基于边界约束的煤矿井下尘雾图像去雾算法

摘要：

现有煤矿井下图像去雾算法主要有基于图像增强的去雾算法、基于CNN的去雾算法和基于物理模型的去雾算法.前两者去雾效果差,易出现过曝光.基于物理模型的去雾算法依据大气散射模型对尘雾进行处理,但将基于暗通道的大气光值估计方法应用到煤矿井下环境中,选取的大气光值会较小,易造成图像过曝光、无法抑制点光源照射等问题.针对上述问题,将基于暗原色先验的图像去雾算法(He算法)与基于边界约束及上下文正则化的去雾算法(Meng算法)进行融合,提出了一种基于边界约束的煤矿井下尘雾图像去雾算法.首先,对输入的图像进行伽马校正,对校正后的图像进行颜色通道开运算处理,得到低分辨率的像素块,并从中选取最大亮度值作为煤矿井下的大气光值.其次,分别用He算法与Meng算法对伽马校正后的图像进行处理,对采用Meng算法得到的边界约束图进行引导滤波,得到更为清晰的边界约束图,并将Meng算法与He算法的粗透射率差值进行比较再融合.最后,对融合后的粗透射率进行上下文正则化得到细化透射率,根据得出的大气光值与细化后的透射率,通过大气散射模型得到去雾后的图像.仿真结果表明,基于边界约束的煤矿井下尘雾图像去雾算法没有出现过曝光等问题,且对浓雾图像的去雾效果更好,去雾后的图像也更明亮,颜色更加接近原图.采用峰值信噪比(PSNR)、结构相似性指标(SSIM)、特征相似性指标(FSIM)3种指标对去雾效果进行客观评价,结果表明,提出的算法在PSNR,SSIM,FSIM上相较于He算法平均提升了 61.52％,36.51％,24.57％,相较于文献[9]算法平均提升了 15.51％,19.27％,-0.30％,相较于Meng算法平均提升了 18.93％,7.19％,1.21％,相较于文献[11]算法平均提升了 18.29％,10.54％,1.19％,说明提出的算法在煤矿井下环境中去雾效果更好、图像更加明亮、细节信息保留更多.

关键词：煤矿井下图像、尘雾图像、去雾算法、伽马校正、暗通道先验、边界约束、引导滤波、透射率、上下文正则化、大气光值

所属期刊栏目：48

分类号：TD714(矿山安全与劳动保护)

资助基金：安徽省自然科学基金面上项目2108085MF200

在线出版日期：2022-07-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：139-146