当前位置：文档之家 › 煤矿井下视频监控图像噪声消除算法的研究

煤矿井下视频监控图像噪声消除算法的研究

  • 格式：pdf
  • 大小：329.61 KB
  • 文档页数：3

（． ｆ ｒ ｔ ｎ ａ ｄ Ｅｌ ｔｉａ ｎ ｉ ｅ ｒｎ ｆＣ １ ｎ ｏ ｍａ ｉ ｎ ｅ ｒ ｌ ｇ ｎ ｅ ｉ ｇ ｏ ＵＭ Ｔ Ｘｕ ｈ ｕ Ｊ ａ ｇ ｕ，２ ０ ８ Ｉ ｏ ｃ ｃ Ｅ ， ｚ ｏ ｉｎ ｓ ２ １０ ；
２Ｈｕ ｙ ｎ ａ ｎ ｏ ． ａ ａ ｇＣｏ ｌ Ｍｉ ｅＣ ｍｍｕ ｃ ｔ ｎ Ｅ ｕ ｐ ｎ ｏ Ｌ ｄ ， ｚ ｏ ｉ ｎ ｓ ２ １ １ ） ｉ ｎ ａｉ ｑ ｉ ｍｅ ｔＣ ． ｔ ．Ｘｕ ｈ ｕ着 视 频 监 控 在 煤 炭 工业 领 域 中 的广 泛应 用 ． 煤 矿 井 下 视 频 监 对
较 复 杂 ． 个 典 型 的 乘性 图像 噪声 模 型 可 表示 为 ： 一
ｇ ｉｊ＝ （，）ｆｉｊｎ（，） （， ｆｉｊ＋（，） ｉ ） ｊ 量 化 图像 噪声 多 由 于量 化 级 别 的不 同 而 产 生 的 图 像 噪 声 ， 将 图 如
ｔ ｃ ｎ ｌ ｇ ｅ ，ｗｅ ｖ ｒ ｐ ｓ ｄ ａ ｎ ｗ ｌｉ ｌ ｖ ｌ ｄ ｓｒｂ ｔ ｄ ｉ ｇ ｅ ｏ ｉ ｉ ｇ ｍｏ ｈ ｄ ｎ ａ ｎ ｄ ａ ｇ ｏ ｒ ｓ ｌ ｆｅ ｐ ｌ ｉ ｇ ｉ ｔ ｕ ｒ ｎ ｍａ ｅ ｅ ｈ ｏｏ ｉ ｓ ｅ ｐ ｏ ｏ ｅ ｅ ｍｕ ｔ — ｅ ｅ ｉｔ ｕ ｅ ｍａ ｅ ｄ ｎ ｓｎ ｎ ｔ ｏ ，ａ ｄ ｇ ｉ ｅ ｏ ｄ ｅ ｕ ｔ ａｔ ｒ ａ ｐ ｙ ｎ ｔ ｏ ｃ ｒ ｅ ｔ ｉ ｇ ｉ
ｐ ｏ ｅ ｓｎ ｆｃ ａ ｎ ｉ ｅ ｕ ｅｌａ ｃ ． ｒ ｃ ｓ ｉ ｇ ｏ ｏ ｌｍｉ ｅ ｖ ｄ ｏ ｓ ｒ ｉｌｎ ｅ ｖ
【 ｙｗｏｄ 】 ｉｅ ｕｖｉａ ｃ； ｇ ｒｃｓｉｇＩ ｇ ｅ ｏｉａｉｎ Ｋｅ ｒ ｓＶｄ ｏｓｒｅｌｎ ｅＩ ｅｐｏｅｓ ； ｅｄ ｎｓｎｔ ｌ ｍａ ｎ ｍａ ｏ
【 ｓｒｃ ］ ｈ ｏ ｌｎ ｕｔ ｐｃｆ ｐ ｌａｉｎｅ ｖ ｏｍｅｔ ｔｅｉ ｍｓ ｆ ｏｌ ｎ ｉｅ ｕｖ ｉａ ｃ ｉ ｉ ｕ ｒｕ ｏｓｓ ａｄｔｉ Ａｂ ｔ ｔＡｓｔｅｃａ ｉｄ ｓｙｓｅｉｃａｐｉ ｔ ｎ ｉ ｎ ｎ，ｈ ａ ｒ ｉ ｃ ｏ ｒ ｍａ ａ ｍｉｅｖｄｏｓｒｅｌ ｎｅｍｘｗｔ ｎ ｍｅｏ ｓ ｉ ， ｓ ｏｃ ｌ ｈ ｎ ｅ ｎ ｈ
科技信息
０科教前沿０
Ｓ ＩＮ Ｅ＆Ｔ Ｃ ＮＯ Ｏ Ｆ ＭＡ Ｉ Ｎ ＣＥ Ｃ Ｅ Ｈ Ｌ ＧＹＩ ＯＲ Ｔ Ｏ Ｎ
２１ ０ １年
第 ９期
煤矿井下视频监控图像噪声消除算法的研究
孙 永 ’ 贺广 强 黄 兴 张立刚
（． １ 中国矿业大学信电学院 江苏 徐州 ２１０ ；。 ２０８２ 徐州中矿大华洋通信设备有限公司 江苏 徐州 ２１１） ２１６
控 智 能 化 图像 处 理 如 煤 矿 井 下 视 频 监 控 图像 运 动 物 体 的 检 测 、识 别 、 像 的 亮 度 （ 度 ） 别 降 为 原 来 的 一 半 时 图像 会 出 现 伪轮 廓 。 灰 级 跟 踪 以及 视 频 自动 化 联 动 的 要 求 也 在 不 断增 加 。 于煤 矿井 下 视 频 监 由 按 照 图像 噪 声 的 概 率 统 计 特 征 ， 可 将 其 分 为 图像 白噪 声 ， 盐 又 椒 控 图像 所 处 的 环 境 粉 尘 较 多 以 及 图像 在 采 集 和 传 输 过 程 中 各 种 电设 图 像 噪声 和 泊 松 图像 噪声 。 图 像 白 噪声 具 有 稳 定 的 功 率 谱 ， 概 率 分 其 备 的 电磁 干扰 ， 获 得 的 图像 噪 声 较 大 ， 进 行 视 频 图像 处 理 之 前 需 所 在 布 多 符 合 高 斯 分 布 ． 称 高 斯 图 像 白噪 声 ； 盐 图像 噪 声 是 一 种 在 图 又 椒 先进 行 图像 滤 波 去 噪 。 本 节 首 先 讨论 各 种 噪声 分类 及 其 特 点 ， 后 列 然 像 中 产 生 黑 色 、 色 点 的 图像 脉 冲 噪 声 ， 种 图 像 噪 声 有 明 显 的颗 粒 白 这 举 图像 噪 声 去 除 的 常 用 方 法 ， 深 人 比较 分 析 提 出 去 除 井 下 视 频 监 控 经 感 ． 整个 图 像 中 显 得非 常 突 出 ， 边 缘 检 测 、 像 分 割 和 特 征 提 取 等 在 对 图 图像 噪 声 的 最 佳 方 案 。 后 续 处 理 都 具 有 非 常 严 重 的破 坏 作 用 ； 松 图像 噪 声 在 照 度 非 常 小 的 泊 时候 出 现 ． 在 高 倍 电 子 放 大 线 路 中 出 现 ， 概 率 分 布 满 足 泊 松 分 布 或 其 １ 图像 噪 声 且 分 布 比较 密 集 ， 图像 噪声 强 度 比高 斯 图像 噪 声 小 。 但
ｃ ａ ｎ ｉ ｅ ｕ ｖ ｉ ａ ｃ ｕ ｏ ｎ ｔ ｓ ｏ ｄ ｄｅ ｏ ｓｎ ｅ ｏ ｍａ ｃ ．Ａ ｔ ｒｆ ｌｙ ｃ ｍｐ ｒｓ ｎ ａ ｄ ａ ａｙ ｉ ｔ ｅ ｅ ａ ｅ ｏ ｍｉ ｅ ｖ ｄ ｏ ｓ ｒ ｅ ｌ ｎ ｅ ｄ ｅ ｔ ｏ ｏ ｇ ｏ ｎ ｉｉ ｇ ｐ ｒ ｒ ｎ ｅ ｆｅ ｕ ｌ ｏ ａ ｉｏ ｎ ｌ ｌ ｆ ｎ ｌ ｓｓ ｗｉ ｓ ｖ ｒ ｇ ｍｅ ａ ｍａ ｅ ｄ ｎ ｓｎ ｎ ｈ ｌ ｒｌｉ ｇ ｅ ｏ ｉｉｇ
【 摘 要】 由于 煤 炭 工 业 领 域特 殊 的应 用 环境 ， 矿 井下 视 频 监 控 图像 多 夹杂 着 大 量 的 图像 噪 声 ， 给 图像 的 后 续 处 理 带 来 许 多困 难 。 般 煤 这 一 的 图像 噪 声 消 除 技 术 ， 接 应 用 于煤 矿 井 下视 频 监 控 图像 并 不 能取 得 令 人 满 意的 去 噪 效 果 。 本 文 对 现 有 的 几 种 图像 噪 声 消 除 算 法 进 行 深 入 比 直 较 分 析 ， 出 了基 于 多级 的 分布 式噪 声 消 除方 法 ， 现 场 实践 证 实对 煤 矿 井下 视 频 监 控 图像 具 有 良好 的 去 噪 性 能 。 提 经 【 键 词 】 频监 控 ； 关 视 图像 处理 ； 声 消 除 噪
Ｔｈ ｓａｒ ｈ ｏ ｍ ａｇ ｅ ｉｉ ｆＣｏ ｌＭ ｉ ｉ ｄｅ ｕｒ ｅｌ ｎｃ ｓｅ ｅＲｅｅ ｃ ｎ Ｉ ｅ ｄ ｎｏｓｎｇｏ ａ ｎｎｇＶｉ ｏ Ｓ ｖ ｉａ ｅＳｙ ｔｍ ｌ Ｓ ＵＮ ｎｇ ＨＥ ａ － ｉ ｎ ２ ＨＵＡＮＧ ｎ ＺＨＡＮＧ —ｇ ｎ ￣ Ｙｏ Ｇｕ ｎｇ ｑ ａ ｇ Ｘｉ ｇ Ｌｉ ａ ｇ
ｂ ｎ ｓ ｍａ ｙ ｄ ｆｉ ｕ ｔ ｓ ｏ ｈ ｏ ｌ ｗｉ ｇ ｕ ｒ ｃ ｓ ｆｉ ｇ ． ｗｅ ｅ ， ｈｅ ｇ ｎ ｒｌ ｔ ｃ ｎ ｌ ｇｅ ｆ ｉ ｇ ｅ ｏ ｉ ａ ｉ ｎ ｃ ｎ ｏ ｉｅ ｔ ｐｐ ｉ ｄ ｔ ｉ ｒ ｇ ｎ ｉｆ ｌ ｅ ｎ ｔ ｅ ｆ ｌ ｃ ｉ ｏ ｎ — ｐ ｐ ｏ ｅ ｓ ｏ ｍａ ｅ Ｈｏ ｖ ｒ ｔ ｅ ｅ ａ ｅ ｈ ｏ ｏ ｉ ｓ ｏ ｍａ ｅ ｄ ｎ ｓｎ ｔ ａ ｎ ｔｂｅ ｄ ｒ ｃ ｌ ａ ｌ ｏ ｏ ｙ ｅ

合集下载

小波图像去噪在煤炭矿井信号采集应用综述

小波图像去噪在煤炭矿井信号采集应用综述

小波图像去噪在煤炭矿井信号采集应用综述摘要:小波去噪在煤炭矿井信号采集中的应用逐渐广泛,它可以使用傅里叶变换充分突出问题某些方面的特征,在井壁信号采集中,数据常出现离散情况,因此使用小波去噪的方法可以有效剔除不需要的数据,以此得到平缓曲线。

本文将基于对小波去噪及煤炭矿井中信号采集的离散问题的理解,进行梳理并进行一些展望。

关键词:小波去噪;图像处理;离散数据;综述;引言在煤炭矿山的信息采集中,不可避免的会引入不必要的信息,或者在过程中产生明显异常的信息,而这种信号会完全影响煤炭矿山井壁信息传递的不正确性,并且这种信息也会影响所需图象或波形的品质,并导致对后续预测工作造成极大的影响。

因此,这些出现的不必要的干扰信号,就是在信号处理过程中需要删除的噪声,即去噪,以此进行下一步的工作。

去噪技术是图象处理过程的基石与前提,是图象预处理阶段的关键,所以也是图象信息处理领域中最主要的科研方向。

本文将基于对小波去噪及煤炭矿井中信号采集的离散问题的理解,进行梳理并进行一些展望。

1.小波去噪原理小波去噪是近些年才逐步发展出来的一个信号处理的新方式,它以傅里叶变换为基础,并对信号的部分特性加以了突出化处理,使其部分数据进行剔除,以达到平缓数据的目的。

小波动,指只在有限一个区域内的非零值的波动即小区域波动,小波范围在时间轴中可随意裁定,对于有限的区间内,可以通过拉伸或压缩的方式,得到同时间段内不同的频段的小波,即高频波或低频波,通过想要得到的波形,以构造小波函数,用于滤波或信号的压缩,从而得到需要的信号数据。

小波去噪种于非线性去噪方式,原始信息进行小波划分后,原消息幅值最大的小波系数一般是可用消息,而原讯号幅值较小的系数一般都是噪音,因此也可看作实用消息的小波变换系数一定要超过噪音的小波变换系数。

小波分析也能将相似于噪音的数据全部去除,但只能留下近似部分或"信号"的低频组成部分,因此小波分析近似傅里叶变换,但只能在解析步骤中采用能量较为聚集的小波函数,小波分析式如下:从信息加工学的角度看,小波去噪是一种信息过滤的主要问题。

全方位加权自适应形态滤波的井下电视套损图像去噪算法

全方位加权自适应形态滤波的井下电视套损图像去噪算法


．．．
—
—
９ ．— ４ － ． —
西安石油大学学报（自然科学版 ）
上的结构元素， ｊ∈（ ， ｔ ， ∈Ｚ， ｘ 一ｔ…， ｔ ） 则结构元
１ …，）分别对应的 ０ ， ８， ２＝０ ，２５ ， ． 。 ７ ５ ， 。２． 。４ ０ ， ． 。 ５ ６
９ ． 。１２５ ，３． 。１７５ ， 图 ２所 示． ０ ０ ，１． 。１５０ ，５ ． 。如
处理 ．
设 ，）为 定 义 在 二 维 空 间 ｚ （ 为 整 数 集 Ｙ ｚ
合） 上的图像灰度离散函数 ，（， 是一个定义在 ｚ ｇ ）
收 稿 日期 ： ０９０ －１ ２ ０ －４０
作者简介 ：爨莹（ ９ ８ ） 女 ， １６ 一 ， 副教授 ， 主要从事计算机 网络与油气 田信 息技 术研 究． － ａｌｙ ｇ ｃａ ＠１３ ｃｒ Ｅ ｍ ｉ ｉ ＿ ｕｎ ６ ．ｏ ：ｎ ｎ
（） ２ （） ３ （） ４
【Ｊ ｃ （】 ｆ （Ｊ ｇ （Ｊ ｎ
１ 井下 电视 套 损 图像 噪声 分 析
井 下 电视测井 成 像 系统 主要 由井下 系统 和地 面
系 统两部 分组 成 ． 井下 系统 主要 有 红光摄 像 头 、 频 视
处理 电路 等 ， 井下 图像 信号 由井 下 电视 Ｃ Ｄ摄 像 头 Ｃ 取得 ， 摄像 头将 井壁 的 图像 信号 转化 为 电信号 后 ， 经 由井 下放 大驱 动 电路将 信号 放 大到传 输所 需要 的幅 度 ， 通过 电缆 或光 缆将 视频 电信号 传到 井上 ； 面 再 地 系统 主要 有 视 频 处 理 电路 、 频 卡 、ｃ机 、 源 模 视 Ｐ 电 块 、 度编 码器 等 ， 面系统 主要 完成 视频 信号 接 收 深 地 处 理及 回放 与存 储 ． 依 据井 下 电视 套 损 图像 形 成 原 理 ， 图像 噪 声 包 括 高斯 白噪 声 、 粒 噪声 、 电流 噪声 、 散 暗 光子 噪声 、 脉
煤矿井下非均匀照度图像去噪研究

煤矿井下非均匀照度图像去噪研究

煤矿井下非均匀照度图像去噪研究张旭辉;麻兵;杨文娟;董征;李语阳【期刊名称】《工矿自动化》【年(卷),期】2024(50)2【摘要】煤矿综采工作面空间小、照明环境复杂多变,采煤过程中伴随着大量的粉尘、大雾,导致采集的图像出现曝光、细节特征减弱等问题,难以对井下照明区域光照强度过大的图像进行有效的特征提取。

针对上述问题,提出了一种煤矿井下非均匀照度图像去噪算法。

首先,将视频截取为图像,判断图像是否需要进行光照抑制,将需要进行光照抑制的RGB图像拆分通道,并计算每个通道的光照调节因子,实现图像的整体光照调节;然后,将未进行整体光照抑制的图像和经整体光照抑制的图像进行反射分量提取,即将输入的图像转换为HSV空间图像,使用单尺度Retinex(SSR)算法对V通道图像中的光照分量进行单独处理,将V分量中的入射分量去除,保留反射分量,并对反射分量使用直方图均衡算法实现光照均衡化处理;最后,使用基于引导滤波的暗通道先验算法对经过光照处理后的图像进行去雾处理,并使用伽马校正函数重新调节亮度不均的图像。

主观评价结果表明:提出的煤矿井下非均匀照度图像去噪算法有效抑制了因光照导致整体亮度较高的问题,且由于大雾、粉尘等因素导致图像模糊的部分更加清晰,图像的细节特征更加突出。

采用信息熵、均值、标准差、空间频率4种评价指标对提出的算法效果进行客观评价,结果表明,提出的算法在信息熵、均值、标准差、空间频率上较多尺度Retinex(MSR)算法分别平均提升了21.87%,-56.06%,153.43%,294.45%,较基于颜色保持的多尺度视网膜增强(MSRCP)算法分别平均提升了1.18%,-39.56%,33.29%,-4.71%,较带色彩恢复的多尺度视网膜增强(MSRCR)算法分别平均提升了38.06%,-55.27%,462.10%,300.96%,说明提出的算法能更有效地增加图像信息量、抑制光照强度、提升边缘信息及图像清晰度。

图像视频处理中的噪声消除与滤波算法研究

图像视频处理中的噪声消除与滤波算法研究

图像视频处理中的噪声消除与滤波算法研究引言图像和视频处理是计算机视觉领域的重要研究方向。

然而，由于图像和视频在采集、传输和存储过程中可能受到各种噪声的干扰，如电磁噪声、信号传输时的失真等，这些噪声会对图像和视频质量产生负面影响。

因此，噪声消除与滤波算法的研究显得尤为重要。

一、图像中的噪声及其影响图像中的噪声主要包括高斯噪声、椒盐噪声和泊松噪声等。

这些噪声会导致图像细节模糊、边缘模糊、图像亮度失真等问题，降低了图像的质量和可读性。

二、噪声消除算法为了减少噪声对图像的影响，研究者们提出了各种噪声消除算法。

其中，常用的算法包括均值滤波、中值滤波、自适应滤波以及小波变换等。

1. 均值滤波算法均值滤波算法是最简单的一种滤波算法。

它通过计算像素周围邻域像素的平均值来消除图像中的噪声。

然而，均值滤波算法在处理椒盐噪声时效果不佳，会导致图像细节模糊。

2. 中值滤波算法中值滤波算法是一种非线性滤波算法，它通过将像素周围邻域像素的值进行排序，然后选择中间值来替代当前像素的值。

中值滤波算法在去除椒盐噪声方面效果显著，但对于高斯噪声效果一般。

3. 自适应滤波算法自适应滤波算法是一种根据图像内容调整滤波参数的滤波算法。

它可以根据图像的局部特征来选择最合适的滤波方式，从而更好地保留图像细节。

自适应滤波算法对噪声消除效果较好，但计算复杂度较高。

4. 小波变换算法小波变换是一种多尺度分析技术，它可以将信号分解为不同频率的子信号。

小波变换滤波算法可以通过选择合适的小波基函数和阈值来去除图像中的噪声，同时保留图像的细节和边缘信息。

小波变换算法在噪声消除方面效果较好，但计算复杂度较高。

三、视频中的噪声及其影响视频中的噪声主要有随机噪声和运动噪声。

随机噪声是由于光照等因素引起的干扰，而运动噪声则是由于拍摄过程中物体的运动引起的噪声。

这些噪声会导致视频画面模糊、失真等问题，降低了视频的质量。

四、视频噪声消除算法针对视频噪声的消除，研究者们提出了一些专门的算法。