徐輝，　賀耀宜

(1.中煤科工集團常州研究院有限公司， 江蘇 常州　213015；

2.天地(常州)自動化股份有限公司， 江蘇 常州　213015)

?

一種煤礦井下監(jiān)控視頻圖像預(yù)處理方法

徐輝1，2，賀耀宜1，2

(1.中煤科工集團常州研究院有限公司， 江蘇 常州213015；

2.天地(常州)自動化股份有限公司， 江蘇 常州213015)

摘要：針對煤礦井下照度低、粉塵大、強光干擾多而導(dǎo)致監(jiān)控視頻圖像模糊、容易出現(xiàn)目標檢測失誤等問題，提出了一種煤礦井下監(jiān)控視頻圖像預(yù)處理方法。引入直方圖均衡化算法將灰度值從集中在某段灰度級區(qū)域的非均勻分布狀態(tài)變換為均勻分布狀態(tài)，擴展像素灰度值的動態(tài)范圍；采用多特征判斷法即通過灰度閾值、差分閾值、尺寸閾值3個方面判斷檢測到的目標是否為光斑。實驗結(jié)果表明，該方法能有效增強圖像對比度，改善圖像質(zhì)量，識別并濾除光斑，從而提高目標檢測的有效性。

關(guān)鍵詞：井下監(jiān)控視頻； 圖像預(yù)處理； 圖像增強； 光斑濾除； 直方圖均衡化； 多特征判斷

0引言

工業(yè)電視監(jiān)控系統(tǒng)為煤礦的安全生產(chǎn)、調(diào)度指揮提供了直觀、方便、可靠的手段，在煤礦井下得到廣泛應(yīng)用。但受到煤礦井下環(huán)境照度低、光照變化劇烈、粉塵大、濕度大等各種條件限制，監(jiān)控視頻圖像往往存在較大的噪聲與干擾，在進行目標檢測時容易出現(xiàn)虛假檢測與錯誤跟蹤[1-2]。因此，有必要對圖像進行預(yù)處理。針對煤礦井下工業(yè)電視監(jiān)控視頻的特點，本文提出了一種用于圖像增強和光斑濾除的圖像預(yù)處理方法，以達到改善圖像質(zhì)量、增強圖像對比度、過濾干擾、提高目標檢測有效性的目的。

1煤礦井下監(jiān)控視頻圖像預(yù)處理

1.1圖像增強

煤礦井下光線昏暗，采集的監(jiān)控視頻圖像清晰度低，且圖像中人員、車輛、帶式輸送機等有效目標具有與背景相似的表觀信息，造成目標和背景不易區(qū)分。煤礦井下環(huán)境中攝像頭采集的圖像大多為黑白圖像或黑白、彩色圖像自動切換，為了便于處理，將監(jiān)控視頻圖像統(tǒng)一變換為灰度圖像，采用灰度變換的方法實現(xiàn)圖像增強。

圖像的灰度變換是指根據(jù)某種目標條件按一定變換關(guān)系逐點改變原圖像中每一個像素灰度值的方法[3]，可分為線性變換和非線性變換。煤礦井下監(jiān)控視頻圖像對比度低、灰度范圍窄、目標圖像的灰度值與背景灰度值接近，因此采用非線性灰度變換壓縮像素少的部分，擴展像素多的部分。直方圖均衡化[4-5]是非線性灰度變換的一個重要應(yīng)用，其基本思想是將原始圖的直方圖變換為均勻分布的形式，增加像素灰度值的動態(tài)范圍，從而達到增強圖像整體對比度的效果。

直方圖均衡化算法步驟：

(1) 給出原始圖像所有灰度級Sk，k=0，1，…，L-1(L為灰度級總數(shù))。

(2) 統(tǒng)計原始圖像各灰度級的像素數(shù)nk。

(3) 根據(jù)原始圖像計算灰度直方圖。

(1)

式中：P(Sk)為灰度級Sk像素出現(xiàn)的頻率；n為圖像總像素數(shù)。

(4) 計算原始圖像的累積直方圖：

(2)

(5) 利用灰度變換函數(shù)并四舍五入計算變換后的灰度級：

(3)

(6) 確定灰度變換關(guān)系：Sk→Uk。

(8) 計算變換后灰度直方圖。

(4)

式中P(Uk)為灰度級Uk像素出現(xiàn)的頻率。

1.2光斑濾除

煤礦井下工作人員主要依靠頭頂?shù)V燈或手電筒照明，礦燈、手電筒等照明設(shè)備照射地面或其他物體時形成強光光斑。光斑本身不屬于背景，但跟隨人員不斷移動，在進行人員目標檢測時，光斑往往與人員目標混雜在一起被檢測并提取出來，如果不加處理，就會同真正目標一起被認為是需要進行分析判斷的有效目標，從而使目標檢測失效，造成誤判。

通過對煤礦井下監(jiān)控視頻中的強光光斑進行分析，發(fā)現(xiàn)由工作人員頭頂?shù)V燈或手電筒照射地面或其他物體形成的光斑具有灰度值高、與背景灰度值差別大、與真正目標尺寸差異大的特點，因此本文采用多特征判斷法，即通過灰度閾值、差分閾值、尺寸閾值3個特征閾值進行判斷，從而識別并濾除光斑。

(1) 灰度閾值判斷法。根據(jù)光斑具有灰度值高的特點，設(shè)定一個灰度閾值(一般設(shè)定為較大的值，如對于256灰度級圖像，可設(shè)灰度閾值為200)，原始圖像中像素點的灰度值大于該灰度閾值則認為是光斑像素點，修改該像素點的灰度值為0并予以濾除。

(2) 差分閾值判斷法。根據(jù)光斑灰度值與背景灰度值差別大的特點，設(shè)定一個差分閾值，通過背景差分法[6]計算原始圖像與背景圖像的灰度值差值，得到的差分圖像即為前景，若前景目標像素點灰度值大于該差分閾值，則認為是光斑像素點，修改前景目標像素點的灰度值為0并予以濾除。

(3) 尺寸閾值判斷法。根據(jù)光斑尺寸大小與真正目標有差別的特點，設(shè)定一個尺寸閾值(包括最小寬度、最大寬度和最小高度、最大高度)，若差分圖像中檢測到的前景目標尺寸超出該尺寸閾值，則認為是光斑偽目標，予以濾除。

2實驗結(jié)果及分析

現(xiàn)場采集煤礦井下監(jiān)控視頻圖像進行實驗，使用OpenCV在VC++環(huán)境下編程實現(xiàn)圖像預(yù)處理。

直方圖均衡化處理結(jié)果如圖1所示。原始圖像灰度值主要集中在中部灰度級區(qū)域，圖像邊緣模糊，不能很好地區(qū)分人員目標。經(jīng)過直方圖均衡化處理后，灰度級從非均勻分布變換為均勻分布，明顯擴大了像素灰度值的動態(tài)范圍，顯著增強了圖像中的邊緣信息，提高了圖像整體對比度，使人員目標容易與背景區(qū)分。

光斑濾除結(jié)果如圖2所示。原始圖像中由于手電筒照射地面形成光斑，光斑被當作目標檢測出來。經(jīng)過光斑濾除處理后，光斑偽目標被濾除，提取到真正的人員目標。

3結(jié)語

針對煤礦井下監(jiān)控視頻圖像的預(yù)處理，采用直方圖均衡化算法將圖像灰度值從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布，以增強圖像中的有用信息，改善圖像的視覺效果，擴大圖像中不同物體特征之間的差別；通過多特征判斷法即從灰度閾值、差分閾值、尺寸閾值3個方面進行判斷，從而識別并濾除光斑。實驗結(jié)果驗證了本文方法的有效性。

(a)原始圖像及其直方圖

(b) 經(jīng)直方圖均衡化處理的圖像及其直方圖

圖2光斑濾除結(jié)果

參考文獻：

[1]萬衛(wèi)兵,霍宏,趙宇明.智能視頻監(jiān)控中目標檢測與識別[M].上海:上海交通大學(xué)出版社,2010.

[2]單勇.復(fù)雜條件下視頻運動目標檢測和跟蹤[D].長沙:國防科學(xué)技術(shù)大學(xué),2006.

[3]夏海波.基于Visual C++的圖像增強和輪廓提取研究[J].工礦自動化,2011,37(3):44-47.

[4]尚長春,馬宏偉,陳妍冰.井下可變光照條件下的圖像預(yù)處理方法[J].工礦自動化,2014,40(3):79-82.

[5]王小兵,姚雪晴,邱銀國,等.一種新型煤礦視頻監(jiān)控圖像濾波算法[J].工礦自動化,2014,40(11):76-80.

[6]MCHUGH J M,KONRAD J,SALIGRAMA V,etal.Foreground-adaptive background subtraction[J].IEEE Signal Processing Letters,2009,16(5):390-393.

徐輝，賀耀宜.一種煤礦井下監(jiān)控視頻圖像預(yù)處理方法[J].工礦自動化，2016,42(1)：32-34.

網(wǎng)絡(luò)出版地址：http://www.cnki.net/kcms/detail/32.1627.TP.20151231.1556.010.html

An image preprocessing method for underground monitoring video

XU Hui1,2,HE Yaoyi1,2

(1.CCTEG Changzhou Research Institute, Changzhou 213015, China;

2.Tiandi (Changzhou) Automation Co., Ltd., Changzhou 213015, China)

Abstract:For unclear underground monitoring video image and error target detection caused by low intensity of illumination, a lot of dust and strong light interference, an image preprocessing method for underground monitoring video was proposed. Histogram equalization algorithm is introduced to transform gray value from non-uniform distribution state to uniform distribution state and extend dynamic range of pixel gray value. Multi-features judgment method based on gray threshold, difference threshold and size threshold is used to identify spot. The experimental results show that the method can effectively enhance image contrast, improve image quality, and identify and filter spot, so as to improve effectiveness of target detection.

Key words:underground monitoring video; image preprocessing; image enhancement; spot filtering; histogram equalization; multi-features judgment

中圖分類號：TD672

文獻標志碼：A網(wǎng)絡(luò)出版時間：2015-12-31 15:56

文章編號：1671-251X(2016)01-0032-03DOI:10.13272/j.issn.1671-251x.2016.01.010