基于暗原色先验的煤矿井下退化图像复原算法

针对煤矿井下因水雾和煤尘散射作用引起的图像退化问题,结合煤矿井下无线多媒体节点采集的图像特点,提出一种正则化拉普拉斯矩阵的暗原色先验去雾尘模型。根据暗原色先验理论对来自煤矿井下无雾图像数据库进行统计,建立了煤矿井下图像成像的物理模型,利用该模型估算介质传播函数和井下光线照度,再由去雾尘模型复原得到清晰化的图像。试验结果表明,该算法有效恢复了场景的对比度,明显提高了图像的视见度。

基于暗原色理论和自适应双边滤波的煤矿尘雾图像增强算法

针对煤矿井下存在大量煤尘、水雾导致获取的视频图像伴有大量的噪声、分辨率低、模糊的问题,提出了一种基于暗原色理论和自适应双边滤波的煤矿尘雾图像增强算法。基于暗原色先验理论,采用自适应双边滤波代替softmatting过程来求取精细透射率图,并根据煤矿井下特殊环境,从新的角度求取全球大气光值、粗略透射率图,并根据图像退化模型实现图像的去噪。实验结果表明,对于分辨率为1 024×576的图像处理时间为1.9 s,与He算法(HE K,SUN J,TANG X.Single image haze removal using dark channel prior.IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,33(12):1-13.)相比,运行效率提高了5倍。与直方图均衡法等算法相比,所提算法有效增强了图像细节、边缘,整体上更加适合人类视觉和视频监控的要求。