10.13272/j.issn.1671-251x.2022020029
基于TopHat加权引导滤波的Retinex矿井图像增强算法
煤矿井下光源分布不均、整体光线弱导致图像亮度低、不清晰,传统Retinex算法在处理矿井低照度图像时存在细节丢失、边缘模糊和光晕等问题.针对上述问题,提出了一种基于TopHat加权引导滤波的Retinex算法(THWGIF-Retinex)对矿井图像进行增强.首先将图像从RGB空间转换到HSV空间,并将其分离成色调、饱和度、亮度3个通道分量.其次,利用TopHat变换改进加权引导滤波的权重因子,进而从亮度分量中提取出图像的光照分量,实现光照分量的边缘增强.然后,采用自适应Gamma校正函数校正光照分量和饱和度分量,并通过Retinex算法从光照分量中获取反射分量,进一步提升图像光源处的细节和色彩效果;最后,合并色调分量、校正后的饱和度分量、反射分量并转换到RGB空间,得到增强的矿井图像.从主观评价和客观评价2个方面对THWGIF-Retinex算法、多尺度Retinex(MSR)算法、加权引导滤波的Retinex(WGIF-Retinex)算法进行对比验证.主观评价结果表明:对于无强光直射的矿井低照度原始图像,经THWGIF-Retinex算法增强后的图像色彩还原度较高,且图像边缘更清晰,视觉效果明显增强.对于有强光直射的矿井低照度原始图像,THWGIF-Retinex 算法对光晕有很好的改善效果,且在还原暗区域的细节信息和清晰度上优于WGIF-Retinex算法.客观评价结果表明:对于无强光直射的矿井低照度图像,经THWGIF-Retinex算法增强后的图像信息熵提高了12.50%,平均梯度提高了 109.07%,标准差提高了 52.44%,无参考结构清晰度(NRSS)提高了 45.46%.对于有强光直射的矿井低照度图像,与MSR算法相比,经THWGIF-Retinex算法增强后的图像信息熵提高了 1.24%,平均梯度提高了 81.44%,标准差提高了 18.23%,NRSS 提高了 36.67%;与 WGIF-Retinex 算法相比,THWGIF-Retinex算法在信息熵方面有所降低,但在平均梯度和NRSS方面有较大改善,分别提高了 72.34%和23.87%.
矿井图像增强、矿井低照度图像、TopHat加权引导滤波、Retinex、自适应Gamma校正
48
TD67(矿山电工)
安徽省自然科学基金资助项目;安徽省自然科学基金资助项目;安徽理工大学研究生创新基金项目
2022-09-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
43-49