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。     

基于噪声检测的矿井视频监控图像投票中值滤波

矿井视频监控由于受到井下光照不均匀、高浓度粉尘、成像器件电压不稳定等因素的影响,导致实时获取的图像对比度不高且含有大量的颗粒状噪声,严重影响对图像的准确判读与分析。为此,对经典中值滤波算法进行了改进,提出了一种融合噪声检测策略与投票统计学原理的改进型中值滤波算法。首先对获取的原始矿井视频监控图像采用双平台直方图均衡化算法(Double platform histogram equalization,DPHE)进行处理,该算法通过对图像各灰度级对应的像素点数目设定2个阈值(平台值)对图像背景信息进行抑制,对图像细节信息进行增强;然后将增强后的图像划分为多个规则图像块,根据各图像块内像素点灰度值的分布特征设计了一种噪声图像块自适应检测方法,若某图像块内的灰度值异常点数目超过一定限值,则该图像块被标记为噪声图像块;最后,对噪声图像块进行投票中值滤波。采用C++语言对所提算法进行了编程,并采用2幅采集于某煤矿井下综采工作面的视频监控图像进行试验,结果表明:所提算法对于不同失真程度的矿井视频监控图像的处理效果优于中值滤波、直方图均衡化等算法,对于最大限度地发挥矿井视频监控系统的作用有一定的参考价值。     

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。     

矿井视频监控图像改进非局部均值滤波算法

矿井成像条件较为复杂,导致视频监控系统所获取的图像往往具有对比度低、且参杂大量随机噪声的特点,给实时监控矿井生产状况带来了不便。为此,采用灰色关联度法改进非局部均值滤波算法,提出了一种矿井视频监控图像改进非局部均值滤波算法。该算法首先对原始矿井视频监控图像采用均值滤波算法进行预处理,得到预滤波图像,分别对原始矿井视频监控图像和预滤波图像划分为5×5大小的图像块,将该2幅图像中对应位置图像块的像素点灰度值集合分别记为待比较序列和参考序列,计算其灰色关联度值,将较小的灰色关联度值对应的原始矿井视频监控图像中的图像块标记为疑似噪声图像块;其次对每个疑似噪声图像块分别统计其像素灰度极大、极小值,并将该类像素点标记为噪声点;然后以每个噪声点为中心取大小为3×3的图像块,进行非局部均值滤波;最后对滤波后的矿井视频监控图像采用直方图均衡化方法进行对比度拉伸,改善图像的视觉效果。试验结果表明：本研究算法无需对图像中每个像素点灰度值进行逐一滤波,提高了图像处理效率,有助于实现矿井视频监控图像的高效处理。     

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。     

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。     

基于小波分解子带直方图匹配的 矿井视频图像增强方法

井下光源不充足,机械运行振动以及大量煤尘等因素的存在导致视频监控系统实时获取的图像较模糊且参杂了大量的颗粒噪声。为改善矿井视频图像质量,将空间域直方图匹配方法引入小波变换域中,提出了一种基于小波分解子带自适应直方图匹配的图像增强方法。首先对矿井视频图像与经过直方图均衡化处理后的矿井视频图像分别进行小波变换,以直方图均衡化处理后的图像的低频小波分解子带灰度直方图为基准,将矿井视频图像的低频小波分解子带直方图与之进行匹配,获得增强后的低频小波分解子带;然后针对均值滤波方法存在的缺陷,提出了一种基于滤波窗口自适应划分的加权改进均值滤波算法,并将其应用于去除矿井视频图像高频小波分解子带中的颗粒噪声;最后对直方图匹配后的低频小波分解子带和滤波后的高频小波分解子带进行逆小波变换,得到了视觉效果较佳的矿井视频图像。利用C++语言分别对直方图均衡化、同态滤波、均值滤波以及所提方法进行了编程实现,采用实地获取的山西阳泉某煤矿井下视频监控图像进行试验,对试验结果引入边缘保持指数（Edge protection index,EPI）进行评价,结果表明,所提方法对矿井视频图像的处理效果相对于其余方法而言优势较明显。     

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。     

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。     

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。     

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。