothing)算法对垂直投影曲线进行平滑处理,求得平滑处理后的各个极值点,计算出相邻极值点像素值之间的差值,最大差值对应的位置即马氏瓶液位线;根据得到的液位线和识别的数字计算出液位值,即可计算出潜水面的蒸发量。实验结果表明,改进的Bernsen算法改善了室内物理实验中非均匀照射下的马氏瓶刻度的分割效果。将此方法与可调焦的摄像头相结合,可实现潜水面蒸发量观测的自动化、连续化和智能化。此方法对类似的刻度识别具有重要的参考价值。     

基于长线列探测器的图像非均匀性研究与校正

基于长线列图像探测器的成像系统,其图像的非均匀性往往制约着系统成像的质量.结合线列图像探测器的结构特点,分析了线列图像的非均匀性产生原因,并在此基础上分析了多点校正算法,并提出一种基于图像轮廓提取的图像平滑算法.通过对比处理前后的结果,采用图像轮廓提取的图像平滑算法,在保证图像细节的基础上,能够提高图像的均匀性.     

保持自然度的非均匀光照图像增强的Retinex算法

常规的非均匀照明图像增强方法在增强低光照区域细节时,容易对图像过度增强而导致结果失真.本文从一种新的角度提出了Retinex模型的一种扩展形式,并用于非均匀照明图像的增强.该算法将中心环绕Retinex模型输出作为感知反射率,将图像分解为感知光照图像和感知反射率图像,通过调整感知光照图像,再重新组合感知光照和感知反射率...     

非均匀光照下蔬菜病斑识别算法研究

研究蔬菜大棚内蔬菜病斑识别问题,由于蔬菜大棚内空间小,当阴天等外界光照不充足时,图像采集器拍摄到的蔬菜图像往往存在光照不均匀的现象,直接对图像进行分割处理会影响蔬菜病斑的识别,造成识别准确率不高的问题。为了克服这一问题,提出了一种小波变换的病斑识别方法。首先对图像进行小波变换以初步去除非均匀光照对图像的影响,通过确定RGB模型的b分量阈值对图像进行背景分割,将背景分割得到的蔬菜图像进行自适应阈值分割,最终将蔬菜病斑完全分割出来,避免了光照不均匀对识别的影响,成功实现蔬菜病斑的识别。仿真证明,改进方法能够去除光照等外界环境的影响,准确将蔬菜病斑分割并识别出来,取得了满意的结果。     

基于DCNN算法的非均匀光照图像人脸识别系统研究

人脸识别系统的人脸图像特征识别失误较高,因此文章设计了基于DCNN算法的非均匀光照图像人脸识别系统。硬件方面设计,采用ARM720T处理器与S3C2440芯片。软件方面建立非均匀光照图像人脸识别功能模块,设计软件整体架构。利用动态卷积神经网络（Dynamic Convolution Neural Network,DCNN）算法,设计人脸光照图像特征的识别程序,在非均匀光照条件下仍能有效地识别出人脸特征。测试结果表明,该能够准确识别出人脸特征,人脸系统识别得更加清晰,能够应用于实际生活中。     

含运动目标的红外图像非均匀校正算法

通过分析运动目标对基于图像配准的非均匀校正算法校正效果的影响,基于相邻帧之间运动目标辐射强度不变的假设,提出含运动目标的红外图像非均匀校正算法。通过临近帧补全运动目标遮挡的场景,消除运动目标的影响,进行非均匀校正得到场景校正帧,再利用运动目标的辐射信息对各帧运动目标进行非均匀校正,最终得到全图校正帧。仿真和实测红外图像校正实验表明：算法能够很好地解决含运动目标的红外序列图像的非均匀校正问题。     

长线列红外探测器非均匀性校正技术研究

实时非均匀性校正是红外应用领域的关键技术之一。随着制作材料和加工工艺水平的提高,目前长线列红外探测器像元读出通道越来越多,虽然单通道像元读出速率不是很高,可是合并像元读出速率相当高,非均匀性校正的速度设计成为此类红外系统应用的瓶颈性问题,结合以往的研究成果和目前电子器件的发展水平,对若干种解决方案进行了比较。利用FPGA器件并行性的特点,对以往FPGA校正方案进行了改进,实验结果表明,该改进设计方案是完全可行的。该设计思路不光可以应用到更高性能线列红外探测器的非均匀性校正设计中,而且可以移植到类似的信号处理系统中,具有很大的工程应用价值。     

基于非均匀采样的图像射影畸变硬件校正

当摄像机的像平面与拍摄面不平行时,图像必然发生射影畸变,给后续的图像处理和模式识别带来不便。现有校正方法大都在得到畸变图像后,通过实时计算或者查阅畸变表恢复图像像素间的度量关系。本文提出了一种基于非均匀采样的硬件图像校正采集系统,通过FPGA控制A/D采样器对模拟图像信号进行非均匀采样,实现图像的实时畸变校正和采集。为减小采样误差,还提出了一种倍频方案。仿真表明本系统可以代替软件校正算法,其硬件系统可拓展至其他应用。     

红外图像非均匀性分析与校正方法研究

由于材料、工艺等原因,红外焦平面阵列（IRFPA）各探测元存在响应不一致问题,导致红外图像的非均匀性。非均匀性校正（NUC）是红外成像仪图像处理系统的重要环节。本文结合空间相机的应用重点分析了基于定标的两点校正法和基于场景的自适应神经网络法,并通过仿真图像验证了神经网络算法的校正效果。