喬陸　陳靜

摘要：使用智能視頻技術(shù)可以有效控制礦難的發(fā)生，礦井下圖像具有光照不均勻、成像質(zhì)量差的缺點，這樣就會造成在井下無法正常使用智能視頻技術(shù)。針對這種情況，文章提出了基于模糊理論的煤礦井下圖像增強算法。此算法的核心思想是構(gòu)造一個線性模糊化函數(shù)，這樣就能很好的控制了高亮區(qū)，同時也增強了低亮區(qū)，所以就能實現(xiàn)調(diào)整模糊增強后的圖像對比度。測試結(jié)果表明，此算法可以很好的解決煤礦井下圖像光照不均勻的問題，具有廣闊的應(yīng)用空間。

關(guān)鍵詞：礦井；圖像增強；模糊理論

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2015）13-0177-03

Abstract： Using intelligent video technology can effectively control the occurrence of mine， mine images with uneven illumination， the shortcomings of poor image quality， this will result in the underground intelligent video technology does not work properly. To address this situation， the paper proposes coal mine based on fuzzy image enhancement algorithms. The core idea of this algorithm is to construct a linear blur function， so you can highlight good control， but also enhance the low-light district， so we can achieve adjusting Fuzzy enhanced image contrast. Test results show that the algorithm can solve the coal mine image problem of uneven illumination， and has broad application space.

Key words： mine； image enhancement； fuzzy theory

煤礦開采安全是國家非常重視的問題，通過監(jiān)控系統(tǒng)可以有效減少礦難的發(fā)生。目前，視頻監(jiān)控系統(tǒng)被廣泛的應(yīng)用在煤礦企業(yè)，各個工作場所都能被實時監(jiān)控，同時也能進行視頻資料的備份。煤礦井下都是通過人工照明的，所以礦井下的圖像的特點非常的明顯：第一，照度低，和自然光照成像不同；第二，光照分布不均勻，因為使用的是人工照明，所以，離光源越近，照度越強，相反，離光源比較遠(yuǎn)的地方，照度比較弱；第三，圖像沒有任何色彩，圖像主要是黑、灰、白色，在進行圖像處理的時候，無法應(yīng)用色彩信息[1]。因為這些圖像特點的存在，所以煤礦安全監(jiān)控中無法正常使用智能視頻技術(shù)。只有把礦井下圖像的可讀性能提高，才能滿足智能視頻技術(shù)的要求。

所謂的圖像增強技術(shù)就是通過改善圖像的視覺效果，從而使其更適合人類的視覺。圖像增強算法應(yīng)用比較廣泛的是模糊理論，效果非常明顯[2]。模糊增強算法的基本思想是把圖像數(shù)據(jù)模糊化，然后再把像素進行迭代運算，最后在把數(shù)據(jù)進行逆變換處理，從而實現(xiàn)圖像的增強。傳統(tǒng)的方法實現(xiàn)的目的主要是提高圖像的對比，也就是說讓高灰度更高、低灰度更低。但是，因為礦井下圖像具有自身的特點，無法使用傳統(tǒng)的模糊增強算法。針對這個問題，文章提出了基于模糊理論的煤礦井下圖像增強算法，通過此算法的處理可以改善井下圖像中光照分布嚴(yán)重不均勻現(xiàn)象，實用價值很高。

1 模糊算法基本原理

設(shè)一幅圖像f的長寬分別為M和N，灰度級為L，M×N階的模糊矩陣可表示為：

[F=x=1My=1N（μxy/fxy）] （1）

式（1）中，xy是隸屬度，x，y表示像素點的坐標(biāo)[3]。隸屬函數(shù)，xy可表示成：

[μxy=[1+（L-1）-fxyFd]-Fe] （2）

式（2）中，F(xiàn)d表示倒數(shù)型模糊因子，F(xiàn)e表示指數(shù)型模糊因子，這些因子能通過過渡越點確定，通常情況下Fe=2。

把隸屬函數(shù)進行非線性變換處理，變換的結(jié)果可表示為：

[I（μxy）=2（μxy）2 （0≤μxy≤0.5）1-2（1-μxy）2 （0.5<μxy<1.0）] （3）

式（3）中，為了能夠減小模糊性，可以通過增大隸屬度值實現(xiàn)[4]。如果把式（3）進行迭代運算，就能夠得到一個新的隸屬度，此隸屬度可以表示為：

[μ'xy=Ir（μxy）=I（Ir-1（μxy）） （r=1，2，3，…）] （4）

式（4）中，Ir表示I的r次用。如果把新的隸屬度進行逆變換，就可以實現(xiàn)把增強后的圖像換回數(shù)據(jù)空間，這樣就能得到模糊增強后的圖像fˊ。

從模糊理論的基本原理可以看出來，式（2）和式（3）決定了模糊增強算法的效果和效率。通過改變隸屬度的函數(shù)、參數(shù)的選取可以有效的提高圖像的對比度。但是，這種方法在礦井下的圖像無法正常的使用，所以必須對此算法進行改進[5]。

2 煤礦井下圖像模糊增強算法

因為礦井下的圖像具有自身的特點。所以，在使用基于模糊理論的增強算法的時候，最主要的是怎么樣確定圖像數(shù)據(jù)模糊化函數(shù)和模糊增強函數(shù)[6]。

2.1 模糊化函數(shù)

圖像的模糊矩陣可以表示為：

[μxy=fxy-fminf-fmin （fxy≤f）fmax-fxyfmax-f （fxy>f） f是灰度平均值] （5）

式（5）中，fmin表示最大灰度值，fmax表示最小灰度值。如果灰度為平均值的時候，μxy為最大值1，如果灰度為最大值或者最小值的時候，μxy為最小值0，其它的情況，μxy值范圍是0～1。隸屬函數(shù)是線性函數(shù)，和傳統(tǒng)的方法相比，大大減少了計算流程。

2.2 模糊增強

由式（5）可知，當(dāng)圖像灰度小于等于平均灰度值的時候，μxy隨著灰度值的增大而增大。當(dāng)圖像灰度大于平均灰度值的時候，μxy隨著灰度值的減小而增大。礦井下的圖像需要進行減小高亮度，增大低亮度的處理，只需要把μxy的值增大就能實現(xiàn)[7]。所以可以進行以下的變換：

[μ'xy=sqrt（μxy） μxy∈[0.1]，μ'xy∈[0，1]且μ'xy≥μxy] （6）

通過式（6）的變換可以實現(xiàn)增大低亮度，降低高亮度?？墒?，同時會對圖像的對比度產(chǎn)生不好的影響。所以，在不進行迭代運算的時候，可以把對比度的降低控制在一定范圍內(nèi)。

增強后的圖像可以通過對式（5）進行逆變換得到： [f'xy=μ'xy（f-fmin）+fmin （fxy≤f）fmax-μ'xy（fmax-f） （fxy>f） 其中f'xy是圖像f'中像素（x，y）的灰度]（7）

2.3 調(diào)整對比度

高灰度的降低和低灰度的增大，會對對比度造成很大的影響，影響的結(jié)果是對比度降低，這樣就會把圖像變得非常的模糊，所以為了不影響圖像的視覺效果，就必須調(diào)整圖像的對比度。調(diào)整的過程可分三步進行：

第一步，對原始圖像進行卷積運算， 這個過程是通過3個不同尺寸二維高斯濾波器實現(xiàn)，設(shè)gi（i=1，2，3）是高斯濾波器。經(jīng)過處理的圖像灰度可表示為：

[fxy，i=f*xy gi，xy] （8）

高斯濾波器gi各個元素的取值為：

[gi，xy=K?exp（-（x2+y2）2σ2i）] （9）

式（9）中Ki的值必須要滿足：

[Ki?exp（-（x2+y2）2σ2i）dxdy=1] （10）

式（10）中，σi表示濾波器的標(biāo)準(zhǔn)差，其值分別是5，20，240。

第二步，求像素點的比值，必須把濾波后圖像和原亮度圖像所有的像素點比值都要求出來，方法是：

[γi，xy=fi，xy/fxy] （11）

第三步，調(diào)整模糊增強后圖像的對比度，得到新的圖像，此圖像可表示為：

[f''xy=i=13wif'γi，xyxy 其中f''xy是圖像f''中像素（x，y）的灰度] （12）

式（12）中，wi表示的是權(quán)系數(shù)。

2.4 煤礦井下圖像模糊增強算法步驟

此算法過程分四步進行：

第一步，把圖像數(shù)據(jù)進行模糊化處理，這一步的目的是把每個像素點的隸屬值都算出來[8]。

第二步，模糊增強，這一步的目的是要實現(xiàn)對每個像素點的隸屬值進行增強。

第三步，去模糊，這一步的目的是把像素點增強后的隸屬值轉(zhuǎn)換為灰度值。

第四步，調(diào)整對比度。

3 測試結(jié)果

為了驗證此算法正確性，文章通過Matlab對兩幅圖像通過此算法進行了處理，同時要使用直方圖均衡化算法進行了處理，兩種方法處理的結(jié)果如圖1和圖2所示。

由圖1可知，通過文章所述算法處理的結(jié)果是，暗區(qū)變亮，同時對整體的對比度沒有任何的影響，處理效果很好。但是通過直方圖均衡化的方法處理的圖像有些細(xì)節(jié)看不清楚。

由圖2可知，經(jīng)過文章中所述算法的處理，暗區(qū)得到了很好的增強，亮區(qū)得到了很好的控制，但是通過直方圖均衡化的方法處理的圖像，暗區(qū)沒有得到有效的增強。

4 結(jié)論

為了能夠在礦井下能夠正常使用智能監(jiān)控系統(tǒng)，針對井下圖像自身的缺點，文章提出了基于模糊理論的煤礦井下圖像增強算法。文章論述了此算法的基本理論和具體的實現(xiàn)步驟，為了驗證此算法的正確性和有效性，文章還對兩幅不同的井下圖像使用本文算法和直方圖均衡化的方法分別進行了處理，把結(jié)果進行對比分析，測試結(jié)果表明，此算法效果很好，具有廣闊的應(yīng)用空間。

參考文獻(xiàn)：

[1] 馬祖長， 孫怡寧， 梅濤. 無線傳感器網(wǎng)絡(luò)綜述[J]. 通信學(xué)報， 2004， 25（4）： 114-124.

[2] 李長青， 朱世松， 趙建貴. 煤礦安全和生產(chǎn)監(jiān)控系統(tǒng)的現(xiàn)狀與未來發(fā)展趨勢[J]. 焦作工學(xué)院學(xué)報（自然科學(xué)版）， 2000，（2）： 44-48.

[3] 梁美玉， 李莉， 陳坤. 基于蟻群算法的井下無線傳感器網(wǎng)絡(luò)節(jié)點定位研究[J]. 煤礦機械， 2010，31（12）： 48-50.

[4] 張素兵， 劉澤民. 基于螞蟻算法的分級 QOS 路由調(diào)度方法[J]. 北京郵電大學(xué)學(xué)報， 2000，23（4）： 11-15.

[5] 劉立東. 改進蟻群優(yōu)化算法的研究[D]. 成都： 西南交通大學(xué)， 2007.

[6] 孫改平， 郭紅. 改進蟻群算法及其在煤炭運輸中的應(yīng)用[J]. 煤礦機械， 2012，33（7）： 208-209.

[7] 梁美玉， 李莉， 陳坤. 基于蟻群算法的井下無線傳感器網(wǎng)絡(luò)節(jié)點定位研究[J]. 煤礦機械， 2010，31（12）： 48-50.

[8] 陳玨. 大型帶式輸送機動態(tài)分析用輸送帶參數(shù)的測定[J]. 煤礦機械， 2008，（11）： 3-6.