基于大气散射模型的采煤工作面尘雾图像清晰化算法.pdf
《基于大气散射模型的采煤工作面尘雾图像清晰化算法.pdf》由会员分享,可在线阅读,更多相关《基于大气散射模型的采煤工作面尘雾图像清晰化算法.pdf(11页珍藏版)》请在咨信网上搜索。
1、基于大气散射模型的采煤工作面尘雾图像清晰化算法赵猛1,任志浩1,褚海峰2,王毅1,张坤1,程学珍1(1.山东科技大学电气与自动化工程学院,山东青岛266590;2.山东里能鲁西矿业有限公司,山东济宁272000)摘要:煤炭开采过程中产生了大量粉尘、水雾等悬浮颗粒,导致图像出现低照度、高尘雾且分布不均匀等降质现象,现有的图像清晰化方法处理效果不理想。提出一种基于大气散射模型的采煤工作面尘雾图像清晰化算法,解决了复杂采煤环境下模型参数(环境光值和透射率)估计不准问题。主要包括 3 个部分:根据采煤图像尘雾浓度分割图像区域;估计各区域的环境光值与透射率;融合区域参数后,基于大气散射模型恢复清晰图像。
2、首先,通过分析采煤工作面尘雾分布特征,依据图像通道差异、亮度等信息,将采煤工作面尘雾区域分割为浓雾区域和非浓雾区域。然后,采用 Max-RGB 方法估计出尘雾图像初始光照图,为更好的保留尘雾图像结构信息和边缘信息,对初始光照图进行精细化处理,并利用精细化光照图分别计算出两区域的环境光值;在浓雾区域,依据尘雾浓度及分布特点,采用优化的颜色衰减模型,估计出浓雾区域的透射率;在非浓雾区域,利用暗通道先验以及该区域环境光矩阵,计算出非浓雾区域透射率。最后,对不同区域的环境光矩阵及透射率矩阵进行 Alpha 融合,并利用引导滤波在保留图像边缘信息的同时对融合过程产生的噪声进行抑制,得到全局的环境光和透射
3、率,代入大气散射模型恢复低照度尘雾图像。为验证本文提出算法的有效性,选取了具有代表性的算法进行对比,试验表明提出算法能有效降低图像中雾的浓度,改善图像照度,保留图像边缘信息,总体性能更佳。关键词:采煤工作面尘雾图像;大气散射模型;区域分割;Alpha 融合;图像清晰化中图分类号:TD672文献标志码:A文章编号:02539993(2023)08331211Dust and fog image-sharpening algorithm based on atmosphericscattering model in coal faceZHAOMeng1,RENZhihao1,CHUHaifeng2
4、,WANGYi1,ZHANGKun1,CHENGXuezhen1(1.College of Electrical Engineering and Automation,Shandong University of Science and Technology,Qingdao266590,China;2.Shandong Lineng LuxiMining Co.,Ltd.,Jining272000,China)Abstract:Alargenumberofsuspendedparticlessuchasdustandwaterfogisproducedintheprocessofcoalmin
5、ing,whichleadstothedegradationofimagessuchaslowillumination,highdustconcentration,andunevenfogdistribution.Theexistingimage-sharpeningmethodsarenotideal.Analgorithmbasedonatmosphericscatteringmodelisproposedtorestorethedustandfogimageincoalface,whichsolvestheproblemofinaccurateestimationofatmospheri
6、cscatteringmodelparametersinacomplexcoalminingenvironment.Itmainlyincludesthreeparts:Segmentingtheimageaccordingtothedustandfogconcentrationofthecoalminingimage;Estimatingtheambientlightvalueandtransmittanceofeach收稿日期:20220805修回日期:20220910责任编辑:王凡DOI:10.13225/ki.jccs.2022.1131基金项目:国家自然科学基金资助项目(620731
7、98);中国博士后科学基金资助项目(2018M642680);第七届青年人才托举工程资助项目(2021QNRC001)作者简介:赵猛(1978),男,辽宁营口人,副教授,硕士生导师。E-mail:通讯作者:张坤(1990),男,山东威海人,副教授,硕士生导师。E-mail:引用格式:赵猛,任志浩,褚海峰,等.基于大气散射模型的采煤工作面尘雾图像清晰化算法J.煤炭学报,2023,48(8):33123322.ZHAOMeng,RENZhihao,CHUHaifeng,etal.Dustandfogimage-sharpeningalgorithmbasedonatmo-sphericscatte
8、ringmodelincoalfaceJ.JournalofChinaCoalSociety,2023,48(8):33123322.第48卷第8期煤炭学报Vol.48No.82023年8月JOURNALOFCHINACOALSOCIETYAug.2023region;Afterfusingtheregionalparameters,theclearimageisrestoredbasedonatmosphericscatteringmodel.Firstly,byanalyzingthedustandfogdistributioncharacteristicsincoalface,accor
9、dingtotheinformationofimagechanneldiffer-enceandbrightness,thedustandfogimageofcoalfaceisdividedintodensefogregionandnon-densefogregion.Then,theMax-RGBmethodisusedtoestimatetheinitialilluminationmapofthedustandfogimage.Tobetterretainthestruc-tureinformationandedgeinformationofthedustandfogimage,thei
10、nitialilluminationmapisrefined,andtheambientlightvaluesofthetworegionsarecalculatedbyusingtherefinedilluminationmap;Inthedensefogregion,accordingtothedustandfogconcentrationanddistributioncharacteristics,thetransmittanceisestimatedbyusingtheoptimizedcolorattenuationmodel;Inthenon-densefogregion,thet
11、ransmittanceiscalculatedbyusingthedarkchannelpriorandtheam-bientlightmatrixoftheregion.Finally,theambientlightmatrixandtransmittancematrixindifferentregionsarealphafused,andtheguidancefilterisusedtosuppressthenoisegeneratedinthefusionprocesswhileretainingtheimageedgeinformation,toobtaintheglobalambi
12、entlightandtransmittancevalues,whicharesubstitutedintotheatmosphericscatter-ingmodeltorestorethelowilluminationofdustandfogimage.Inordertoverifytheeffectivenessoftheproposedal-gorithm,tworepresentativealgorithmsareselectedforcomparison.Experimentsshowthattheproposedalgorithmcanef-fectivelyreducethed
13、ustandfogconcentrationintheimage,improvetheimageillumination,retaintheimageedgein-formation,andtheoverallperformanceisbetter.Key words:dustandfogimageincoalface;atmosphericscatteringmodel;regionsegmentation;alphafusion;image-sharpening随着信息技术和计算机视觉技术的高速发展,煤矿智能化、数字化建设取得了长足的进展1。视频监控技术已经广泛应用于煤矿各生产领域2,越来
14、越多煤矿企业已在矿井下安装网络摄像头,实时获取智能化煤矿生产信息,进一步提高生产效率,确保生产安全。由于采煤工作面的开采活动,监控视频图像会产生低照度、光照不均、高尘雾且分布不均等降质现象,不利于煤矿安全生产,难以实现设备操作人员远程操控、智能视频识别技术的运用等,采煤工作面图像清晰化工作尤为重要。基于图像复原的去雾算法以大气散射模型3为基础,分析尘雾图像降质过程,依据先验估计环境光和透射率,反演成像过程复原清晰图像。大气散射模型是根据尘雾条件物体成像过程建立的退化物理模型,一般通过估计模型中环境光值和透射率复原清晰图像。HE 等4提出暗通道先验去雾算法,基于暗通道统计规律估计粗略透射率,并采
15、用软抠图对透射率进行精细化,但软抠图精细化方法时间复杂度较高。HE 等5继而提出基于引导滤波的透射率精细化方法,提高了算法的性能。ZHU 等6提出颜色衰减先验去雾算法,利用统计特性建立有雾图像场景深度与亮度、饱和度之间的关系,进而求解图像透射率。常用的一些先验知识还有:非局部先验7、梯度信道先验8、色彩保真度9、最大反射率先验10等。近年来,复杂天气条件和非大气环境下的图像去雾研究得到了广泛关注。ZHANG 等11基于夜间图像退化模型估计夜间有雾图像的光照图,解决了图像光照不均匀的问题,恢复了图像亮度和对比度,但复原图像在光源区域会产生失真现象。LI 等12依据夜间图像中人造光源的特点,先将光
16、源的辉光部分从有雾图像中分离,并计算不同颜色灯光的大气特征图,从而得到图像透射率,去除了人造光源的影响。AN-CUTI 等13采用多尺度融合方法,将有雾图像分离得到多个尺度图像,并依据其信息量设置不同权重进行融合。该方法恢复的图像噪声较少,细节信息得到保留,视觉效果也更加自然。井下尘雾成像环境与夜间雾天环境有相似之处:光照均采用人工光源,图像存在低照度、光照不均等现象。智宁等14利用深度融合网络对预处理的尘雾图像特征信息进行提取,在自建数据集上取得了较好的效果。王家臣等15提出一种基于频域先验的单通道 Retinex 图像清晰化方法,在 YIQ 空间引入单通道多尺度 MSRCR 算法,保留复原
17、图像细节信息的同时抑制图像噪声。井下图像清晰化方法还包括:基于对比度恢复的井下有雾图像清晰化方法16、基于自适应双边滤波的清晰化方法17、基于全变差正则化的清晰化方法18等。上述几种算法在大气散射模型基础上,结合矿井部分环境的先验知识,取得了较好的复原效果。采煤工作面环境复杂,作业区域光照不均匀,尘雾密集且介质分布不均匀,上述图像清晰化方法处理效果不理想,大气散射模型中的环境光值和透射率参数估计成为难点问题。为此,提出了基于大气散射模型的采煤工作面尘雾图像清晰化算法。该算法流程如图 1 所示,首先,根据采煤工作面尘雾图像亮度和第8期赵猛等:基于大气散射模型的采煤工作面尘雾图像清晰化算法3313
18、通道差异分割图像浓雾区域(DenseFogRegion,DFR),并估计全局光照图。在浓雾区域,利用优化的颜色衰减模型估计透射率,并结合全局光照图,求解出浓雾区域环境光值。在非浓雾区域(Non-DenseFogRe-gion,NDFR),通过暗通道先验估计透射率,并直接利用全局光照图估计环境光值。最后,利用 Alpha 融合得到全局的环境光值和透射率,根据大气散射模型复原清晰化图像。输入图像I(x,y)浓雾区域分割基于颜色衰减先验求解浓雾区域透射率t0(x,y)基于暗通道先验求解非浓雾区域透射率t1(x,y)全局光照图P(x,y)全局透射率t(x,y)浓雾区域环境光A0(x,y)=P(x,y)
19、/t0(x,y)非浓雾区域环境光A1(x,y)=P(x,y)全局环境光A(x,y)输出图像J(x,y)透射率融合环境光融合大气散射模型图1基于大气散射模型的采煤工作面尘雾图像清晰化流程Fig.1Dustandfogimage-sharpeningflowdiagrambasedonatmosphericscatteringmodelincoalface1大气散射模型大气散射模型主要应用在基于复原技术的图像去雾算法中,该模型通过对物体成像过程中各种环境光作用的分析,描述了有雾图像退化的过程。大气散射模型的去雾思路是对反射光的衰减能量进行补偿,并且尽可能消除环境光参与成像的部分,从而恢复出清晰图像
20、。该模型假设环境光为全局常量,适用于室外大气条件下的成像过程。大气散射模型如图 2 所示。环境光光源观测者目标场景场景深度能量衰减悬浮颗粒散射光图2大气散射模型Fig.2Atmosphericscatteringmodel场景中物体反射光到达成像平面时包括 2 部分:一是衰减后的物体反射光;二是悬浮颗粒对周围光照的散射光。基于上述尘雾环境成像过程,退化后的尘雾图像可表示为I(x,y)=J(x,y)t(x,y)+A1 t(x,y)(1)I(x,y)J(x,y)t(x,y)A其中,为尘雾条件下采集到的图像;为复原图像;为透射率;为环境光值,在室外大气环境中常取为全局恒定值。井下环境采用人工光源,存
21、A(x,y)在光照不均现象,将上述模型中恒定环境光值 A 扩展为环境光矩阵,应用到井下环境时式(1)改写为I(x,y)=J(x,y)t(x,y)+A(x,y)1 t(x,y)(2)若估计出模型中参数环境光值矩阵 A 和透射率矩阵 t,即可得到恢复后图像 J。大气散射模型中的透射率与大气散射系数、场景深度有关,表示为t(x,y)=ed(x,y)(3)d(x,y)其中,为大气散射系数;为场景深度。在尘雾均匀分布的条件下 为恒定值,但采煤工作面的作业区域尘雾浓度高且介质分布不均匀,不同位置的大气散射系数不同。而远离作业区域尘雾浓度低,可假设介质均匀分布。依据上述尘雾分布特点,将图像分割成浓雾区域和非
22、浓雾区域,基于不同假设分别求取模型区域参数,融合后得到全局环境光值矩阵 A 和透射率矩阵 t。2尘雾图像区域分割采煤工作面获取的图像尘雾浓度分布明显不均匀:采煤作业区域附近会产生大量的尘雾且密度不均匀,定义为浓雾区域;远离该区域尘雾较为稀薄且分布比较均匀,定义为非浓雾区域。如图 3 所示,图中A 区域为部分浓雾区域,B 区域为部分非浓雾区域。在尘雾图像中,常用通道差异表示图像各区域最大颜色通道值和最小颜色通道值的差值19。浓雾区域相对于非浓雾区域,尘雾颗粒分布密集,散射光强3314煤炭学报2023年第48卷度高,图像整体亮度值较大且通道差异值小,依据上述特点进行尘雾图像区域分割。图像通道差异定
23、义为Cd(x,y)=maxCR,G,BIC(x,y)minCR,G,BIC(x,y)(4)Cd(x,y)C其中,为图像通道差异;代表 R、G、B 颜色通道。如图 4 所示,浓雾区域的通道差异可近似为 0。但部分非浓雾区域,例如煤壁背景区域通道差异也比较小,采用亮度特征进一步分割。(a)井下尘雾图像(b)通道差异图图4图像通道差异Fig.4Channeldifferenceoftheimageincoalface利用伽马变换提高图像亮度差异,变换后图像亮度表示为(x,y)=(maxCR,G,BIC(x,y)(5)(x,y)=2.5其中,为 Gamma 变换后的亮度图;为变换参数,通过实验选取。归
24、一化亮度为b(x,y)=(x,y)minmaxmin(6)b(x,y)minmaxCd(x,y)0其中,为归一化后的亮度图;为亮度图中的最小值;为亮度图中的最大值。浓雾区域图像整体亮度较高,且通道差异。基于上述试验,构建图像尘雾区域概率分布函数为(x,y)=b(x,y),Cd(x,y)00,否则(7)(x,y)利用最大熵阈值分割方法选取阈值,对整幅尘雾图像概率分布进行分割,得到浓雾区域和非浓雾区域。同时,将作为对区域间进行 Alpha 融合过程中的加权系数,将在 4.4 节介绍。图 5(b)为图 5(a)采用式(5)变换后得到的亮度图,图 5(c)为尘雾图像概率分布,图 5(d)为浓雾区域与非
25、浓雾区域分割结果。3全局光照图估计成像区域光照强弱由成像过程中的环境光所决定,可以通过估计全局光照图来反解出各位置的环境光值。井下尘雾图像存在低照度且光照不均的问题,现有光照图估计算法针对井下图像处理效果不理想。针对以上问题,结合 LIME 算法20,设计了井下尘雾图像光照图估计算法。LIME 算法是一种快速、高效的低光照图像增强算法,将光照图估计转化为最优化问题,增强图像亮度信息,保持图像的保真度和结构平滑度。井下图像含有丰富的细节信息,采用 LIME 算法能有效恢复图像梯度,增强低照度图像的亮度。具体估计步骤如下:P0(x,y)(1)设置初始光照图。在图像复原领域,常用Max-RGB 方法
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 大气 散射 模型 采煤 工作面 尘雾 图像 清晰 算法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。