本發(fā)明涉及圖像增強(qiáng)領(lǐng)域，具體涉及一種煤礦井下圖像增強(qiáng)的方法。

背景技術(shù)：

煤炭是我國最重要的能源，源于其經(jīng)濟(jì)的價格和豐富的儲藏量，尤其是用于發(fā)電。我國80％的能源來自于燃煤。但是煤礦的開采確是有很大的難度，原因主要有：一、我國的自然災(zāi)害嚴(yán)重；二、生產(chǎn)工藝流程復(fù)雜；三、生產(chǎn)設(shè)備和方式落后。前兩種原因基本上是不能改變的。第三種原因可以通過改進(jìn)生產(chǎn)和使用先進(jìn)設(shè)備來降低煤礦開采的難度。但是由于我國的煤礦生產(chǎn)的企業(yè)較多尤其是許多的小型企業(yè)管理技術(shù)欠缺，生產(chǎn)方式落后，從而導(dǎo)致了許多的煤礦事故的發(fā)生，事后更不能提供有用的監(jiān)控信息以便于更好的實施救援。因此有必要煤礦井下的視頻監(jiān)控，這是礦井安全生產(chǎn)的重要保障和應(yīng)急救援必要手段，在特殊的井下環(huán)境下，光照不均勻甚至全黑的環(huán)境，導(dǎo)致圖像對比度小，圖像模糊不清，而且在視頻圖像采集傳輸過程中混入大量的噪聲，導(dǎo)致視頻圖像畫面粗糙，質(zhì)量低下，視頻畫面質(zhì)量直接影響著礦難信息的及時獲取，因此圖像增強(qiáng)變的尤為重要。

圖像增強(qiáng)方法主要包括空間域和變換域兩大類。空間域算法直接在原始圖像上進(jìn)行運算。常用的方法有灰度變換法、直方圖均衡化法、基于retinex理論的增強(qiáng)方法、梯度域圖像增強(qiáng)方法、基于小波變換的圖像增強(qiáng)方法、基于高通濾波器的圖像增強(qiáng)方法、反銳化掩模圖像增強(qiáng)方法。以上方法在圖像的增強(qiáng)方向應(yīng)用十分廣泛。但由于煤礦井下拍攝環(huán)境惡劣，拍攝的圖像存在著以下特點：(1)礦井下粉塵濃度大、濕度大，且相機(jī)難以實現(xiàn)自動聚焦。(2)礦井下中照度波動頻繁，例如煤礦井下大型設(shè)備很多，電網(wǎng)擾動大，造成照度波動。(3)由于采集的圖像是由光的反射形成，若照射到景物上的光照不均勻，在圖像上將會得到光照較強(qiáng)的部分比較明亮，光照較弱的部分比較暗。因此，由于煤礦井下的特殊環(huán)境，常用的圖像處理方法難以滿足圖像的真實性、可靠性的要求，使信息識讀出現(xiàn)因難，不利于礦井下的安全、穩(wěn)定的生產(chǎn)。為了克服以上問題，人們引人了變換域方法，比較有代表性的包括傅里葉變換、小波變換的方法等。傅里葉變換用信號的頻譜特性解決了許多時域內(nèi)難以解決的問題，但該變換不具有時頻局部化的能力，容易造成圖像細(xì)節(jié)信息丟失。而小波變換具備頻譜特性的同時具有時頻局部化特性，很好地解決了傅里葉變換存在的只具有頻域處理能力不具備時域處理能力的單一特性，且圖像的梯度提供了比直方圖更直接、更多的空間信息。但小波變換對點奇異性比較敏感，且對邊緣方向表達(dá)能力有限。do等人提出了一種多尺度幾何分析工具-contourlet變換，它是一種多尺度分析方法，能有效地刻畫高維信息的特征，但是由于存在采樣操作，contourlet變換缺乏平移不變性，在進(jìn)行圖像去噪增強(qiáng)時會產(chǎn)生偽吉布斯現(xiàn)象。

因此，由于特殊的圖像環(huán)境，采用普通的圖像處理方式進(jìn)行圖像的方法難以滿足圖像的真實性、可靠性的要求，使信息識讀出現(xiàn)因難，不利于礦井下的安全、穩(wěn)定的生產(chǎn)。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種煤礦井下增強(qiáng)圖像的方法，用于解決現(xiàn)有煤礦井下圖像增強(qiáng)方法中，反銳化掩模技術(shù)存在的對噪聲非常敏感及過沖現(xiàn)象的問題，同時彌補(bǔ)高頻部分得不到好的增強(qiáng)的問題。避免去噪帶來的圖像模糊同題，而且對圖像的增強(qiáng)符合人眼視覺特性，既改善了煤礦井下低照度、低對比度的圖像特征，又不會出現(xiàn)過沖，避免圖像細(xì)節(jié)的損失，增強(qiáng)效果較好，且抑制了噪聲的增強(qiáng)。

為實現(xiàn)上述目的，本發(fā)明的方案是：一種反銳化掩模法與nsct(非下采樣的contourlet變換，non-subsampledcontourlettransform)相結(jié)合的圖像增強(qiáng)方法，步驟如下：

(1)對輸入圖像的細(xì)節(jié)程度進(jìn)行判斷，把圖像分為高、中、低三個細(xì)節(jié)程度；

(2)采用基于加權(quán)替代中值濾波方法對所述低細(xì)節(jié)區(qū)域的圖像進(jìn)行去噪處理；

(3)采用基于反銳化掩膜法對所述高、中、低三個細(xì)節(jié)區(qū)域進(jìn)行不同程度的圖像增強(qiáng)，即：對低細(xì)節(jié)區(qū)域不做增強(qiáng)或增強(qiáng)很小，對高細(xì)節(jié)區(qū)域做中等程度的增強(qiáng)，對中細(xì)節(jié)區(qū)域做較大程度的增強(qiáng)；

(4)對步驟(3)得到的圖像進(jìn)行nsct變換，對分解后的高頻子帶系數(shù)通過像素點的平均值和最大值采用基于bayes閾值(貝葉斯閾值)進(jìn)行系數(shù)分類，將高頻子帶分為噪聲、強(qiáng)邊緣和弱邊緣，通過修正函數(shù)對噪聲、強(qiáng)邊緣和弱邊緣進(jìn)行增強(qiáng)。

進(jìn)一步地，所述的步驟(1)中對圖像細(xì)節(jié)程度進(jìn)行判斷的方法為：

首先計算各像素點的局部方差v(i，j)，并設(shè)置兩個閾值t1和t2，且t1＜t2，局部方差即代表像素點的細(xì)節(jié)程度；然后，根據(jù)v(i，j)的大小把圖像劃分為低、中、高三個細(xì)節(jié)區(qū)，即：若v(i，j)＜t1則為低細(xì)節(jié)區(qū)域；若t1＜v(i，j)＜t2則為中細(xì)節(jié)區(qū)域；若v(i，j)＞t2則為高細(xì)節(jié)區(qū)域。

進(jìn)一步地，所述各像素點的局部方差v(i，j)計算方法為：

所述的局部方差定義為一個給定的窗口內(nèi)所有像素的方差，即一個(2n+1)×(2n+1)窗口，f(i，j)為窗口中心像素點的灰度值，像素點(i，j)的局部方差為：

其中，f(k，l)為像素點(k，l)處的灰度值，表示像素點(i，j)的局部均值，n表示整數(shù)。

進(jìn)一步地，步驟(2)所述的加權(quán)替代中值濾波方法為：

(1)設(shè)窗口尺寸為(2n+1)×(2n+1)，向右沿著列方向滑動，滑動到下一個像素時，窗口左邊一列將會去除，窗口右邊一列加入新的像素值，設(shè)左邊一列的像素值為a1，a2，a3.....a2n+1，右邊一列新加入的像素值為b1，b2，b3.....b2n+1；

(2)如果像素值滿足a1＝b1，a2＝b2，a3＝b3.....a2n+1＝b2n+1的關(guān)系，則該窗口的中值為原中值；否則，將新加入的值替代不等值，計算該窗口的均值和中值；

(3)對步驟(2)得到的中值和均值進(jìn)行加權(quán)，其中，中值的權(quán)重為0.3，均值的權(quán)重為0.7，將加權(quán)后的值作為輸出值，替代為窗口中心的值；

(4)滑動窗口，按照步驟(1)-(3)完成整個圖像的去噪。

進(jìn)一步地，步驟(3)所述的反銳化掩模算法的計算公式為：y(i，j)＝x(i，j)+γz(i，j)，其中，x(i，j)為輸入圖像信號；z(i，j)為去噪后信號的輸出(只對低細(xì)節(jié)區(qū)域進(jìn)行去噪)，γ是一個正比例因子，可以控制圖像增強(qiáng)的強(qiáng)度，y(i，j)是增強(qiáng)后的圖像。

進(jìn)一步地，步驟(4)所述的方法為：計算同一層內(nèi)，不同子帶在同一位置像素點的平均值以及所有像素點的最大值pmax，選取一個合適的閾值可把nstc高頻系數(shù)進(jìn)行分類：其中，nose代表噪聲，ste代表強(qiáng)邊緣，wke代表弱邊緣，tij采用基于bayes閾值估計法計算，c為調(diào)節(jié)參數(shù)；

所述的基于bayes閾值估計法為：其中σ是第一層子帶上的噪聲方差估計，可用公式表示。

修正函數(shù)為：

其中，t為輸入原始圖像的變換系數(shù)，f(t)為弱邊緣的增強(qiáng)函數(shù)，采用改進(jìn)的sigmoid函數(shù)(s型生長曲線)進(jìn)行系數(shù)處理：

其中，a取[0，1]之間的參數(shù)，k為增強(qiáng)因子。

本發(fā)明達(dá)到的有益效果：由于去噪一般會使圖像變模糊，損失圖像的細(xì)節(jié)，而使去噪和增強(qiáng)二者之間難以達(dá)到較優(yōu)化的效果，本發(fā)明采用一種把小波去噪和反銳化掩模增強(qiáng)法相結(jié)合的新的處理方法，把圖像根據(jù)細(xì)節(jié)程度分為低、中、高三個區(qū)域，只在圖像的低細(xì)節(jié)區(qū)域(亦即平坦區(qū)域)進(jìn)行去噪處理，因為根據(jù)人眼視覺特性，人眼對圖像平坦區(qū)域的噪聲比細(xì)節(jié)部分的噪聲更敏感，且一般情況下圖像的部分區(qū)域是平坦的，這樣圖像的噪聲被相對“去除”了，而細(xì)節(jié)區(qū)域被完好的保留，同時引入nsct算法，彌補(bǔ)上述方法對高頻圖像增強(qiáng)不足。該方法避免去噪帶來的圖像模糊同題，而且對圖像的增強(qiáng)符合人眼視覺特性，既改善了煤礦井下低照度、低對比度的圖像特征，又不會出現(xiàn)過沖，避免圖像細(xì)節(jié)的損失，增強(qiáng)效果較好，且抑制了噪聲的增強(qiáng)。

附圖說明

圖1是本發(fā)明基于反銳化掩模法和nsct的煤礦井下圖像增強(qiáng)方法流程圖。

圖2是本發(fā)明反銳化掩模增強(qiáng)圖像的流程圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明做進(jìn)一步詳細(xì)的說明。

1、判斷圖像細(xì)節(jié)

(1)計算各像素點的局部方差v(i，j)，即一個(2n+1)×(2n+1)窗口，f(i，j)為窗口中心像素點的灰度值，像素點(i，j)的局部方差為：

其中，f(k，l)為像素點(k，l)處的灰度值，表示像素點(i，j)的局部均值，n表示整數(shù)。

像素的局部均值為：

v(i，j)就代表了像素點(i，j)的細(xì)節(jié)程度。

(2)設(shè)置兩個閾值t1和t2，且t1＜t2；

(3)根據(jù)v(i，j)的大小把圖像劃分為低、中、高三個細(xì)節(jié)區(qū)，即：若v(i，j)＜t1則為低細(xì)節(jié)區(qū)域；若t1＜v(i，j)＜t2則為中細(xì)節(jié)區(qū)域；若v(i，j)＞t2則為高細(xì)節(jié)區(qū)域。

2、加權(quán)代替中值濾波算法

運算方法為：

(1)設(shè)窗口尺寸為(2n+1)×(2n+1)，向右沿著列方向滑動，滑動到下一個像素時，窗口左邊一列將會去除，窗口右邊一列加入新的像素值，設(shè)左邊一列的像素值為a1，a2，a3.....a2n+1，右邊一列新加入的像素值為b1，b2，b3.....b2n+1；；

(2)如果像素值滿足a1＝b1，a2＝b2，a3＝b3.....a2n+1＝b2n+1的關(guān)系，則該窗口的中值為原中值；否則，將新加入的值替代不等值，計算該窗口的均值和中值；

(3)對步驟(2)得到的中值和均值進(jìn)行加權(quán)，其中，中值的權(quán)重為0.3，均值的權(quán)重為0.7，將加權(quán)后的值作為輸出值，替代為窗口中心的值；

(4)滑動窗口，按照步驟(1)-(3)完成整個圖像的去噪

該方法在處理噪聲方面極大地提高了運算速度，降低了運算復(fù)雜度，對實時圖像噪聲處理具有更大的意義。

3、反銳化掩模法

反銳化掩模算法的計算公式為：y(i，j)＝x(i，j)+γz(i，j)

其中，x(i，j)為輸入圖像信號；z(i，j)為去噪后信號的輸出(只對低細(xì)節(jié)區(qū)域進(jìn)行去噪)，γ是一個正比例因子，可以控制圖像增強(qiáng)的強(qiáng)度，y(i，j)是增強(qiáng)后的圖像。

設(shè)輸入圖像x(i，j)經(jīng)中值濾波算法處理后得到圖像m(i，j)。

增強(qiáng)因子γ可定義為圖像細(xì)節(jié)程度的非線性函數(shù)γ(i，j)，即：

式中，γ1，γ2，γ3分別是圖像低、中、高細(xì)節(jié)區(qū)域的增強(qiáng)因子，且0＜γ1γ2γ3＜1。

設(shè)輸入圖像x(i，j)經(jīng)中值濾波算法處理后得到圖像m(i，j)。

最后，得到去噪增強(qiáng)后的圖像，式(1)可改寫為y(i，j)＝m(i，j)+γ(i，j)z(i，j)，如圖2所示。

4、基于nsct的高頻部分增強(qiáng)法

對上述方法得到的圖像進(jìn)行nsct分解，對分解后的各高頻子帶系數(shù)，計算同一層內(nèi)，不同子帶在同一位置像素點的平均值以及所有像素點的最大值pmax，選取一個合適的閾值可把nstc高頻系數(shù)進(jìn)行分類：

其中，nose代表噪聲，ste代表強(qiáng)邊緣，wke代表弱邊緣，tij代表第i層、j方向上的子帶閾值。c為是一個[1，5]之間的調(diào)節(jié)參數(shù)。σ是第一層子帶上的噪聲方差估計，可用公式表示。

其中，median表示取中值，x表示一次高通濾波系數(shù)。x表示為輸入圖像在nsct域內(nèi)最小尺度(分解第一層)的系數(shù)。

其中tij的計算，采用樣本估計，得到一個隨尺度能夠自適應(yīng)調(diào)整的bayes閾值估計公式：

煤礦井下圖像增強(qiáng)的目標(biāo)是放大弱邊緣等細(xì)節(jié)信息，同時抑制噪聲，故獲得非下采樣contourlet變換系數(shù)的修正函數(shù)為：

其中，t為輸入原始圖像的變換系數(shù)，f(t)為弱邊緣的增強(qiáng)函數(shù)，采用改進(jìn)的sigmoid函數(shù)進(jìn)行系數(shù)處理：

其中，a取[0，1]之間的參數(shù)，k為增強(qiáng)因子。