龔 云 ，頡昕宇

（西安科技大學(xué) 測(cè)繪科學(xué)與技術(shù)學(xué)院, 陜西 西安 710054）

0 引 言

煤炭是我國的主體能源，約占一次能源的70%，但在煤礦生產(chǎn)過程中由于操作不當(dāng)容易發(fā)生瓦斯爆炸、塌方等事故[1]。當(dāng)煤礦發(fā)生安全事故進(jìn)行搜救工作時(shí)，同步定位與地圖構(gòu)建技術(shù)(Simultaneous Localization and Mapping, SLAM)具有更好的應(yīng)用，該技術(shù)能夠在未知環(huán)境中，在沒有先驗(yàn)信息情況下，一邊構(gòu)建塌陷礦道模型，一邊確定被埋人員位置，為搜救工作爭(zhēng)取寶貴時(shí)間[2-3]。由于受到井下粉塵和光源的因素的影響，視覺SLAM 系統(tǒng)采集的圖像信息呈現(xiàn)著低照度特點(diǎn)和對(duì)比度低的特點(diǎn)，而圖像質(zhì)量的好壞對(duì)后續(xù)特征點(diǎn)匹配與建圖等任務(wù)有著直接影響[4]，因此對(duì)于煤礦井下的圖像增強(qiáng)技術(shù)的研究具有重要研究意義。

目前適用于煤礦井下的圖像增強(qiáng)技術(shù)主要分為基于空間域和基于頻率域2 大方面[5],基于空間域圖像增強(qiáng)的方法包括了直方圖均衡化方法[6]和Retinex 方法[7]等，基于頻率域的方法包括同態(tài)濾波方法[8]。其中直方圖均衡化方法只是根據(jù)圖像的灰度概率分布函數(shù)進(jìn)行簡(jiǎn)單的全局拉伸，沒有考慮像素間的灰度聯(lián)系情況，進(jìn)行直方圖均衡化后，會(huì)在一定程度上提高圖像的對(duì)比度，但是圖像的灰度級(jí)會(huì)進(jìn)行合并進(jìn)而減少，造成細(xì)節(jié)的丟失[9]。而Retinex 方法假定空間照度是緩慢變化的，在圖像明暗變化劇烈的區(qū)域，容易出現(xiàn)光暈現(xiàn)象[10]。因此在處理井下光照差異很明顯的圖片，基于頻率域的同態(tài)濾波方法有更好的效果[11]。同態(tài)濾波是一種結(jié)合了頻率過濾和灰度變換的方法，它以圖像的照度反射模型作為頻域的處理基礎(chǔ)，分別對(duì)低頻信息進(jìn)行增強(qiáng)，高頻信息進(jìn)行抑制，可以有效解決圖像上照度不均勻和動(dòng)態(tài)范圍過大對(duì)圖像產(chǎn)生影響的問題，在不損失亮區(qū)細(xì)節(jié)信息的同時(shí)，有效增強(qiáng)暗區(qū)的細(xì)節(jié)信息[12]。國內(nèi)外很多學(xué)者對(duì)同態(tài)濾波提出了很多改進(jìn)的方法，董靜薇等[13]針對(duì)視頻中的圖像增強(qiáng)問題，從時(shí)頻分析的角度出發(fā)，將同態(tài)濾波中的傅里葉變化用快速小波變換代替，然后用改進(jìn)的濾波器對(duì)小波系數(shù)進(jìn)行處理，簡(jiǎn)化了方法的同時(shí)也增強(qiáng)了圖像的對(duì)比度，使圖像更具有可視性。蔡秀梅等[14]基于模糊邏輯與模糊集理論將同態(tài)濾波中的傅里葉變換與反變換改進(jìn)為模糊與去模糊隸屬度函數(shù)變換，然后在圖像的HSV 空間中，僅在模糊特征平面上對(duì)亮度分量進(jìn)行改進(jìn)的同態(tài)濾波處理，在一定程度上增強(qiáng)了圖片的對(duì)比度。KANWARPREET 等[15]提出使用分?jǐn)?shù)階導(dǎo)數(shù)與離散傅里葉變換相結(jié)合來改進(jìn)同態(tài)濾波，使得新方法比原始同態(tài)濾波方法多了兩個(gè)自由度，從而提供了更多設(shè)計(jì)的靈活性。上述的學(xué)者都是把工作的重心放在了對(duì)于濾波器中的傳遞函數(shù)改進(jìn)，雖然在一定程度上能夠增強(qiáng)圖像的對(duì)比度和提高亮度，但忽視了同態(tài)濾波是一個(gè)全局增強(qiáng)方法，對(duì)于煤礦井下明暗差距很大的像片，往往在增強(qiáng)圖像某部分像素的時(shí)候，會(huì)使一部分像素過增強(qiáng)，對(duì)高光區(qū)和陰影增強(qiáng)方面效果不是很好[16]。

針對(duì)上述同態(tài)濾波方法對(duì)井下圖像增強(qiáng)存在的問題，提出一種在HSV 空間下結(jié)合加權(quán)分布自適應(yīng)伽馬校正(AGCWD)的同態(tài)濾波方法，該方法先對(duì)V 分量的亮度像素通過其概率密度進(jìn)行自適應(yīng)的伽馬校正，非線性的映射出新的概率分布使得井下圖像的概率分布區(qū)域更加平滑，不會(huì)出現(xiàn)斷崖式的起伏，進(jìn)而加強(qiáng)同態(tài)濾波對(duì)高光區(qū)和陰影區(qū)的適用性。然后引入一種改進(jìn)傳遞函數(shù)的單參數(shù)同態(tài)濾波算法[17]對(duì)AGCWD 處理后的結(jié)果進(jìn)行同態(tài)濾波處理，由于經(jīng)典的同態(tài)濾波需要用多個(gè)參數(shù)進(jìn)行調(diào)節(jié)，也非常依賴調(diào)節(jié)的經(jīng)驗(yàn)，而單參數(shù)同態(tài)濾波可以通過一個(gè)參數(shù)就能夠獲得相似的濾波增強(qiáng)效果，以緩解多參數(shù)導(dǎo)致的參數(shù)過難選擇問題。最后對(duì)同態(tài)濾波后結(jié)果進(jìn)行對(duì)比度受限的自適應(yīng)直方圖均衡化(CLAHE)處理[18]，以提高圖像的細(xì)節(jié)信息。

1 改進(jìn)同態(tài)濾波方法

1.1 加權(quán)分布的自適應(yīng)伽馬校正

伽馬校正(Gamma Correction)[19]，通過參數(shù) γ的大小來非線性變換調(diào)整像片的像素值，進(jìn)而改善圖像的整體亮度，可以由式(1)表示：

式中：lmax為 輸入圖像的最大灰度值；l為輸入圖像的強(qiáng)度；γ為伽馬校正的伽馬系數(shù)；T(l)為輸出圖像的強(qiáng)度。

當(dāng) γ＞1 時(shí)圖像的灰度值增大，整體亮度提高并增強(qiáng)對(duì)比度；當(dāng) γ＜1 時(shí)圖像的灰度值減小，整體亮度降低但也能在一定程度上提高圖像的對(duì)比度；而當(dāng)γ時(shí)圖像進(jìn)行線性變換，如圖1 所示。

圖1 伽馬校正Fig.1 Gamma correction

由于伽馬校正方法只是通過 γ一個(gè)參數(shù)進(jìn)行調(diào)節(jié)，缺乏自適應(yīng)性，而且對(duì)于光暗分布不均勻的圖片容易造成過增強(qiáng)的現(xiàn)象。針對(duì)以上問題HUANG等[20]提出一種結(jié)合加權(quán)分布的自適應(yīng)伽馬校正(AGCWD)，該方法是用一個(gè)補(bǔ)償?shù)睦塾?jì)分布函數(shù)(cumulative distribution function, cdf)去代替原始伽馬校正的 γ系數(shù)，可以逐步對(duì)低強(qiáng)度進(jìn)行增強(qiáng)，以增加其適應(yīng)性，自適應(yīng)伽馬校正(adaptive gamma correction, AGC)公式如下：

其中，c df(l)代 表l亮度的累積分布，通過計(jì)算概率密度函數(shù)(Probability Density Function, pdf)，由下式所示：

其中，∑ pdfw為整個(gè)圖像的概率密度之和，由式(5)得出；pdfw(l)為l通過加權(quán)分布(Weighting Distribution, WD)對(duì)直方圖進(jìn)行調(diào)整之后的概率密度函數(shù)，計(jì)算式為：

其中，pdfmax和 pdfmin分別為概率密度統(tǒng)計(jì)直方圖的最大值和最小值。

pdfw的求和公式為

由于礦井下的像片一般呈現(xiàn)整體偏暗的特點(diǎn)，在灰度值較低的區(qū)域，所對(duì)應(yīng)的伽馬系數(shù)大，進(jìn)而產(chǎn)生更顯著的效果，對(duì)灰度值高的區(qū)域也會(huì)通過像片自身特點(diǎn)降低增強(qiáng)效果。圖2 是使用一張井下軌道像片進(jìn)行AGCWD 方法處理后的結(jié)果。從直方圖中可以看出AGCWD 方法可以對(duì)灰度級(jí)進(jìn)行拉伸，減少暗像元數(shù)量，增加亮像元數(shù)量，也使得灰度級(jí)分布更加平滑，緩解了后續(xù)同態(tài)濾波因光暗分布不均而造成過增強(qiáng)的現(xiàn)象。

圖2 AGCWD 前后的圖像與灰度直方圖Fig.2 Image and gray histogram before and after AGCWD

1.2 單參數(shù)同態(tài)濾波

同態(tài)濾波是基于頻率域的一種圖像增強(qiáng)方法，它是基于圖像的照射-反射模型提出的，認(rèn)為圖像的照度分量與反射分量以乘性的方式結(jié)合[21]，如下式所示：

其中，f(x,y)為 得到的結(jié)果圖像；i(x,y)為照射分量，表示光照部分，屬于變化緩慢的低頻分量；r(x,y)代表反射部分，屬于物體的本身屬性，是變化較快的高頻部分。由于在頻率域中濾波器對(duì)乘性噪聲是不可分的，往往在傅里葉變化前要對(duì)圖像進(jìn)行對(duì)數(shù)變換：

對(duì)式(3)兩邊進(jìn)行傅里葉變換：

用傳遞函數(shù)H(u,v)對(duì)傅里葉變換后的結(jié)果進(jìn)行處理：

其中，傳遞函數(shù)H(u,v)指同態(tài)濾波中的濾波器，高斯型傳遞函數(shù)：

其中，D(u,v)為 頻率(u,v)到 中心頻率(u0,v0)的距離，由式(11)可以得出。D0為截止頻率；rH為高頻增益；rL為 低頻增益；c為銳化系數(shù)，n為 濾波器的階數(shù)。

由式(10)可知，常用同態(tài)濾波的傳遞函數(shù)有rH、rL、c、n四 個(gè)參數(shù)共同調(diào)節(jié)，在不同情況下針對(duì)rH、rL和n三個(gè)參數(shù)的選擇很依賴調(diào)節(jié)經(jīng)驗(yàn)，所以引入一種單參數(shù)同態(tài)濾波方法，該方法是王智奇等[17]根據(jù)S型函數(shù)的剖面與同態(tài)濾波的剖面有相似的結(jié)構(gòu)這一原理，構(gòu)建出新的傳遞函數(shù)為

式(12)構(gòu)建出新的傳遞函數(shù)中只存在著一個(gè)參數(shù)k，其中D(u,v)的意義以及計(jì)算方法與常用的同態(tài)濾波器相同。單參數(shù)的傳遞函數(shù)三維結(jié)構(gòu)如圖3a所示。

圖3 傳遞函數(shù)的三維圖Fig.3 Three-dimensional diagram of the transfer function

高斯型同態(tài)濾波器是基于高斯高通型濾波器，其三維結(jié)構(gòu)如圖3b 所示,對(duì)比圖3a 和圖3b 單參數(shù)的同態(tài)濾波方法對(duì)低頻分量有0.5 左右的增益，而高斯型同態(tài)濾波器在不增強(qiáng)低頻分量的前提下，低頻增量為0，因此在壓縮圖像的動(dòng)態(tài)范圍時(shí)易出現(xiàn)過壓縮現(xiàn)象。單參數(shù)同態(tài)濾波器由中心頻率到高頻的過渡相較傳統(tǒng)的同態(tài)濾波器更平緩，斜率更小，進(jìn)而濾波更加均勻。

1.3 對(duì)比度受限的自適應(yīng)直方圖均衡化

經(jīng)同態(tài)濾波后的圖像能有效改善光照不均勻所引起的光暗不一，但整體對(duì)比度還不夠，為進(jìn)一步提高對(duì)比度和增加圖像的細(xì)節(jié)信息，引入一種CLAHE的方法。經(jīng)典的直方圖均衡化是一種全局方法，不能充分考慮圖像的內(nèi)容。對(duì)于煤礦井下的圖像，可能只需對(duì)某個(gè)部分進(jìn)行均衡化，而經(jīng)典的直方圖均衡化方法就會(huì)使圖像錯(cuò)誤增強(qiáng)，因此HUANG 等[22]提出CLAHE 方法，該方法是一種局部方法，通過抑制直方圖均衡化過程中由于部分灰度級(jí)被過多合并、部分灰度級(jí)丟失所引起的噪聲過度增強(qiáng)，提高圖像對(duì)比度的同時(shí)使圖像輪廓更清晰。具體做法是將圖像分為若干個(gè)塊區(qū)域，以塊為單位計(jì)算直方圖，在計(jì)算累積分布函數(shù)前，以預(yù)先定義的閾值對(duì)每個(gè)子塊直方圖裁剪來限制放大幅度，將超出閾值的部分重新均勻分布到其他部分，如圖4所示。

圖4 CLAHE 原理示意Fig.4 Schematic of CLAHE principle

2 方法流程設(shè)計(jì)

同態(tài)濾波是一種全局型的圖像增強(qiáng)方法，對(duì)于明暗差距較大的煤礦井下像片，往往在增強(qiáng)圖像暗像素時(shí)，使得亮像素過增強(qiáng)，缺乏適應(yīng)性。針對(duì)這一問題，首先使用AGCWD 方法對(duì)待增強(qiáng)圖像的灰度根據(jù)其概率分布進(jìn)行自適應(yīng)伽馬校正，使得圖像灰度的概率分布更加平滑，進(jìn)而可以減少同態(tài)濾波過程中對(duì)高亮區(qū)和陰影區(qū)過增加的影響。然后使用單參數(shù)同態(tài)濾波方法處理，增加圖像的亮度與對(duì)比度。最后使用CLAHE 方法，提高同態(tài)濾波后圖像的細(xì)節(jié)信息。方法流程如圖5 所示，具體流程如下：

圖5 本算法的流程Fig.5 The flow of the algorithm

1)由于圖片在RGB 空間中變換容易造成失真現(xiàn)象，而提高圖片的亮度與對(duì)比度在HSV 空間下效果會(huì)更好，所以本方法先將圖片由RGB 空間轉(zhuǎn)換到HSV 空間，提取出H、S 和V 三個(gè)分量；

2)保持色調(diào)H 和S 分量不變，利用AGCWD 方法對(duì)V 分量進(jìn)行校正。先通過V 分量的灰度級(jí)和每個(gè)灰度級(jí)的灰度分布來計(jì)算出各灰度級(jí)的概率密度函數(shù)，構(gòu)成概率密度函數(shù)直方圖，找出概率密度統(tǒng)計(jì)直方圖中的最大值和最小值，通過式(4)使用加權(quán)分布對(duì)直方圖進(jìn)行調(diào)整，然后使用式(3)計(jì)算出灰度值的累計(jì)分布，最后通過式(2)進(jìn)行伽馬校正。

3)將AGCWD 的結(jié)果進(jìn)行單參數(shù)同態(tài)濾波處理。首先對(duì)圖像取對(duì)數(shù)，使圖像的照度分量與反射分量變成相加可分關(guān)系，再進(jìn)行傅里葉變換得到圖像在空間域的分布情況；使用式(12)傳遞函數(shù)對(duì)空間域的圖像進(jìn)行濾波處理，然后進(jìn)行傅里葉逆變換和指數(shù)處理得到同態(tài)濾波后的圖像。

4)將單參數(shù)同態(tài)濾波的結(jié)果進(jìn)行CLAHE 處理；CLAHE 方法在MATLAB 中有集成好的函數(shù)，函數(shù)名為adapthisteq。把同態(tài)濾波后的結(jié)果導(dǎo)入到MATLAB中，直接調(diào)用adapthisteq 函數(shù)即可得到結(jié)果。

5)最后用原始圖像的H、S 分量和處理后的V分量波段合成后，進(jìn)行HSV 逆變換得到RGB 空間下的圖像。

3 試驗(yàn)分析

為了對(duì)研究提出的方法進(jìn)行有效性驗(yàn)證，在西安科技大學(xué)采礦實(shí)驗(yàn)室中拍攝3 張像片分別代表軌道、巷道、采礦面作為待處理圖像。試驗(yàn)硬件平臺(tái)采用Inter(R) Core(TM) i5-6300HQ CPU，主頻2.3 GHz，內(nèi)存16G；軟件平臺(tái)基于MATLAB R2014a，Windows 10 操作系統(tǒng)。分別采用經(jīng)典的同態(tài)濾波，對(duì)比度受限的自適應(yīng)直方圖均衡化，和本研究改進(jìn)的同態(tài)濾波3 種方法對(duì)3 種圖像進(jìn)行增強(qiáng)，然后從主觀上的增強(qiáng)結(jié)果圖及其灰度直方圖，和客觀上的標(biāo)準(zhǔn)差、均值、峰值信號(hào)比(PSNR)、信息熵4 個(gè)評(píng)價(jià)標(biāo)準(zhǔn)兩方面進(jìn)行分析。

3.1 軌道圖像分析

試驗(yàn)選取的軌道圖像具有對(duì)比度低的特點(diǎn)，并且在照明燈下方的軌道由于強(qiáng)光照的影響，其軌枕和道碴等細(xì)節(jié)信息不明顯。根據(jù)試驗(yàn)結(jié)果可以看出3 種方法都對(duì)圖像有著明顯的增強(qiáng)作用，可是CLAHE方法的灰度級(jí)集中在0～100(圖7b)，雖然在提高圖像對(duì)比度的同時(shí)能保留豐富的細(xì)節(jié)信息，但亮度的提升效果不如其他2 種方法。經(jīng)典的同態(tài)濾波方法對(duì)于高光照區(qū)域(圖6b)有明顯的過增強(qiáng)效果，增強(qiáng)后的結(jié)果丟失了軌枕和道碴等細(xì)節(jié)信息。而本研究改進(jìn)的同態(tài)濾波方法進(jìn)行增強(qiáng)后的圖像的灰度級(jí)在每個(gè)區(qū)間都分布均勻(圖7d)，并且對(duì)同態(tài)濾波中的過增強(qiáng)方面有一定的改善，還保留了原圖像的細(xì)節(jié)信息。

圖6 軌道圖像的試驗(yàn)結(jié)果Fig.6 Experimental results of orbital images

圖7 軌道圖像的試驗(yàn)結(jié)果的灰度直方圖Fig.7 Gray histogram of the experimental results of the track image

使用常用的均值、標(biāo)準(zhǔn)差、PSNR 以及信息熵4個(gè)評(píng)價(jià)指標(biāo)對(duì)3 種方法進(jìn)行客觀評(píng)價(jià)，結(jié)果見表1。其中標(biāo)準(zhǔn)差是用來評(píng)價(jià)圖像的對(duì)比度，如果標(biāo)準(zhǔn)差越大，代表圖像的對(duì)比度越大；圖像的均值代表明亮程度，數(shù)值越大圖像亮度越高；峰值信噪是一種用來評(píng)價(jià)圖像保真性的客觀標(biāo)準(zhǔn)，一幅圖像信噪比越大代表圖像失真越?。恍畔㈧厥且环N反映圖像上所具有信息量的評(píng)價(jià)指標(biāo)，若信息熵越大則表示圖像所具有的信息越豐富[23]。由表1 可以得出，本研究改進(jìn)的同態(tài)濾波方法相比于其他2 種方法的標(biāo)準(zhǔn)差、均值、PSNR 和信息熵4 個(gè)評(píng)價(jià)標(biāo)準(zhǔn)均有所提高，其中相比于經(jīng)典的同態(tài)濾波方法在軌道像片中均值、標(biāo)準(zhǔn)差、峰值信噪比和信息熵分別提高了13.04%、18.67%、25.97%、2.31%；相比于CLAHE 方法均值、標(biāo)準(zhǔn)差、峰值信噪比和信息熵分別提高了32.70%、9.23%、16.23%、0.98%。

表1 軌道圖像性能指標(biāo)Table 1 Track image performance index

3.2 巷道圖像分析

試驗(yàn)選取巷道圖像的灰度均值是3 張圖片中最低的，能充分說明3 種增強(qiáng)方法對(duì)亮度的提高效果（圖8）。由圖9d 可知，圖像經(jīng)過本研究改進(jìn)方法處理后的灰度主要分布在50～200，使得圖像亮度增加顯示更加清楚，并且每個(gè)灰度級(jí)分布更加均勻，提高了圖像的對(duì)比度，對(duì)于圖8c 中同態(tài)濾波處理后的結(jié)果所造成的過增強(qiáng)區(qū)域有所改善。

圖8 巷道圖像的試驗(yàn)結(jié)果Fig.8 Experimental results of roadway images

圖9 巷道圖像結(jié)果的灰度直方圖Fig.9 Gray histogram of experimental results of roadway image

由表2 可知對(duì)于巷道圖像，本研究改進(jìn)的同態(tài)濾波方法相比于經(jīng)典的同態(tài)濾波方法在均值、標(biāo)準(zhǔn)差、峰值信噪比和信息熵分別提高了52.07%、40.73%、36.23%、8.96%。相比于CLAHE 方法均值、標(biāo)準(zhǔn)差、峰值信噪比和信息熵分別提高了65.29%、21.58%、17.03%、5.18%。

表2 巷道圖像性能指標(biāo)Table 2 Roadway image performance index

3.3 采礦面圖像分析

煤礦的反射率較低[24]，在井下圖像中由于光照分布不均往往呈現(xiàn)出黑色區(qū)域，如圖10a 所示。因?yàn)镃LAHE 方法根本原理是對(duì)灰度級(jí)的拉伸，同態(tài)濾波只是單純?cè)鰪?qiáng)暗區(qū)和保留亮區(qū)信息，所以這2 種方法在處理大片黑色區(qū)域時(shí)效果不是很明顯。而本研究方法首先利用每個(gè)灰度級(jí)的概率密度，對(duì)每個(gè)灰度級(jí)進(jìn)行伽馬校正，增強(qiáng)每個(gè)灰度級(jí)的同時(shí)也使灰度相差很小的灰度級(jí)分離更加明顯，再進(jìn)行同態(tài)濾波增強(qiáng)圖像暗區(qū)，結(jié)果如圖10d 所示，對(duì)整個(gè)采礦面增強(qiáng)比其他2 種方法明顯。

圖10 采礦工作面圖像的試驗(yàn)結(jié)果Fig.10 Experimental results of mining face image

由表3 和圖11 可知對(duì)于巷道圖像，本研究改進(jìn)的同態(tài)濾波方法相比于經(jīng)典的同態(tài)濾波方法在均值、標(biāo)準(zhǔn)差、峰值信噪比和信息熵分別提高了18.75%、17.66%、11.20%、2.90%。相比于CLAHE 方法均值、標(biāo)準(zhǔn)差、峰值信噪比和信息熵分別提高了36.35%、2.60%、6.88%、2.89%。

圖11 采礦工作面圖像結(jié)果的灰度直方圖Fig.11 Gray histogram of experimental results of mining face image

表3 采礦工作面圖像性能指標(biāo)Table 3 Mining face image performance index

4 結(jié) 論

1）同態(tài)濾波方法是一種全局增強(qiáng)方法，對(duì)于煤礦井下明暗差距很大的影像，往往在增強(qiáng)圖像某部分像素的時(shí)候，會(huì)使一部分像素過增強(qiáng)，所以使用AGCWD 方法將井下影像的像素通過其概率密度非線性的映射出新的概率分布使得灰度級(jí)分布更加平滑，不會(huì)出現(xiàn)斷崖式的起伏，進(jìn)而加強(qiáng)同態(tài)濾波方法對(duì)高光區(qū)和陰影區(qū)的適用性。根據(jù)S 型函數(shù)的剖面與同態(tài)濾波的剖面有相似的結(jié)構(gòu)這一原理，構(gòu)建出新的傳遞函數(shù)將同態(tài)濾波中的4 個(gè)調(diào)節(jié)參數(shù)轉(zhuǎn)化為一個(gè)調(diào)節(jié)參數(shù)，減少了方法參數(shù)選擇困難的同時(shí)對(duì)低頻分量有一定的增益，能夠改善經(jīng)典的同態(tài)濾波器在壓縮圖像的動(dòng)態(tài)范圍時(shí)出現(xiàn)的過壓縮現(xiàn)象。

2）通過文中影像增強(qiáng)方法和經(jīng)典的影像增強(qiáng)方法建立對(duì)照試驗(yàn)，結(jié)果表明，改進(jìn)的同態(tài)濾波方法相較于CLAHE 方法，均值、標(biāo)準(zhǔn)差、峰值信噪比(PSNR)和信息熵分別提高了65.29%、21.58%、17.03%、5.18%，相較于經(jīng)典同態(tài)濾波方法分別提高了52.07%、40.73%、36.23%、8.96%。試驗(yàn)數(shù)據(jù)表明改進(jìn)的同態(tài)濾波方法能夠在增強(qiáng)圖像的亮度和對(duì)比度，保留了圖像的細(xì)節(jié)信息的同時(shí)還在一定程度下抑制了經(jīng)典同態(tài)濾波對(duì)明暗差距大的像片的過增強(qiáng)現(xiàn)象。

3）該研究只是對(duì)井下影像數(shù)據(jù)進(jìn)行增強(qiáng)，后續(xù)任務(wù)可以對(duì)井下監(jiān)控視頻進(jìn)行增強(qiáng)，但井下視頻由于其幀數(shù)和時(shí)長(zhǎng)，可能會(huì)導(dǎo)致該方法在時(shí)間效率上有一定的缺陷，即如何滿足增強(qiáng)效果的同時(shí)提高時(shí)間效率將是今后研究的關(guān)鍵性問題。