摘要：現(xiàn)有煤礦井下圖像去霧方法在處理煤礦井下圖像時未能在提取圖像深層次特征信息的同時進行光照校正，處理后的圖像存在細節(jié)信息丟失或圖像偏暗的問題。提出一種基于暗通道引導濾波和光照校正的煤礦井下圖像去霧算法。首先，井下原始圖像通過圖像分化模塊（IDM）進行雙邊濾波、光照估計和暗原色處理后得到光照圖、暗原色圖和光照反射圖。然后，對暗原色圖進行預處理，作為權(quán)重引導參數(shù)對光照反射圖進行引導濾波，以恢復圖像細節(jié)特征信息。最后，將光照圖作為權(quán)重參數(shù)對圖像進行光照校正和特征提取，通過多次光照校正解決顏色失真問題，同時增加網(wǎng)絡深度，進而去除黑暗區(qū)域的退化，實現(xiàn)圖像細節(jié)的重構(gòu)，從而得到清晰圖像。主觀評價結(jié)果表明：基于暗通道引導濾波和光照校正的煤礦井下圖像去霧算法在去除霧氣的同時，保留了更多的結(jié)構(gòu)紋理及背景細節(jié)，使整個圖像更加接近于對應的清晰圖像?？陀^評價結(jié)果表明：與次優(yōu)算法PMS?Net 相比，在訓練集和測試集上信息熵分別提高0.32 和0.11，標準差分別提高3.58 和1.89，平均梯度分別提高0.008 和0.004，說明所提算法可有效降低煤礦井下圖像的霧氣。消融實驗結(jié)果表明，所提算法在測試數(shù)據(jù)集上的信息熵、標準差、平均梯度均高于其他網(wǎng)絡組成模型，說明所提算法去霧效果最好，且能有效保留圖像細節(jié)和邊緣信息。

關(guān)鍵詞：煤礦井下圖像；去霧算法；暗通道引導濾波；光照校正；暗原色處理

中圖分類號：TD67 文獻標志碼：A

0 引言

目前，對圖像去霧技術(shù)的研究主要包括基于物理模型的圖像增強方法和基于非物理模型的圖像復原方法[1-2]?；谖锢砟Ｐ偷膱D像增強方法根據(jù)大氣散射理論，在各種先驗知識（如暗原色先驗）約束條件下，精確求解出清晰無霧圖像。蘇暢等[3]提出了一種基于暗通道圖像質(zhì)心位移量的去霧方案，使用了K 均值聚類方法對霧天圖像中的暗通道進行深入分析，但去霧效果會受到所設定聚類個數(shù)的影響。He Kaiming 等[4-5]提出了一種借助暗原色統(tǒng)計特性實施去霧的算法，通過考察圖像的暗通道并整合大氣散射模型，能夠在多數(shù)情況下實現(xiàn)較理想的去霧效果。然而，當處理包含較大面積天空區(qū)域的畫面時，可能會面臨顏色失真問題，且該算法計算復雜度較高。郭翰等[6]針對傳統(tǒng)暗原色去霧技術(shù)在處理天空區(qū)域時易產(chǎn)生的“halo”（光暈）效應，采用了導向濾波來調(diào)整透射率參數(shù)，但該算法對濾波半徑參數(shù)的選擇較為敏感，易導致部分去霧結(jié)果存在顏色過飽和或去霧不充分的情況。Meng Gaofeng 等[7]提出了一種具有邊界約束機制的圖像去霧技術(shù)，有效緩解了去霧后圖像對比度偏低的問題，然而在某些特定區(qū)域，仍有出現(xiàn)顏色失真現(xiàn)象的可能性。基于非物理模型的圖像復原方法的核心在于通過加強圖像整體和各個細節(jié)特征的表現(xiàn)力，提高圖像的飽和度和對比度。該方法可帶來一定程度視覺上的優(yōu)化，但沒有觸及霧氣對圖像實質(zhì)性的干擾，代表性技術(shù)有Retinex 理論和直方圖均衡化等[8-11]。Lu Kun 等[12]提出了雙分支曝光融合網(wǎng)絡（Two-Branch Exposure-Fusion Network，TBEFN），采用一種簡單的平均方法對2 幅圖像進行融合，并通過1 個細化單元進一步細化結(jié)果， 但網(wǎng)絡的訓練過程較為復雜。Xue Yu等[13]提出了一種特征融合注意網(wǎng)絡，該網(wǎng)絡使用通道注意和像素注意對特征圖的空間維度和通道維度分配權(quán)重，實現(xiàn)了較先進的去霧性能，但算法效率仍有進一步提升空間。E. S. Muhammad 等[14]提出了一種利用暗通道和光照計算雙傳輸圖的新策略，并利用梯度域引導濾波器對傳輸圖進行細化，去除任何殘留的不良影響，但在光照不足的環(huán)境下，該算法的實際去霧效果受到較大限制。

在煤礦井下圖像去霧方面，龔云等[15]針對煤礦井下圖像普遍存在的低亮度和弱對比度問題，提出了一種在六角錐體模型HSV（Hue， Saturation，Value）色彩空間中運用加權(quán)分布自適應伽馬校正技術(shù)的同態(tài)濾波方法。該方法有效提升了圖像的整體亮度與細節(jié)對比度，但仍產(chǎn)生了一定程度的顏色失真。王媛彬等[16]提出了一種基于自適應雙通道先驗理論的煤礦井下圖像去霧技術(shù)，通過結(jié)合暗通道信息與亮通道特征來建立雙通道預設模型以精確估計透射率，并融入了動態(tài)調(diào)整的權(quán)重因子，用梯度導向濾波手段對透射率圖進行精細化處理。根據(jù)粉塵霧霾導致的圖像退化模型原理，實現(xiàn)對原始清晰圖像的恢復還原，但該算法在處理不均勻霧霾圖像時，仍有部分霧霾殘留。上述方法在處理煤礦井下圖像時有可能存在細節(jié)信息丟失或圖像偏暗的問題，主要是因為未能在提取圖像深層次特征信息的同時進行光照校正。

針對煤礦井下圖像去霧問題，本文提出了一種結(jié)合暗通道引導濾波和光照校正的新型單幅煤礦井下圖像去霧算法。本算法通過圖像分化模塊（ImageDifferentiation Module，IDM）對井下圖像進行多層次化處理，從而生成反映全局光照情況的光照圖、體現(xiàn)深度信息的暗原色圖及記錄反射特征的光照反射圖，并分別利用暗原色圖和光照反射圖進行引導濾波和光照校正，有效解決了因霧化導致的顏色失真問題，同時實現(xiàn)了對圖像細節(jié)的精準重構(gòu)。