基于结构纹理分解的矿井图像增强方法
张红
索霆锋
宋婉莹
西安科技大学通信与信息工程学院,陕西西安 710054
摘要：矿井下存在低照度、多灰尘现象,导致监控视频采集的图像具有光照不均、模糊及细节丢失的问题,影响后续智能图像识别,现有矿井图像增强方法普遍存在图像纹理细节不清晰、视觉效果差的问题.提出了一种基于结构纹理分解的图像增强方法.首先,利用maxRGB算法对原始图像提取初始光照分量,接着构建优化目标函数,依次优化求解初始光照分量中的结构分量、纹理分量及噪声分量:先对初始光照分量进行加权引导滤波,作为先验约束,迭代获得边缘清晰的结构分量;再结合最大邻域差方法和加权平均局部变分构建局部变化偏差函数,作为约束权重,迭代得到细节丰富的纹理分量.然后,将原始图像转换到HSV颜色空间,提取出原始图像的亮度分量,并结合结构分量、纹理分量及噪声分量,利用Retinex理论进行重构,得到增强后的初始亮度分量.为避免亮度过增强,引入带有截断因子的自适应伽马校正(AGCWD)处理图像初始亮度信息,以获得最终的亮度分量.最后,将图像转换到RGB颜色空间,得到增强图像.实验结果表明:①基于结构纹理分解的图像增强算法能保证图像边缘纹理细节更加清晰,减少了图像增强过程中的光晕伪影,且增强后的图像灰度直方图更均衡.②与结构纹理感知Retinex(STAR)算法、联合内外先验(JieP)算法、加权变分模型(WVM)、半解耦分解(SDD)算法、带色彩恢复的多尺度Retinex(MSRCR)算法等5种图像增强算法相比,基于结构纹理分解的图像增强算法的自然图像质量评价指标(NIQE)分别降低了8.69％,29.05％,11.2％,29.53％,33.54％,视觉质量保真度(VIF)分别提高了91.17％,117.86％,59.38％,48.78％,183.12％,信息熵指标(Entropy)分别提高了3.20％,8.02％,4.07％,3.49％,22.68％.③基于结构纹理分解的图像增强算法运行时间仅长于MSRCR算法,但增强效果更好,能够满足矿井下图像增强的需求.
关键词：矿井图像增强结构纹理分解变分模型Retinex理论自适应伽马校正
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(61901358)
论文发表日期：2024-03-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 56-64 )
英文信息