摘要：煤礦井下圖像存在較嚴重的光照不均勻和噪聲干擾，現(xiàn)有基于Retinex 的方法直接應用于煤礦井下圖像增強易出現(xiàn)光暈偽影、邊緣模糊、過增強和噪聲放大等問題。針對上述問題，提出了一種基于多尺度梯度域引導濾波的煤礦井下圖像增強方法。首先，將多尺度思想引入梯度域引導濾波中，實現(xiàn)對非均勻光照的準確估計，有效解決了增強圖像時光暈偽影及邊緣模糊的問題。然后，利用Retinex 模型分離出光照分量和反射分量：對于光照分量，通過自適應伽馬校正函數(shù)逐像素地修正光照信息，實現(xiàn)對圖像暗區(qū)域增強的同時，抑制亮區(qū)域過增強，并使用限制對比度自適應直方圖均衡化方法調(diào)整圖像對比度；對于反射分量，將梯度域引導濾波與多尺度細節(jié)提升相結(jié)合，在準確去除噪聲后提升紋理細節(jié)，避免了增強圖像時噪聲放大的問題。最后，將處理后的光照分量及反射分量融合，計算圖像增益系數(shù)，并使用線性色彩恢復方法實現(xiàn)對原始RGB 圖像的逐像素增強，提升方法處理效率。實驗結(jié)果表明，從主客觀角度與現(xiàn)有方法相比，經(jīng)所提方法處理后的圖像在色彩保持、對比度、噪聲抑制、細節(jié)保留等方面均取得了較好的增強效果，同時處理效率較高。

關鍵詞：井下圖像增強；低光照圖像；多尺度梯度域引導濾波；自適應伽馬校正；Retinex；線性色彩恢復

中圖分類號：TD67 文獻標志碼：A

0 引言

智能視頻監(jiān)控是智能化煤礦安全生產(chǎn)的重要組成部分[1-3]。然而，煤礦井下無自然光照，人工照明易出現(xiàn)光照不均勻現(xiàn)象；由于周圍巖壁含煤量多，存在大量較暗區(qū)域；采煤設備的運行會產(chǎn)生粉塵及電磁干擾，導致圖像中伴有較多的噪聲。上述因素嚴重影響了煤礦井下圖像質(zhì)量，對后續(xù)圖像智能分析產(chǎn)生不利影響。因此，有必要對煤礦井下圖像進行增強[4-5]。

現(xiàn)有的圖像增強方法可分為傳統(tǒng)方法和基于深度學習的方法。傳統(tǒng)方法中，基于Retinex 模型的方法得到廣泛應用[6-8]，如單尺度Retinex（Single ScaleRetinex， SSR） 方法[9]、多尺度Retinex（Multi ScaleRetinex， MSR）方法[10]和帶色彩恢復因子的多尺度Retinex（Multi Scale Retinex with Color Restoration，MSRCR）方法[11]等應用于煤礦井下圖像增強并取得了一定效果。但該類方法使用各向同性的高斯濾波器來估計光照分量，在處理有光照突變的圖像時易出現(xiàn)光暈偽影、邊緣模糊的問題。因此，一些學者采用各向異性的濾波器代替高斯濾波器來估計光照。

例如，程德強等[12]、智寧等[13]采用引導濾波（GuidedImage Filtering，GIF）[14]作為中心環(huán)繞函數(shù)來估計光照，較好地克服了光暈偽影。王星等[15]、洪炎等[16]采用加權(quán)引導濾波（Weighted Guided Image Filtering，WGIF）估計光照，在避免光暈偽影的同時相對完整地保留了圖像邊緣。蘇波等[17]使用梯度域引導濾波（Gradient Domain Guided Image Filtering， GDGIF） [18]估計光照，更好地解決了光暈偽影和邊緣模糊的問題。但上述方法仍會出現(xiàn)暗區(qū)域增強不足、亮區(qū)域增強過度的問題，且大多忽略了對圖像噪聲的處理，在增強過程中易導致噪聲放大，模糊圖像細節(jié)。

基于深度學習的方法具有較強的特征學習和泛化能力，在增強后的圖像光照調(diào)節(jié)和細節(jié)保持方面均能取得較好的性能[19]。受Retinex 理論的啟發(fā)，Wei Chen 等[20]設計了2 個子網(wǎng)絡分別提取光照分量與反射分量，并使用去噪模塊對反射分量去噪，在有效提升圖像亮度的同時保持細節(jié)； Zhang Yonghua等[21]構(gòu)建了圖像分解、反射分量恢復及光照調(diào)節(jié)3 個子網(wǎng)絡，在亮度調(diào)整及細節(jié)保持方面得到了更好的效果。此外，一些學者[22-24]使用殘差的思想進行光照調(diào)節(jié)及細節(jié)提升。但基于深度學習的方法需要大規(guī)模數(shù)據(jù)集進行訓練，其增強效果對訓練數(shù)據(jù)集依賴性強，而煤礦井下具有有效標記的數(shù)據(jù)較少，且這類方法計算資源開銷大。

本文提出了一種基于多尺度GDGIF 的煤礦井下圖像增強方法。將多尺度思想引入GDGIF，從而更準確地估計光照并分離噪聲；利用自適應伽馬校正函數(shù)逐像素地修正圖像亮度，提升暗區(qū)域亮度并抑制亮區(qū)域過增強。該方法在處理煤礦井下非均勻低照度圖像時能有效避免光暈偽影、邊緣模糊、過增強和噪聲放大等問題。

1 方法原理

基于多尺度GDGIF 的煤礦井下圖像增強方法流程如圖1 所示。首先， 將原始RGB 圖像轉(zhuǎn)換到HSI 色彩空間， 對亮度通道圖像使用多尺度GDGIF 進行光照估計。然后，利用Retinex 模型分離出光照分量和反射分量：對于光照分量，通過自適應伽馬校正函數(shù)根據(jù)光照的局部亮度逐像素地修正光照信息，實現(xiàn)對圖像暗區(qū)域的增強，同時抑制亮區(qū)域過增強，并使用限制對比度自適應直方圖均衡化（Contrast Limited Adaptive Histogram Equalization，CLAHE）方法[25]調(diào)整圖像的對比度；對于反射分量，使用GDGIF 進行去噪，再使用多尺度細節(jié)提升圖像紋理細節(jié)，避免增強過程中噪聲放大。最后，將處理后的光照分量及反射分量融合，得到增強后的亮度通道圖像，并計算增益系數(shù)，使用線性色彩恢復方法實現(xiàn)對原始RGB 圖像的逐像素增強，避免增強后的色彩失真，提高方法處理效率。