曾日桓,裴宇轩,李紫薇
(中国矿业大学(北京) 北京 100089)
近年来,我国矿山智能化在快速发展,图像处理技术也越来越多地应用到矿井下,由于许多智能化设备都依赖采集的视频图像,但井下图像存在下列几个问题:成像条件较差、采集图像噪声多、对比度差、粉尘水雾大,并且简单的图像分割方法也无法有效分割出井下矿石。
如今常用的图像增强算法主要有:直方图均衡化、Retinex算法等,但这些常用的图像增强算法无法增强这类噪声多、对比度差、粉尘水雾大的图像,这些效果较差的图片也会对图像分割技术造成比较大的影响。因此,矿井下图片的质量问题已成为矿井下的图像处理技术发展的关键,并且由于井下图像对比度较低,常用的阈值分割方法也并不适合井下矿石图像的分割。
针对上述情况,本文提出了一种基于暗通道先验增强算法结合改进的双窗大津算法(OTSU),采用这种算法进行去雾和去噪处理,达到了较好的去雾增强与矿石图像分割效果。
如图1所示,算法步骤具体如下:
①对井下初始图像依据暗通道先验方法进行图像去雾增强;
②对去雾图像进行一次双边滤波完成图像去噪;
③然后经过拉普拉斯算子增强边缘信息;
④对增强图像进行双窗OTSU阈值分割,得到矿石分割图像。
在图像处理领域,暗通道先验去雾算法[1-5]是被广泛认可的去雾算法,对于图像的非天空区域有较好的去雾效果。井下环境较为复杂,在工作时采集的图像会产生水雾,需使采集的图像满足暗通道先验去雾算法的条件。……