矿山遥感图像小波域模糊隶属度阈值去噪算法

矿山遥感图像作为一类重要的矿山测量数据,其质量在很大程度上受到矿区成像环境的影响。鉴于小波变换的图像多尺度分析特性,提出了一种小波域遥感图像模糊隶属度阈值去噪算法。该算法首先对失真的矿山遥感图像采用均值滤波算法进行预处理,消除一部分图像噪声。然后对预处理后的图像进行3层小波分解,对于基本不受噪声污染的低频小波分解系数不作处理,根据高频小波分解系数的噪声分布特征,设计了模糊隶属度阈值去噪模型用于去除其中的噪声,该模型对小波软阈值去噪模型进行了2点改进:1根据图像局部区域噪声信息与非噪声信息难以有效区分的情况,设计了模糊隶属度因子,通过设定特定的小波阈值,对不同的高频小波分解系数是否含有噪声进行自适应判定;2顾及到图像小波分解层数以及各高频小波分解系数的幅值,对经典小波贝叶斯阈值计算方法进行了改进。最后将原始低频小波分解系数与去噪后的高频小波分解系数进行重构,得到高清晰度的矿山遥感图像。采用山东兖州矿区的1幅遥感图像进行试验,并引入了边缘保持指数(Edge protection index,EPI)、信噪比(Signal noise to ratio,SNR)进行去噪效果评价,结果表明:所提算法对于失真的矿山遥感图像的去噪效果明显优于小波硬阈值、软阈值去噪模型,并且相对于已有的2类改进型去噪模型,优势也较显著。     

融合小波变换的矿井视频图像非局部均值滤波

矿井视频监控系统的相当一部分图像信息采集传感器处于低照明、高密度粉尘的环境中,导致获取的图像出现忽明忽暗、噪声较多的现象,很大程度上干扰了对井下生产状况的有效监控。为此,将小波阈值去噪算法与非局部均值滤波算法（Non-local means filtering,NLM）相结合,提出了一种井下视频图像去噪算法。该算法对获取的原始矿井视频图像进行单层小波变换,对得到的低频系数和高频系数分别进行如下处理：①将低频系数进行单层小波变换,得到次低频系数1和次高频系数1,对次高频系数1采用改进型小波阈值去噪模型进行噪声抑制后与次低频系数1进行重构,得到低频图像;②将高频系数进行单层小波变换,得到次低频系数2和次高频系数2,对次高频系数2予以舍弃,对次低频系数2采用小波软阈值去噪模型处理后进行系数重构,得到高频图像。对获取的低频、高频图像进行融合,并对融合后的图像进行非局部均值滤波,得到高清晰度的矿井视频图像。采用VB语言对所提算法进行编程试验,并与小波硬阈值去噪模型、小波软阈值去噪模型、非局部均值滤波算法进行试验对比,结果表明：该算法去噪后的矿井视频图像清晰度以及峰值信噪比（ Peak singnal noise to ratio,PSNR）、均方根误差（Root mean square error,MSE）等指标明显优于其余3类算法。     

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。     

融合中值滤波与小波软阈值去噪模型的新元矿视频监控图像滤波方法

井下视频监控系统的应用对于实时获取井下生产进度、机电设备运行状况等信息,及时有效开展井下应急救援工作发挥了重要作用,但井下光照不均匀、空气中大量粉尘导致监控系统获取的图像较模糊,影响了对井下各类信息进行有效采集和分析。以新元矿井下视频监控系统为例,将中值滤波算法与小波软阈值去噪模型相结合,提出了一种井下视频图像滤波方法。该方法预先对原始视频图像进行3层小波变换,对获取的低频小波系数和高频小波系数分别进行逆变换,得到3幅低频图像和3幅高频图像;针对低频图像,采用融合噪声判别准则的改进中值滤波算法进行去噪;对于高频图像采用改进型小波软阈值去噪模型进行处理。在此基础上,将滤波后的低频和高频图像进行融合,实现对视频图像的高效滤波。采用该矿井下两幅视频图像对所提方法进行试验,并与中值滤波算法、小波硬阈值去噪模型、小波软阈值去噪模型进行对比分析,结果表明,所提算法处理后的图像清晰度明显优于其余3类算法,且该方法耗时较短,适合于高效处理井下视频监控图像。     

基于双边滤波与小波阈值法的矿区遥感图像处理

矿区遥感图像为开采沉陷监测与预计提供了大量的精确数据,对于实现矿区开采沉陷高精度监测与预计发挥了重要作用。由于矿山遥感图像受到矿区复杂的自然环境、成像系统电压不稳定等因素的干扰,导致实地获取的矿山遥感图像在很大程度上受到噪声干扰,图像整体较模糊,难以准确提取有用信息。为此,将双边滤波算法与小波阈值去噪算法相结合,提出了一种矿区遥感图像去噪算法。鉴于双边滤波算法具有较好的边缘保持性能,故首先采用该算法对矿区遥感图像进行处理,以滤除一部分噪声;然后对初次滤波后的图像进行3层小波分解,对分解得到的低频分解系数不作处理,对高频分解系数提出了一种小波域指数型阈值去噪模型进行滤波;最后通过低频分解系数与滤波后高频分解系数重构,获得了高清晰度的矿山遥感图像。采用某矿区2幅遥感图像进行试验,并采用双边滤波算法、小波软阈值去噪模型与新算法进行试验对比,结果表明:新算法在去除噪声的同时,能够最大限度地保持图像细节信息的完整性,其性能总体优于其余2类算法,对于高效处理矿山遥感图像,进而提高矿山开采沉陷监测与预计精度有一定的参考价值。     

矿井视频图像小波域改进非局部均值滤波

由于井下粉尘较多,光照不均匀,易导致矿井视频图像中含有大量噪声,实时获取的矿井视频图像整体较模糊,影响了对其进行分析判读。对此,基于小波变换,提出了一种小波域矿井视频图像滤波算法。该算法首先对矿井视频图像进行2层小波变换,对获得的低频和高频小波分解系数分别进行逆小波变换,得到空间域原始图像的低频图像和高频图像;其次根据低频图像对比度较低、基本不受到噪声干扰的特点,对其采用同态滤波算法进行增强处理;然后,在对非局部均值滤波（Non-local means filtering,NLM）算法特点分析的基础上,分别从相似性权重计算、图像块搜索范围自适应确定等方面对其进行了改进,提出了一种改进型非局部均值滤波算法（Improved non-local means filtering,INLM）,采用该算法对高频图像进行去噪处理;最后将增强后的低频图像和去噪后的高频图像进行叠加,得到质量较高的矿井视频图像。采用一幅贵州省兴仁县王家寨煤矿井下视频图像进行试验,并将文中所提算法与非局部均值滤波算法及其2类改进型算法进行性能对比,采用结构相似度指数（Structure similarity,SSIM）、均方根误差（Root mean square error,RMSE）等指标对各算法性能进行评价,结果表明：新算法对于矿井视频图像的处理效果优于其余算法,对于高效处理矿井视频图像有一定的参考价值。     

基于Shearlet变换的矿井机电设备视频监控图像处理

矿井机电设备的高效运行是井下安全生产的重要保障,但由于井下粉尘较多、光照不均匀,导致井下视频监控系统获取的机电设备图像较为模糊,影响了对机电设备运行状况的有效监控。为此,将Shearlet变换与图像区域自适应分类方法相结合,提出了一种矿井机电设备视频监控图像处理算法。首先结合图像局部均值和标准差,设计了一种图像块自适应分类方法,将图像自适应分成同质块、非同质块和边缘块等3类图像块,对同质图像块进行维纳滤波;然后对非同质图像块进行多尺度Shearlet变换,得到低频、高频Shearlet分解系数,对高频Shearlet分解系数提出了一种Shearlet变换域自适应阈值去噪函数模型来去除其中的噪声,将原始低频shearlet分解系数及去噪后的高频Shearlet分解系数进行重构;最后,将边缘图像块和去噪后的同质图像块、非同质图像块进行叠加。采用MATLAB语言分别将维纳滤波、小波硬阈值去噪函数模型、小波软阈值去噪函数模型以及所提算法进行编程并进行试验,结果表明：所提算法处理后的图像视觉效果有了较大程度改善,清晰度较好,对于提高矿井机电设备视频监控图像的质量有一定的参考价值。     

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。     

矿区塌陷区遥感影像改进自适应维纳滤波算法

遥感影像为矿区开采沉陷研究提供了大量可靠的数据,对于提高矿区开采沉陷监测与预计的精度具有重要作用,但由于遥感影像的获取受到矿区成像环境、成像器件固有的缺陷等因素的影响,易混入不同程度的随机噪声,降低了遥感影像的成像质量,导致难以高精度提取矿区塌陷区域的相关数据。为此,提出了一种针对矿区塌陷区遥感影像的滤波算法。该算法首先对自适应维纳滤波算法添加了噪声图像块检测环节,对其进行了适当改进,将改进后的自适应维纳滤波算法用于对遥感影像进行去噪;然后针对去噪后遥感影像对比度不高的问题,采用动态均值算法进行增强处理,即通过设定某一阈值,将遥感影像像素点灰度值划分为亮度异常和亮度正常2个部分,采用亮度正常的像素点灰度值修正亮度异常的像素点灰度值,实现对遥感影像对比度的动态调整。采用一幅某矿区塌陷区的遥感影像分别对新算法、自适应维纳滤波、中值滤波、非局部均值滤波等算法进行试验,结果表明：新算法对于矿区塌陷区遥感影像的滤波效果相对于其余算法而言有一定的优势,对于提高矿区开采沉陷监测与预计的精度有一定的帮助。     

小波变换域井下视频监控图像改进阈值去噪方法

通过对井下视频监控系统实时采集的各类开采、地质环境信息进行有效分析,可为制定井下开采方案以及进行灾害救援提供准确依据。由于井下光照不均匀,粉尘较多,严重干扰了监控探头获取高质量的监控图像。为此,结合小波变换方法,提出了一种小波变换域改进阈值去噪方法。该方法首先对井下视频监控图像进行3层小波分解,得到低频和高频分解系数;其次对低频分解系数进行重构,得到空间域背景图像,采用维纳滤波算法进行处理,以去除其中存在的少量噪声;然后根据经典小波硬、软阈值去噪模型的不足,提出了一种改进型阈值去噪模型,该模型可分别根据不同的高频分解系数自适应设定阈值,可有效去除不同分解层高频系数中的噪声,对去噪后的各高频分解系数进行重构,得到空间域细节图像;最后,分别将去噪后的空间域背景图像和细节图像进行叠加,得到去噪后的井下视频监控图像。采用1幅内蒙古某煤矿井下视频监控图像进行试验,并引入了经典小波硬、软阈值去噪模型及2类已有的改进型阈值去噪模型与所提方法进行试验对比,结果表明,所提方法不仅可有效去除井下视频监控图像中的噪声,而且可保持图像细节信息完整性。     

双树复小波变换域矿区遥感图像自适应滤波

矿区遥感图像因受成像环境、成像器件固有缺陷等因素的影响容易出现不同程度的失真,为此,结合双树复小波变换（Dual-tree complex wavelet transform,DTCWT）多尺度图像分析的优良特性,提出了一种矿区遥感图像自适应滤波算法。首先对获取的视觉效果不佳的遥感图像进行直方图均衡化处理,使得增强后的图像灰度分布较为合理,提高图像的对比度;然后对增强后的图像进行双树复小波变换,对获得的高频分解系数采用改进的多级中值滤波算法进行处理;最后,将低频分解系数与滤波后的高频分解系数进行逆双树复小波变换。其中改进的多级中值滤波算法相对于经典多级中值滤波算法进行了2点改进：①将原有的4个方向滤波窗口扩展为7个,更有利于保持图像中信息的多方向特性;②对新增设的3个滤波窗口分别进行加权中值滤波,将上述7个滤波窗口的滤波值采用一种基于图像灰度值相关性的判别方法进行处理,剔除与待滤波像素点相关性不强的滤波值,将剩余的滤波值计算均值输出;MATLAB平台试验结果表明：新算法的总体性能相对于经典多级中值滤波、中值滤波、双边滤波等算法而言,优势较为明显。     

矿山遥感图像自适应加权改进中值滤波算法

矿山遥感图像的质量受成像区域环境的影响较大,加之成像器件固有的缺陷,易导致获取的图像存在一定程度的失真,影响对遥感图像的判读和分析。为此,在中值滤波（Median filtering,MF）算法的基础上进行了加权改进,提出了一种适合于遥感图像处理的自适应加权改进中值滤波算法（Adaptive weighted improved median filtering,AWIMF）。首先将遥感图像划分为多个尺寸为7 ×7的图像块,对每个图像块分别统计像素点灰度极大（小）值,将该类像素点标记为第1类疑似噪声点;其次计算每个图像块的像素点灰度中值,将各图像块中的每个像素点灰度值与对应的像素点灰度中值作差,将较大差值对应的像素点标记为第2类疑似噪声点,将2次检测均被标记为疑似噪声点的像素点确定为噪声点;然后,以每个噪声点为中心选取尺寸为5× 5 的滤波窗口,根据滤波窗口内各像素点灰度值与所在滤波窗口的像素点灰度中值的差值计算权重,分别将各像素点灰度值与对应的权重进行加权计算,实现对噪声点的高效滤波;最后,采用直方图规定化算法（Histogram specification,HS）对滤波后的图像对比度进行调节。采用内蒙古白云鄂博矿区遥感图像进行试验,结果表明,所提算法的性能相对于中值滤波及其已有的几类改进型算法而言,优势较明显。