一种煤矿综采工作面图像增强方法及系统

1.本发明涉及煤矿井下工作面图像处理领域，特别是涉及一种煤矿综采工作面图像增强方法及系统。


背景技术：

2.中国的能源现状呈现“富煤、贫油、少气”的现状，在如今工业极速发展，能源需求日益剧增且国际环境波谲云诡的条件下，煤炭作为中国能源的压舱石，具有不可替代的重要作用。综采工作面作为煤炭生产的最前沿，具有机械设备多、作业空间狭小、环境温湿等特点，其安全事故频发，是煤矿安全生产的重点监控区域。随着国家对煤矿智能化的推进，煤矿综采工作面智能巡检机器人也步入了快速发展道路。机器人通过自身携带的传感器对煤矿综采工作面环境参数及设备运行情况进行巡检。图像数据作为煤矿综采工作面异常检测的重要手段之一，受到煤矿综采工作面环境影响较严重。现有的图像增强方法往往针对粉尘和雾气等方面的影响，忽略了光照不均匀条件下图像存在对比度低、细节丢失等特点，影响井下设备异常检测。


技术实现要素：

3.本发明的目的是提供一种煤矿综采工作面图像增强方法及系统，以实现光照不均匀条件下的图像增强。
4.为实现上述目的，本发明提供了如下方案：
5.一种煤矿综采工作面图像增强方法，包括：
6.获取综采工作面图像；
7.对所述综采工作面图像进行颜色空间转换和通道分离，得到通道分量；
8.利用多尺度引导滤波算法对所述通道分量进行处理，得到光照分量估计值；
9.利用改进伽马函数和所述光照分量估计值对所述通道分量进行非线性校正，得到校正后的通道；
10.根据所述校正后的通道分量对所述综采工作面图像进行颜色空间转换和白平衡处理，得到增强后的综采工作面图像。
11.可选地，所述对所述综采工作面图像进行颜色空间转换和通道分离，得到通道分量，具体包括：
12.利用opencv将所述综采工作面图像进行颜色空间转换，得到hsv颜色空间特征；
13.对所述hsv颜色空间特征进行通道分离，得到通道分量；所述通道分量包括色调通道分量、饱和度通道分量和亮度通道分量。
14.可选地，所述利用多尺度引导滤波算法对所述通道分量进行处理，得到光照分量估计值，具体包括：
15.利用多尺度引导滤波算法对所述亮度通道分量进行处理，得到滤波后的亮度通道分量；
16.对所述滤波后的亮度通道分量按照设定权重进行叠加，得到光照分量估计值。
17.可选地，所述光照分量估计值的表达式为：
[0018][0019]
其中，λ
r1
为当引导滤波尺度因子为r1时的光照分量的权重系数，为估计的光照分量；g
r1
(x,y)为当引导滤波尺度因子为r1时的引导滤波；y(x,y)为输入的图像，r1为第一个引导滤波尺度因子，rn为第n个引导滤波尺度因子。
[0020]
可选地，所述利用改进伽马函数和所述光照分量估计值对所述通道分量进行非线性校正，得到校正后的通道分量，具体包括：
[0021]
利用改进伽马函数和所述光照分量估计值对所述滤波后的亮度通道分量进行非线性校正，得到校正后的亮度通道分量。
[0022]
可选地，所述改进伽马函数的表达式为：
[0023][0024]
其中，v'(x,y)为校正后的亮度通道分量；为经过多尺度引导滤波估计后的光照分量；e为自然对数。
[0025]
可选地，所述根据所述校正后的通道分量对所述综采工作面图像进行颜色空间转换和白平衡处理，得到增强后的综采工作面图像，具体包括：
[0026]
根据所述色调通道分量、所述饱和度通道分量和所述校正后的亮度通道分量进行颜色空间转换，得到rgb颜色空间的图像；
[0027]
根据所述rgb颜色空间的图像进行通道分离，得到红色通道分量、绿色通道分量和蓝色通道分量；
[0028]
分别确定所述红色通道分量、所述绿色通道分量和所述蓝色通道分量的平均值；
[0029]
根据所述平均值确定灰度值；
[0030]
根据所述灰度值和所述平均值确定增强后的综采工作面图像。
[0031]
一种煤矿综采工作面图像增强系统，包括：
[0032]
获取模块，用于获取综采工作面图像；
[0033]
颜色空间转换和通道分离模块，用于对所述综采工作面图像进行颜色空间转换和通道分离，得到通道分量；
[0034]
处理模块，用于利用多尺度引导滤波算法对所述通道分量进行处理，得到光照分量估计值；
[0035]
校正模块，用于利用改进伽马函数和所述光照分量估计值对所述通道分量进行非线性校正，得到校正后的通道；
[0036]
颜色空间转换和白平衡处理模块，用于根据所述校正后的通道分量对所述综采工作面图像进行颜色空间转换和白平衡处理，得到增强后的综采工作面图像。
[0037]
可选地，所述颜色空间转换和通道分离模块，具体包括：
[0038]
颜色转换单元，用于利用opencv将所述综采工作面图像进行颜色空间转换，得到hsv颜色空间特征；
[0039]
通道分离单元，用于对所述hsv颜色空间特征进行通道分离，得到通道分量；所述通道分量包括色调通道分量、饱和度通道分量和亮度通道分量。
[0040]
可选地，所述处理模块，具体包括：
[0041]
滤波单元，用于利用多尺度引导滤波算法对所述亮度通道分量进行处理，得到滤波后的亮度通道分量；
[0042]
叠加单元，用于对所述滤波后的亮度通道分量按照设定权重进行叠加，得到光照分量估计值。
[0043]
根据本发明提供的具体实施例，本发明公开了以下技术效果：
[0044]
本发明获取综采工作面图像；对综采工作面图像进行颜色空间转换和通道分离，得到通道分量；利用多尺度引导滤波算法对通道分量进行处理，得到光照分量估计值；利用改进伽马函数和光照分量估计值对通道分量进行非线性校正，得到校正后的通道；根据校正后的通道分量对综采工作面图像进行颜色空间转换和白平衡处理，得到增强后的综采工作面图像。通过多尺度引导滤波算法估计光照分量，并通过改进伽马函数对通道分量进行校正，进而通过白平衡得到增强后的综采工作面图像，实现了光照不均匀条件下的图像增强。
附图说明
[0045]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0046]
图1为本发明提供的煤矿综采工作面图像增强方法流程图；
[0047]
图2为本发明提供的煤矿综采工作面图像增强方法在实际应用中的具体流程图。
具体实施方式
[0048]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0049]
本发明的目的是提供一种煤矿综采工作面图像增强方法及系统，以实现光照不均匀条件下的图像增强。
[0050]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0051]
如图1所示，本发明提供的一种煤矿综采工作面图像增强方法，包括：
[0052]
步骤101：获取综采工作面图像。
[0053]
步骤102：对所述综采工作面图像进行颜色空间转换和通道分离，得到通道分量。
[0054]
步骤102，具体包括：
[0055]
利用opencv将所述综采工作面图像进行颜色空间转换，得到hsv颜色空间特征。
[0056]
对所述hsv颜色空间特征进行通道分离，得到通道分量；所述通道分量包括色调通
道分量即h通道分量、饱和度通道分量即s通道分量和亮度通道分量即v通道分量。
[0057]
步骤103：利用多尺度引导滤波算法对所述通道分量进行处理，得到光照分量估计值。
[0058]
步骤103，具体包括：
[0059]
利用多尺度引导滤波算法对所述亮度通道分量进行处理，得到滤波后的亮度通道分量。
[0060]
对所述滤波后的亮度通道分量按照设定权重进行叠加，得到光照分量估计值。
[0061]
其中，光照分量估计值的表达式为：
[0062][0063]
其中，λ
r1
为当引导滤波尺度因子为r1时的光照分量的权重系数，为估计的光照分量；g
r1
(x,y)为当引导滤波尺度因子为r1时的引导滤波；y(x,y)为输入的图像，r1为第一个引导滤波尺度因子，rn为第n个引导滤波尺度因子。
[0064]
步骤104：利用改进伽马函数和所述光照分量估计值对所述通道分量进行非线性校正，得到校正后的通道。
[0065]
步骤104，具体包括：
[0066]
利用改进伽马函数和所述光照分量估计值对所述滤波后的亮度通道分量进行非线性校正，得到校正后的亮度通道分量。
[0067]
其中，改进伽马函数的表达式为：
[0068][0069]
其中，v'(x,y)为校正后的亮度通道分量；为经过多尺度引导滤波估计后的光照分量；e为自然对数。
[0070]
步骤105：根据所述校正后的通道分量对所述综采工作面图像进行颜色空间转换和白平衡处理，得到增强后的综采工作面图像。
[0071]
步骤105，具体包括：
[0072]
根据所述色调通道分量、所述饱和度通道分量和所述校正后的亮度通道分量进行颜色空间转换，得到rgb颜色空间的图像。
[0073]
根据所述rgb颜色空间的图像进行通道分离，得到红色通道分量即g通道分量、绿色通道分量即g通道分量和蓝色通道分量即b通道分量。
[0074]
分别确定所述红色通道分量、所述绿色通道分量和所述蓝色通道分量的平均值；所述平均值包括红色通道分量平均值、绿色通道分量平均值和蓝色通道分量平均值。
[0075]
根据所述平均值确定灰度值。
[0076]
根据所述灰度值和所述平均值确定增强后的综采工作面图像。
[0077]
本发明基于retinex理论，通过多尺度引导滤波估计场景光照分量并通过改进伽马函数进行校正，并通过自动白平衡得增强后的图像，从而实现光照不均匀条件下的图像增强。如图2所示，本发明还提供煤矿综采工作面图像增强方法在实际应用中的具体步骤。
[0078]
步骤一、通过安装在工作面巡检机器人身上的视觉传感器，利用opencv采集综采工作面图像数据。视觉传感器为经过煤安认证的视觉传感器。
[0079]
步骤二、对图像进行编码压缩，并将其传输至上位机。图像编码采用的是base64。下位机通过imagezmq将图像传输至上位机客户端。
[0080]
步骤三、上位机接收到图像后，通过base64对图像进行解码。
[0081]
步骤四、利用opencv将图像由rgb颜色空间转换至hsv颜色空间并进行通道分离。
[0082]
步骤五、利用多尺度引导滤波算法对v通道分量进行处理，并按照一定的权重系数对处理后的v通道分量进行叠加，获得光照分量的估计值。
[0083]
多尺度引导滤波算法中的快速引导滤波尺度因子选取公式为：
[0084][0085][0086][0087]
式中，round表示对计算结果进行圆整，即取≤该值的最大整数。min(hei,wid)为图像宽度和图像高度的最小值，max(hei,wid)为图像宽度和图像高度的最大值，hei为图像高度，wid为表示图像宽度。式1-3的结果便是式4对应的r的不同取值。r代表快速引导滤波器的尺度因子。此处相当于分别利用第一尺度因子r1，第二尺度因子r2，第三尺度因子r3对v通道分量进行快速引导滤波，最后按照权重系数即式4的λ进行结合，得出最终的光照分量。因此，此处的r仅仅代表快速引导滤波的一个参数。在此特意写出公式是因为要适应不同的图像尺寸，因此r不能是固定值，而是与图像尺寸有关的值。采用多尺度引导滤波的原因是更加准确的提取图像的光照分量，兼顾全局光照分量的考量和局部光照分量的考量。
[0088]
多尺度引导滤波估计照度分量的公式为：
[0089][0090]
其中，λ
r1
为当引导滤波尺度因子为r1时的光照分量的权重系数，为估计的光照分量即光照分量估计值；g
r1
(x,y)为当引导滤波尺度因子为r1时的引导滤波；y(x,y)为输入的图像，r1为第一个引导滤波尺度因子，rn为第n个引导滤波尺度因子。
[0091]
步骤六、利用光照分量的估计值和改进伽马函数公式对v通道分量进行非线性校正。
[0092]
改进伽马公式为：
[0093][0094]
式中，v'(x,y)为校正后的v通道分量；为上文经过多尺度引导滤波估计后的光照分量；e为自然对数。
[0095]
步骤七、将图像由hsv颜色空间转换至rgb颜色空间；将h、s通道分量以及校正后的v’通道分量三个通道分量利用opencv转换至rgb颜色空间。此项opencv提供了相应的接口函数。
[0096]
步骤八、对rgb颜色空间的图像进行白平衡处理，完成图像增强。
[0097]
自动白平衡以灰度世界假设为基础，其详细步骤为：
[0098]
(1)计算图像r、g、b三个通道的平均值并确定灰度值k。
[0099]
(2)计算r、g、b三个通道的增益系数。
[0100][0101][0102][0103][0104]
式中，r'、g'、b'为增益后的r、g、b通道分量。
[0105]
本发明可有效改善由于煤矿井下光照不均匀导致的图像对比度低、细节信息丢失等问题，在提高图像质量的同时增加图像亮度满足井下实际工况对图像质量的需求。本发明提高了图像的亮度，丰富了图像的细节，通过计算机图像处理手段，实现综采工作面图像增强，为进一步通过机器视觉手段完成围岩及综采工作面设备异常状态识别奠定了良好的基础。对促进煤矿智能化发展具有一定的意义。
[0106]
本发明还提供一种煤矿综采工作面图像增强系统，包括：
[0107]
获取模块，用于获取综采工作面图像。
[0108]
颜色空间转换和通道分离模块，用于对所述综采工作面图像进行颜色空间转换和通道分离，得到通道分量。颜色空间转换和通道分离模块，具体包括：颜色转换单元，用于利用opencv将所述综采工作面图像进行颜色空间转换，得到hsv颜色空间特征；通道分离单元，用于对所述hsv颜色空间特征进行通道分离，得到通道分量；所述通道分量包括色调通道分量、饱和度通道分量和亮度通道分量。
[0109]
处理模块，用于利用多尺度引导滤波算法对所述通道分量进行处理，得到光照分量估计值。处理模块，具体包括：滤波单元，用于利用多尺度引导滤波算法对所述亮度通道分量进行处理，得到滤波后的亮度通道分量；叠加单元，用于对所述滤波后的亮度通道分量按照设定权重进行叠加，得到光照分量估计值。
[0110]
校正模块，用于利用改进伽马函数和所述光照分量估计值对所述通道分量进行非线性校正，得到校正后的通道。
[0111]
颜色空间转换和白平衡处理模块，用于根据所述校正后的通道分量对所述综采工作面图像进行颜色空间转换和白平衡处理，得到增强后的综采工作面图像。
[0112]
本发明通过采集综采工作面图像；将图像压缩编码后发送至上位机；上位机接受到图像后，将其解码；上位机将解压缩的图片由rgb颜色空间转换至hsv颜色空间；对v分量通过多尺度引导滤波处理估计场景光照分量；进行伽马非线性校正；将图像由hsv空间转换回rgb空间；对校正后的图像进行自动白平衡处理，完成图像增强。本发明可有效改善煤矿综采工作面由于光照不均匀导致的图像对比度低、细节模糊等问题，满足井下实际工况对图像质量的需求，为后续通过深度学习等方法实现煤矿综采工作面设备及围岩异常状态的识别奠定基础，促进煤矿智能化开采。
[0113]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他
实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0114]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。